八点算法的降维EVD技术

传统的应用于双视图三维复原的八点算法使用标准特征值分析(EVD)算法。通过统计分析可知，该技术存在估计偏差大和均方误差都大的缺点。其产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大，因此白化数据噪声和正则化变换是提高性能的有效措施。通过理论分析和计算机仿真实验，表明文中所给出的降维EVD技术固有地同时具备噪声预白化功能和数据正则化功能，因此它能给出均方误差相当小的无偏估计。由于它无须进行预白化变换或正则化变换，并把最优化过程的维数从9降为4，所以它还具有计算快速、实现简单方便的优点。     

基于改进支持向量回归的船用机械零部件寿命估计

船用机械零部件退化的敏感特征难以提取,导致其寿命估计均方误差增加。为此,设计一种基于改进支持向量回归的船用机械零部件寿命估计方法。采用小波变换法去除全寿命周期数据噪声,提取零部件退化的时域特征,利用集合经验模态分解获取频域特征。经主成分分析法完成特征降维处理后,确定机械零部件退化的敏感特征。采用考虑莱维飞行机制的改进蚁狮优化算法寻求支持向量回归模型最佳参数。将提取到的敏感特征输入至改进支持向量回归模型中,得到船用机械零部件寿命估计值。实验结果表明,当步长为6时,支持向量回归模型的均方误差指标最小、决定系数指标最大,可实现机械零部件寿命精准估计。     

基于α稳定分布模型的水声信号白化滤波方法

在简要介绍共变谱和稳定白噪声的基础上,从α谱的角度出发,推导出基于自共变系数的广义YuleWalker方程,证明广义Yule-Walker方程算法的合理性。依据稳定分布的参数模型,通过广义Yule-Walker方程算法实现基于分数低阶统计量的水声信号预白化滤波。实验数据检验表明,基于分数低阶统计量的白化滤波方法可以很好地实现水声信号预设频带内的预白化。     

基于DPCA和Kalman滤波的SAS运动误差估计

SAS系统的运动不稳定性是限制其发展的一个主要因素。等效相位中心(DPCA)自聚焦算法是基于原始回波数据的运动补偿方法。由于DPCA自聚焦算法在估计过程中是以前一个脉冲对应的阵列位置为基准,因此,随着脉冲次数的增加,估计残差将会逐渐积累,特别是当某次脉冲对应的估计残差较大时,DPCA自聚焦算法的估计精度就会受到严重的影响。本文将Kalman滤波算法和DPCA自聚焦算法融和,以最小均方误差为最佳准则,采用随机过程的矢量模型和递归算法,获得信号和噪声的最佳分离,提高了对SAS运动误差的估计精度。     

基于交叉熵的矢量量化分类算法

提出一种利用最小交叉熵优化方法的矢量量化分类算法,将矢量的分类问题转化为最小失真函数估计问题,通过关联随机迭代算法逼近最优值,以更好地减小量化误差。对二维数据点集的分类和对实际图像的量化编码实验表明,该分类方法可以有效提高分类精度,减小量化的失真,实现全局优化,对大分块的图像量化编码有较优的性能。     

EMP光纤测量系统的EMD去噪方法研究

为提高电磁脉冲(EMP)光纤测量系统灵敏度、扩大系统动态范围,需要减少光纤传输系统的热噪声。提出一种改进的经验模式分解(EMD)去噪方法,通过最小相关系数选择噪声部分,对噪声部分估计各阶模态分量的噪声功率,采用区间阈值的方法提取高频信号分量和信号特征分量,进一步提高测量系统信噪比(SNR)。仿真实验表明,本文提出的方法与传统EMD方法相比,能更好的保持去噪后原始波形的形状,提高信噪比,尤其是在低信噪比情形下去噪效果明显,信噪比提高约9d B,均方误差约为0.021,在保留信号特征信息方面优于小波去噪。     

一种数字信道化自相关接收机的测频校正方法

本文提出一种测频校正方法,该方法针对由50%数据重叠的短时傅里叶变换（STFT）实现、子信道数据采用自相关积累进行处理的数字信道化接收机,分析了子信道自相关使用单点延迟的必要性,研究了噪声数据的相关性对相位的影响,并利用噪声功率对相位测量值进行校正。使用校正后的相位计算信号频率,频率测量均值误差和均方根误差均减少。尤其在信噪比较低时,该方法能明显提高测频精度。仿真验证了该方法的有效性,且单个子信道只消耗一次加法运算,能够保证实时性。     

模糊自适应卡尔曼滤波在惯性/地磁导航中的应用

为了提高自主、无源组合导航系统的精度和可靠性,针对惯性/地磁组合导航系统中滤波发散、量测噪声统计特征随实际情况不同而变化的问题,本文在无迹卡尔曼滤波的基础上,通过监测滤波新息的方差和均值变化,采用模糊自适应滤波算法,"在线"调整模型中的噪声方差阵,来改变滤波器的估计均方误差和滤波增益.通过自适应调整Sigma采样中权值的比例因子α,来解决UT变换的非局部效应,达到提高组合导航的精度的作用.仿真结果表明,模糊自适应卡尔曼滤波器可以有效的提高惯性/地磁组合导航系统,克服了传统滤波算法的缺点和不足,提高了滤波精度.     

一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法

针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高.     

汽车车内噪声主动控制归一化LMS算法

通过对汽车车内噪声采集试验数据进行分析,运用最小均方(LMS)算法和归一化LMS算法,分别对自适应滤波器中的权向量按照最速下降算法进行更新,并利用建立的自适应滤波器进行汽车车内噪声主动控制。通过比较汽车车内噪声主动控制结果,表明:与LMS算法相比,归一化LMS算法具有更快的算法收敛速度和较小的稳态误差,其收敛速度提高58.3%,其稳态误差降低62.5%。     

基于小波变换技术的舰船电气设备信号去噪抑制方法

以降低舰船电气设备运行所受电磁串扰影响为目的,提出基于小波变换技术的舰船电气设备信号去噪抑制方法。建立舰船电气设备信号电磁串扰噪声模型,使用小波变换方法对电气设备信号噪声进行抑制,针对小波变换去噪能量泄漏大、频带混叠大等问题,使用双树复小波的实部树和虚部树进行电气设备信号分解,即保留小波分解的优点又可以完全重构电气设备信号,并结合硬阈值和软阈值函数优点,形成通用阈值函数,优化小波变换的阈值函数,保证更好信号去噪抑制效果。通过实验可以看出,该方法的应用既可以有效抑制电气设备信号中的噪声干扰,又可以保证原始信号波形不被破坏,同时在信号分解时,可以在噪声聚集的高频部分形成十分优秀的降噪效果,使信号趋近平稳状态。     

相位误差对信干比估计性能的影响

通过使用概率密度函数估计的方法,得出CDMA系统解扩后基带信号近似服从高斯分布。因此,CDMA系统信干比估计可以采用高斯白噪声条件下BPSK调制基带信号的信噪比估计方法。在此基础上,通过理论分析和计算机仿真,比较存在相位误差情况下三种信干比估计方法的性能。仿真结果表明,基于二阶矩和四阶矩的估计方法M2M4不受相位误差的影响,适合工程应用。     

噪化图像的形态学分割方法

对严重噪化的图像，提出一个形态学分割方法，先通过灰度骨架变换方法和最大内接块的概念将图像中的颗粒噪声，目标表面及有噪背景分离开，移去变化背景及颗粒噪声，使图像得以增强，为了成功地识别和分离不需要的成分，用灰度形态开形成一个尺寸鉴定算法，最后在增强图像上应用全局阀值化从背景中获得目标。     

基于改进无迹卡尔曼滤波的动力定位系统状态估计

动力定位（DP）船舶状态估计的准确性是影响其在海面上沿期望航迹运行或位置固定的关键因素。在DP状态估计研究中，当遇到观测噪声反常或噪声协方差与算法不符等情况时，无迹卡尔曼滤波（UKF）无法调整算法参数以适应海洋环境的变化，严重影响着状态估计的精度。鉴于此，提出一种基于误差序列协方差估计的自适应UKF，利用观测变量残差更新观测噪声协方差矩阵R。设计基于自适应UKF的状态估计器，对DP船舶纵荡、横荡和艏摇3个重要状态变量进行估计。数值仿真结果表明，提出的自适应UKF能明显降低纵荡、横荡和艏摇3个状态变量的估计误差，状态估计的准确性和滤波平滑性均优于传统UKF算法。     

基于概率假设密度滤波的水下多目标被动跟踪

针对水下多目标跟踪过程中存在多种干扰因素,如噪声污染、杂波环境、量测数据处理等,本文将概率假设密度滤波应用到水下目标跟踪领域。首先,在单目标匀速运动场景下,提出一种二维搜索法,探究目标估计的均方根误差随2个被动声呐距离和目标初始链距取值变化的规律,为后续目标跟踪中参数选取提供参考。接着,对于多目标编队航行和航迹交叉的运动场景,分别探究目标间距和量测噪声对目标跟踪性能的影响。仿真结果表明,二维搜索法能够有效指导算法参数选取,并且所提算法具有目标数和目标状态估计精度良好的优点。     

总体最小二乘的改进与信道估计应用

总体最小二乘法同时考虑了数据矩阵和观察值的误差,在参数估计中得到广泛应用。然而总体最小二乘法没有针对具体问题利用误差的先验信息。总体最小二乘的改进算法—结构总体最小二乘法设定了误差矩阵的结构,通过迭代运算估计参数及误差。基于叠加训练序列的时不变信道估计中,信息序列均值构成的误差矩阵为Toeplitz矩阵。结构总体最小范数法作为一种结构总体最小二乘法,可以设定误差矩阵具有Toeplitz结构,有效提高叠加训练信道估计性能。论文对比了最小二乘,数据最小二乘,总体最小二乘和结构总体最小范数在叠加训练序列信道估计中的应用,仿真结果表明,基于结构总体最小范数的估计算法的归一化信道均方误差最小。     

一种基于合作目标的机动雷达误差配准技术

针对机动平台传感器非协同误差配准技术实施难度大和配准效果差的问题,对基于合作目标的协同误差配准技术进行了研究。首先根据传感器对合作目标的地球直角坐标系量测方程,建立了系统误差的估计模型,然后根据建立的系统误差估计模型,利用传感器获得的量测和目标通过数据链上报的导航信息,采用最大似然估计技术,对系统误差进行估计。仿真结果表明：该系统误差估计模型可得到系统误差的有效估计,并对目标的导航误差具有强鲁棒性,因此该算法具有一定的工程应用前景。     

论船位误差圆及其应用

本文指出[1]、[2]对船位均方误差圆缺乏科学的严格的定义，提供的均方误差圆覆盖真船位的概率某些数据是不正确的；同时从概率统计的角度论述船位均方误差圆的定义，计算覆盖真船位的概率、95%误差圆半径及船位误差圆在航海中的一些应用。     

大数据异步传输环境下舰船激光网络回波信号增强处理

针对信号异步传输所导致增强效果不理想问题,提出大数据异步传输环境下舰船激光网络回波信号增强处理方法。采用信号累积增强技术将舰船激光网络范围内若干个回波信号积累在一起,形成一个高强度的回波信号,增强回波信号被采集的概率,确定激光网络正常状态下的分形盒维数与实时网络连接分形盒维数的差,若差值大于阈值即可将实时网络的回波信号定义为异常信号清除掉;针对被清除的异常数据,采用贝叶斯因子分析模型恢复缺失的回波信号,并对回波信号进行去噪处理。实验结果显示,该方法异常信号漏检率与误检率均低于2%,能够彻底抑制信号内的噪声分量,较好地进行信号恢复。     

一种评估隔声量的快速方法

对于轻质量隔墙通常采用时间选择自由场的方法来简化声传输损失的测量，它表明可以基于快速付里叶变换技术的双通道频谱和倒频谱分析的综合来测量正入射时的隔声量，倒频谱处理可以从混响噪声中精确地提取出系统的脉冲响应。