基于小波分析的自适应谱线增强信号提取

提出一种基于小波多分辨率分析的自适应谱线增强算法,利用小波多分辨率分析理论,有效地将微弱的窄带轴频电场信号从宽带背景噪声中分离出来,把信号和噪声正交分解于不同的频率范围中,从而减少了自适应滤波器的阶数,提高了算法的收敛速度和稳定性。利用该方法对船模产生的轴频电场实测数据进行了处理,实验结果表明该算法可以有效地提取舰船轴频电场信号。     

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.     

瞬时相关积分在几何梳状谱检测中的应用

几何梳状谱信号作为一种复合信号,具有良好的时频联合分辨能力及抗混响性能。本文针对几何梳状谱信号低信噪比及多普勒回波信号检测的问题,提出利用瞬时相关积分法对接收信号进行预处理的方法,理论分析证明算法能有效提高信噪比,而且方法对多普勒回波信号同样有效,通过仿真验证以上分析结果。     

瞬时相关积分在几何梳状谱检测中的应用

几何梳状谱信号作为一种复合信号,具有良好的时频联合分辨能力及抗混响性能.本文针对几何梳状谱信号低信噪比及多普勒回波信号检测的问题,提出利用瞬时相关积分法对接收信号进行预处理的方法,理论分析证明算法能有效提高信噪比,而且方法对多普勒回波信号同样有效,通过仿真验证以上分析结果.     

基于误差知识的二重插值DFT频率估计方法

为消除常用插值DFT频率估计方法精度受被估计信号频率相对DFT最大谱线对应频率偏差的影响，提出了一种基于误差知识的二重插值DFT频率估计方法。估计性能受限时可达频率估计方差为Cramer-Rao界（CRB）的1.015倍，计算能力受限时可以小于Jain方法的计算量达到相同精度。     

基于UKF的GPS L1 C/A码微弱信号跟踪算法

为了实现高灵敏度的软件接收机,提出了一种基于UKF的GPS L1C/A码微弱信号跟踪算法。该算法使用UKF实现了微弱信号的L1C/A码和载波跟踪。通过构建模型,建立方程,并通过采用仿真噪声干扰下的微弱GPS C/A中频信号对该算法进行实验性能分析。仿真实验结果表明,UKF算法可以实现对载波相位跟踪、载波频率跟踪以及码相位跟踪性能的改善,并且大大简化了计算的复杂度,具有较高的跟踪灵敏度和精度,是一种适合软件接收机实现的算法。     

基于相关特性船舶辐射噪声DEMON谱信噪比增强算法

基于实测船舶辐射噪声信号的非均匀调制特性,通过时域延时和频域子带2种方式对同一船舶噪声信号进行不同DEMON谱函数的划分。定义不同DEMON谱函数间的平均相关系数和最优DEMON谱函数,提出一种基于不同DEMON谱函数的调制线谱与干扰的统计学相关特性差异来提高所得信号信噪比的算法。实验结果表明,该算法可以提高DEMON谱信噪比,有利于对目标的特征提取和分类识别。     

自适应谱线增强在舰船辐射噪声线谱检测中的应用

舰船辐射噪声线谱成分包含有大量的舰船特征信息,提取这些线谱成分对于水下目标的识别和研究具有十分重要的意义.为了有效地将舰船辐射噪声特征线谱从宽带背景噪声中分离出来,提出了运用自适应谱线增强理论对舰船辐射噪声信号进行研究.利用最小均方LMS自适应算法,构造出自适应谱线增强器,从理论上对该增强器的原理进行了分析,并利用该增强器对2种船型的辐射噪声实测数据进行了处理.结果表明,该增强器对线谱信号有增强作用,对背景噪声有较好的抑制作用,十分有利于辐射噪声特征线谱的提取.     

强干扰下多路电子通信信号自动捕获算法研究

传统捕获算法性能较差,无法自动捕获伪码,为了解决这个问题,提出强干扰下多路电子通信信号自动捕获算法。在强干扰下搜索多路电子通信信号,以此限制伪码长度和频偏范围,并依据非线性相位原理调制多路电子通信信号参数,在此基础上,结合多普勒频偏频域补偿原理,实现对伪码的自动捕获,考虑到强干扰下自动捕获速度问题,采用循环谱快速捕获原理计算多路电子通信信号的各项参数,使得自动捕获的速度更快,由此,完成多路电子通信信号自动捕获算法的设计。在实验中,为对比2种算法的性能,设计自动捕获过程,实验结果表明,所提算法性能更好。     

基于UKF的GPS L1C/A码微弱信号跟踪算法

为了实现高灵敏度的软件接收机,提出了一种基于UKF的GPS L1 C/A码微弱信号跟踪算法.该算法使用UKF实现了微弱信号的L1 C/A码和载波跟踪.通过构建模型,建立方程,并通过采用仿真噪声干扰下的微弱GPS C/A 中频信号对该算法进行实验性能分析.仿真实验结果表明,UKF算法可以实现对载波相位跟踪、载波频率跟踪以及码相位跟踪性能的改善,并且大大简化了计算的复杂度,具有较高的跟踪灵敏度和精度,是一种适合软件接收机实现的算法.     

船用电站柴油机调速系统“模糊＋积分”（FI）控制算法的匹配处理

柴油机数字式电子调速系统的“模糊＋积分”控制算法与传统的ＰＩＤ控制算法相比有明显的优点,本文就此算法中模糊控制和积分控制的匹配问题提出了一种处理方法,仿真计算和试验研究验证了这一匹配处理方法是可行的。     

基于集成仿真的灯光渔船艏部型线优化

针对我国现有渔船标准化建设中遇到的船体型线优化难的问题,提出一种基于集成仿真优化技术的船体型线优化方法,并以一艘灯光渔船的兴波阻力性能优化为例,通过半参数化方法提取10个控制参数用于艏部型线的变换,兴波阻力采用势流理论方法进行评估,并采用Sobol算法与梯度搜索算法相结合的优化算法。基于上述的船体型线优化方法最终得到兴波阻力性能最优的船型,优化结果表明,文中提出的船体优化技术是有效的,有助于加快推进渔船船型的标准化建设。     

基于广义互相关法的水下被动测距时延估计技术

针对被动测距的性能严重依赖于时延的估计精度,提出设计一种基于广义互相关法的高精度的时延估计器,分析了时延估计器原理,得出了测距时延差ε的真值,仿真分析时采用时延差内插算法,对四点内插法时延估计精度进行了分析,满足了实际需求。     

Direction of arrival estimation of coherent sources based on arbitrary plane arrays

A method of direction of arrival （DOA） estimation of coherent sources is proposed, which is based on arbitrary plane arrays. After constructing the mathematical model of coherent sources, virtual array transformation and MUSIC algorithm are used to realize the azimuth estimation of coherent sources, which improved the DOA estimation performance greatly. According to the computer simulation, its validity is confirmed.     

基于Pareto遗传算法的船舶操纵性能多目标优化技术研究

针对船舶初始设计阶段船舶操纵性能优化这一复杂的多目标问题,开展相应的多目标优化方法研究。利用Pareto方法的特点,提出基于Pareto遗传算法来解决传统方法中的这个问题。经过优化可以得到均匀分布的Pareto解集,便于进行分析比较和选择,并给出计算实例。     

改进差分进化算法在舰船电力系统网络重构中的应用

针对舰船电力系统的网络重构,建立了以负载恢复量、开关操作数和发电机效率均衡为多优化目标的舰船电力系统故障恢复模型,提出了一种带自适应离散断点算子和动态变异、交叉因子的改进离散差分进化算法进行求解。改进后的算法能有效地提高收敛速度,并克服传统差分进化算法收敛精度不高、易陷入局部最优的问题。舰船电力系统网络故障恢复算例表明,该方法能获得更好的系统重构方案,并具有较好的优化性能。     

基于免疫遗传算法的水下无人平台航路规划

为克服遗传算法在水下无人平台航路规划应用中存在的问题,提出了基于免疫遗传算法的水下航路规划问题.仿真结果表明,这种算法能够有效地提高航路规划的计算速度和保证航路规划的质量.     

简化MIMO-OFDM模型的EM-Turbo信号检测算法

根据Turbo编码的交织长度对通信系统性能的影响,提出了简化的Turbo编码MIMO-OFDM系统模型。研究了最大期望（EM）算法在这种简化模型中的性能,并提出了一种EM算法与Turbo软译码相结合（EM-Turbo）的反馈迭代信号检测算法。比较了不同交织长度以及不同的信号检测算法情况下的系统性能。仿真结果表明在简化系统模型中,反馈迭代信号检测算法可以大大改善系统的性能。     

遗传算法在自航水雷航路规划中的应用研究

简要介绍了遗传算法在自航水雷航路规划中的应用，分析了可能产生的问题及原因。借鉴模拟退火的思想，研究并提出了改进的遗传模拟退火算法并用以解决自航水雷航路规划问题。仿真结果表明这种算法能够有效地提高航路规划的计算速度和保证航路规划的质量。     

基于单参数的Lagrangian支持向量回归算法及其应用

支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该方法已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题。这里提出了一种基于单参数的拉格朗日(Lagrangian)支持向量回归算法,并将该算法应用在外贸货物吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在吞吐量预测中的有效性和实用性。