船舶通信系统的近场源多维参数估计

针对传统船舶通信系统中近场源参数估计准确率不高的现象,提出船舶通信系统的近场源多为参数估计。确定近场源多维矩阵阵元,利用阵元间距对多维空间内的延时相位差进行标记,并划定多维参数预估的矩阵范围,采用多维阵元参数估计算法,对多维空间内的近场源数据矩阵进行参数估计处理,实现多维参数估计。仿真实验结果表明,近场源多维参数估计方法比传统估计方法的参数估计效率高出20%,并具备极高的有效性。     

单矢量水听器四阶累积量MUSIC算法对信号DOA的估计

针对传统MUSIC算法的局限性,提出了一种基于高阶累积量的单矢量水听器MUSIC算法.这里将单个矢量水听器理解为一个标量传感器阵列,按照阵列信号处理的原理对其输出的标量场和矢量场信息进行联合处理,该算法先构造四阶累积量矩阵,代替传统MUSIC算法中的阵列协方差矩阵,对四阶累积量矩阵采用MUSIC算法作方位估计.仿真结果表明,借助高阶累积量的方法,在高斯白噪声下,MUSIC算法能完全抑制高斯白噪声的影响,在高斯色噪声条件下,该方法还是能获得高分辨率的估计.湖试结果也表明,文中算法有更好的目标方位估计性能.     

基于相关序列的在线频率估计方法

给出一种在线频率估计的时域算法.从Hankel矩阵与可控矩阵的隐含关系出发,利用可控矩阵的shift结构,推导出系统矩阵特征根与相关序列的显式关系,从而得到信号频率估计的简单公式.对于二阶系统,或可分解为并联二阶系统的高阶系统,特征频率可由信号分量的相关序列估计得到.对定常系统和时变系统的频率估计进行仿真,结果表明频率估计值可以快速逼近真实值,而且稳态误差小于1%.     

基于CSM方法的水下宽带相干源方位估计

通过设计适当的聚焦(Focusing)矩阵将信号各个频带的能量聚焦到同一个参考频率上，对各子带的阵列相关矩阵进行频域平均，得到一个信号子空间，然后使用窄带高分辨算法进行方位估计。本文将该算法应用于水下宽带相干源方位估计，实现了高分辨率。     

不同姿态表示方法下的姿态估计分析

在组合导航中,针对不同姿态表示方法构建的姿态估计算法在计算量和精度等方面存在性能差异较大等问题,分别对四元数无味估计器、基于修正罗德里格斯参数和高阶罗德里格斯参数所构成的姿态估计算法进行理论推导与性能比较分析。在数值实验中,比较了3种姿态估计算法在计算量和精度等方面的优劣性,结果表明四元数无味估计器精度最优,但计算量较大,而基于高阶罗德里格斯参数的姿态估计算法计算量最小,相对精度较高。     

基于复五阶累积量的高次耦合特征提取算法

非线性振动系统产生的二次频率耦合特征能用三阶累积量提取,三次频率耦合特征、双对频率耦合特征能用四阶累积量提取,高于三次的频率耦合特征的提取,未见报道。本文首次定义了四次频率耦合、二三对频率耦合等概念,推导了五阶累积量直接估计公式,给出了平稳复随机过程五阶累积量定义的两类主要形式,研究了五阶累积量特征,分析了其递推估计与计算量的关系,构造了基于五阶累积量的自适应谱线增强器,该增强器可从高斯噪声环境中恢复或提取高次耦合特征。理论分析与仿真结果验证了算法的有效性。     

基于四阶累积量的最小模DOA估计方法

高阶累积量由于对高斯噪声不敏感,在高分辨阵列信号处理中可用来提高参数估计的分辨性能。本文从一个统一的角度来研究基于高阶累积量的高分辨阵列信号处理方法,用四阶累积量构造了一个较通用的累积量矩阵,该矩阵符合最小模(M in-Norm)算法的结构,从而可进行DOA(D irection of Arrival)估计。由于四阶累积量对高斯噪声干扰不敏感,从而可提高估计的分辨性能。本文就这种方法在阵列信号处理中的应用,通过计算机仿真与基于二阶矩的M in-Norm算法进行了较全面的比较。仿真结果表明,该方法在高斯噪声中具有良好的统计性能,是实现高分辨方位估计的有效方法。     

希尔伯特-黄变换应用于宽带信号参数估计

多普勒效应对主动声纳接收信号的根本影响是接收信号相对发射信号的时间延迟和尺度伸缩。在宽带信号体制下对高速运动目标进行参数估计时,利用传统的窄带信号模型会产生模糊,必须采用时间尺度域模型,即利用接收信号和发射信号的相关性实现运动目标距离和速度的估计。宽带信号模型计算量大,计算时间长。希尔伯特-黄变换具有较高的频率分辨率,利用希尔伯特-黄变换对信号进行频率预估计,减小时间尺度域二维扫描的区域和运算量。在DSP硬件平台上实现希尔伯特-黄变换有关算法。     

基于UT变换改进多模型滤波的水下航行器导航方法

为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。     

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。     

基于压缩感知的正交偶极子阵列信号参数估计

[目的]针对传统的极化敏感阵列的波达方向(DOA)估计算法运算复杂度高、实时性差的问题,提出基于压缩感知的正交偶极子极化敏感阵列结构.[方法]将数据压缩思想应用于阵列结构设计,压缩接收信号矢量维度,减少射频前端链路数量,以控制系统的复杂度,使阵列结构设计具有高度的灵活性.基于结构降维多重信号分类(MUSIC)算法;首先...     

基于声矢量传感器阵的相干源高分辨方位估计

声矢量传感器能同时共点获得声场中声压、振速信息及更多的信息量,具有很好的应用前景.研究了声矢量传感器阵方位估计的多重信号分类(MUSIC)算法,并在此基础上推导了基于空间前向平滑算法的声矢量传感器阵相干源方位估计的方法.采用该方法可以有效地对相干源进行方位估计,同时综合利用声压、振速信息可以实现信号源方位360°无模糊估计,计算机仿真表明该方法具有较好的方位估计性能.     

基于相位差的方位估计(英文)

The phase difference method (PDM) is presented for the direction of arrival (DOA) estimation of the narrowband source. It estimates the DOA by measuring the reciprocal of the phase range of the sensor output spectra at the interest frequency bin. The peak width and variance of the PDM are presented. The PDM can distinguish closely spaced sources with different and unknown center frequencies as long as they are separated with at least one frequency bin. The simulation results show that the PDM has a better resolution than that of the conventional beamforming.     

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.     

相干信号源的空间平滑法处理及其效果分析

介绍了相干信号DOA空间平滑技术处理的方法及其效果分析，并给出了处理非相干和相干信号源的仿真结果，实验结果证明了空间平滑技术能够去相干性，达到了对相干信号源的方向进行识别的目的。     

DOA估计中MUSIC算法与ORPD算法的联合应用

ORPD算法是一种对来波方向（DOA）估计的最佳分辨方法，但这种算法需要预知信源的大致方位。多信号分类（MUSIC）算法对DOA估计稳定性较好，伪峰情况基本不存在，精度较高，但其分辨能力不如OIWD算法。利用MUSIC算法较好的稳定性，首先预测信源的大致方位，然后利用OIWD算法对DOA进行估计。仿真结果表明，这种方法是比较有效的。     

相关噪声背景下声矢量阵目标方位估计

传统的矢量水听器数据处理方法将单个矢量水听器的输出用一复数向量来表示,没有充分利用矢量水听器各振速通道的正交特性,为此提出了用复四元数对矢量水听器的输出数据建模,将矢量水听器输出的三个振速分量用复四元数的三个虚部表示,保留了矢量水听器各阵元的正交性,对相关噪声有较好的抑制能力。针对声源的非平稳特性,将观测数据分成多个子段,计算每个子段的协方差矩阵并进行向量化处理,通过一正交映射,消除干扰噪声,最后对去除噪声的伪协方差矩阵做特征值分解,利用MUSIC算法原理建立目标的方位估计公式。算法降低了对声源信号平稳性要求,对相关噪声有较强的鲁棒性。     

基于时域解析信号的广义MUSIC算法

波束形成是声呐信号处理的关键技术,本文提出一种新的基于宽带时域解析信号的广义MUSIC自适应波束形成算法(TAMUSIC算法).该算法将时域解析信号与改进的MUSIC算法相结合,对精确时延之后的宽带时域信号进行希尔伯特变换生成复数形式的时域解析信号,增加权向量自由度;通过增加调节指数构建新广义噪声子空间,解决了传统MUSIC算法信源数目估计不准带来的影响,提高算法鲁棒性;最后利用信号子空间和噪声子空间的正交性估计目标方位.仿真数据和海试数据处理的结果表明:TAMUSIC算法可以获得更尖锐的谱峰,提高目标的角度分辨力,增强了弱小目标的发现能力.     

基于近场声全息技术的声对接装置

声对接技术以平面近场声全息理论算法为基础,利用声传播的近场特性,在一定的介质条件下来模拟声场远场传播特性的技术。在近场条件下,平面近场声全息技术能够针对不同的测试频率范围以及声场分布等要求,计算出相应的传输介质厚度以及对接阵阵元分布等参数,从而设计出声对接阵。通过仿真验证,采用平面近场声全息技术设计的声对接阵完全能够满足与水中兵器基阵实现声对接的要求。     

Instantaneous frequency estimation of multi-component Chirp signals in noisy environments

A classical time-varying signal,the multi-component Chirp signal has been widely used and the ability to estimate its instantaneous frequency(IF) is very useful. But in noisy environments,it is hard to estimate the IF of a multi-component Chirp signal accurately. Wigner distribution maxima(WDM) are usually utilized for this estimation. But in practice,estimation bias increases when some points deviate from the true IF in high noise environments. This paper presents a new method of multi-component Chirp signal IF estimation named Wigner Viterbi fit(WVF) ,based on Wigner-Ville distribution(WVD) and the Viterbi algorithm. First,we transform the WVD of the Chirp signal into digital image,and apply the Viterbi algorithm to separate the components and estimate their IF. At last,we establish a linear model to fit the estimation results. Theoretical analysis and simulation results prove that this new method has high precision and better performance than WDM in high noise environments,and better suppression of interference and the edge effect. Compared with WDM,WVF can reduce the mean square error(MSE) by 50% when the signal to noise ration(SNR) is in the range of -15dB to -11dB. WVF is an effective and promising IF estimation method.