基于自适应谱估计的跳频捕获技术

提出了一种基于谱估计的跳频(FH, Frequency Hopping)信号的捕获方法,建立了自回归自适应谱估计模型和算法,通过计算信号频谱估计了跳频信号的瞬时频率.当频率估计存在偏差时,为了避免错误判决,实现稳健捕获,给出了一种新的捕获逻辑.在高斯白噪声( AWGN, Additive-White Gaussian Noise)环境和瑞利(Rayleigh)衰落环境下,对不同天线阵元数目情况下的捕获性能包括平均捕获时间和误码率进行了数值仿真.仿真结果表明:谱估计算法能快速准确地估计出信号频率,实现跳频信号的快速捕获.      

一种新的频域自适应算法

分析了现有自适应滤波算法,并且提出了在有色噪声背景下能够快速收敛的频域自适应新算法.使用牛顿法搜索性能表面和近似于递归最小二乘(RLS)算法的结构,利用现有的拟牛顿QN(Quasi-Newton)时域自适应算法原理,通过快速傅里叶变换(FFT)将其应用于频域.结合快速块最小均方自适应滤波算法FBLMS(Fast Block Least Mean Square)中的并行处理方法对算法的运算过程进行了改进.由于调整了数据格式和增益矩阵的系数加快了迭代过程的收敛,并且提高了信号处理的效率.附加的计算机仿真结果分别给出了在白噪声和有色噪声输入相同汉明窗条件下,新算法、LMS算法和拟牛顿算法QN的自适应系统辨识的效果比较图,表明新算法能有效用于色噪声下的自适应滤波.     

基于ARMA时序模型的结构参数识别集员算法

研究在时域内利用含噪声观测数据识别结构参数问题.建立了与结构振动微分方程等价的自回归滑动平均(ARMA, Autoregressive Moving-Average)时序模型,将结构参数识别问题转换为ARMA模型参数辨识问题.在不确定但有界(UBB, Unknown-But-Bounded)噪声假设下,基于线性时不变系统参数集员辨识的区间算法,寻求与观测数据和噪声相容的参数的最小超长方体(或区间向量),进而得到结构参数的估计值.通过数值算例,将本文算法与最小二乘算法进行了比较,显示了其可行性和有效性.      

一种改进的数字信号调制方式自动识别算法

数字调制方式的识别对于通信信号分析有着重要的作用。针对数字信号(2ASK,4ASK,2PSK,4PSK,2FSK和4FSK信号)的调制方式,提出了一种改进的数字信号调制识别算法(DMRA),并且对该算法提出了最佳门限的设置方法,使其适用于信噪比在5 dB-30 dB范围内变化的信号。该算法能够快速、自动地识别出已调数字信号的调制方式。计算机仿真表明:当噪声采用高斯白噪声,该算法在信噪比不低于7 dB时,对实际信号的识别正确率不低于92%。     

太阳10.7cm射电流量中期预报模型研究(Ⅰ)

采用时间序列模型中的自回归方法开展了F_(10.7)中期预报研究.预报试验和误差分析结果表明,在太阳活动水平较低、F_(10.7)的27天周期性明显时自回归预报方法的预报精度高,具有较为理想的预报效果,但在日面有大活动区产生和消亡时预报效果不理想.这说明时间序列模型中的自回归方法能够较好地反映太阳F_(10.7)的27天周期性特征,对F_(10.7)中期预报模型的建立有一定适用性.通过对2005年9月21日至2007年6月7日期间预报结果的比较可以看出,自回归分析方法预报的精度与美国空军预报的相当。     

DS/FH混合扩频系统快速捕获新算法

针对DS/FH (Direct Sequence/Frequency Hopping)混合扩频系统捕获时间长的难题,提出了一种基于可变跳频速率的捕获算法.对搜索过程中频率未对准状态进行快速出局处理,降低平均捕获时间;对准状态则通过较长时间来验证以降低虚警概率.通过状态流图,导出了新算法在高斯白噪声信道和典型干扰环境下的平均捕获时间计算公式、检测概率、漏警概率和虚警概率.仿真结果表明,在高斯白噪声环境下,选取合适的门限,平均捕获时间可减少为传统快速扫描法的1/4;在干扰环境下,新算法鲁棒性优于后者.      

光纤陀螺中分形噪声的参数估计和去除

光纤陀螺零漂信号中主要存在分形噪声和高斯白噪声,采用传统的时间序列分析法很难去除这类混合噪声.基于小波分析,提出一种分步估计加性白噪声强度和分形随机过程参数的新方法.先通过拟合自相关函数,估计出白噪声的强度;再在小波变换域估计分形噪声参数,并选取适当软阈值对测量值滤波.实验结果表明该估计和降噪方法有效地去除了光纤陀螺中的混合噪声,且不需要噪声的先验知识,具有很好的适应性.      

基于自相关及相位差法的高精度频率估计算法

为提高高斯白噪声背景中正弦信号的频率估计精度,对基于自相关运算的频率估计算法的相关长度m进行了推导,得到了m的优化值与信噪比的关系式.当信噪比较高时,m的最优值为N/3(N为信号采样点数);信噪比较低时,m的最优值为N/2.通过对自相关法及分段FFT(Fast Fourier Transforms)相位差法特性的分析,提出了一种性能更优的频率估计综合算法. Monte Carlo仿真实验表明:新算法吸收了两种算法的优点,克服了其不足,在更大的信噪比范围内具有较高的频率估计精度,且计算量也较小.      

非线性系统的结构选择及其参数的集员辨识

基于支持向量回归和RBF(Radial Basis Function)神经网络,研究了带有未知但有界噪声的非线性系统的集员辨识问题.推导了噪声界以及支持向量个数与ε-不敏感参数之间的关系,给出了利用噪声界选择ε-不敏感参数的方法.描述了通过支持向量回归选择RBF神经网络规模的方法.该方法以Gaussian核函数作为径向基函数,支持向量作为径向基函数的中心构建RBF神经网络.运用改进的OBE(Optimal Bounding Ellipsoid)算法对RBF神经网络的权值进行辨识,得到与给定输入输出数据和噪声界序列一致的一类RBF神经网络.仿真算例验证了算法的有效性.     

基于模糊和最小二乘的SAR图像线特征提取

针对合成孔径雷达(SAR, Synthetic Aperture Radar)图像的特点,提出一种线特征提取算法.该算法首先抑制相干斑噪声,然后对SAR图像进行模糊变换和增强,再基于假设的SAR图像灰度模型,用最小二乘法设计出低通和高通滤波器,最后检测出线特征散点,并进行连接,得到SAR图像的线特征图.实验证明本算法抗噪声干扰,边缘定位精度达到1个像素.     

一种基于小波变换的多分形布朗运动合成算法

为了更有效地描述点状奇异性指数沿样本路径变化的信号,利用多分形的概念,在基于离散小波变换技术的基础上,提出了一种合成多分形布朗运动的新算法.该算法通过控制高斯白噪声的小波系数权来获得期望的信号局部正则性,而合成过程的收敛性由收敛因子保证.通过与基于Durbin-Levinson 和轮换矩阵嵌入技术算法的比较以及数字仿真试验,表明提出的算法不仅计算复杂度低,而且适用于生成非高斯的、自协方差函数事先未知的多分形过程.      

非线性量测下自适应噪声协方差PHD滤波

概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自适应噪声协方差多目标跟踪算法。该算法以PHD滤波为基础,采用容积卡尔曼(CK)技术近似非线性量测模型,利用逆威沙特(IW)分布描述量测噪声协方差分布,通过变分贝叶斯(VB)近似技术迭代估计量测噪声协方差和多目标状态联合后验密度。仿真结果表明,本文所提算法可有效估计量测噪声协方差,同时实现准确的目标数和目标状态估计。     

时变参数辨识梯度算法稳定性分析

研究用于时变参数辨识的梯度算法稳定性问题.基于随机过程有界性判据对时变参数辨识梯度算法进行了稳定性分析,给出了梯度算法稳定的充分条件.指出在待辨识参数变化率有界,观测噪声是零均值白噪声,且系统满足持续激励条件的情况下,梯度算法参数选择满足一定条件时,能够确保参数辨识误差的有界性.上述研究与以往工作的不同之处在于稳定性证明过程中仅要求待辨识参数的变化率是有界的,而不要求参数变化率是零均值白噪声.     

原子钟调相白噪声降噪方法

原子钟的五种噪声反映了它在一定时间间隔内的性能。当取样间隔小于1h,原子钟主要表现为调相白噪声。在地方协调时UTC(NTSC)的实时监控中,不仅要求参考原子时(RTA,用于地方协调时控制的参考)具有很高的长期稳定度,而且要求其短期稳定度亦很高。影响RTA短期稳定度的主要是个台原子钟的调相白噪声。首先讨论了确定原子钟短期噪声的方法,进而利用小波分析方法研究了原子钟调相白噪声分离与降噪的方法。     

基于地心坐标系的多传感器动态偏差估计算法

配准是多传感器系统进行数据融合必不可少的处理过程.使用一种新的基于地心地固(ECEF, Earth-Centered Earth-Fixed)坐标系的多传感器配准算法,能对传感器的动态偏差进行估计,同时充分考虑了地球曲率对配准算法本身的影响.首先利用多传感器的局部航迹数据来构造关于传感器偏差的伪测量模型,其噪声满足零均值高斯白噪声特性,协方差信息也易于计算,然后使用序贯卡尔曼滤波算法(SKF, Sequential Kalman Filter)对偏差进行动态估计.当传感器偏差恒定时,算法经过简单修改后依然适用.最后通过仿真试验对新算法的性能进行了评估,结果说明新算法能有效地进行传感器配准.      

一种MEMS陀螺随机漂移的高精度建模方法

为补偿MEMS陀螺随机漂移,采用时间序列分析法对其进行自回归滑动平均（ARMA）模型辨识,提出一种滑动平均（MA）参数估计的新方法。先将陀螺随机漂移建模为带观测噪声的ARMA模型,在估计出自回归（AR）部分的参数后,针对AR滤波后的残差,推导出一种方差小的MA自协方差估计值,并将该估计值作为输入,利用Gevers-Wouters（GW）算法估计出MA部分的参数。仿真结果表明,MA参数估计精度得到提升的同时,参数估计可靠性也得到了增强。MEMS陀螺的随机漂移补偿实验进一步验证本文所提算法的补偿精度高于改进前。      

自适应阵列天线的基本原理和算法(二)

<正> 五、带线性约束条件的自适应阵的处理方法(1)带线性约束条件的自适应阵的最佳权值带线性约束条件的自适应处理方法是LMS算法的一种推广,图(5.1)是它的方块图。它以实时方式自动调整一组权值,在满足规定的约束条件的前提下,得到所需的天线方向图并使输出噪声功率最小。     

LALR(1)分析器快速生成

根据LR(0)自动机的构造理论及Deremer和Pennello的LALR(1)向前看符号集计算公式,提出求解公式中的lookback关系和includes关系的高效算法. 研究过程表明,LR(0)项目集闭包计算和项目集的查找是LR(0)分析器构造过程中的主要性能瓶颈.对这两个计算过程给出了高效的数据结构和算法设计,实现了LALR(1)分析器的快速生成.系统实现及实验数据表明,LALR(1)分析器的生成速度超过了自由软件基金会的LALR(1)分析器生成器Bison.      

MEMS陀螺随机漂移在线补偿技术

为了提高微机电系统(MEMS,Micro Electro Mechanical System)陀螺测量的精度,提出了一种陀螺随机漂移的在线补偿方法.在静态时在线建立随机漂移的自回归滑动平均(ARMA,Auto Regressive Moving Average)模型,并针对随机漂移模型随时间慢变的特性,引入虚拟噪声补偿技术加以补偿.针对载体运动状况的未知性,建立机动角速率模型.在此基础上采用自适应卡尔曼滤波技术对随机漂移和角速率进行实时估计.通过试验表明:随机漂移模型、角速率模型以及滤波算法能够满足姿态测量系统的动态应用需要,且姿态测量精度较补偿前有了显著的提高.     

基于改进HHT的非高斯噪声中瞬态通信信号检测

根据瞬态通信信号和非高斯噪声的特点,建立了相应的信号模型,并利用希尔伯特-黄变换（HHT）处理非线性非平稳信号的优势,提出了基于改进HHT的非高斯噪声中瞬态通信信号的检测算法。该检测算法分为集合经验模式分解（EEMD）和固有模态函数（IMF）分量筛选两部分,首先经过加入随机白噪声多次试验取均值得到待检测信号的IMF分量,再结合各个分量与原信号的能量差异和相关性剔除虚假IMF分量,从而实现对混叠在非高斯噪声中的瞬态通信信号的有效检测。仿真在不同的条件下对比了本文算法与其他算法对信号的检测效果,结果证明本文算法能够有效克服HHT中存在的缺陷,实现对瞬态信号更为准确的分析和检测。