基于快速平行因子分解的声矢量传感器阵二维DOA估计

将声矢量传感器阵列参数估计问题与平行因子(Parallel factor,PARAFAC)模型相结合,提出了一种基于快速PARAFAC分解的二维波达方向(Direction of arrival,DOA)估计算法。该算法首先将接收信号构建为PARAFAC模型,然后在数据域对参数矩阵进行初估计,最后利用PARAFAC分解获得信号二维DOA估计。该算法能够应用于任意结构的声矢量传感器阵列,同时能够得到和信源一一匹配的仰角和方位角估计。借助于参数矩阵的初始估计,所提算法收敛速度较快,其计算复杂度大大降低。该算法角度估计性能接近于PARAFAC算法,同时优于借助旋转不变性进行信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法和传播算子(Propagator method,PM)算法。     

多变量自回归模型的快速辨识方法

本文提出了多变量AR(Autoregressive)模型建模的快速算法,该算法采用解超定矩阵的最小二乘方法,并利用正交变换技术,从而避免了最小二乘估计中矩阵求逆的病态问题,保证了数值计算的稳定性。还介绍了一种可转化为单变量建模的多变量AR模型,它可以直接利用单变量建模模块。一般情况下,可将序列进行典则分解。最后简要列出了有关结论。     

基于核独立分量分析的非线性混合机械故障盲分离方法研究

提出了一种基于核独立分量分析(KICA)的非线性混合机械故障源盲分离方法,即利用核函数的优点,将信号从低维的非线性原始空间变换到高维线性特征空间,实现以线性ICA方法进行分离。仿真结果表明:与传统的ICA方法相比,本方法在处理非线性混合源盲分离上具有明显的优势,并在轴承故障信号盲分离实验中验证了它的有效性。     

基于高斯混合模型和变量重构组合法的故障诊断与分离

提出了一种将变量重构与高斯混合模型结合的故障诊断与分离的方法。首先建立过程数据的高斯混合模型,解决了监控过程的测量数据不服从单峰的高斯分布所带来的问题,然后进行故障数据变量重构,估计未知参数并采用最大期望算法来估测均值与协方差矩阵。在此基础上建立统计模型进行故障的诊断与分离。与传统的贡献图分离故障的方法比较,通过田纳西-伊斯曼化工过程进行实验验证,本文提出的高斯混合模型与变量重构相结合对多状态过程进行故障的诊断与分离收到较好效果。     

基于小波变换和ICA的卫星测控信号盲识别算法

针对信息对抗中对非合作卫星测控信号识别的问题,提出一种小波变换和独立分量分析相结合的卫星测控信号盲识别算法.首先,基于小波变换去除噪声原理,对混合信号进行去噪处理;然后,采用独立分量分析的方法对去噪后的混合信号进行分离;最后进一步对分离后的测控信号作矢量归一和再去噪处理,得到卫星测控信号的最终估计.Matlab仿真结果表明:该识别算法可以较好地分离卫星测控信号,并且很好地保留了源信号的特征,具有良好的稳定性,收敛速度较快.     

广义镜象变换及其在信号特征分析中的应用

本文首先介绍了镜象变换及其性质,并将其推广到复数空间中去,引出了广义镜象变换。广义镜象变换保留着镜象变换的主要特性。然后利用广义镜象变换提出了一种信号特征分析的新算法,即广义镜象变换-QR算法。它包括两大步骤:(1)利用广义镜象变换将Hermite阵化为实对称三对角阵。(2)利用带位移的QR方法求实对称三对角阵的特征值。文中给出了上述算法的详细流程。该算法具有收敛速度快和数值稳定的优点。我们将上述方法用于噪声中信号个数的估计问题,给出了Monte-Carlo模拟结果,验证了所述算法的有效性。在模拟实验中,假定天线阵为均匀线性阵,信号源为两个独立的等功率源,目标模型为Swerling Ⅱ,噪声为空间白色的和高斯的。干扰协方差阵由参考噪声样本估计得到。     

简化的混合估计算法及其在GPS／SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。     

双平行线阵中基于Euler变换传播算子的二维DOA估计算法

考虑双平行线阵中非圆信号二维波达方向 (Direction of arrival,DOA) 估计问题,提出了一种基于Euler变换传播算子（Propagator method,PM）的二维DOA 估计算法。该算法利用非圆信号的特性,扩展了接收数据矩阵,使得角度估计性能优于二维PM算法。同时采用Euler变换把非圆PM算法中的复数运算转换为实数运算,降低计算复杂度,角度估计性能逼近非圆PM算法。该算法可以实现二维角度的自动配对,与传统PM算法相比,可同时估计出更多的信源。该算法的优越性均可在文中得到验证。     

一种基于低秩矩阵的车流量检测算法

针对传统车流量检测方法在复杂环境中检测精度较低的问题,提出了一种新的基于低秩矩阵的车流量检测方法。首先利用伊辛模型和鲁棒性主成份分析方法(RPCA)得到非凸的能量函数,然后利用奇异值分解(SVD)并且不断迭代的方法分步解决能量函数非凸性的问题,进而优化能量函数检测出最佳车辆前景,最后利用虚拟检测线圈来统计车流量。实验结果表明:该方法与帧差法和混合高斯算法相比,检测车流量的精度得到显著提高,并且能够较好地分割大雾天气的运动车辆。     

基于非欧式距离的可能性C-均值聚类

改进型可能性C-均值聚类(Improved possib ilistic C-means,IPCM)是在综合了模糊C-均值聚类(Fuzzy C-means,FCM)和可能性C-均值聚类(Possib ilistic C-means,PCM)的基础上得到的。在IPCM的基础上,利用鲁棒统计观点和影响函数,引入一种新的距离度量以代替IPCM的目标函数中的欧式距离度量,提出了一种新的可能性C-均值聚类模型(A lternative improved possib ilistic C-means,A IPCM),并给出了该模型的具体实现算法。A IPCM具有良好的鲁棒性,更适合对含有噪声或野值的数据进行划分聚类。仿真实验表明,A IPCM能克服噪声敏感性问题,获得合适的聚类中心和高的聚类准确率。     

一种新的鲁棒非线性卡尔曼滤波

Huber方法是一种基于l1/l2联合范数的估计方法,该方法可以实现估计的鲁棒性,同时尽量不损失滤波精度和效率.基于Huber估计的无味卡尔曼滤波虽提高了无味卡尔曼滤波的鲁棒性,但这种方法用统计线性回归模型来近似非线性的观测模型,损失了无味变换的精度.从Huber方法的数学意义出发,对观测信息(观测值或观测噪声)进行重新构造,然后对精确的非线性观测方程进行标准的无味卡尔曼滤波,这种新的基于Huber方法的无味卡尔曼滤波无需对非线性观测方程进行线性近似,在保持鲁棒性的前提下提高了滤波精度.通过一个具有混合高斯分布观测噪声的简明实例,验证了新算法在鲁棒性、滤波精度以及估计一致性方面的优势.     

一种目标散射中心特征快速提取算法

首先用基于几何绕射理论的GTD(Geometrical theory of diffraction)模型来精确描述雷达目标的高频电 磁散射特性;同时,提出一种可应用于目标识别的散射中心特征提取快速算法:基于传播算子(Propagator)的 多重信号特征算法(PM-MUSIC).其核心思想是利用传播算子法快速计算出噪声子空间,取代了原MUSIC方法中利用特征值分解获取噪声子空间的矩阵分解步骤.通过计算量的比较,说明PM-MUSIC算法较原MUSIC方法有效提高了运算效率.最后.仿真实验表明,PM-MUSIC算法在快速估计的基础上,仍具有良好的精度和较高的分辨率,可有效地提取以边缘绕射等为主要散射形式的隐身目标的散射中心.     

飞机舱音记录器非话语信号盲分离性能

飞机驾驶舱话音记录器(Cockpit voice recorder,CVR)记录的舱音信号,通常是语音声、警告声、开关按钮声和背景噪声等混合而成的.目前国内对该类信号的分析和辨别主要是计算机译码后进行人耳辨听,存在不易准确分辨出各种独立的声音信号的缺点.本文提出采用基于高效快速的独立分量分析(Efficient variant of fastI-CA,EFICA)算法和可调整权值的二阶盲分离(Weight-adjusted variant second-order blind identification,WA-SOBI)的混合算法对舱音信号进行分离实验.采用不同算法的仿真结果比较表明,混合盲处理算法具有更为优越的分离性能.     

基于HHT的自适应滤波方法在信号处理中的应用

在研究HHT(Hilbert-Huang Transform)理论中经验模态分解方法(EMD)和希尔伯特变换(Hilbert-Huang Transform)方法的基础上,根据IMF信号的时频序列特性,利用聚类算法得到每个时频序列的中心频率和干扰频率,并将与干扰频率对应时刻的IMF时域信号进行分类组合,从而消除IMF信号中的频率混叠问题,实现对信号的自适应滤波。利用所设计方法对实测信号进行自适应滤波分析并与传统数字滤波器滤波数据对比,结果表明提出的方法正确有效。     

多径信道中多用户检测和DOA估计联合处理方法

提出了一种基于三线性模型的多径信道中多用户检测和波达方向(Directionofarrival,DOA)估计联合处理方法。对阵列接收到的信号分析表明,阵列接收信号具有三线性模型特征。在分析单径信道中的三线性模型的基础上,研究了多径信道中阵列接收信号三线性模型,提出了一种改进的三线性交替最小二乘(Improvedtrilinearalternatingleastsquare,ITALS)算法,它可对多用户检测和DOA估计进行联合处理。该算法利用方向矩阵的Vandermonde特征、基于最小二乘法对方向矩阵进行重构和DOA估计。仿真结果说明,该方法具有较好的误码率性能、较快的收敛性能和精确的DOA估计性能。当DOA靠近90°时,DOA估计性能下降。     

一种辐射噪声源快速重构与机理描述方法

针对现有辐射电磁兼容标准测试方法仅能得到辐射总噪声,而无法诊断辐射噪声机理,利用盲源信号分离算法进行辐射噪声源分析与定位,并结合近场波阻抗理论实现辐射噪声机理诊断。理论与实验结果表明,采用文中方法可提取辐射噪声源特性,抑制辐射噪声,并通过GB 9254 Class B标准,从而验证方法的有效性。     

GPS+BDS组合的实时定轨技术

为了改善卫星几何分布,提高低轨（Low earth orbit, LEO）卫星实时定轨的精度与可靠性,提出了北斗卫星导航系统（Beidou navigation satellite sy stem, BDS）与全球定位导航系统（Global positioning system, GPS）组合模型。组合模型基于加权最小二乘法（Weighted least square, WLS）,利用伪距观测量建立观测模型,实时估计LEO卫星位置。目前,LEO卫星尚未装备星载BDS+GPS双模接收机,为验证算法可行性,利用GPS/BDS卫星星历文件与STK软件仿真生成实验数据。实验结果表明,BDS+GPS组合模型较GPS系统模型精度至少提高26%。     

基于频偏校正的正弦波频率估计算法

提出了一种新的正弦信号频率估计方法。利用FFT对信号频率作粗估计,然后对原信号下变频至基带。对基带信号作相位差分,估计频偏。最后对粗估计进行频率校正,使估计性能得到提高。在整个频段上该方法与R ife算法性能互补,在此基础上又提出了综合方法。仿真结果表明,该频率校正算法实现简单,运算量小,且性能不随被估计信号的频率分布而产生波动,在适度信噪比条件下均方根误差小于1.5倍的CRLB,具有广阔的应用前景。     

基于FDM降噪和快速谱峭度分析的转子碰摩故障诊断

针对传统分解算法在强噪声背景下提取转子碰摩弱故障特征信息效果不佳的问题,提出了基于傅里叶分解算法(FDM)降噪和快速谱峭度分析的故障诊断方法.首先利用FDM算法实现转子碰摩故障振动信号的完备性分解,依据信号峭度值准则筛选出能够最大限度保留原始振动信号故障特征信息的分量信号,同时对备选信号分量进行重构得到降噪后的故障振动...     

基于分形理论的混沌信号与噪声分离方法

提出一种分维数和子波重构相结合的混沌信号与噪声分离方法，与以往出现的子波滤波方法和经典滤波方法相比较，该方法有如下特点；利用子波变换计算带观测噪声混沌信号的真实分数维，进而根据观测序列维数与真实维数的差值控制子波重构的参数，构造出混沌与噪声分离的自适应滤波器结构。仿真实验说明了该算法的有效性。