基于正交小波分解的线谱增强算法研究

介绍了传统线谱增强器(ALE)结构,分析了ALE的工作原理。ALE线谱增强的原因是降低了基本输入和参考输入中的噪声相关性,由于对参考输入的权系数调整无法对噪声进行合理估计,正弦信号得到增强。正交小波分解能将信号分解为尺度子空间和小波子空间中的2部分,同时2子空间正交。利用正交小波分解的这一特性,将尺度子空间中的逼近部分作为自适应滤波器的参考输入,使得参考输入和原信号中的噪声相关系数很小。对高斯环境下正弦信号和某水中目标实测信号进行了算法仿真,研究了该线谱增强算法的性能。结果表明,该算法在对高斯噪声环境和非平稳、非高斯目标实测信号中的线谱增强效果均优于ALE。     

基于四阶累积量EM算法的相干信源空间谱估计

在信号的波达方向估计中,经常会因传播环境的复杂多样性,导致接收的信号中有大量相干信号产生.针对信源间产生了相干,使得真实的角度值无法精确估计出来的难题,考虑将信号的四阶累积量运用于期望最大化(expectation maximization EM)算法中对相干信源空间谱估计。实验结果说明:该算法不仅可以精确估计出相干信源的角度值,而且在低SNR、少快拍数下其估计精度高,稳定度好。     

基于两级自适应线谱增强器的舰船辐射噪声线谱检测

舰船辐射噪声中的线谱成分能表征舰船的本质特征,是舰船目标识别中的主要特征矢量.因此,舰船辐射噪声线谱的准确检测在目标识别中具有十分重要的意义.针对海洋环境噪声中舰船辐射噪声线谱检测问题,提出了两级自适应线谱增强器(adaptive line enhancement,ALE)检测方法.该方法在原一级ALE检测方法的基础上,将原信号延时信号与一级ALE误差信号相减后作为第2级ALE的输入再进行1次ALE.该方法较一级ALE在输入信号信噪比较低时能准确地将线谱从宽带背景噪声中分离出来.仿真和实验结果表明该方法的有效性和准确性.     

相干信号空间谱估计测向仿真研究

空间谱测向技术是一项先进的阵列信号处理技术.普通空间谱MUSIC算法对相干信号波达角估计测向分辨率比较差,推导了基于空间平滑算法和基于频率平滑的算法并进行了仿真.通过仿真对这2种算法与不经平滑计算出的波达角进行了比较分析,结果空间平滑算法对窄带内相干信号分辨率比较理想,而频率平滑算法对宽频带内相干信号的分辨率比较理想.     

舷侧阵声纳自适应噪声抵消器的海试数据处理

自适应本舰噪声抵消技术已成为舷侧阵声纳信号处理技术中的主要研究课题,实艇数据分析对寻求舷侧阵声纳自适应噪声抵消的实用方法有着重要的意义.结合实艇数据,本文对潜艇舷侧部分自噪声分布及特点;舷侧阵的最佳安装和噪声传感器的布置;自适应噪声抵消器的实用结构和算法;理想参考通道数据融合等问题进行了分析.     

互补对LMS自适应算法在噪声消除中的应用实现

在接收超低频信号时,由于受到天线辐射效率和海水衰减的限制,噪声的存在是对有用信号最大的干扰.传统的算法可靠性受限,可以采用自适应算法来实现噪声消除.一般LMS算法收敛速度快但稳态误差大,通过搭建自适应滤波模型,对其改进算法即互补对LMS算法进行仿真.结果表明,这种自适应算法滤波后稳态误差较小,对噪声的消除具有良好的效果.     

基于信噪峭度比的水下目标动态谱增强算法研究

根据非高斯噪声环境中水下运动目标辐射线谱信号的四阶累积量对角切片特征,定义了信噪峭度比的概念,导出了其理论计算公式.理论分析表明,在一定条件下,信噪峭度比总是大于用自相关函数定义的信噪比,提出了基于信噪峭度比分析法的水下运动目标辐射线谱信号的四阶累积量对角切片谱特征增强新算法.用水下某目标辐射线谱的实测数据,对该算法的性能进行了仿真研究.结果表明,该算法具有良好的抑制非高斯噪声能力,且不必对噪声分布作高斯性假设.因此,该算法具有重要的工程应用价值.     

不同变换域下LMS算法收敛性能分析

现代舰船由于电子系统集中,空间狭窄,存在严重的电磁干扰问题.解决此问题的有效途径是自适应干扰抵消,其核心则是自适应滤波算法.在提出自适应干扰抵消模型的基础上,就目前改进LMS自适应滤波算法的域变换算法进行了研究.叙述了LMS算法,对比分析研究了其在时域和一般变换域下的收敛性能.结合Walsh域与小波域的变换实例进行了计算机模拟仿真,结果表明,通过域变换后的自适应滤波算法的收敛性能明显得到改善.最后提出了未来自适应滤波算法发展方向.     

自适应交互式多模型算法改进探讨

交互式多模型算法是一种较为有效的机动目标跟踪算法.介绍交互式多模型算法的设计思想和算法结构,归纳几种自适应交互式多模型算法的特点及相互关系.通过分析自适应交互式多模型算法的不足,探讨自适应交互式多模型算法的改进问题.     

Wasserman自适应学习率算法的改进

在Wasserman自适应学习率算法的基础上提出一种新的BP网络改进算法--分层自适应学习率附加动量项算法,并应用该算法建立了凝汽器故障BP网络诊断模型.仿真结果表明该算法较之Wasserman自适应学习率算法能进一步提高网络的学习速度.