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。     

时延估计的LabVIEW实现

LabVIEW是美国NI公司推出的一种G语言的虚拟仪器软件开发工具。该语言提供了强大的数值计算和信号分析能力.用GCC(广义互相关)法求时延是时域信号处理的一种常用方法,然而在实际工程应用中,所要处理的往往是离散信号,常规的数学方法并不能直接应用.文章介绍了GCC法求时延及其在LabVIEW中的实现,以及相应的VI子模块。     

基于高阶谱时延估计的波速估算方法

研究了基于高阶谱的时间延迟估计原理及其算法,并将其应用到基于冲击反射法的双传感器测量应力波波速方法中,解决了传统的直接观察法中人为误差的影响和噪声对测量精度的影响问题,降低了测量误差,波速数据具有更好的一致性．     

基于以太网的网络控制系统在线时延估计研究

为了解决基于以太网的网络控制系统中数据传输时延给控制品质带来不良影响的问题,从融合控制技术与网络通信技术的角度出发,提出了一种新的控制方案,即运用在线时延估计方法来估计出网络控制回路中的时延特性．在此基础上,结合以太网优先级技术,采用LQG控制算法对网络控制系统进行最优控制设计,并通过实验仿真结果证明了上述方案的有效性．     

基于稀疏过零点信息的抗幅值失真时延估计方法

基于时延估计的TDOA方法广泛地应用于声学定位技术中,应用时引入的干扰会导致一定程度的幅值失真,从而影响时延估计的准确与稳定性.文中分析了不同干扰因素带来的影响,进而针对幅值失真问题,提出了一种新的基于信号过零点信息进行时延估计方法.该方法对需要进行时延估计的两路信号进行幅值归一化处理,得到仅含0、1两种特征值的稀疏化信号,在一定范围内将稀疏化信号错位相减得到误差系数函数,通过索引误差系数函数的最小值求得通道时延估计值.为了验证该方法的有效性,分别进行了数值模拟、耦合腔实验与室内混响定位实验,实验中采用广义互相关(GCC)时延估计方法作为对比,结果表明:对于模拟信号和耦合腔标准声源生成信号,该方法均有较好的抗干扰能力,在信噪比为-5 dB时依然可以准确进行时延估计计算;与GCC方法相比,可用于极端条件如信号削波时的时延估计;在低采样率实验中,该方法较GCC方法受采样率降低影响小,在低采样率的条件下依然保留一定时延估计能力;在室内混响条件下的近距离声源定位实验中,该方法受声源距离、混响影响小,并且较GCC方法具备更强的抗突发干扰能力.文中所提出的方法能很好地抑制信号削波、低采样率、混响干...     

基于时延估计的阵列信号辅助分析系统设计

为研究一种信号时延辅助分析系统,用于阵列信号的时延估计. 进行了8通道数据采集系统设计并进行了目标信号采集试验. 在选取了虚拟仪器作为辅助分析系统开发工具后,进行了包含信号波形回放、频谱分析、滤波分析、时延估计分析等模块在内的辅助分析软件设计. 采用该分析系统进行了信号频谱分析、时延估计,并对时延结果进行了分析,研究结果表明该软件对阵列信号的时延估计研究具有很好的辅助作用.      

基于麦克风阵列的时延估计新方法

针对传统时延估计方法易受噪声和混响影响的问题,提出了一种基于麦克风阵列的时延估计新方法.该方法充分利用多个麦克风的空域信息和每个麦克风时域信息,以提高算法对环境噪声的抑制能力.该方法在抗噪声和抗混响性能方面都优于常用的PHAT-GCC(Phase Transform-Generalized Cross Correlation) 方法.仿真实验表明,与MCCC(Multichannel Cross Correlation Coefficient)方法相比,在信噪比为20 dB,阵元个数为2～6个,混响时间在200～620 ms条件下,该方法的时延估计错误率明显降低.     

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。     

基于时延估计的麦克风阵列一致性分析

基于麦克风阵列的声源定位技术广泛应用于现场录音及会议通信等领域.常用的麦克风阵列声源定位技术中,时延估计是一种硬件成本低、计算量小且易于实现的算法.影响麦克风阵列时延估计的因素很多,麦克风阵列阵元的一致性性能是其中之一.基于相位变换的广义互相关算法,提出了一种新的麦克风阵列阵元一致性估计指标.构建3组阵元一致性指标不同的麦克风阵列,开展了对实际声源的角度估计.计算麦克风阵列对声源角度的估计时延和声源角度的理想时延之间的差值,建立了其与声源角度估计误差的方差关系,提出了基于时延估计误差的麦克风阵列阵元一致性估计指标,并验证了该指标在麦克风阵列阵元选择上的实际指导意义.     

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。     

TDCS的压缩感知稀疏信道估计方法

为充分利用变换域通信系统高速无线传输时信道表现出来的稀疏多径传输特性,提高TDCS的信道估计精度,提出一种基于压缩感知的TDCS稀疏信道估计方法。针对TDCS设计了一种导频图案,该导频图案设计的数据帧结构保证了TDCS信号授权用户的正交性,且其构造的测量矩阵具有较低的互相关特性;利用Dantzig Selector重构稀疏信道冲激响应值。基于COST207乡村信道模型的仿真表明:新方法可有效降低稀疏信道估计的均方误差,在误比特率为0.002时可获得比最小二乘估计方法高约1dB的性能增益。     

采用时域测量矩阵的压缩感知稀疏信道估计方法

针对传统最小二乘和伪随机序列相关信道估计方法在稀疏信道应用时估计精度差的问题,提出一种采用时域测量矩阵的压缩感知稀疏信道估计方法.新方法首先将循环前缀单载波分块传输系统中的稀疏信道估计建模为一个典型的压缩感知问题,然后利用具有最优循环相关特性的伪随机序列优化构造确定性压缩感知测量矩阵,避免了使用随机测量矩阵造成的存储不便及估计性能差的问题,且提高了信道估计性能.基于准静态COST 207典型城市信道模型的仿真结果表明:该估计方法能够有效地降低稀疏信道的估计均方误差,在16 dB处的误码率可达2×10-5,而相同情况下最小二乘信道估计方法的误码率只能达到3×10-3.     

信号稀疏分解降噪在DOA估计中的应用

提出了一种基于稀疏分解的阵列信号降噪方法。该算法是通过匹配跟踪(MP)的稀疏分解对阵列接收信号进行降噪,然后结合一般的MUSIC算法实现DOA估计。首先将对阵列接收数据分阵元通道独立进行基于MP分解的降噪处理,在不改变阵列流型的前提下,达到了对阵列信号降噪的效果,且在实际算法中分析了MP分解迭代终止阈值的确定。通过仿真分析证实了信号MP分解降噪的方法应用于DOA估计中的可行性。仿真结果显示,在低信噪比环境中,基于MP分解降噪后的MUSIC估计方法取得了更好的估计性能,因此证实了该算法的有效性。     

基于压缩感知的OFDM系统稀疏信道估计新方法研究

提出了一种基于压缩感知理论的正交频分复用(OFDM)系统稀疏信道估计的新方法,并具体采用正交匹配追踪(OMP)压缩感知算法对OFDM时域信道脉冲响应进行估计。与传统的最小二乘算法比较,它可以在使用较少导频的条件下获得很好的信道估计性能,从而可以提高系统频谱有效性。根据仿真和压缩感知理论分析确定了OMP信道估计中最佳导频数和最佳导频位置。     

MIMO-OFDM系统中基于RAMP及其改进的稀疏信道估计算法

研究了在MIMO-OFDM系统中的稀疏信道估计问题。将正则化稀疏度自适应匹配追踪算法（RAMP）运用到MIMO-OFDM稀疏信道估计中,并对该算法的迭代结束条件加以改进,取残差的能量之差小于设定的阈值来终止迭代过程,更加准确地估计出信道稀疏度,进而提高了稀疏信道的估计精度。仿真结果表明,在MIMO-OFDM系统中,相比RAMP算法与稀疏度自适应匹配追踪算法（SAMP）,改进算法能够获得更好的MSE性能,在不需要稀疏度的前提下达到了与正交匹配追踪算法（OMP）算法相似的MSE性能。      

SC-FDE系统中基于压缩感知的慢衰落航空稀疏信道估计

针对慢衰落时变航空多径信道码间串扰严重、接收端误码率高的实际问题,在SC FDE系统的基础上,分析了航空多径信道的稀疏性,将航空信道估计建模为稀疏信号的恢复问题,采用PN序列构造确定性测量矩阵,以基于稀疏度自适应匹配追踪算法作为恢复算法,建立PN-SAMP信道估计算法;比较了压缩感知类算法和传统的PN算法、LS算法的估计均方误差,并结合MMSE均衡比较了几种估计方法应用在SC-FDE系统中的误码性能。仿真结果表明,压缩感知类算法比传统PN算法和LS算法的估计误差要小,误码率也更低,在信噪比为20 dB的条件下,压缩感知类算法的误码率小于10E-4。在稀疏度未知的情况下,PN-SAMP算法比正交匹配追踪算法更稳健,更能满足对时变慢衰落航空稀疏信道的估计需求。     

基于压缩感知的OFDM稀疏信道估计导频优化算法

研究了在正交频分复用（OFDM）系统中基于压缩感知信道估计的导频图案设计问题.为了优化信道估计的性能,提出了优化算法,在基于压缩感知的测量矩阵互相关最小化准则的基础上,通过增大随机生成数进行分组,分别计算每组的互相关值,再进行比较求互相关的最大值从而获得导频图案.仿真结果表明,与使用基于测量矩阵互相关最小化准则的导频图案相比,该优化算法得到的信道估计的最小均方误差要低30%.      

基于压缩感知的OFDM稀疏信道估计导频图案设计

针对OFDM系统基于压缩感知的频率选择性衰落信道估计,提出了一种基于压缩感知测量矩阵互相关最小的导频设计准则.仿真结果表明,与使用其他导频图案相比,使用此准则设计出的导频图案使信道估计均方误差和系统的误比特率更小.     

基于GOMP及其改进的OFDM系统稀疏信道估计

研究在正交频分复用（OFDM）系统的稀疏信道估计问题.由于在许多通信系统中信道具有稀疏性,因此可以把信道估计问题转化为稀疏信号的恢复问题,应用压缩感知理论求解,把现有的恢复算法——广义正交匹配追踪算法（GOMP）运用到信道估计中,并对它加以改进.仿真结果表明,与广义正交匹配追踪算法（GOMP）相比,正交匹配追踪算法（OMP）运行时间少,计算复杂度低,但是估计的最小均方误差略差.为了进一步提高该算法的性能,提出了改进的广义正交匹配追踪算法,性能得到了较大的提高.      

样条函数与稳健估计在线路线形识别中的应用

利用不同线形的曲率特性采用三次样条函数与稳健估计相结合的方法进行线形类别的识别 ,即首先利用三次样条逼近实际的轨迹 ,由样条函数绘制里程曲率图 ,对里程与曲率数据进行分组稳健平差 ,进而计算不同组直线的交点 ,该点的里程即为不同线形要素交点的里程 ,从而达到线形识别的目的 .还阐明了利用曲率进行线形识别的局限性 .