基于牛顿梯度的盲最大似然序列估计算法研究

为解决LMS类算法简单但收敛速度慢,RLS类算法收敛跟踪性能好但计算太复杂的不足,提出了基于牛顿梯度的盲最大似然序列估计算法,即将牛顿梯度算法与Viterbi-MLSE算法相结合。牛顿梯度法是用当前时刻的梯度估计代替前一时刻的梯度估计,并由矩阵求逆定理导出了一种新的相关函数自适应滤波算法。分析了基于牛顿梯度的盲最大似然序列估计算法的基本机理,并通过实验仿真验证了其可靠性。与传统的基于LMS的盲最大似然序列估计算法相比,具有收敛速度快的特点。     

低信噪比下的变步长最小均方自适应算法及其在时延估计中的应用

为提高变步长最小均方(LMS)自适应算法在噪声干扰下的时变时延跟踪性能,提出改进的变步长LMS自适应算法.该算法对MVSS-LMS算法进行误差均值补偿,改步长因子固定范围约束为动态变化约束;使用HB加权突出自适应滤波器权系数峰值,采用滑动窗遗忘加权减小计算复杂度.自适应时延估计仿真实验和消声水池目标被动定位试验表明:相比于参数固定条件下的MVSS-LMS算法和SVS-LMS算法,改进算法能够获得更好的时变时延跟踪性能.     

加窗LMS—ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法，这种方法以ＬＭＳ自适估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延仗估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理，理论分析和计算机仿真表明，这种方法在估计精度、收敛速度和计算复杂度方面均优于基本ＬＭＳ自适应时间延迟估计。     

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%。     

加窗LMS－ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法。这种方法以ＬＭＳ自适应信号处理技术为基础，利用自适应估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理。理论分析和计算机仿真表明：这种方法在估计精度、收敛速度和计算复杂度诸方面均优于基本ＬＭＳ自适应时间延迟估计。     

尖峰脉冲噪声下基于分数低阶统计量和函数变换的时延估计新算法

针对α稳定分布噪声环境下的时延估计问题,对最大似然加权估计法进行改进,给出了三种高效实用的新算法。首先,以分数低阶统计量为基础,提出了一种基于分数低阶统计量的最大似然时延估计算法(FLO-ML算法);其次,通过函数变换,提出了两种不依赖于分数低阶统计量的新算法(Log-ML算法和UDE-ML算法);进一步,本文还详细讨论了三种新算法的适用范围及计算复杂度。仿真分析表明,三种新算法均能在分数低阶α稳定分布噪声环境下实现准确的时延估计,其性能优于同类算法,同时三种新算法都能在传统高斯噪声环境下保持良好的稳健性。     

归一化LMS盲最大似然序列估计算法

阐述了归一化LMS盲最大似然估计算法的基本原理,通过计算机仿真试验证明了该算法在收敛速度、稳态剩余误差等方面均优于传统的LMS盲最大似然估计算法,并提出了该算法的研究方向。     

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。     

基于布谷鸟搜索算法的最大似然DOA估计

为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题, 将布谷鸟搜索算法与最大似然算法相结合, 利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时, 改进了算法的位置迭代方式, 加快了收敛速度。仿真结果表明, 改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性, 估计性能较好。     

Sign-LMS盲最大似然估计算法的研究

简要阐述了Sign-LMS盲最大似然估计算法的基本原理。通过计算机仿真试验,在典型电话信道,对称信道以及普通信道中,对该算法与传统的LMS盲最大似然估计算法性能作了比较,并证明了该算法在收敛速度、均方误差等方面均优于传统算法。从理论上证明了该算法的复杂度,但是该算法的简单是以牺牲稳态性能为代价的,并提出了今后Sign-LMS盲最大似然估计算法的研究方向———如何减少稳态剩余误差。     

参数估计法测量两相流流速

提出用参数估计法处理传感器信号，用流动噪声渡越时间估计法测量两相流流速，这相当于在时域完成白化预滤波再进行广义互相关。当传感器的空间滤波效应使信号频带变窄时，此法可以克服或改善常用的相关估计方法中存在的随机误差较大、分辨率低及动态响应慢等不足。用此法已研制出相应的测量仪表雏型，给出了气水两相流管道的实验结果。     

Eckart加权的自适应时间延迟估计

提出了一种Ｅｃｋａｒｔ加权的自适应时间延迟估计方法，分析了其性能，给出了计算机模拟的结果，理论分析和计算机模拟表明；这种时和瞎估计方法不依赖于输入信号和噪声的先验知识，具有较高的估计精度。     

大型活动散场期间地铁车站短时进站客流预测

大型活动散场期间的地铁车站客流属于可预知的非常规客流,采用常规客流的统计预测方法难以准确预测其客流需求.基于深度学习,将历史客流规律、大型活动数据与实时自动售检票系统数据相结合,提出了一种适用于大型活动散场期间地铁车站的短时客流预测模型.首先对历史客流数据进行了拆分及降噪处理,并分析了活动客流特征.之后,基于深度学习框架构建多层结构的卷积神经网络,拟合活动客流特征与客流时空分布的映射关系,并选取Adam(adaptive moment estimation)算法优化训练过程,以适用于活动散场时客流集中进站的情况.最后,以北京地铁奥林匹克公园站为例,利用实测数据验证了模型的准确性.预测结果表明:建立的Adam-CNN(convolution neural network)模型相对于常用时间序列方法自回归滑动平均和传统神经网络SGD-CNN模型具有更高的精度,能够为大型活动的组织提供更为有力的支持.     

基于神经网络的多传感加权融合算法的研究

数据融合技术是无线传感器网络的一个关键的技术,能减少传感器的传输量,从而明显提高网络的感知性能,延长网络生命周期,减少时间延迟.多传感器的数据融合可以获得比单一传感器更多,更准确的信息.针对从含有噪声的测量数据中估计出监测变量,对自适应加权融合算法进行改进,基于信任度方法对测量数据进行数据预处理,然后基于神经网络误差修正的方法实现各传感器权重的自适应匹配,从而得到较为准确的估计值.通过对比仿真实验,本文算法的融合结果在精度、容错性方面均优于均值估计算法和自适应加权融合算法;能够更好地适应当今大数据环境下对数据精确度的要求.     

气固两相流速度及质量流量的静电测量法研究

介绍了一种气固两相流速度及质量流量的静电测量方法,实现了静电法在气固两相流速度及质量流量测量中的应用．通过特殊设计的静电传感器系统,利用气固两相流中固相微粒的荷电信号直接测量两相流的速度和质量流量．速度测量采用互相关分析的方法得到静电信号相移时间,计算出固相速度;通过实验确定静电传感器上静电信号电压有效值与已知两相流质量流量的关系,建立了系统电压一质量流量曲线．实验结果表明,静电测量方法可准确跟踪并测量气固两相流的固相速度,实现两相流的在线无损检测．     

基于稀疏脉冲采样的低复杂度血流速度估计算法

双模超声广泛用于医学临床诊断,其中B模式脉冲用于成像,多普勒脉冲则用于血流速度估计。数据采集时间在两种模式之间共享。为了提高B模式图像的更新频率,需要减少多普勒脉冲数量,即发射稀疏多普勒脉冲进行血流速度估计。然而现有的适应稀疏脉冲采样算法,如迭代自适应算法、稀疏贝叶斯法以及基于阵列虚拟拓展的子空间类方法,计算开销巨大,难以满足实时成像的要求,且在稀疏度大的情况下会产生明显的伪影。为此,文中提出了一种基于稀疏脉冲采样的低复杂度血流速度估计算法。根据超声多普勒回波信号是由血红细胞的散射产生,具有强相干、信源个数时变的特点,文中首先从子空间角度解析了伪影的成因,并验证了包含均匀脉冲的稀疏发射脉冲排布方式可以有效地抑制伪影;然后以均匀脉冲回波构建协方差矩阵,并进行空间平滑获取特征值,以较大特征值的个数和相互的比值作为标准,判断血流不同时刻的频率分布特征;最后以此频率分布特征为标准,自适应采用B-MUSIC算法或TBVAM算法进行血流速度估计,以降低算法的复杂度。Matlab仿真和人体实测数据的实验结果表明,该算法在极大地减小计算复杂度的同时,可以获得较为连续、清晰且伪影抑制效果较佳的血流速度估...     

变时间延迟的分块递归最小二乘估计

时间延迟估计方法时常出现于目标方程和距离的检测问题中.通常时延估计问题的数学模型可描述为 x_1(t)=s(t)+n_1(t) (1) x_2(t)=αs(t-τ_1)+n_2(t) (2)此处n_2(t)和n_2(t)分别为两接收信号中的干扰噪声。一般假定s(t),n_1(t)和n_2(t)是联合平稳的,且互不相关。时间延迟估计的目标就是通过对观测信号x_1(t)和x_2(t)的分析处理估算(2)式中出现的因子τ_1。     

几种基本时间延迟估计方法及其相互关系

简要介绍了广义相关法等几种基本的时间延迟估计方法，着重分析了论证这几种方法之间的相互关系。结果表明：广义相关法与广义相位谱法是等效的，广义相关法是广义双谱法的特例，基于ＬＭＳ自适应横向滤波器的自适应法是迭代实现的广义相关法，参量模型法可以由自适应滤波器来实现。     

相关时延估计方法DSP实现研究

基于相关分析的时延估计方法是一种重要的时间延迟估计算法.文章分析了基于相关分析的时延估计方法的信号模型,研究了利用DSP实现相关时间延迟估计的关键技术,以及实现中需要注意的问题和提高程序执行效率的方法.仿真结果表明,文中提出的方法能够检测序列的时延值.