基于奇异值分解的广义互相关时延估计

广义互相关法是TDOA时延估计中的一种经典方法,为了进一步提升广义互相关时延估计算法在低信噪比下的时延估值准确度,在广义互相关法的基础上,对接收到的信号进行奇异值分解,提升信号的信噪比.仿真结果表明,基于奇异值分解的广义互相关时延估计算法极大地提升了时延估计精度,具有明显的性能优势.     

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.     

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%.     

多分量相移键控信号码速率盲估计

为解决单通道接收机同时截获到同一频带范围内的多分量相移键控信号的参数估计问题,提出了一种不经信号分离直接提取各独立信号分量码速率的盲估计算法.从理论上推导了多分量相移键控信号的二阶共轭循环自相关具有线性特性,因此可以不受干扰地提取各信号分量的码速率;进而提出了简单而有效的谱峰增强方法,与基于二阶共轭循环自相关获得的谱峰相比,用此法获得的谱峰更为清晰.仿真实验表明:用提出的算法,当双分量信号功率比为1:1且信噪比为-5 dB时,码速率估计的正确率可达98％;尤其是在单分量环境下,该算法比现有算法的性能提高4 dB以上.     

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.     

非平稳信号自适应最大信噪比盲源分离方法

为了提高时变非平稳信号的盲源分离效果,提出了自适应最大信噪比盲源分离新方法.该方法以信噪比函数作为代价函数,并基于改进的多项式系数自回归模型,进行最优滑窗长度的自适应估计.仿真计算表明,FastICA算法需要预设源信号的概率密度函数,以选择适宜的非线性函数近似估计源信号的非高斯性,当假设的概率密度函数与实际不符时无法正确分离源信号;累积量算法在信源的峰度相同时无法正确分离源信号.新方法与经典的FastICA算法和基于累积量的盲源分离算法比较结果表明,对于经典的FastICA算法、累积量算法无法正确分离的时变非平稳信号,新方法能够有效地进行盲源分离,分离结果不受源信号的概率分布、信源的峰度等统计因素影响.      

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.     

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.     

EP 信号潜伏期变化的自适应相位谱估计方法

研究了诱发电位（ＥＰ）信号潜伏期变化的检测与估计问题．传统的时域平均ＥＰ信号检测方法不能跟踪潜伏期的时变特性，基于相关计算的ＥＰ信号检测方法在存在外界周期性干扰的条件下是很不可靠的．本文提出一种自适应相位谱时间延迟估计方法，用于在低信噪比和低信扰比条件下检测和估计诱发电位信号潜伏期的变化．实验和计算机模拟表明，在信噪比和信扰比均低至－５ｄＢ时，本文方法仍能有效地跟踪ＥＰ信号潜伏期的变化，给出正确的估计结果．这种方法也可以用于时实ＥＰ信号的分析和处理．     

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.     

基于非高斯AR模型微弱信号双谱分析

采用高阶谱分析方法,基于非高斯AR参数模型对舰船微弱水声信号进行双谱分析.讨论了双谱和目标信号建模的相关概念;对实验数据进行高、低信噪比信号检测效果比较以及双谱与周期图功率谱的比较分析.分析结果表明,利用非高斯AR模型双谱技术分析水声微弱信号是一种新的有效方法,能够显著提高检测微弱信号的能力.     

宽带多普勒声呐回波模型及特性研究

分析了重复二相相位编码信号的特性,建立了海底回波模型,并推导了海底回波的自相关和功率谱表达式.研究表明海底回波自相关和功率谱为具有不同压缩因子的单元散射信号自相关函数的叠加,并且形状与发射信号基本相同,但是相对发射信号有一定的展宽和拉伸或压缩.利用湖试数据分析和数字仿真证明了理论分析的结论.     

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.     

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．     

基于前置滤波器的单频信号测频方法

为在整个测频范围内获得一致的估计性能,提出了在复高斯白噪声环境下估计复单频正弦信号频率的方法．该方法通过采用非矩形窗的前置滤波器提高待测信号的信噪比,并采用迭代方法提高频率的估计精度．与传统的基于相位差分法和自相关技术的方法相比,其能在更低的信噪比下达到Cramér—Rao界．理论分析和仿真试验都表明,该方法在整个测频范围内的估计性能是一致的．     

大跨度桥梁地震响应分析中的非一致地震激励模型

基于二维相干函数建立了考虑二维相关影响的非一致激励功率谱模型，在此基础上采用随机过程理论推导了幅值、相位角与功率谱的关系，建立了非一致激励时程样本的数值模拟方法，由该法可生成地震响应时程分析所需的加速度时程样本。     

基于矢量传感器阵列的改进MUSIC算法DOA估计

鉴于传统的MUSIC(Multiple Signal Classification)算法分辨率不高且在阵元数目较少的情况下对目标信号方位估计不佳等问题,提出了一种基于矢量传感器的改进MUSIC算法。该方法对空间谱函数进行处理,以得到更加优化的方位估计。从阵元数目和分辨角度等方面与传统的MUSIC算法对比,实验仿真表明该算法相对于传统的MUSIC算法有着明显的优越性。     

基于小波变换的高速列车表面脉动压力提取

高速列车表面压力测试过程中,为了克服微型压阻式气压传感器测试的脉动压力信噪比低的缺点,有效提取出脉动压力,建立了传感器输出模型;利用相关系数法确定分解层数,根据3原则计算分层阈值,提出一种小波变换阈值去噪方法.用该方法对CRH(China railway high-speed)某型动车组静态测试信号进行去噪处理;并进行200 km/h动车组表面压力测试信号脉动压力的提取,建立了脉动压力功率谱模型.研究结果表明:该方法能有效提取出列车表面脉动压力,测点处脉动压力的幅值在20 Pa范围内时刻波动,频率主要集中在0~200 Hz;建立的脉动压力功率谱模型为列车减振和降噪提供理论指导.      

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.     

基于窗函数的自相似性时变Hurst指数估计方法研究

基于描述数据自相似特性的全局性Hurst指数无法用于信号的局部自相似特性的实时分析,突破固定Hurst指数估计的传统方法,引入滑动窗函数对分形高斯噪声(FGN)仿真时间序列进行估计和研究,并对估计算法的有效性进行了验证和分析.