一种多载波激励信号下信道多径参数估计方法

准确估计多径强度和多径相对时延是信道测量活动的目的之一,也是后续建立准确信道模型的基础。本文基于多载波激励信号的信道测量,研究了定时误差和多径相对时延的归一化非整数问题对估计多径参数的影响,并提出了一种新的多径强度和多径相对时延的估计方法。该方法利用定时误差和多径相对时延与功率时延谱之间的关系,能够准确的估计多径相对时延及各径强度,消除了归一化非整数的影响。仿真及实际测试结果表明,该方法较传统算法有较好的抗噪能力,在信噪比-10dB以上性能优良,对多径参数估计更为准确。     

小波与相关函数算法在矿山震源定位中的应用

针对矿震震相提取分析中震相信号提取困难、噪声影响大、精度低等问题,提出从小波时频分析和统计学的角度,根据小波域内矿震信号与噪声的不同特性以及不同采集通道间信号具有相关性特点,采用小波阈值滤波算法和相关函数算法对矿震信号进行计算,得到了各个采集通道间较准确的波到时差。试验结果表明,该算法对高斯噪声和其他非相干噪声具有抑制作用,能够有效提高计算结果的精度。     

OFDM符号定时同步算法的研究

由于OFDM本身对定时误差比较敏感,因此定时估计是准确实现整个系统同步的关键技术之一。Schemidl＆D.Cox提出的算法是利用前导训练序列做自相关来定时同步,虽然这种算法对符号同步估计很有效,但在多径衰落和信道噪声的影响下同步性能不高。对此提出新的改善算法,设计新的训练序列作为前导字及改进自相关序列,通过MatLab模拟仿真和分析可以看出,改善的算法使同步性能得到明显提高。     

一种基于BM3D的接触网图像自适应去噪新方法

为了更好地检测和识别接触网图像,首先要降低图像中的噪声。目前,BM3D是针对高斯等多种噪声降噪性能较好的算法,但它自身也存在一些不足,为此,本文提出一种基于BM3D的自适应去噪新方法(简称ABM3D)。该方法在假设噪声方差未知的前提下,无需人为设定滤波阈值,通过自适应估算较为准确的阈值,实现二维和三维DCT变换域的自适应滤波,得到基础估计图像,利用估算的阈值计算出较为准确的噪声方差,实现联合维纳滤波得到最终估计图像,同时简化了参数设置,尤其是对降噪效果影响较大的参数。实验结果表明:本文提出的算法是有效的,即使在噪声强度非常高的情况下,利用其得到的降噪图像也能较好地保留边缘等细节信息,更具有实用价值。     

基于扩频序列的高铁无线信道测量仿真系统研究

为了评估不同扩频序列对高铁无线信道测量性能的影响，构建了基于扩频滑动相关的高铁无线信道测量仿真系统。在发射端分别生成Random、m、Kasami、Gold、ZC、Golay等6种扩频序列，通过COST207丘陵场景的标准信道模型传输调制信号，在接收端利用滑动相关算法估计出信道冲击响应。研究结果表明：Golay序列、ZC序列和m序列的自相关特性优于另外3种序列，进行高铁无线信道测量时误差相对较小；接收端利用估计的信道冲击响应可以有效提取信道的多径时延和多普勒扩展特性。仿真结果为构建可工程化应用的高铁无线信道测量系统提供了技术支撑。     

基于时间序列方法的网络信号传输时延预测

针对铁路信号在传输过程中存在时延与丢包,导致整个系统的控制性能下降甚至不稳定的问题,提出一种新的延时预测算法,首先用时间序列方法建立网络时延的状态空间模型,然后通过Kalman滤波方法对时延进行在线估计,得到延时预测值.仿真实验结果表明,该方法对传输时延具有预测效果,保证了较好的实时性.     

基于迭代学习的速度传感器故障诊断研究

霍尔式速度传感器利用实时检测的速度信号作为系统速度反馈参考,广泛应用于轨道交通和汽车电子产品中,为系统安全可靠运行提供保障.针对霍尔式速度传感器工作原理,构建含有实时故障估计变量的线性时不变系统模型,根据传感器实际输出和估计输出的残差信号确定目标函数及基于迭代学习的故障诊断数学模型,并对此迭代学习故障诊断策略进行收敛速度和收敛精度分析.为验证诊断策略的普适性和正确性,在速度传感器正常工作状态下施加典型阶跃、指数和正弦形式的故障信号,探究诊断算法对故障信号估计的准确性和时效性.研究结果表明:所提故障诊断策略能够利用实时故障估计变量准确估计故障信号,并在有限时域周期内全局收敛,为诊断策略的工程化应用奠定基础.     

基于麦克风阵列的机车车辆转向架跑合试验的故障监测研究

针对目前机车车辆转向架跑合试验信息化和智能化程度较低,在试验过程中难以快速准确地实现轴承和齿轮箱故障诊断及故障定位的现状,将麦克风阵列技术应用于跑合试验中,可直接通过声信号实现故障诊断与故障定位。针对转向架常见的轴承内外圈故障进行故障模拟试验,对故障轴承产生的声信号进行采集分析,通过特定的数据处理方法得到信号包络谱,实现故障诊断;同时结合基于到达时延的定位算法确定故障轴承位置,实现故障定位。为满足现场需要,设计了1套便于麦克风阵列精确布局与灵活变换的阵列支架,通过模拟试验 验证了所述算法与阵列支架的可靠性和准确性。     

基于LSTM动态波束赋形的高速列车越区切换算法

高速列车越区切换参数具有较强的时空相关性，以及无线信号在不同线路地形下具有衰落差异性，这都对高性能的越区切换提出了新的挑战，针对这一问题，设计一种基于长短期记忆网络动态波束赋形的高速列车越区切换算法。提出基于LTE-R中继通信模型的高铁典型运行场景中波束无遮挡传输的基站天线高度设置规律，通过估计发射波束主瓣方向并利用参考信号接收功率序列的时间相关特性，提出eNB重叠区内天线波束增益需求预测模型；同时采用增加波束预留角策略实现联合约束条件下的高速列车越区切换。结合高速铁路典型运行场景(路堑、高架桥)的路径损耗预测模型仿真评估了算法性能。结果表明，所提算法以略微牺牲越区切换时延为代价提高了越区切换成功率，能够有效避免高速列车越区切换引起的通信中断问题。     

基于小波阈值和约束独立分量分析的齿轮故障诊断研究

为在强噪声下准确利用振动信号进行齿轮故障诊断,提出了基于小波阈值和约束独立成分分析(CICA)相结合的算法。该算法首先对输入信号进行小波阈值降噪预处理,提高了输入信号的信噪比,然后基于齿轮特征频率建立参考信号,将降噪后的信号作为CICA的输入信号,利用CICA算法有效分离出齿轮故障信号,识别了故障特征。为了验证该算法的有效性,进行了仿真和实验测试信号分析,结果表明,该算法可以有效提取齿轮故障信号,实现齿轮的故障诊断。     

摆式列车线路检测信号的动态自适应滤波研究

为提高摆式列车检测系统的精度,针对传统数字滤波器的不足,将非平稳随机信号时变模型参数的自适应估计与普通卡尔曼滤波算法相结合,提出一种能有效消除或削弱测量信号中高斯白噪声的卡尔曼动态自适应滤波方法及数学模型。实时建模精度是实现卡尔曼动态滤波的关键。通过对具有不同遗忘因子的递推最小二乘算法的分析和比较,结果表明,带自适应遗忘因子的递推最小二乘算法(RLSAF)由于其遗忘因子能根据信号本身的统计特性的变化自适应地进行调整,因而对非平稳随机信号具有很强的跟踪性能。采用基于RL-SAF算法的卡尔曼动态自适应滤波方法,能实现摆式列车线路检测信号(陀螺仪角速率信号)的有效滤波。     

一种新的基于短训练符号的OFDM联合时间频率同步算法

提出了一种新的基于短训练符号的OFDM联合时间频率同步算法,通过使用一个长度为1.5倍OFDM符号长度的训练符号,可以很好地实现突发或连续的OFDM通信系统的同步,因此,本算法具有较低的系统冗余度。首先,接收端通过搜索两个在时域相同的短符号来完成粗定时同步,并且估计出小数频偏,然后对训练符号的样点数据进行小数频偏补偿,再使用本地序列与样点数据进行相关运算,得到整数频偏以及精确的定时同步位置。所有同步过程均在时域完成,因此具有较强的抗白噪声能力。仿真结果表明,该算法具有较小的定时估计误差和频偏估计误差,并且能估计大整数频偏。     

城际铁路列控系统车-地通信延迟时间估计的深度学习算法研究

为了降低通信延迟对城际铁路列车运行控制的影响,利用通信控制服务器（CCS）积累的车-地GSM-R消息延迟时间历史数据,形成延迟时间估计的算法框架。采用递归神经网络,结合无线传输数据包大小与延迟时间的关系,并使用规范化等深度学习技术,对数据和模型进行学习和训练。实验结果表明,可以有效地估计无线传输延迟时间,解决统计分析方法带来精确度不高的问题,为车地通信消息有效性的精确判断提供依据。     

轨道不平顺信号的鲁棒参数估计与谱分析

轨道不平顺测量数据总会受到不同程度的污染。轨道谱的传统周期图估计和时间序列AR模型估计结果都对污染较敏感,算法缺乏鲁棒性。用鲁棒估计新理论对轨道不平顺随机信号进行鲁棒—稳固谱估计,并对估计的轨道谱曲线与传统轨道谱曲线进行对比,同时对观测数据加入脉动噪声后的轨道谱进行估计。结果表明,鲁棒估计谱对原始数据的干扰要求低,具有鲁棒稳健性。     

基于人工鱼优化的MP超声微弱信号提取方法研究

强噪声背景下微弱信号的提取一直是超声信号处理领域研究的一个难题,传统的信号处理方法难以准确提取弱缺陷信号,稀疏分解方法为提高超声弱缺陷的检出率开辟一条新途径,但计算量大是困扰其应用的一个主要因素。本文提出一种人工鱼群优化匹配追踪的快速算法。人工鱼是一种新型智能优化算法,具有并行寻优、全局收敛性好,对初值不敏感的特点。利用本文算法在重建信号质量不变的情况下,提高稀疏分解在冗余字典中原子匹配的速度和精度,满足信号处理实时性要求。采用与超声信号最优匹配的Gabor函数,经伸缩和平移生成过完备原子库,提高对超声信号的表达能力。通过仿真分析和实际检测铸钢试件,表明该方法能够有效地检测出强噪声背景下的弱信号。     

双选择衰落信道下OFDM系统基于梳状导频的变换域频率分集式信道估计

由于高速铁路无线信道表现出频率选择性和时间选择性衰落(双选择性衰落),正交频分复用(OFDM)在该信道上传输,需要实时跟踪估计信道变化,降低估计噪声。由于离散傅里叶变换具有快速算法IFFT/FFT,基于变换域的信道估计技术逐渐受到关注。通常,OFDM系统的梳状导频数多于信道冲击响应长度,导致变换域信道估计方法降噪比较困难。本文提出一种梳状导频变换域频率分集式信道估计方法,它通过联合若干分组的变换域信道估计,明显降低估计噪声,从而降低信道估计的均方误差(MSE)和系统的误码率(BER)。理论分析和仿真结果表明,在时不变信道中,当分集数为L,该方法对MSE的增益是10lg(L);在时变信道中,该方法出现"错误平底",但相对于传统变换域信道估计方法,性能仍有改善。     

一种基于高斯函数的直方图规定化算法

提出一种基于高斯函数的直方图规定化算法，本算法首先根据原图像的信息求出灰度平均值和灰度平均对比度，并利用这两个参数估计输出图像的灰度平均值和灰度平均对比度，然后利用输出图像的灰度平均值和灰度平均对比度构成高斯函数来规定输出图像的直方图，从而控制输出图像的灰度平均值和灰度平均对比度。此算法处理效果明显优于直方图均衡化算法，而且计算量小、处理速度快、不需要人工干预，可用于计算资源有限、实时性要求较高的场合。而且通过改变单一参量就可以控制输出图像的对比度，在工程应用中为用户提供了调控与选择手段。     

基于小波域谱相减算法的语音增强研究

谱相减算法是目前常用的语音增强算法，它常在处理宽带噪声中使用，具有运算量小、效果明显等特点，但该算法是基于短时傅立叶变换（STFT）基础上的，是一种单分辨率的信号分析方法。与STFT本质不同的小波变换是一种变分辨率的时频联合分析方法，当分析低频信号时，其时间窗口很大，而当分析高频时，其时间窗口减小，这恰恰符合实际中对非平稳信号进行分析的自然规律。基于小波域的谱相减算法，是将带噪语音信号进行Mallat多尺度分解，然后分别对各尺度下的信号进行谱相减运算，再逐一进行小波重构，得到去噪后的语音信号。仿真结果表明。该方法不但有效地提高了语音信号的信噪比，而且也在很大程度上改善了语音的失真程度，不失为一种有效的语音增强算法。     

基于相控阵列的噪声源识别及仿真研究

介绍了基于麦克风阵列进行噪声源识别的基本原理,采用相位延迟对噪声源空间进行扫描,确定声源的波达方向,进而识别声源的位置。利用计算机仿真技术模拟了空间两点声源产生的噪声,并利用该算法进行了声源位置识别。理论与仿真研究表明采用相控阵列能够识别噪声源的位置,同时能够获得不同噪声源的噪声大小和噪声贡献量,利用该方法可以对列车的运行噪声源进行分析。     

高速铁路CP0基线解算中天顶对流层参数估计研究

对流层延迟是GPS测量的重要误差源之一,对模糊度解算及基线精度均有较大影响。高速铁路CP0框架控制网基线解算中采用PWL分段线性法估计天顶对流层湿延迟参数的方法提高对流层折射改正精度,因此研究PWL分段线性法中参数估计的时间间隔对CP0基线解算的影响是十分必要的。介绍GPS对流层延迟的改正原理,通过设计不同解算方案采用工程测量数据对天顶对流层湿延迟参数估计的合理时间间隔进行研究。结果表明,每4~6 h估计一个天顶对流层湿延迟参数效果较好,能真实反映出对流层折射影响随时间变化的趋势,从而提高基线解的精度。