插值方法在TDOA估计中的研究与应用

TDOA时延估计中,互相关法是最经典方法之一,其所能估计时延的最大精度为系统采样周期.为了将估算精度推进到亚采样周期级别,对原始信号数据进行点内插值预处理,通过算法间接实现提高系统采样率,在此基础上,运用广义互相关及多项式拟合对时延进行估计,尝试提升时延估计的最大精度.通过Matlab仿真及实测数据分析,结果表明,在数据预处理中进行插值处理,可大大提升时延估算精度,时延估算累计误差能够明显收敛,且该算法复杂度低,易于投入工程实测中使用.     

基于三次相关的时延估计算法

针对无源定位中时延估计在低信噪比时估值准确度低的问题,在研究传统互相关法及自相关性质的基础上,提出了一种基于三次相关的时延估计算法.算法以传统互相关法为基础,利用两路输入信号的自相关功率谱函数与传统互相关功率谱函数做互相关,使三次相关功率谱函数中信号频点处的幅值呈现指数倍增长,进而弱化与其他细小尖峰幅值间的关系,达到时延估计取值所需要的互相关功率谱函数的理想效果.实验结果表明,与传统互相关及二次相关法相比,基于三次相关的时延估计算法在信噪比较低的条件下可以得到更为准确的时延值.     

基于广义互相关和多项式拟合的TDOA时延估计方法

广义互相关方法在TDOA时延估计中具有较高的精度和程序容易实现等优点而被广泛采用.为进一步提高时延的估算精度,在广义互相关的基础上,融入多项式拟合方法,寻求广义互相关函数的精确峰值位置,将时延估计精度推进到亚采样点级别.通过Matlab仿真分析及实测数据的算法验证,结果表明,在广义互相关方法中融入多项式拟合方法,能大大提高时延估计精度,且算法复杂度低,易于工程实现.     

基于奇异加权的麦克风阵波束形成语音增强算法

提出了一种基于奇异值加权的麦克风阵列波束形成算法.该算法首先采用相位加权互功率时延估计法对麦克风阵列接收到的信号进行时延补偿.其次对处理后的矩阵采用雅克比算法进行奇异值分解构造权值并求和,得到增强的语音信号.仿真结果表明,与固定权值波束语音增强算法比较,该算法对加性非相干噪声有明显的消噪效果.     

基于BP神经网络拟合的二次相关时延估计

在TDOA无源时差定位中,外界噪声对定位时延估值精度的影响很大.二次相关时延估计算法虽然具有良好的抗噪能力,但随着信噪比的降低,抗噪性也会下降.将BP神经网络引入二次相关时延估计,基于BP神经网络拟合二次相关时域函数曲线,以提升二次相关时延估计的准确度.仿真结果表明,基于BP神经网络拟合的二次相关时延估计算法在低信噪比条件下具有较高的时延估值精度.     

广义相关时延估计算法在汽车去噪系统中的应用

针对汽车环境中麦克风阵列语音去噪系统的应用,对广义相关时延估计方法进行了仿真,并与基于高阶累积量的时延估计方法作了比较分析.给出了两种方法在不同信号模型中的仿真结果,结果表明:广义相关法时延估计更适用于汽车去噪系统.     

广义相关时延估计算法在汽车去噪系统中的应用

针对汽车环境中麦克风阵列语音去噪系统的应用,对广义相关时延估计方法进行了仿真,并与基于高阶累积量的时延估计方法作了比较分析.给出了两种方法在不同信号模型中的仿真结果,结果表明:广义相关法时延估计更适用于汽车去噪系统.     

基于小波包去噪的周界入侵定位算法

针对非对称双马赫-曾德干涉型光纤传感的周界安防系统远距离定位受环境噪声影响大的问题,提出基于改进的小波包去噪和互相关运算的定位算法.首先,根据小波包分解系数的频率高低采用多阈值法则以避免过阈值处理;其次,采用基于三次Hermite插值的新阈值函数以弥补传统软硬阈值的缺点,并以此提高入侵信号的信噪比;最后,采用基于互相关运算的时延估计以得到外界入侵行为的识别定位.仿真实验表明,当光纤总长为75 km、采样频率为10 MHz时的定位精度为±7 m,说明该算法大大提高了系统外界入侵定位精度.     

基于稀疏傅里叶变换的TDOA时延估计方法

在基于到达时间差(TDOA)的无源定位研究中,利用互相关算法估计站间时延被广泛采用.相关算法计算量较大,算法复杂度为O(N~2).随着研究深入,有学者提出了基于傅里叶变换的互相关算法,由于使用快速傅里叶变换(FFT)算法,处理速度得到较大提升,算法复杂度由平方级降低至亚线性级,即O(N·log N).在一些实时性较强的环境,当采样点数较大时,传统FFT算法仍很难满足要求.本文借鉴稀疏傅里叶变换(SFT)算法,引入稀疏信号的映射和重构思想,优化互相关计算过程,以进一步提高时延估计的速度,改进算法的算法复杂度为O(N),从亚线性级降低至线性级.实测数据表明,测量精度满足工程应用的要求,可为实时性较高的无源时差定位提供技术参考.     

基于互相关奇异值分解的滚动轴承故障诊断

滚动轴承在机械装置中非常重要,其运行状态与整台机械设备的工作状态有直接的关系,但在早期弱故障检测时,特征信号经常被淹没在噪声中。为了提高该故障特征的识别精度,提出了基于互相关奇异值分解的故障诊断方法。首先利用奇异值分解将轴承故障信号分解为多个分量信号;其次使用峭度值作为衡量标准,选择两个合适的奇异值分量用于互相关包络分析以获得包络谱;最后通过信号的频谱分析,得到轴承的故障频率,从而完成早期微弱故障检测。通过仿真信号和滚动轴承内圈故障实测数据仿真对比,验证了该方法的有效性。     

基于SVD的柴油机振动信号盲分离预处理

在利用独立分量分析对缸盖振动信号进行盲分离时,原始采样信号不满足独立分量分析的基本假设,而且缸盖振动信号信噪比较低,影响分离的速度和精度.采用小波阈值降噪的方法进行了降噪处理,提高了信噪比.采用奇异值分解的方法估计了缸盖振动的独立源数,并对缸盖振动信号进行了白化处理,为独立分量分析的应用建立了基础.     

基于奇异值分解的灰色模型参数估计

提出了一种新的基于奇异值分解的GM(1,1),GM(1,N)等灰色模型参数估计方法,该方法在进行奇异值分解时,借助2个辅助矩阵将奇异值分解矩阵分解为多个矩阵之积.研究了该估计方法下对原始序列进行数乘变换后参数的变化特征.研究表明该方法充分利用了奇异值分解的优点,回避了由于最小二乘法给灰色模型带来病态性的缺点,提高了模型的稳定性,同时还减少了计算量.     

多分量LFM雷达辐射源信号的经验模式分解

基于改进的经验模式分解,提出了多分量LFM雷达辐射源信号的分析方法．该方法用RBF神经网络对端点延拓削弱边界效应,将自相关函数与相关系数结合估计分量的数量,通过模式分解滤波和平均滑动消除噪声影响,以提高算法的分解精度．理论分析和实验表明,在较宽的信噪比范围内,使用该方法能够正确提取各分量信号的瞬时频率和有效地估计多分量LFM辐射源信号的分量数量．     

基于FHT的实信号稀疏分解快速算法

提出了一种适合于计算机程序实现的稀疏分解快速算法．该算法利用Gabor原子时频参数结构特征,把信号稀疏分解中计算量极大的内积运算转换成信号的互相关运算,大幅度提高了信号稀疏分解的速度．对于实信号,用快速哈特莱变换（FHT）实现互相关的快速运算．仿真结果证实了该算法的有效性．     

改进奇异值分解技术在齿轮故障信号降噪中的应用

改进了奇异值分解技术,利用仿真信号验证了改进的奇异值分解技术对齿轮故障信号提取的有效性,并从实测齿轮裂纹信号和齿轮断齿信号中提取出了故障特征信号.研究表明该方法能在强噪声背景下提取出齿轮故障信号,但强噪声对提取效果有一定影响.     

谐波和间谐波参数估计的新方法

为解决谐波和间谐波参数估计受噪声影响的难题,从被检测信号噪声的基本特性出发,提出了一种基于现代互谱、总体最小二乘、旋转不变参数估计和改进普罗尼技术的谐波和间谐波参数估计新方法.该方法采用互谱技术处理不同采样序列的互相关矩阵;根据不同时刻白噪声相互独立的原理划分信号子空间和噪声子空间,并结合总体最小二乘与旋转不变参数估计判定被检测信号的频率;最后,根据白噪声均值为0的特性,采用改进普罗尼技术估计信号分量的幅值和初始相角.仿真结果表明,该方法在低信噪比环境下可检测出多个子信号,且频率的相对误差均小于0.4%,而耗时仅0.058 s,具有良好的估计精度和估计效率.     

基于循环谱包络的共信道多信号参数估计

为解决通信侦察中非协作接收机接收的信号受共信道信号干扰的问题,提出了一种基于循环谱包络的多信号载频、码片时宽估计算法.该算法不需要伪随机码等先验信息,可实现对时频重叠的多循环平稳信号参数的盲估计.由于该参数估计算法是在非零循环频率上进行搜索,故可以有效地减少平稳噪声和干扰的影响,适用于低信噪比的情况.仿真实验表明,当双信号功率比为1∶1且信噪比为-9 dB时,该算法对载频估计的正确率可达100%;当信噪比为-4 dB时,对码片时宽估计的正确率可达99%.     

基于FFT的MP信号稀疏分解算法的改进

针对基于FFT的MP信号稀疏分解算法中存在的计算量过大的问题,提出了改进算法.改进算法充分利用了当FFT算法的变换长度是2的整数次幂时运算速度最快的性质,用基2 FFF实现信号稀疏分解中的相关运算.理论分析显示,当数字信号长度为1 024采样点时,用FFT算法计算互相关的速度为直接计算的10.6倍.仿真实验结果表明,改进算法的计算速度为直接计算的8.05倍,为原基于FFT的MP算法的3.64倍.     

一种基于稀疏表示的交通图像去噪算法

将图像稀疏表示方法引入到交通图像处理中,实现了一种基于K-SVD的正交匹配追踪的交通图像去噪算法.该算法通过奇异值分解,DCT字典进行自适应更新,形成更能表示图像结构的超完备字典.实验结果表明,相对于传统图像增强方法(中值滤波、均值滤波、基于小波滤波)和基于DCT冗余字典的稀疏表示图像增强方法,该算法能更有效地去除交通图像噪声,得到更高的峰值信噪比.     

矩阵方程AX=B的自反解与反自反解及最佳逼近

给定两个广义反射矩阵P,Q,通常对于矩阵方程AX=B关于P,Q的自反解和反自反解的研究大多是通过矩阵分解或广义奇异值分解来进行的。采用广义逆,建立该方程存在自反解和反自反解的充要条件以及解的一般表达式,并研究与之相关的矩阵最佳逼近问题。