基于三阶累积量的水声信号时延估计研究

针对海洋探测接收信号信噪比低导致水声信号时延估计困难的问题,提出了将三阶累积量的一维切片作为高阶统计量进行时延估计的新方法。该方法通过希尔伯特变换,对相关峰进行锐化处理,提高了时延估计精度。与直接相关法相比,此方法不仅可以在较低信噪比下获得良好的时延估计效果,而且可以抑制相关背景噪声和非高斯噪声干扰的影响,计算机仿真和水池实验验证了此方法在较低信噪比和背景噪声为相关噪声及非高斯色噪声情况下的有效性。此方法为海洋探测中微弱回波信号的时延估计提供了一种新的技术途径。     

应用形态学滤波的宽带侦察接收机信号检测新方法

针对大瞬时带宽侦察接收机在截获信号时因噪声的非理想特性引起的弱信号漏检问题,提出一种把频谱作为一维灰度图像进行形态学处理的信号检测方法. 对Welch谱进行形态学运算,估计噪声基底并对频谱进行修正,对修正的频谱进行恒虚警处理估计检测门限,根据修正频谱与门限值的比较来判决信号的存在性. 仿真结果表明,该方法能较好地估计噪声基底,在给出的非平坦噪声环境下实现对弱信号的正确检测. 由于计算量小,这一方法适合于硬件实现.     

一种信道估计平均长度动态调整的新方法

提出了利用相干Rake接收机原理,估计出有效到达径的信道估计参数及其包络信号;统计有效到达径包络信号的电平通过率,并由此估计出信道的多普勒频偏.利用多普勒频偏与最优信道估计平均长度的关系,动态地调整信道估计平均长度,使整个相干接收机的性能在不同的移动速度下均能获得较好的估计性能.     

利用延时相关预处理的信源数估计

为了解决信息论准则估计信源数在有色噪声背景下失效以及盖氏圆方法在低信噪比下性能下降的问题,提出了利用延时相关预处理的信源数估计方法. 首先构造接收数据之间的延时相关矩阵,抑制噪声影响. 再将特征向量按划分规则分组,得到两类不同的特征空间,其中一类只含噪声特征矢量,另一类同时含有噪声和信号的特征矢量. 最后将延时相关矩阵投影到特征空间,通过对投影数据进行处理实现信源数估计. 仿真实验和实测结果表明了该算法的正确性和有效性.     

基于蝙蝠算法与信号稀疏分解的DOA估计研究

稀疏分解的DOA估计法具有很高的估计精度,但稀疏分解计算量巨大,需要较长的计算时间。针对这一问题,将蝙蝠算法与信号的稀疏分解算法相结合,应用于信号的DOA估计。利用蝙蝠搜索算法搜索路径优、寻优能力强的优点,可快速寻找到正交匹配追踪过程中每一步分解的最佳原子,从而实现信号快速稀疏分解。仿真结果表明,引入蝙蝠算法后,在有效的估计条件下,加快了计算速度,减少了计算量。     

基于空间增强和谱减法的语音识别系统

为了解决连续语音识别在自然环境中噪声估计高误差、去除噪声和语言失真不能良好平衡、导致关键词识别率低下的问题,提出了一种全新的自动语音识别系统(ASR).本系统将双通道含噪语音信号通过空间增强模块进行噪声提取,通过均衡考虑语音信号和参考噪声输入谱减法模块进行去噪与语音失真的噪声去除和信号放大,最后进入基于隐马尔科夫模型(HMM)的自适应语音信号识别模块进行识别处理.实验显示,本系统可有效减少运算负载、提高关键词识别率.     

基于灰色(1,1)模型的近场源高阶特征估计

近场源的高阶特征参数估计是阵列信号处理的重要内容.通过对近场源高阶特征参量估计可以实现对波达方向(DOA)的频率估计、时延估计、运动目标的多普勒估计.传统的近场源特征估计算法采用单频特征估计方法,无法实现对信号各个参量的联合估计.该文提出一种基于灰色(1,1)模型的近场源高阶特征估计算法.构建近场源的参量估计数学模型,通过空间谱估计方法,实现对空间信息的获取,利用信号子空间和噪声子空间的正交性,通过改变灰色(1,1)数学模型来减少对高阶特征参量不平衡敏感性,实现高阶参量联合特征估计.仿真结果表明,采用该算法进行近场源的高阶特征参量估计,能较精确的估计出两个信源的方位角、距离和频率三维参数,在雷达、声纳、通信等信号与信息处理中展示了较好的应用价值.     

基于星座图和相似性度量的调制方式识别

讨论了存在相位误差情况下的调制识别问题,改进了以星座图形状为特征的识别算法.首先利用基于样本与核的相似性度量,对接收信号观测点动态聚类,得到重构星座图.然后,将重构星座图和预期星座图进行匹配,利用所提出的最大似然准则,完成星座图分类.该准则等效于最小距离分类准则,匹配方法简单,避免了以往基于星座图形状识别算法中,为得到重构星座图顶点统计特性所需的训练阶段.考虑到噪声对相位估计的影响,仿真表明,在已知和未知信号调制状态数情况下,SNR分别为10 dB和15 dB时,对所涉及的调制集可获得90%以上的识别率.     

特殊阵列的二维到达角方向估计

在特殊均匀线阵的基础上,提出一种二维DOA估计新方法,利用参考阵列的旋转不变性构造整个虚拟阵列的旋转不变性,采用横向和纵向双重扩展提高了阵列的扩展性能,并实现四阶累积量矩阵的无冗余数据处理. 新方法只需计算两个四阶累积量矩阵就可获得信号子空间的估计,进而利用二维ESPRIT方法求得最终的解. 理论分析和仿真实验表明,该算法计算量低,阵列扩展能力强,估计精度高,具有一定的实用性.     

GPS/INS组合导航中的自适应滤波算法

研究了GPS/INS导航系统中的不确定噪声问题,给出了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当测量噪声的协方差已知时可以自适应估计出系统噪声的协方差.它是在滤波过程中通过判定系统噪声的协方差是否发生了变化,若它发生了变化再估计出新的协方差,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此有效地提高了滤波结果的精度并消除了滤波发散现象.数字仿真表明效果良好.     

共形阵列LFM信号DOA和极化参数的联合估计

利用分数阶傅里叶变换(fractional Fourier transform, FRFT)对线性调频(linear frequency modulation,LFM)信号的能量匹配聚焦特性来简化共形阵列的数据模型,根据子空间拟合原理提出一种信源DOA和极化参数的去耦联合估计方法. 直接进行DOA估计涉及求解难度较大的多维多峰参数搜索过程,于是通过重构噪声子空间
和流形矩阵建立了单峰的目标函数,然后用PSO算法估计信源方位角和俯仰角,在此基础上利用ESPRIT实现极化参数估计. 仿真实验表明,去耦参数估计方法能在保证算法性能的前提下简化问题复杂度,有效降低运算量.     

多模噪声及其消噪研究

基于多尺度小波包变换良好的时频局部分析能力,对一类非高斯噪声—多模噪声的统计特性进行研究.仿真表明,对多模噪声做小波包变换,实现了将多模噪声转化为简单的高斯噪声来处理,小波包变换的检测性能比传统的高阶统计量的检测性能优越.     

空间色噪声CDMA系统的一种基于累积量DOA估计算法

传统的DOA估计一般是假设噪声为白高斯的二阶谱估计算法．针对更接近于实际情况的空间色噪声，提出了一种基于累积量MUSIC算法的同步CDMA系统解相干DOA估计算法．该算法不仅能消除多径干扰并且与二阶MUSIC算法相比能更有效抑制空间色噪声，提高估计的准确性．     

通信测距复合系统中TDOA估计方法的研究

提出一种全新结构的通信测距复合系统模型,其中应用组合式的TDOA估计方法进行测距定位.该系统可以解决测距精度、测距量程、通信速率、测距实时性之间存在的矛盾.使得在进行通信的同时,完成高精度、大量程的测距和定位任务.     

基于瞬态极化统计量的微弱信号检测

针对窄带极化雷达系统,研究了微弱信号的检测问题.首先给出了目标散射信号和随机极化波的瞬态Stokes子矢量的表征方法及其统计特征,然后利用信号和噪声的不同特征,基于极化积累的方法给出了极化聚类中心的统计分布函数,进而构造了GLRT检测似然比,据此提出了一种新颖的微弱信号检测算法,同时计算出CFRA表达式和恒虚警下的检测概率的解析表达式,最后通过仿真验证了该检测算法的性能.结果说明：低信噪比下的新算法可以有效地改善雷达系统的检测性能,对于反隐身、预警和空间探测等领域有着指导意义.     

多传感器信息融合白噪声去卷Wiener滤波器和平滑器

应用现代时间序列分析方法和白噪声估计理论,在线性最小方差最优信息融合准则下,提出了多传感器最优信息融合白噪声去卷W iener滤波器和平滑器,其中给出了局部滤波误差之间的协方差公式,它可被用于计算最优融合加权系数.同单传感器情形相比,可提高融合估值器精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声去卷滤波器的仿真例子说明了其有效性.     

基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器

应用Kalman滤波方法和白噪声估计理论,在线性最小方差按矩阵加权最优信息融合准则下,提出了多传感器信息融合稳态最优白噪声反卷积滤波器,其中给出了局部滤波误差之间的协方差公式,它被用于计算最优融合加权阵.同单传感器情形相比,可提高滤波精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声反卷积滤波器的仿真例子说明了其有效性.     

应用H1自适应滤波的浅海水声信道估计

浅海水声信道是目前最困难的无线通信信道之一,可建模成稀疏衰落信道,其噪声以S S分布来描述.提出了基于H1自适应滤波的稀疏双选衰落信道估计算法,针对S S分布噪声中个别脉冲对信道估计影响较大的情况,分别对信号的实虚部进行限幅以消除影响算法稳定度和性能较大的脉冲噪声. 仿真结果表明：在S S分布噪声下,所提出的针对脉冲噪声的5预处理提升了系统性能;无论是多径信道还是双选衰落稀疏信道,基于H1自适应滤波的信道估计算法的性能优于sIPNLMS算法.