基于双谱的eLORAN接收机干扰抑制方法研究

针对eLORAN导航定时接收机传统自适应滤波干扰抑制算法性能易受高斯噪声影响的问题,提出了一种基于双谱检测的干扰抑制方法。该方法采用双谱估计,在高斯噪声中检测出干扰信号,再用检测信号调节自适应滤波器的系数,完成系数更新,最终达到去除干扰的目的。理论分析与实验结果表明：双谱检测方法能够有效的抑制高斯白噪声,提取信号。基于双谱检测的干扰抑制方法,可有效去除和减轻干扰,特别是在强高斯噪声干扰的情况下,抑制干扰效果明显,解决了eLORAN接收机在强噪声下的干扰抑制问题,具有一定的推广和应用价值。     

基于双谱的eLORAN接收机干扰抑制方法研究

针对eLORAN导航定时接收机传统自适应滤波干扰抑制算法性能易受高斯噪声影响的问题,提出了一种基于双谱检测的干扰抑制方法。该方法采用双谱估计,在高斯噪声中检测出干扰信号,再用检测信号调节自适应滤波器的系数,完成系数更新,最终达到去除干扰的目的。理论分析与实验结果表明：双谱检测方法能够有效的抑制高斯白噪声,提取信号。基于双谱检测的干扰抑制方法,可有效去除和减轻干扰,特别是在强高斯噪声干扰的情况下,抑制干扰效果明显,解决了eLORAN接收机在强噪声下的干扰抑制问题,具有一定的推广和应用价值。     

原子钟噪声的高阶谱分析

处理随机信号通常使用现代谱估计方法,但是这种方法一般只能处理平稳的高斯信号,使用高阶谱分析可以克服这些缺陷。利用现代谱估计法和高阶谱法分别估计原子钟数据的功率谱,并对功率谱进行拟合,可分析原子钟的噪声特性。理论分析及实验结果表明,高阶谱分析能有效处理实际信号中的非平稳非高斯问题。     

未知参数高阶线性系统基于特征模型的卡尔曼滤波

针对一类有量测噪声的未知参数高阶线性系统设计了基于特征模型的卡尔曼滤波器,改进了由于传统卡尔曼滤波器在未知系统状态转移阵时应用的难题.在对高阶线性系统的自适应控制中,利用建立系统的特征模型构造状态转移阵,结合卡尔曼滤波的思想对系统输出进行滤波,使系统输出以及控制量的性能得到极大的改善.通过对一个未知参数的高阶线性系统仿真实验验证了此方法的有效性.     

表面粗糙度特征的双谱分析

提出了基于双谱分析的表面粗糙度特征分析方法。通过理论计算 ,对几种典型的机械加工表面轮廓试件的实验研究 ,认为双谱具有抑制高斯噪声和保留相位信息的能力 ,可以反映表面轮廓的偏斜度 ,特别是偏离高斯型的表面轮廓。对于符合高斯分布的轮廓其双谱近似于零 ,不符合高斯分布的轮廓其双谱不为零。     

基于谱峭度与双谱的轴承故障诊断方法

针对强背景噪声情况下的轴承故障诊断问题,提出了一种基于谱峭度与双谱的轴承故障诊断方法。该方法采用谱峭度检测振动信号瞬态频带,利用最优带通滤波器抑制振动信号中的噪声得到滤波后信号。由带通滤波器的带宽确定低频矩形区域,计算落于该区域内的信号包络的局部双谱图,依据局部双谱图诊断轴承故障。仿真分析表明,强背景噪声和滚动体滑动会造成传统轴承故障诊断方法（如峭度、功率谱、包络谱）失效,而该方法能够有效地抑制噪声,更准确地诊断轴承故障,并通过6205-2RS JEM SKF轴承诊断实例,说明了该方法的有效性。     

基于区域灰度统计信号处理的图像融合方法

针对多源图像融合问题,提出了一种在多分辨率框架下基于区域内灰度特征统计信号的融合算法.利用图像灰度特征的区域生长法对源图像进行区域分割,并以裂缝边缘作为特征区域的闭合边界,对源图像与分割结果的区域映射图作多分辨率变换.在图像低频部分,以联合区域映射图为指导,在区域内建立信号与噪声的高斯混合分布模型,利用期望极大化(EM,Expectation Maximization)算法迭代估计噪声模型分布参数,获得低频融合结果;在图像高频部分,根据系数在区域映射图上的位置差异分别采用窗口系数加权平均法和系数绝对值选大法进行融合,将低频和高频融合结果反变换得到最终融合图像.融合结果表明:该方法是可行和高效的,且比其他图像融合方法具有更好的性能.     

基于交互式多模型鲁棒滤波的目标机动估计算法

针对雷达导引头的测量信息带有闪烁噪声的问题,研究了交互式多模型和鲁棒滤波在雷达导引头目标机动估计中的应用.采用Huber Based滤波理论改进高阶容积卡尔曼滤波,提出高阶容积鲁棒滤波算法,选取Singer模型、“当前”统计模型、常加速度模型作为目标机动模型,建立雷达导引头测量模型,结合交互式多模型算法框架,设计目标机动估计滤波器.蒙特卡洛数字仿真结果表明,所提算法的鲁棒性较强,与传统高斯滤波相比,所提算法对闪烁噪声具有更高的滤波精度.     

射频接收机系统级建模中的噪声谱分析

提出了一种在有限的系统参数下进行射频接收机系统建模时,各子电路噪声参数的分析和计算方法.从噪声功率谱的等效计算出发,给出了加性高斯白噪声通过有噪线性电路的分析方法.以一通信电台为例进行了分析计算,在给定有限的系统参数(信噪比,灵敏度,增益等)下分析出合理的各子电路的噪声参数,并进行建模仿真验证,理论结果与仿真结果较好吻合,表明了分析方法的有效性.该噪声功率谱的等效分析计算方法对射频系统建模有很好的指导作用.      

基于自相关函数的自然纹理图像分形维数的估计

提出了一种估计分形维数的新方法,并利用该方法估计自然纹理图像的分形维数.分形维数是描述图像粗糙程度的主要参数.将分数布朗运动推广到离散情况,研究离散高斯噪声的自相关函数的性质.根据自相关函数的性质,获得估计分形维数的自相关函数方法.合成分形图像和自然纹理图像被用来检验该方法的准确性,并与计盒方法进行了比较,结果显示自相关法是准确的和有效的.      

基于结构加权低秩近似的泊松图像去模糊

针对由高斯模糊和泊松噪声引起的图像降质问题，提出了一种基于结构加权低秩近似的图像去模糊方法。首先，通过依次组合缩放、旋转、剪切和翻折等四种基本操作引入结构变换，以增加搜索空间内候选图像块的相似性。然后，构造新的目标函数，利用相似图像块的低秩性，在正则项中使用加权核范数（WNN）对结构变换后的图像块进行惩罚，以在去模糊的同时抑制泊松噪声。最后，基于半正定二次分裂（HQS）方法设计交替优化方案，用于求解目标函数，从泊松图像中去除模糊。实验结果表明:在多种泊松噪声强度下，所提方法取得的峰值信噪比（PSNR）和结构相似性（SSIM）都高于当前同类去模糊方法。      

微处理器中含噪热传感器位置分布优化方法

高性能处理器普遍集成热传感器,采用动态热管理技术对芯片实施连续热监控。然而,由于实际芯片中的模拟或者数字热传感器不可避免伴随噪声,使动态热管理的可靠性受到很大影响。因此,为了提高热监控的精确性,本文运用主成分分析（PCA）技术对原始热图像样本矩阵进行降维近似处理,并结合矩阵扰动分析提出基于模拟退火算法的热传感器位置分布优化方法。实验结果表明：该方法比现有的贪婪算法在热重构误差、信噪比（SNR）和误警率等性能方面有了一定提高,能够有效运用在动态热管理中实现精确的热监控。     

基于重加权低秩近似和高斯混合模型的图像块效应去除算法

针对离散余弦变换(Block-based Discrete Cosine Transform, BDCT)在图像解码器处产生的块重构伪影现象,提出了一种联合两种先验知识的图像去块效应算法,这两种先验知识分别是重加权低秩近似和高斯混合模型。该算法首先利用重加权低秩近似来增强图像块之间的局部结构和非局部的自相似性,有效地保留原始图像中更多的精细结构。其次,还利用高斯混合模型对块状伪影进行建模获得更可靠、更鲁棒的结果。通过在标准测试图像上的实验表明,提出的算法在主观视觉效果和客观评估方面均优于其他的块效应去除方法。     

压缩感知在电容层析成像中的应用

压缩感知(CS)理论是在充分利用信号稀疏性或可压缩性的情况下,对信号进行少量采样即可实现信号的精确重建。本文尝试将CS理论应用于电容层析成像(ECT)图像重建中,首先,使用快速傅里叶变换(FFT)基将原始图像灰度信号进行稀疏化处理;其次,将ECT灵敏度矩阵的各行按随机顺序进行排列,得到ECT系统随机观测矩阵;最后,选取当前普遍使用的基于内点法、梯度投影(GPSR)算法以及贪婪算法的CS图像重建算法进行ECT图像重建,并与线性反投影及Landweber迭代算法进行了对比。仿真实验结果表明:基于CS图像理论的ECT图像重建算法,其重建精度有所提高。本文同时分析了3种CS图像重建算法的优缺点及适用范围。     

基于CS的正则化稀疏度变步长自适应匹配追踪算法

压缩感知(CS)能够突破Nyquist采样定理的瓶颈,使得高分辨率信号采集成为可能。重构算法是压缩感知中最为关键的部分,迭代贪婪算法是其中比较重要的研究方向。对压缩感知理论进行了详细分析,并在现有重构算法的基础上提出了一种新的迭代贪婪算法——正则化稀疏度变步长自适应匹配追踪(RSVss AMP)算法,可在信号稀疏度未知的情况下,结合正则化和步长自适应变化思想,快速精确地进行重构。相比于传统迭代贪婪算法,本文算法不依赖于信号稀疏度,并且应用正则化以确保选取支撑集的正确性。此外,应用自适应变化步长代替固定步长,能够提高重构速率,而且达到更高的精度。为了验证本文算法的正确性,选取高斯稀疏信号和离散稀疏信号分别进行仿真,并与现有算法进行比较。仿真结果表明,本文算法相比于现有算法可以实现更加精确快速的重构。     

一种改进的ORB特征匹配算法

针对现有的ORB特征匹配算法在图像模糊、光照变化、图像压缩、噪声条件下,匹配准确率下降问题,提出了一种改进的ORB特征匹配算法。首先,在提取特征点过程中,对图像进行网格化处理,并引入四叉树结构,使提取的特征点在图像中均匀分布,解决传统的特征提取方法遇到的特征点集中问题。然后,利用暴力匹配进行初步匹配,并采用交叉验证的方式,剔除部分误匹配,改善暴力匹配的结果。最后,利用高斯核对网格运动统计的结果做加权处理,优化统计结果,进一步剔除误匹配,得到准确率更高的匹配集合。实验结果表明:改进后的算法在图像模糊、光照变化、图像压缩和噪声条件下,平均准确率分别提高了3.5%、4.2%、2.2%和6%。      

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.