基于频域搜索的梳状谱信号检测方法

由于梳状谱信号多普勒容限较小,利用常规的匹配/相关检测方法进行检测时,需要较大数量的拷贝信号与计算量。针对这一问题,本文提出一种基于频域搜索的梳状谱信号检测算法。通过利用梳状谱信号频域多峰结构的特点,根据信号的先验信息计算出不同径向速度下回波信号的频点分布,对接收的信号在频域进行搜索累计的方法同时实现信号的检测与速度估计。仿真分析证明了本文算法的有效性。     

基于EMD的矢量水声器方位估计算法

对经验模态分解算法(EMD算法)进行深入研究,对其基本原理、基本性质以及存在的问题进行分析。为改善EMD算法在方位估计的精度,减少高频噪声、间断干扰的影响,本文采用Hilbert-Huang变换方法来消除模态混叠现象。实验结果表明,本文提出的基于EMD的矢量水声器方位估计算法,能够有效提高方位估计的精度。     

自适应粒子群优化的船舶动力定位云模型控制器设计

云模型控制理论是智能控制学科的新兴领域,因此如何扩展云模型的应用范围并使其走向工程化实用化成为云模型理论的研究重点。针对船舶运动模型具有不确定性和外部扰动随机性等特点,而云模型具有兼顾模糊性和随机性的特质,尝试将云模型应用于船舶动力定位的控制过程。为解决云模型控制器参数难以整定的问题,提出基于自适应粒子群优化算法的云模型控制器设计方法。仿真试验证明了云模型控制和粒子群优化的可行性和有效性。     

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.     

Application of frequency estimation algorithm based on a single vector sensor in underwater acoustic communication

1 Introduction1 An acoustic vector sensor (AVS) simultaneously measures the acoustic pressure and the components of acoustic particle velocity which render the basis for developing new signal processing methods[1-2]. The higher processing gain can be obta…     

Min-norm spatial spectrum based on acoustic vector-sensor linear array

1 Introduction1 The Min-Norm(MN) algorithm was proposed by Kumaresan and Tufts[1] for estimating the DOA of targets applied at pressure sensor arrays. It has been proved that lower bias and higher resolution of DOA estimation using the MN algorithm is obt…     

基于分离矩阵的步长自适应EASI算法

首次提出将分离矩阵用于对在线盲分离算法中步长自适应控制,并在认真分析相关固定步长和变步长EASI算法的基础上,将其加以运用,提出了一种新的步长自适应EASI算法。该算法步长是基于分离矩阵的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其他固定步长或变步长的EASI算法。     

我国二代卫星导航系统定位技术研究

导航电文是卫星系统的一项关键技术,导航电文内容中卫星的星历反映卫星的在轨状态,主要讨论了第二代卫星定位导航系统的导航电文的内容设计和最小二乘估计方法在接收机定位中的应用。     

2006年上半年中国乘用车市场分析

全年的市场销量净增长估计为90万辆左右,由于上半年不算微型车的市场净增长已超过70万辆,因此今年全年不包括微型车的乘用车的总销量为410万辆,其中,7月可能是乘用车销售的最低点,全月销售约28万辆左右。[编者按]     

基于ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法（ADASYN-XGBoost）。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法（adaptive synthetic oversampling method,ADASYN）来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明：与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500(18%的初始样本量),150(5%的初始样本量)...