基于自相关的ARMA噪声中谐波恢复的预滤波方法

讨论一般ＡＲＭＡ噪声中谐波频率的估计问题，提出了一种基于自相关和奇异值分解一总体最小二乘的预滤波方法，该方法两次利用ＳＶＤ－ＴＬＳ求解由自相关获得的超定线性方程组得到噪声的ＡＲ系数估计，然后滤波输出过程的高阶延时自相关来估计谐波频率。     

混合高斯自回归模型参数估计方法之LS-EM

混合高斯自回归模型对有色非高斯数据的概率密度和功率谱密度进行有效的拟合，而LS—EM算法则可解决这一模型的参数估计问题．描述了混合高斯自回归模型及其参数估计问题之后，导出了具体的LS-EM算法，并给出了一组仿真实例．这是一种参数耦合估计算法，首先基于传统的最小二乘技术得到功率谱密度参数粗估计，进行预白，然后应用EM迭代得到白激励的概率密度估计，并基于此构建一加权函数，以此权函数改进最小二乘算法，进而得到模型参数的精估计．     

谐波小波与不同尺度下轴心轨迹分析

根据谐波波良好的正交性,频域内的“盒形”谱特性和简单明了的时,频域数学表达式,利用ＦＦＴ算法实现不同尺度下振动信号的谐小波分析,它摆脱了Ｍａｌｌａｔ塔形算法的约束,保证了不同尺度不同频道领事的采样频率和数据长度与原始信号相同。     

无锁相环单相任意次谐波电流实时检测方法

提出了无锁相环单相任意次谐波电流实时检测方法．将谐波电流变换成低频信号,用转换矩阵代替常规谐波电流检测方法中的锁相环,用积分均值法代替低通滤波器提取低频信号,对低频信号再通过函数逆变换,检出谐波电流,分析了该方法的检测误差．仿真实验表明,提出的检测方法不受直流偏移影响,能自动跟踪系统频率,与采用低通滤波器提取低频信号的谐波检测方法相比,提高了检测精度和动态响应速度．     

基于支持向量机的线性模型鲁棒参数估计

探讨了基于支持向量机的线性系统参数估计问题,利用最小二乘支持向量机来估计自回归滑动平均模型（ARMA）的参数,并在理论上证明了在高斯噪声下比最小二乘估计方法具有更小的均方差;随后利用标准支持向量机来估计ARMA的参数,并利用它的性质从理论上分析了其对大噪声和小噪声的鲁棒性．仿真结果表明支持向量机方法能有效克服样本中的异常点和噪声对参数估计的干扰,比最小二乘估计方法具有更好的鲁棒性．     

基于子空间跟踪的波束形成算法

在期望信号方向发生变化或未知的情况下，为了获得较理想的波束形成，基于ESPRIT(借助旋转不变技术估计信号参数)方法，借助受限摄动子空间跟踪算法，提出了一种改进的波束形成算法．由于该算法采用子空间跟踪技术，对期望信号导向矢量能实时跟踪，从而能抑制时变信号的指向误差．计算机仿真结果表明，该算法获得的结果与已知期望信号方向理想情况下的波束形成结果相近．     

基于线性迭代预测的线性调频信号估计方法

针对线性调频(linear frequency modulation, LFM)信号参数估计方法中参数估计范围较小的问题,以旋转求和抽取(rotate add decimate,RAD) 测频方法为基础,提出了一种估计LFM信号参数范围的改进方法.该方法在保证线性调频斜率以及频率估计精度的前提下,将线性调频斜率估计范围扩展至(-π/2,π/2).给出了用线性迭代预测方法改进LFM信号参数估计范围的基本思想和步骤.最后仿真验证了该方法的有效性.     

基于RBF神经网络模型的混沌背景下谐波信号提取

在混沌时间序列前后向联合预测模型的基础上,提出前后向联合迭代预测模型并将之用于混沌背景下谐波信号的提取.对前后向联合迭代预测模型与前向预测模型的仿真实验对比研究表明,在叠加谐波信号幅度和频率不过小的情况下,前后向联合迭代预测模型在连续类混沌背景下的谐波信号提取性能较前向预测模型好,而在离散类混沌背景下的谐波信号提取效果都很差,但仍可用于检测微弱谐波信号.     

乘性随机误差模型的最小二乘平差与精度评定

针对乘性随机误差模型参数估计问题,在现有研究的基础上,应用最小二乘理论,讨论了普通最小二乘、加权最小二乘和偏差改正加权最小二乘3种参数平差方法;导出了这3种基于最小二乘原理的参数平差方法的精度评定公式;给出了观测值平差值与观测值改正数的精度评定公式以及大地测量各有关量间的互协方差矩阵;构造了3种最小二乘平差方法相应的单位权方差估计.数据模拟计算结果表明:偏差改正加权最小二乘适用于乘性误差模型的大地测量数据处理,具有二阶近似无偏性;根据模拟数据计算的3种方法参数估计的单位权中误差分别为1.964 8、0.999 8和0.980 7.      

小波域子空间滤波法研究

将时域子空间法和小波变换结合在一起,推出小波域子空间滤波算法.具体地讲,把整体观测信号小波系数子空间划分为信号加噪声小波系数子空间和噪声小波系数子空间,根据尺度内时间估计准则,由信号加噪声小波系数子空间重构信号小波系数,从而获得估计信号.实验表明,当用于恢复高斯噪声中Ricker子波时,小波域子空间滤波法相对于传统软、硬阈值法具有明确优势.     

SPEECH ENHANCEMENT BASED ON DYNAMIC NOISE ESTIMATION WITHIN AUTO-CORRELATION DOMAIN

IntroductionTo improve the robustness of recognition sys-tems in real environment,many theories and ap-proaches have been brought forward to suppressthe environmental noise ( background noise,chan-nel distortion,etc) ,and they can be divided intothree types according to their thoughts:speech en-hancement,robust feature vector and model com-position. The approach of speech enhancementconsiders extracting clean speech signal fromspeech signal corrupted by noise,typically as SSmethod[1] ( to supp…     

基于数据驱动的磁浮列车悬浮系统参数整定

为了解决由于磁浮列车悬浮系统模型存在复杂非线性所带来的控制器参数整定难题,考虑仅依靠悬浮系统单次悬浮调试的输入输出数据来实现控制器参数整定,研究了基于数据驱动的磁浮列车悬浮系统快速参数整定方法. 首先,通过磁浮列车悬浮系统的建模分析了悬浮系统的开环不稳定性和复杂非线性;其次,针对虚拟参考反馈参数整定方法存在的参考模型确定问题,利用估计闭环响应方法来实现数据驱动的控制器参数整定;并且考虑到数据中存在的干扰噪声会影响控制器参数整定,提出了基于信号投影的磁悬浮系统数据噪声抑制方法;最后,以单铁磁悬浮系统为研究对象,通过单铁悬浮实验验证了本文提出的基于数据驱动的磁浮列车悬浮系统参数整定方法的有效性. 研究结果表明:悬浮系统的开环不稳定性和复杂非线性会给参数的快速整定带来较大困难;基于信号投影的噪声抑制方法能够将带噪声数据的方差降低54.1%;基于数据驱动的参数整定方法能够快速地整定好悬浮系统控制器参数,经参数整定后的系统相较于初始条件下只粗调好的PID反馈控制系统的阶跃响应超调量下降72.0%,平方误差积分 （ISE）下降79.8%,绝对误差积分 （IAE）下降54.5%.      

窄带干扰条件下水声OFDM系统LMMSE信道估计算法

因为正交频分复用（OFDM）系统中强窄带干扰引起水声信道估计性能退化,因此,提出了一种可实用的线性最小均方误差（LMMSE）信道估计方法.该方法结合最小二乘（LS）信道估计结果对受窄带干扰（NBJ）和加性高斯白噪声（AWGN）噪声干扰的导频子载波进行辨别,从而获得最有效信道抽头;根据导出的理论模型,给出了信道自相关、窄带干扰信号和噪声功率等参数的近似估计方法;并采用傅里叶变换以避免矩阵的求逆运算,减少了计算复杂度.仿真结果表明,在强干扰信号条件下,文中提出的方法接近理想状态的LMMSE方法.     

水中目标水压场信号特征提取与检测研究

利用目标信号功率主要集中在低频部分的特点，用功率谱估计方法提取低频信号的能量作为特征，提出了所谓的浮动阈值方法，对信号滑动地进行目标检测．通过对实验船模水压场信号进行检测验证。讨论了在各种不同情况下，目标信号的特征提取及目标检测方法的效果，验证了该方法的有效性．     

基于噪声强度估计的中值滤波

为了提高中值滤波器的滤波性能和适应不同强度的椒盐噪声,提出了基于噪声强度估计的中值滤除算法.该算法通过椒盐噪声密度估计确定图像中的噪声强度的大小,然后根据噪声强度选择相应的滤波器及参数.计算机仿真实验结果表明:该算法能对未知噪声强度的退化图像在较短的时间内有效地去除噪声的同时,较好地保护图像细节.     

连续线性系统模型参数直接辨识中噪声模型处理方法

针对线性连续系统,利用hermite调制函数,通过对连续模型的数字调制积分得到直接以连续模型参数表示的离散等价辨识模型,在此基础上引入一种噪声模型,来替代表示输入和输出端的噪声.当系统含有有色噪声,用普通最小二乘法辨识无法得到较准确的辨识参数时,采用引入噪声模型的方法得到的辨识参数估计值仍有较高的精度.仿真算例表明了该方法具有一定的优越性.     

单自由度磁悬浮系统无模型自适应控制的研究

针对单自由度磁悬浮系统的非线性及难以建立精确数学模型的问题，将全格式无模型自适应控制（FFDL-MFAC）方法应用于单自由度磁悬浮系统，首先，采用无模型自适应控制算法、伪梯度估计算法、伪梯度重置算法和单自由度磁悬浮系统的动态化数据模型，设计单自由度磁悬浮系统的控制器；然后，仿真分析MFAC控制参数对单自由度磁悬浮系统控制效果的影响及对阶跃响应信号、干扰信号和噪声信号的响应特性；最后，在磁悬浮球实验装置上进行实验验证. 研究结果表明:全格式无模型自适应控制方法只需采集单自由度磁悬浮系统在工作状态下的I/O数据，无需建立单自由度磁悬浮系统精确数学模型，通过设定全格式无模型自适应控制器参数即可使控制器具备良好的自适应性和鲁棒性，实现高精度稳定悬浮控制；与PID相比，FFDL-MFAC将系统的超调量降低了0.005，稳定悬浮位移的误差均方根减小了0.2607.      

自适应冗余字典学习的高光谱混合像元解混

针对线性稀疏解混模型无法准确识别真实端元造成丰度估计误差较大的问题,本文提出一种基于自适应冗余字典的高光谱混合像元解混算法.该算法根据地物在空间上的连续性,以及高光谱数据中信号成分与光谱库中物质光谱的强相关性,首先保留每个像元在光谱库上投影系数大于设定阈值所对应的光谱,将其作为与每个像元信号成分最匹配的光谱集合;然后合并该集合以构建高光谱数据的自适应冗余字典;最后利用ADMM算法求解高光谱数据在该字典上的丰度矩阵.仿真和实际高光谱数据实验结果表明,本文所提出的算法可减小丰度估计误差,在信噪比为15~35 dB时,其丰度估计准确性高于性能较优的SUnSAL算法约1~2 dB.      

基于量子遗传算法的数学形态滤波器优化设计

为解决数学形态滤波器结构元素参数优化问题,提出了一种基于量子遗传算法的数学形态滤波器优化设计方法.根据数学形态结构元素参数特点初始化量子遗传种群,通过量子交叉、变异、基于膨胀系数的量子旋转门实现种群的演化进程,进而得到数学形态滤波器的最佳参数.结合仿真实验,研究了不同比例随机噪声、工频干扰噪声下的优化算法性能.仿真结果表明:优化后的数学形态滤波器性能得到较大改善,含随机噪声信号的信噪比由-0.98 dB提高到5.23 dB,含混合噪声信号的信噪比由-3.05 dB提高到0.41 dB,有效滤除了随机噪声、混入工频干扰的混合噪声.