几种时延估值算法的频域自适应实现及比较

由于有限信号谱估计的不精确性和面临有约束最优参数估计的复杂性,以往的自适应时延估值算法都是在时域实现的。本文对于时延的近似EIR系统模型阐述了有约束的频域最优参数估计可以用无约束的估计来近似,而且就时延估值而言,它仍然是一个无偏估值器。 本文采用基于FFT的频域LMS自适应滤波算法实现了几种主要的广义互相关时延估值算法(Roth,Scot和ML),并与普通互相关法(CC)进行了比较。     

可变步长自适应时延估计方法研究

在介绍LMS自适应时延估计算法的基础上重点介绍了基于参数模型的自适应时延估计算法ETDGE，并给出了一种利用ETDGE的功率因子估值来估计噪声与信号功率的方法，从而实现加快收敛速率的变步长迭代算法。实验结果表明，基于可变步长的ETDGE算法具有更快的收敛速度和更小的稳态均方估计误差。     

时延估计方法的分析

对周内外时延估计的最新研究现状及各种算法进行研究,在研究了大量时延估计文献的基础上,分析了广义相关法、广义相位谱法、自适应算法及其改进算法,分析了各种算法之间的关系以及各自的特点。重点论述了现代信号处理算法与时延估计算法相结合的各种时延估计方法及其在非平稳信号中的应用,同时,分析了带宽对时延估计精度的影响及宽带信号的时延估计方法,指出了时延估计算法还需要进一步研究的方向。     

基于单比特量化的单频信号时延估计算法

提出了一种基于单比特量化的单频信号自适应时延估计算法,采用该算法在保持信号频谱特性不发生变化的基础上,极大地去除信号冗余量,对简化后的信号框架采用包络检测,估计时延.对接收信号进行单比特量化能够最大限度地降低数据量,同时量化结果又进一步简化了单频信号滤波器的输入响应函数结构,自适应算法则保证了时延估计的高分辨率.通过仿真实验表明,该算法在不造成频偏和频率衰减的同时,又很好保证了时延估计精度.最后利用湖上实验验证了算法的有效性和可靠性.     

一种变步长的自适应特征值分解时延估计方法

在房间声场环境下基于传声器阵列的说话人定位中,时延估计算法是其中的关键步骤。与其它常用时延估计方法相比,自适应特征值分解（Adaptive Eigenvalue Decomposition,AED）时延估计算法因其优越的抗混响性能受到越来越多的关注。但在受噪声和混响干扰的语音条件下,传统的自适应特征值分解算法收敛速度较慢,对初值敏感。通过引进动量因式,提出了一种变步长的特征值分解算法,通过理论分析和仿真实验,证实了新算法的收敛性能要优于传统的特征值分解算法,节省收敛时间,使算法的整体性能有所提高。     

无约束频域自适应滤波算法最优步长控制

频域自适应算法由于具有较低的计算复杂度和较快的收敛速度而被广泛应用。但是固定步长的频域自适应算法必须在收敛速度、稳态失调、跟踪速度和对噪声干扰的稳健性之间权衡。文章研究了无约束频域自适应滤波算法的最优步长控制问题。通过分析频域自适应算法的收敛特性,给出了最优步长的表达式,推导出了频域失调因子的递归变化关系并用来估计频域失调因子。在系统辨识和回声抵消应用中的计算机仿真结果表明,所提变步长算法能同时得到较快的收敛速度和较低的稳态失调,同时该算法对回声抵消应用中的双端对讲不敏感,因而不需要明确的双端对讲检测。     

基于多模型自适应技术的信道估计研究

提出了一种基于多模型自适应技术的信道估计方法.该方法通过设计动态信道模型库来覆盖未知信道的状态的改变,基于模型切换和动态规划(DP)进行模型变化检测及信道参数估计,从而在变化的信道环境中将有限个简单子集的估计算法有机地结合成一种在大信道范围内具有高度鲁棒性的信道估计器.仿真实验结果表明,此信道估计器比自适应信道估计器方法具有优势.     

基于三阶累积量及自适应滤波时延估计的管道定位方法

针对直接互相关被动时延估计法定位管道异常振动事件存在噪声干扰影响定位精度的问题,提出了基于三阶累积量及自适应滤波时延估计的管道异常事件定位方法。该方法对顺、反两路异常振动信号进行三阶自累积量和互累积量估计,抑制高斯相关噪声和对称分布噪声。然后利用自适应滤波时延估计算法对三阶自累积量和互累积量信号的时延进行迭代计算,在不依赖先验知识的情况下抑制非高斯相关噪声。经现场实验证明,该方法可以准确地对管道异常事件进行定位,对噪声具有很好的抑制作用,改善了直接互相关时延估计的性能。相对于直接互相关时延估计方法,相对定位误差由2.7%降低到0.6%,定位一致性提高了三倍,平均定位精度可达14m。     

一种并行交替采集系统通道失配自适应盲校准方法

通过对并行交替采集系统中通道失配误差影响的分析,提出了一种基于自适应估计的非均匀信号校准方法.该方法不需要额外增加校准信号,能在日常工作的同时自动完成误差估计,实时性高;使用变步长自适应算法,提高运算速度;无需时延滤波器,降低了系统设计难度及成本.实验结果表明,该校准算法能有效补偿通道失配误差,具有迭代次数少、运算量小、能动态跟踪误差变化的特点.     

一种水下声信号未知频率的时延差估计方法

针对目标辐射线谱信号频率未知时的时延差(TDD)估计问题,介绍一种基于时延差方差加权的时延差估计方法。首先对接收信号进行快速傅里叶变换(FFT)分析,然后采用引导信号对每一个频率单元进行频域互相关得到每一个频率单元时延差估计初值,最后利用噪声对应频率单元互相关谱最大值随机,目标对应频率单元互相关谱最大值基本一致的特点,统计各频率单元的时延差估计结果得到最终时延差估计值。理论分析和实验结果表明:该方法具有较好的有效性,对信噪比的宽容性远好于频域互相关法,该方法为弱线谱时延差估计提供了一个参考思路。     

QR分解的最小二乘格型自适应滤波算法在噪声主动控制中应用

在噪声主动控制系统中?,滤波-x递归最小二乘(FxRLS)算法收敛速度快但计算量大。本文提出了格型联合估计滤波器结构与基于QR分解的最小二乘格型(QRD-LSL)自适应滤波算法相结合的噪声控制方法,该方法对联合估计过程进行了改进并得到了基于各阶估计误差的联合过程估计权系数更新关系,格型联合估计器结构简单,QRD-LSL自适应滤波算法数值稳定性好。仿真结果表明本文提出的噪声控制方法有良好的噪声控制效果,收敛速度快,计算量小,稳态误差小,跟踪性能好。     

基于卡尔曼滤波的STFT域回声抵消算法

提出了一种低复杂度的短时傅里叶变换域卡尔曼滤波算法来解决声学回声抵消问题。首先在短时傅里叶变换域建立了基于频域卷积传递函数的观测方程,并利用一阶马尔科夫模型对频域回声路径进行建模,给出了精确的卡尔曼滤波方程,并讨论了过程噪声和观测噪声的估计问题。为降低算法计算复杂度,提出了低复杂度卡尔曼滤波算法。另外,在更新滤波器时加入远端信号邻近频点的信息来进一步提高回声抵消性能。实验结果表明,所提算法对近端干扰不敏感,不需要额外的双端对讲检测算法,且比传统的频域自适应滤波算法具有更快的收敛速度。     

基于改进的二阶统计量盲分离研究

利用二阶统计量(不同时延相关矩阵)的非平稳性和信号时序结构特征,能简单估计出线性瞬时混合的盲源信号。但随时延 增大,仅利用某一个时延协方差均衡化,忽略了信号的时间变化特性,很难保证算法的性能。本文通过分析矩阵的平均特征,提出了一种改进的基于二阶统计量盲源分离算法,对一组均衡化的时延相关函数进行等时延分段,并对等间隔段的两个时延矩阵分别求取均值,采用类似联合近似对角化,估计出最优化的酉矩阵,最终得到信源的稳健估计。性能指标分析和仿真实验证明,本文算法很好地解决了原算法的不足,并成功分离出信号。     

智能天线MC-CDMA系统中空频联合盲多用户检测算法

提出了智能天线多载波CDMA系统中一种空域和频域联合的盲多用户自适应检测算法,它是将空域波束形成和频域合并检测合二为一,使得检测器在空域和频域两维上同时优化,从而提高了系统的检测性能.对这种空频联合检测算法的误码性能进行了分析,并与先自适应波束形成然后再进行频域合并的分步算法进行了仿真比较,仿真结果表明,提出的空频联合盲多用户自适应检测算法的检测性能优于分步检测算法.     

时延估计后置处理算法的应用研究

时延估计是被动声定位的关键技术。受声信号传播起伏、声测量系统误差以及时延估计算法等均能影响时延估计的精度。因此,为了提高目标定位精度,需要对时延估计进行后置处理。本文研究了ba-递推估计后置处理算法在低空飞行武装直升机被动声定位中的应用,给出了典型飞行条件下的仿真结果。结果表明,采用后置处理算法可以有效地改善时延估值的精度。     

音频无人机定位的时延估计模拟分析

针对无人机非平稳音频信号时差定位中,广义互相关时延估计算法抗噪性差和时延估计值精度低等问题,文章采用了一种基于广义二次相关时延估计的改进算法。算法对叠加了实际噪声（如风声、雨声、汽车鸣笛声等）的无人机音频信号进行频谱细化的广义二次相关,有效抑制了噪声干扰,融合相关峰精确插值算法,提高了互相关函数的分辨率,使得时延峰值更加明显。仿真实验结果表明,改进的广义二次相关方法在不同信噪比时,比广义互相关和广义二次相关算法的时延估计精度更高,稳定性更好。改进的广义二次相关算法对无人机定位中的时延估计具有更好的性能优势,具有较强的实际应用性。     

自适应时延估计在蛙人超短基线定位中的应用

蛙人超短基线(Ultra-Short Base Line, USBL)定位设备实现浅水环境下高精度定位的关键技术之一是精确的时延估计。由于自适应时延估计方法具备环境自适应能力强的特点,文章将混合调制的拉格朗日直接时延估计方法应用于蛙人USBL定位时的高精度测向上,它可以在信标信号中心频率已知的情况下将小数时延滤波器调制到信号中心频率处,以较低的阶数提供更高的时延估计精度;并根据USBL阵型和信号自身的特点,对混合调制的拉格朗日直接时延估计在低信噪比下的具体使用模式进行了探讨和仿真验证;结果显示,所采用的自适应时延估计方法可以在中低信噪比下提供1°～3°的定位测向精度。     

一种新的稳健CAB盲波束形成算法

通过限制估计的方向向量与真实的方向向量之间的误差范数的边界,提出了一种新的稳健CAB（周期自适应波束形成）盲自适应波束形成算法。该算法克服了方向向量失配引起的自适应波束形成器的性能劣化问题。计算机仿真试验表明,较采用传统对角加载技术的R-CAB盲波束形成算法和WCPO-CAB算法而言,该算法进一步提高了稳健性和输出信干噪比。     

合成孔径声呐时延估计误差校正改进算法

由相位解缠错误造成的时延估计误差会严重降低合成孔径声呐时延估计的精度。现有的时延估计误差校正算法采用二次函数作为时延的拟合模型,该模型在距离向近端和远端处不符合时延空变规律,拟合误差较大且无法估计载体的横荡和升沉运动。针对该问题,文章提出一种改进的时延估计误差校正算法,利用时延的距离空变函数代替二次函数作为拟合模型。数值仿真和实验结果表明,相较于参考算法,改进算法校正时延估计误差的效果更好、速度更快,同时还能准确地估计载体的横荡和升沉运动。运动补偿结果显示了改进算法能较好地提升成像质量。     

基于多指标感知的命名数据网络自适应拥塞控制算法

为解决命名数据网络拥塞控制算法普遍存在的瓶颈链路缓存队列积压问题,提出一种基于多指标感知的命名数据网络自适应拥塞控制(MACC)算法。在网内节点,根据实时监测的接收端数据接收速率、数据包排队时延、链路带宽等多个指标估计链路负载程度,并通告终端节点。在终端节点,根据Data包携带的链路负载信息,自适应地调整发送窗口,以实现高吞吐、低时延目标。基于ndnSIM的仿真结果表明,该算法能有效实现终端高吞吐量、瓶颈链路低队列,并在实现流间公平性方面具有显著优势。