动中通系统中陀螺信号小波滤波算法

在动中通系统中,陀螺检测的载体扰动信号的精度直接关系到整个系统的精度和性能。针对陀螺噪声信号的特点,提出了一种将3σ模平方阈值和平移不变小波变换(translation invariant discrete wavelet transform, TIDWT)相结合的滤波算法,能够有效地抑制陀螺噪声信号和由小波变换产生的失真现象。仿真和实验结果表明,该滤波算法效果优于传统的小波滤波算法。     

改进小波空域相关滤波的脉冲星微弱信号降噪

脉冲星信号具有极低信噪比,传统降噪算法难以在抑制噪声的同时保留微脉冲等细节信息。为此,提出一种基于改进小波空域相关滤波的脉冲星极弱信号降噪算法。从小波阈值和空域相关算法在极弱信号降噪中的缺陷出发,以保留细节信息和提高信噪比为目标,结合脉冲星辐射信号的严格周期性、相邻周期间的相关性、极低信噪比和窗口辐射等特性,改进了小波空域相关滤波算法。采用Parks射电天文台和罗希（Rossi）X射线时变探测器的脉冲星观测数据进行实验。结果表明,改进小波空域相关滤波算法可以保留更多微脉冲等细节信息,在提高信号的信噪比方面优于现有算法。     

贝叶斯估计和尺度空间滤波相结合的滤波方法

提出了一种贝叶斯估计和尺度空间滤波相结合的滤波方法。信号的小波系数表现出很强的非高斯统计特性,其密度函数可以用推广的拉普拉斯先验分布建模。利用贝叶斯估计能够较好地提取出信号的小波系数,再由小波逆变换恢复信号。贝叶斯估计较好地保留了信号的边缘信息,但滤波信号尚不够平滑。尺度空间滤波在保留信号边缘的同时,还有很好的平滑作用。两者相结合有很好的滤波效果。     

一种基于小波变换的机动目标跟踪算法研究

小波变换是去噪的有力工具 ,它可以将由各种不同频率成分组成的信号分解到不同的频率区间上 ,有效地用于滤波。研究了一种基于多尺度分解的机动目标跟踪算法 ,该算法利用小波中的经典算法———Mallat算法对单一分辨率的测量数据进行多尺度分解 ,将分解得到的多分辨率测量数据用于目标状态更新。该算法是一种准实时最佳滤波算法。仿真结果表明 ,该算法具有良好的跟踪性能 ,且运算量不大。     

声速分布深海超短基线定位算法

超短基线定位系统因其基线基阵尺寸小,易于安装而常被用于海洋科学领域,而改进深海条件下,长程超短基线的定位算法以求得到更高的定位精度势在必行.以超短基线定位原理及传统的超短基线定位算法为引子,提出了一种简便的可用于任意声速分布的定位新算法,并通过计算机仿真比较验证了该算法的有效性.     

基于小波域性态分析的组合滤波

对信号和噪声在小波域的性态分析对于噪声的滤除具有重要的意义.推导出信号的样条二进小波变换系数幅值沿尺度的变化趋势依赖于信号的奇数阶导数,高斯白噪声的样条二进小波变换系数方差沿尺度逐渐衰减且衰减率越来越小.提出了一种基于小波城性态分析的组合滤波方法,仿真实验表明了算法的有效性.     

基于方向小波的差值滤波图像去噪算法

针对利用方向小波的多方向框架分割图像时形成的像素序列长度的不同,提出一种新的基于方向小波的差值滤波图像去噪算法.该算法根据白噪声分布规则,将像素序列分成两组,分别采用不同的阈值萎缩方法,并将所产生的方向子图像进一步的作差值滤波处理,最后对所有子图像进行线性平均.对含不同程度高斯白噪声的图像去噪仿真实验表明,与其他小波阈值去噪方法相比,该算法能更有效的去除噪声和保持图像纹理细节,信噪比提高1～3dB.     

改进的多基线相位解缠绕CANOPUS算法

中国余数定理(Chinese remainder theorem,CRT)方法是多基线相位解缠绕技术的一个基本方法,但是其较差的噪声鲁棒性问题限制了该方法在多基线相位解缠绕中的应用,然而基于聚类分析的多基线相位解缠绕技术能够克服传统的CRT算法噪声鲁棒性差的问题,本文根据CANOPUS算法中的聚类方法,提出用L-∞-norm的距离测度定义两点之间的距离,从而减少特小类的产生和降低噪点数,进而提高聚类分析的精度,并且改进CANOPUS算法的算法流程以提高聚类分析算法的执行效率,进而大幅度降低聚类分析的运算时间。通过用仿真数据和实测数据验证可得,本文提出的改进聚类方法的聚类分析精度和算法执行效率更高,有效性通过实测数据实验得到了验证。     

一种新的小波网络快速学习混合策略

针对传统的小波网络梯度学习算法易于陷入局部极值、收敛速度慢且对初始参数很敏感的缺点,将全局性能优越的差异进化(DE)算法和最小二乘算法(LS)有机的结合起来,提出了一种新的快速学习混合策略。该混合学习算法思想是将待训练参数分为非线性和线性两类,利用差异进化算法对小波网络非参数进行全局优化训练,而最小二乘法用于快速训练网络连接权值。非线性函数逼近实验表明,小波网络逼近性能要远优于传统的BP神经网络,相对于使用随机梯度学习算法的小波网络,提出的混合学习算法收敛速度更快,且具有更小的均方差。     

基于等长基线干涉仪的单脉冲被动定位方法

针对单站单脉冲的被动测距问题,提出了一种基于等长基线相位干涉仪的单脉冲定位方法。该方法采用至少3个天线构成等长基线干涉仪对,利用等长基线干涉仪接收到辐射源信号球面波的波前相位2π模糊数相同的原理,通过等长基线相位差的差值和来波方向,确定信号源与观测站之间的距离。在对该算法的基本原理和无模糊定位条件描述的基础上,分析了定位性能,并通过计算机仿真验证了该算法的有效性。     

长基线测向交叉被动定位算法坐标变换误差的研究

在长基线测向交叉被动定位系统中 ,由于各被动接收站的站间距比较大 (几十公里 ) ,所以必须考虑地球曲率对利用各站角度测量数据定位算法精度的影响。本文利用GPS对各接收站进行三维定位 ,并推导了各接收站的测量数据从本地坐标系到绝对坐标系的变换公式 ,由此进一步推导了考虑地球曲率影响的、便于工程应用的长基线测向交叉定位算法 ,并通过仿真计算证明了其定位精度比传统的测向交叉定位算法有较大的提高     

基于BICM-ID系统的单通道混合信号盲恢复算法

针对非协作通信中单通道同频线性调制混合信号盲恢复问题，基于比特交织编码调制迭代译码（bit interleaved code modulation iterative decoder， BICM-ID）算法思想，建立单通道混合基带接收系统模型，提出一种联合解调和译码实现单通道混合信号中源信息盲恢复算法。通过分析和推导，给出一种混合信号解映射的方法。该算法不需要对混合信号分离，而可以直接从混合信号中估计出各路源信号，且复杂度低。理论分析和仿真结果表明，对于无码间干扰和有码间干扰的加性高斯白噪声(additive white Gaussin noise, AWGN)，算法都能得到较低的误比特率(bit error rate, BER)，而且算法对等功率混合信号和不等功率混合信号同样适用。     

基于root-RARE算法的非同构分布式阵列高精度方向估计

针对非同构分布式阵列无法使用旋转不变子空间算法(estimation of signal parameters via rotation invariant technique algorithm, ESPRIT),同时为了提高非同构分布式阵列的角度估计精度,提出基于求根降秩算法(root rank reduction estimator, root-RARE)的目标波达方向估计方法。由于分布式阵列的基线长度远大于半波长,合成方向图出现栅瓣,导致测角模糊。算法以root-RARE与多重信号分类算法(multiple signal classification, MUSIC)联合解模糊,以root-RARE得到的粗估计为参考,解整个非同构分布式阵列MUSIC谱估计的模糊,从而得到高精度无模糊的估计。推导非同构分布式阵列方向估计的克拉美罗界,分析算法的波达方向估计性能,同时分析分布式阵列方向估计时的基线模糊门限与信噪比门限之间的关系。仿真结果验证所提算法方向估计的正确性及有效性。     

干涉式L形阵的二维高精度方向估计

为了提高常规L形阵测角精度,结合干涉测量理论与常规L形阵波达方向估计技术,提出了以干涉式L形阵来实现阵列孔径扩展,提高测角精度的方法。由于干涉阵的基线长度远大于半波长,合成方向图出现栅瓣,导致测角模糊。采用双尺度旋转不变子空间解模糊算法,以短基线得到的粗估计为参考,解长基线得到的精估计的模糊,从而得到高精度无模糊的方向估计。在分析干涉式L形阵的波达方向估计性能时,采用近似法计算方向余弦估计的均方根误差下界,同时分析了干涉阵的基线模糊门限与信噪比门限之间的关系。仿真结果验证了干涉式L形阵的有效性及方向估计的高精度性能。     

基于小波变换的子带自适应滤波算法及仿真

因为噪声总是影响信号检测的结果,所以低信噪比下的信号检测是目前检测领域的热点,而强噪声背景下微弱信号的提取又是信号检测的难点。自适应滤波器为检测信号提供了一种简单、实用的方法。可以在微弱信号的条件下,通过测量和学习,实现对微弱信号的最佳拟合。提出基于自适应小波变换的心电信号的检测,利用小波变换的子带编码理论,通过在多个子带权值的自适应匹配,合成后拟合微弱信号。仿真结果表明,该方法可进一步改善信号的检测能力,在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

面向中频的短码直扩信号数字盲解扩算法

针对直接序列扩频(direct sequence spread spectrum, DSSS)信号盲解扩问题,现有的方法大多基于矩阵分解理论,抽取主特征向量进行解调进而恢复伪码波形。非合作接收条件下,由于伪码波形未知且信噪比极低,载波频率、相位信息往往难以精确估计。考虑非合作接收条件,伪码未同步且含有随机载波频偏,现有方法常对两倍长度的复基带分段相关矩阵进行分解,带来了极大的计算资源消耗,并且存在性能退化等问题。本文提出了一种面向中频的短码DSSS信号数字盲解扩算法,分析了载波残余对伪码波形同步的影响,并通过中频实矩阵分解重构了伪码波形,最后针对含任意载波残余的DSSS二进制相移键控(DSSS-binary phase shifted keying, DSSS-BPSK)信号,设计了完整的从波形到比特的低复杂度盲解调解扩流程。仿真结果表明,所提算法拥有更好的误码率性能以及良好的载波参数鲁棒性。     

面向中频的短码直扩信号数字盲解扩算法

针对直接序列扩频(direct sequence spread spectrum, DSSS)信号盲解扩问题,现有的方法大多基于矩阵分解理论,抽取主特征向量进行解调进而恢复伪码波形。非合作接收条件下,由于伪码波形未知且信噪比极低,载波频率、相位信息往往难以精确估计。考虑非合作接收条件,伪码未同步且含有随机载波频偏,现有方法常对两倍长度的复基带分段相关矩阵进行分解,带来了极大的计算资源消耗,并且存在性能退化等问题。本文提出了一种面向中频的短码DSSS信号数字盲解扩算法,分析了载波残余对伪码波形同步的影响,并通过中频实矩阵分解重构了伪码波形,最后针对含任意载波残余的DSSS二进制相移键控(DSSS-binary phase shifted keying, DSSS-BPSK)信号,设计了完整的从波形到比特的低复杂度盲解调解扩流程。仿真结果表明,所提算法拥有更好的误码率性能以及良好的载波参数鲁棒性。     

基于Hankel矩阵改进TLS-ESPRIT算法的散射中心参数提取及RCS重构

基于几何绕射理论(geometrical theory of diffraction, GTD)的散射中心信号模型可以精确描述隐身目标电磁散射特性,将总体最小二乘-旋转矢量不变技术(total least squares-estimating signal parameter via rotational invariance techniques, TLS-ESPRIT)算法引入此模型中,为散射中心提取提供了超分辨率算法。针对TLS-ESPRIT算法在低信噪比条件下估计精度不高的问题,引入Hankel矩阵改进TLS-ESPRIT算法对回波数据处理的过程,改进后的算法提高了在低信噪比情况下对散射中心参数估计的精度,具有更好的噪声鲁棒性。在对目标的识别以及雷达散射截面(radar cross section, RCS)重构方面具有重要意义。     

Walsh码软扩频信号降噪算法

针对低信噪比(signal-to-noise ratio, SNR)条件下, Walsh码软扩频信号盲解扩以及多址信号盲分离难以实现的问题,提出一种Walsh码软扩频信号降噪算法。首先,采用经验模态分解(empirical mode decomposition, EMD)算法将Walsh码软扩频信号分解为有限个本征模态函数(intrinsic mode function, IMF),分界点位置可通过Walsh码软扩频信号和噪声的IMF自相关函数收敛速度的差异进行判断。然后,采用小波软阈值滤波算法处理分界点之前的IMF。最后,利用处理后的低阶IMF和分界点后的IMF重构Walsh码软扩频信号,减少由于降噪造成的信号损失。仿真结果表明,在一定低SNR范围内,降噪算法以较低误码率(bit error rate, BER)实现解调,信号损失较少。     

一种自适应ESPRIT算法

运用特征子空间方法的关键在于信号或噪声子空间的估计.实际上有些信号的统计特性通常随时间变化,为得到参数的实时估计值,需要随时根据新的阵列接收数据对信号或噪声子空间进行更新.首先建立了用于信号到达主向(DOA)估计的SVD-ESPRIT算法,然后利用受限摄动分析提出了一种子空间跟踪算法.将该跟踪算法与SVD-ESFRIT算法相结合,得到的自适应ESPRIT算法可用于对时变的信号DOA进行跟踪估计.仿真计算结果验证了该算法的有效性.