利用蒙特卡罗的最大似然时延估计算法

针对最大似然时延估计算法的峰值搜索计算复杂度较高且容易陷入局部收敛,造成估计误差较大的问题。提出了一种利用蒙特卡罗的最大似然时延估计(MCML)算法。首先利用信道频域响应估计矢量建立似然函数;然后把时延估计问题转化为求解随机变量的期望问题,将采用指数化似然函数构造的标准化概率密度函数趋近于冲激函数,使得随机变量的方差趋近于零;最后采用蒙特卡罗方法对随机变量进行抽样,从而利用抽样的均值估计出时延。较之传统方法,蒙特卡罗方法避免了网格搜索,降低了计算复杂度,保证了全局收敛性和估计精度。仿真结果表明:在信噪比0~25dB的条件下,MCML算法均能始终逼近克拉美罗界;当信噪比为25dB时,MCML算法的时延估计分布范围缩小为马尔科夫链蒙特卡罗算法的34%。     

一种基于遗传算法的新时延估计方法

提出了一种新的时延估计方法,通过采用FIR滤波器模型并结合遗传算法解决了代价函数复杂计算量下的高效全局优化．算法利用最小二乘法准则,推导得到优化目标函数,并将时延,滤波器系数列入到参数估计模型中,继而将目标函数作为适应度函数,将时延,滤波器系数作为决策变量,应用遗传算法进行全局优化．通过仿真实验表明,本文不仅在滤波器长度比较短的情况下获得最优的时延估计,而且大大地减少了计算量,提高了稳健性．     

一种基于稀疏重构的NB-IoT时延估计算法

针对传统的时延估计算法无法解决窄带物联网(narrowband internet of things, NB-IoT)低速率低功耗引起的估计精度低、计算复杂度高等问题,提出一种加入代价函数模型的基于稀疏重构的时延估计算法。利用窄带定位参考信号(narrowband positioning reference signal, NPRS)与传统的正交匹配追踪算法(orthogonal matching pursuit,OMP)进行时延值预估计,然后根据预估计的时延值构建冗余字典,在此基础上利用改进的OMP算法进一步对时延值进行估计。该算法中加入代价函数的思想将多维的时延估计降维成多个一维的时延估计,同时利用稀疏重构来消除各信号之间的干扰。另外,为了消除降维带来的局部最优的问题,合理设置软门限来有效并快速地终止代价函数模型的迭代过程。仿真结果表明,与OMP算法等传统时延估计算法相比,该算法具有更好的检测性能以及更高的时延估计精度。     

基于ESPRIT法的UWB系统同步与信道联合估计

提出基于ESPRIT算法的超宽带系统同步-信道联合估计算法.首先对接收信号进行傅立叶变换,由傅立叶变换结果计算自相关函数,基于自相关函数的信号子空间构造矩阵束,把同步、多径时延估计转化成矩阵束的特征值求解问题.求解出时延后再进一步求解信道参数.     

基于时延估计的多目标被动定位算法

为了利用多目标时延估计实现多目标被动定位,介绍了单目标定位算法原理,并分析了这些算法在多目标定位算法中运用的可能性及难点.从多个目标到达各阵元的多个时延来构造矩阵,利用矩阵的不变子空间形成目标函数,得到了基于时延估计的多目标定位算法.给出了基于时延估计的多目标定位算法的仿真计算结果.仿真计算表明,此算法能有效冗余多阵元数据,解决单目标和多目标被动定位问题.     

广义二次相关时延估计算法改进

在基于TDOA的声源定位算法中时延估计的精确度是关键,时延估计极小的误差也会导致定位结果的偏离,因此为了提高声源定位的精度,必须对时延进行准确的估计.传统的广义互相关时延估计方法是通过添加相应的加权函数来提高语音信号中的有效成分,从而提高时延估计的精度.然而现实中声学环境非常复杂,在较低信噪比的情况下,传统广义互相关时延估计法的性能开始下降,导致时延估计误差变大.针对这一问题提出了一种基于二次相关的广义互相关时延估计改进算法,该方法首先通过滤波器对接收到的音频信号进行滤波,再利用二次相关抑制了噪声对信号的干扰,然后对加权函数进行改进,提高时延估计精度.最后计算机仿真实验表明,无论在低信噪比还是在高信噪比甚至是弱混响的环境下,该方法都获得了较好的时延估计性能.     

基于改进时延估计的声源定位算法

针对强噪声和强混响条件下, 室内声源定位算法收敛速度慢和定位精度低等问题, 提出一种基于改进时延估计的声源定位方法. 该方法建立在单源多元混响模型下, 首先用四元十字型麦克风阵列估计时延; 然后在广义互相关时延估计算法的基础上, 引入二次相关法以削弱噪声干扰, 同时采用LMS(最小均方)自适应滤波算法弥补广义互相关方法的不足, 提高混响环境下的时延估计精度; 最后, 通过远场近似几何方法定位声源. 实验结果表明, 与相位变换加权广义互相关函数(GCC-PHAT)算法相比, 该方法具有较好的抗噪能力与抗混响能力, 能获得更准确的定位结果.     

基于变步长最小均方误差自适应滤波器的变压器机器鱼避障时延仿真

为了解决变压器机器鱼避障过程中时延信息难以准确估计的问题,提出一种基于变步长LMS（最小均方误差）自适应滤波器的时延估计方法。不同于传统的互相关时延估计算法,变步长LMS自适应滤波器算法不需要信号和噪声的统计先验知识,具有更好的适用性。算法根据最小均方误差准则和最速下降法对滤波器的输出和权系数向量进行自适应调节,迭代过程中采用变步长代替传统的固定步长提高了收敛速度,然后对权系数向量进行Sinc函数插值获得时延估计结果。仿真分析了不同信噪比条件的时延估计性能,并且与传统互相关算法进行了比较,结果表明所提算法相对于传统互相关算法具有更好的抗噪性和更明显的时延估计峰值。     

基于双耳相干函数的鲁棒时延差估计与混响抑制算法

传统的基于相关峰的广义互相关算法在混响环境下性能急剧下降,尽管一些优先效应模型被提出以改善其性能,但是这些模型计算复杂且对阈值选取很敏感。该文首先通过协方差矩阵的特征值来分别更新语音的相干函数和噪声的相干函数,随后将语音的相干函数与理想相干函数匹配,用于时延差估计。估计出的时延差和噪声的相干函数用于相干与散射信号能量比值(coherent-to-diffuse power ratio,CDR)的估计,最后利用实时估计出来的CDR值进行混响抑制。实验结果表明:该方法的定位误差明显低于传统方法,且混响抑制后的主观语音质量评估(perceptual evaluation of speech quality,PESQ)分数高于对比算法。     

基于多路线性预测技术的时延估计

很多麦克风阵列时延估计算法在噪声和混响环境下性能都会下降。该文提出一种基于多路线性预测(multi-ple linear prediction,MLP)的时延估计算法。通过传递函数比估计来消除通道间传递函数的非对称性,提高信号相关程度;空间预测技术引入了阵列冗余信息,并以相关系数矩阵作为时延搜索的目标函数,提高时延估计的可靠性。实验结果显示了多路线性预测算法的估计准确率更高,性能更加稳健。与几种经典算法相比,在噪声和混响环境下MLP算法的估计正确率分别提高了5%和30%以上。     

基于时延估计和鲁棒H_∞控制的工业机器人跟踪控制

针对六自由度工业机器人系统,结合时延估计控制和鲁棒H∞控制的优点,提出了一种鲁棒H∞时延估计跟踪控制算法.该算法不需要机器人的复杂动力学模型,避免了机器人逆动力学的在线实时计算;采用时延估计在线获得机器人系统的未知动力学和外界干扰,并对控制过程加以补偿;通过引入L2增益控制,可实现对时延估计误差的L2干扰抑制,从而进一步提高了系统的鲁棒性.同时,利用Lyapunov函数和Riccati不等式保证了闭环系统的渐近稳定性和H∞鲁棒性能.该算法计算简单,结构固定,鲁棒性强,易于实现.文中还通过二自由度机器人的仿真实验证明了该算法是有效的.     

基于Wigner-Ville分布的移动机器人语音定位中时延估计方法

在移动机器人语音交互中,时延估计算法的精度是影响语音定位精度的关键因素。针对在强噪声情况下,基于时延估计原理进行语音定位的精度较低的问题,提出基于维格纳 威利分布(Wigner-Ville distribution, WVD)的一次与二次相关时延估计算法。在强随机噪声环境条件下,信号间的相关计算会加大侧峰的峰值,极大程度地干扰对主峰峰值的搜索,无法准确估计时延,进而影响语音定位效果。为了减小侧峰的影响,进一步对相关峰值加窗处理。但加窗虽减小了侧峰的干扰,却导致主峰宽度变大且变化趋势平坦,也会影响时延估计精度,因此,需选择希尔伯特变换对峰值锐化处理。仿真实验研究了各算法的估计情况与时延估计的均方根误差,实验结果表明,所提出算法相比其他几种算法对时延估计性能更高。此外,实际场景实验验证了该算法的抗噪声性能。     

互联网时延稀疏估计中恶意节点的贪婪性识别

为了增强基于坐标的互联网时延稀疏估计算法遭受恶意攻击的生存能力,提出了一种分布式环境下的恶意节点识别算法。攻击者总是试图以尽可能小的代价实现显著的攻击效果。在分别利用l_1和l_2损失函数计算坐标以进行时延估计时,这种贪婪特征体现为估计误差的显著差异。分别以SMACOF和增量次梯度下降法代入不同损失函数计算临时坐标,利用给定阈值,清洗在不同临时坐标下的估计误差差异过大的参考节点;并二次代入l_1损失函数计算最终坐标。仿真实验证明,该方法能够在不影响时延估计精度的前提下,实现对恶意节点的有效识别。     

时延和频移联合估计的模糊函数算法

在进行时延和频移联合估计时,计算TDOA(time difference of arrival)和FDOA(frequency difference of arrival)比较普遍采用的方法是互模糊函数(the cross ambiguity function),互模糊函数的计算模型有窄带模型和宽带模型之分,分别有不同的算法和估计性能.本文对不同的算法进行了综述,并对各种算法的适用条件和性能作了分析.     

改进LMS时延估计算法在油气水三相流流量测量中的应用

油气水三相流流量测量是油气田开发动态监测普遍存在的问题,其测量的准确与否对油气田开发具有重要意义.本文提出一种基于最大似然LMS 自适应时延估计的改进算法,该算法首先通过小波变换对采集数据进行滤波以减小LMS 自适应时延估计的误差;然后采用改进的最大似然加权函数对计算结果进行修正,以使计算结果更加准确,收敛更加迅速.在大庆油田模拟井实验平台上对改进算法进行了验证,为准确测量油气水三相流流量提供了一种可行的方法.     

重要性采样的最大似然多径信道估计算法

提出了一种基于重要性采样方法的最大似然多径信道估计方法。该方法将时延与幅度估计解耦,利用蒙特卡罗算法(MC)对未知参数的分布函数抽样,计算样本均值直接得到多径时延和幅度估计结果,避免了耗时较长的多维网格搜索和对初值较为敏感的迭代算法。仿真结果表明,对于多径路数分别为5、15的情况,均能获得较好的信道估计。相比于现有的其他一些算法,该算法不仅能够同时获得时间延迟估计,同时也能对幅度精确估值。     

基于倒谱分析的防混响时延估计算法

为了提高混响条件下时延估计算法的精度,对广义互相关时延估计算法进行分析后,介绍了倒谱分析在去混响处理中的作用,根据接收信号中各种成分在倒谱的分布情况,对基于同态滤波的时延估计方法提出改进方案。通过仿真实验对比传统时延估计算法和新算法的性能,并从误差角度分析时延估计的准确度。从仿真结果可以看出,本文提出的算法在混响比较严重的环境中做时延估计,其均方根误差比广义互相关时延估计算法(GCC)降低了20%左右,比改进前的基于同态滤波广义互相关算法(CEP-GCC-TDE)降低了8%左右,估计精度有了进一步提高,在室内声源定位中具有实用价值。     

基于互相关序列和BP网络的声源定位算法

在基于麦克风阵列的声源定位算法中,一种常用算法的基本思路是通过麦克风接收到信号的相关序列来计算信号之间的时延,进而再根据阵列的结构确定声源的位置。在分析传统的声源定位算法基础上,针对双五元十字阵模型,介绍传统的基于广义互相关相位变换加权(generalized cross correlation-phase transform, GCC-PHAT)时延估计的定位算法,并给出基于GCC-PHAT时延估计和反向传播(back propagation, BP)神经网络的定位算法、基于抛物线互相关时延估计和BP网络的定位算法,进而通过分析影响时延估计的主要因素,提出了基于互相关序列和BP网络的新定位算法,该算法将GCC-PHAT互相关序列最大值点的位置、最大值点及其左右各一点的相关值作为BP网络的输入,通过对BP网络进行训练来实现声源的三维定位。仿真实验表明：与传统的基于GCC-PHAT时延估计的定位算法相比,所提出的各个算法均具有较好的定位效果,后者均比前者的定位精度更高,而且提出的基于互相关序列和BP网络的新定位算法在低信噪比和高混响的条件下,也具有较好的定位效果。     

提高时延估计精度的方法研究

该文在分析各种时延估计方法的优缺点的基础上,研究提高时延估计计算精度的方法。文中提出采用线性调频Ｚ变换的方法来提高时延估计的精度。结合采用广义互相关原理,采用线性调频Ｚ变换对直升机声音信号进行了仿真计算,在有一定相关噪声的条件下,时延估计误差的方差可达到５μｓ以内,优于其它的时延估计方法的计算结果。反映了该方法是一种较好的方法,具有实际意义。将该方法用于智能雷弹中,可以合轩弹对直升机的声定矩误差控     

基于PHAT-β广义互相关的变压器机器鱼避障时延估计仿真

针对变压器机器鱼避障过程中发射信号和回波信号时延信息难以准确估计的问题,提出一种基于相位变换加权(PHAT-β)广义互相关(GCC)算法的时延估计方法.区别于传统的基本互相关(BCC)算法,PHAT-β GCC算法可以根据信噪比在频城内对互功率谱进行灵活调节,提高了时延估计的抗噪性和准确性.首先对发射信号和回波信号进行快速傅里叶变换和共轭相乘得到互功率谱,然后对互功率谱进行PHAT-β加权、傅里叶逆变换得到广义互相关函数,最后通过峰值检测得到时延估计值.仿真分析和验证了不同类型发射信号(正弦信号、方波信号)、不同信噪比(20、10、0 dB)、不同指数调节因子的时延估计性能,结果表明所提算法相对于传统的BCC算法具有更好的抗噪性和更尖锐的时延估计峰值.