脉冲噪声环境下混沌扩频时延估计算法研究

针对传统时延算法面对脉冲噪声时运算结果峰值旁瓣比较低，且存在误判点较多难以判断的问题，提出了一种新型加权高斯相关熵时延估计方法，并将该方法应用于电缆故障定位的仿真模型中。仿真结果表明，与现有的方法相比，不仅可以在脉冲噪声环境下获得良好的时延估计效果，而且在强脉冲噪声干扰下依旧能够保持较高的定位精度。在不同强度的脉冲噪声背景下，其运算结果相比其他3种方法主峰值旁瓣比绝对值增加0.020 3 dB以上，误判峰值与故障点峰值比减少了0.053 9以上，均方值误差减少了1.863 6 m以上。     

基于数学形态学的线路超高速方向保护

提出了一种基于数学形态学的能在噪声背景下有效应用的超高速方向保护算法。基于形态开闭运算的滤波器可有效滤除暂态行波中的噪声干扰,在完成滤波后,通过多分辨形态梯度(Multi-resolution Morphological Gradient,MMG) 表现出电流电压行波信号的突变特征,通过瞬时功率判据可得到故障方向。建立EMTP典型500kV线路模型进行仿真, 结果表明该判据能在强噪声背景下正确判断出故障方向。     

基于局部积加权对比的红外弱小目标检测

针对复杂背景下因像素点噪声及高亮边缘干扰导致的对红外弱小目标检测率低、虚警率高的问题,提出一种基于局部 积加权对比的红外弱小目标检测算法。 首先,分别计算目标区域与背景区域均值,并得到目标与局部背景的差异性;提出一种 局部积加权方法,极大增强了小目标的显著性与抑制背景杂波的能力;其次,采用多尺度算法增强算法的自适应能力;最后,对 显著性图像进行自适应阈值分割,得到待检测的真实目标。 仿真实验结果表明,所提算法的信杂比增益( SCRg)和背景抑制因 子(BSF)相比现有算法均有一定提升,在复杂背景及强噪声干扰下仍具有良好的准确性和鲁棒性,实现了提高检测率,降低虚 警率的目的。     

基于空间位置约束的稀疏指纹室内定位方法

针对基于位置服务的实际应用需求,分析了现有室内定位技术的局限性,提出一种基于空间位置约束的稀疏指纹定位方法,在数据层有效融合惯导和无线局域网(WLAN)定位信息,充分发挥二者优势协同完成定位任务。首先利用WLAN提供的接收信号强度(RSS)信息构建空间位置指纹数据库,并基于RSS构建稀疏指纹表征与定位模型;鉴于RSS数据易受环境干扰呈现多变性,利用惯导技术对位移状态进行初步估计,并以此作为约束条件构建基于空间位置约束的稀疏指纹定位模型。仿真实验结果表明,所提方法较惯导和稀疏指纹方法在定位精度方面分别提升58%和33%。     

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。     

基于麦克风阵列的近场声源定位子阵算法研究

基于麦克风阵列的声源定位技术在通信、语音处理等领域得到广泛的应用.结合远场窄带信号的子阵算法和麦克风阵列信号处理的特点,提出了基于麦克风阵列的声源三维定位子阵算法.根据室内环境噪声分布特点,把阵列分成两个位置不同的子阵,调节子阵的位置,使阵列接收相同的语音信号和不相关的方向噪声,利用两个子阵的互相关矩阵,实现声源定位.该算法能够抑制混响、干扰等非高斯百噪声,提高声源定位系统的性能.仿真结果表明,该算法比声源三维定位MUSIC算法有更好的定位性能.     

用于变电站站域局部放电特高频测向的空间谱估计算法优化选择

基于特高频天线阵列的敞开式变电站局部放电测向系统已获得应用,但该系统的阵列尺寸过大,给巡检带来不便。为缩小阵列尺寸,空间谱估计被应用于局部放电测向系统。鉴于空间谱估计算法种类众多,且不同算法的测向性能受信号的信噪比、入射方向等因素的影响程度有所不同,故需研究适用于变电站站域局部放电空间谱估计算法的选择问题。该文建立局部放电仿真系统,通过改变阵元数目、信噪比和入射方位角等参数,比较双边相关变换(TCT)、旋转信号子空间和信号子空间变换等宽带聚焦算法的性能,以及多重信号分类、求根-多重信号分类、旋转不变子空间、加权子空间拟合等窄带测向算法的测向精度。仿真结果表明,双边相关变换算法运算速度最快,有效测向范围最宽,在信噪比较高时拥有最高的测向精度;求根-多重信号分类(RootMUSIC)算法在小阵元数目条件下测向误差最小,抑制噪声的能力较强,运算时间较短。实验结果表明,采用双边相关变换算法和求根-多重信号分类算法的局部放电测向系统,方位角测向偏差和标准差分别小于3.2°和2.9°,具有较好的测向性能。     

基于稀疏贝叶斯学习的MIMO电力线脉冲噪声消除

为提高多输入多输出(MIMO)电力线通信系统对抗脉冲噪声的能力,基于稀疏贝叶斯学习的理论,利用脉冲噪声在电力线上的相关性,提出了一种消除MIMO电力线脉冲噪声的方案。方案使用全部子载波来联合估计脉冲噪声和可用子载波上的信号,无需训练脉冲噪声的统计信息。仿真中脉冲噪声拟合采用Bivariate Middleton Class A模型,结果表明该方案抗脉冲噪声性能比只使用空子载波的多观测向量稀疏贝叶斯学习(MSBL)方案提升了11dB。     

球形麦克风阵列时频故障信号定位算法研究

针对广义互相关算法在强噪声环境下,设备故障时频声音信号定位困难的问题,提出一种结合图像分析与短时傅里叶变换(STFT)的时频信号子空间延时(TFSD)估计算法。利用STFT域中的噪声与信号特征,结合STFT域中不同麦克风测量数据的相关信息,使用滤波、谱减等方法进行信号、噪声区域分离,构建信号主成分区域,通过反演构造信号子空间,从而进行端点识别,延时值估计,实现声源定位。仿真结果表明,即使在加性噪声幅度远大于故障信号的2倍,也能实现准确的延时估计,延时估计误差和5 m×5 m范围的定位误差小于10%,实测也证实了该结果的正确性。     

基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法

针对噪声环境下,基于标准容积卡尔曼滤波的LANDMARC室内定位算法因噪声特性估计不准,引起滤波性能下降而导致定位误差较大的问题,提出一种基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法。该算法首先建立基于LANDMARC定位框架下的运动目标动态模型,然后引入量子粒子群优化技术对容积卡尔曼滤波中时间更新过程的状态预测值进行优化,以降低因畸变噪声引起的误差;最后将改进的容积卡尔曼滤波算法应用到运动目标状态估计中。实验结果表明,所提算法定位误差均值为0.175 m,与相同环境下传统的LANDMARC算法、基于容积卡尔曼滤波的LANDMARC算法以及基于粒子群优化容积卡尔曼滤波的LANDMARC算法相比,定位精度和稳定性均有明显提高,且运算时间比基于粒子群优化的算法少,应用在室内定位中能够得到较为真实的目标移动轨迹。     

基于频域子空间平滑的MUSIC时延估计算法

时延估计常被用在无线定位测距中,针对多径环境下定位精度下降和时延估计失真的问题,提出了一种基于正交频分复用（OFDM）频域子空间平滑的超分辨率（MUSIC）时延估计算法。首先使信号源经过OFDM调制,利用子载波形成数据流;随后在频域对数据流的协方差矩阵作双向平滑处理,使其最大程度的利用信号子空间的数据信息;最后利用MUSIC算法下信号/噪声子空间正交性逐一进行谱峰检测,并针对噪声情况对伪谱作归一化处理,从而获得更为准确的时延信息。计算机仿真表明,本文优化算法相对于特征空间MUSIC算法具有更高的谱峰和更窄的旁瓣,且无错误估计干扰。在测距信号间隔较近时能够有效解决估计失真问题,最小时延间隔可达6ns,分辨能力较强。估计性能层面,可在信噪比为-15dB复杂条件下估计精度达到3ns左右,验证了该算法的有效性和优越性。     

强干扰下的基于子空间分解的信源侦察

在空间阵列信号处理中,首先要估计信号源的个数和波达方向,然后才能正确接收信号.一般的阵列信号源数和方向估计都是在噪声环境里进行的.本文提出了在强干扰环境里,对信号源个数和波达方向的估计.首先分析了子空间抑制强干扰的原理,然后介绍了用Gerschgorin半径估计信号源数目和MUSIC方法估计波达方向的原理,最后在强干扰、加性高斯白噪声和色噪声的情况下进行验证,仿真结果证明了这种思想的有效性.     

波束成形在水声定位中的应用

由于水声环境的复杂性,存在着海洋噪声,海水吸收,多途效应等一系列问题,水声定位的精度一直很难提升.给出了水声定位的系统结构框图,采用了时延波束成形技术对天线阵列接收信号进行滤波处理.仿真结果表明定位信号经过时延波束成形后,波束图就会在所需的方向上得到加强,而在其他方向上减弱,达到了增强信号、抑制噪声的效果.模拟了东海海域环境对水声定位系统做了仿真,未经过波束成形的接收阵输出信噪比很小,无法判断来波的方向.经过波束形成处理后,阵列的输出信噪比增大,在信号源的方向呈现明显的输出峰值,测向效果得到显著改善.     

基于声传感器阵的舰船被动定向研究

在被动声探测设备中声传感器阵对舰船目标宽带噪声源的精确定向取决于时延估计的精度,针对这一问题,将自适应参量模型算法与变步长的 LMS算法相结合,提出了一种可高精度估计任意时延,且收敛速度快的时延估计算法.结合舰船辐射宽带噪声,以正四面体声传感器定向阵列为例进行了计算机仿真,仿真结果表明：该方法估计所得的方位角误差小于0.1°,俯仰角误差小于1°,实现了对舰船目标宽带噪声源的精确定向,具有很好的工程实用价值.     

燃气管道泄漏的次声源定位算法研究

针对城市燃气管道泄漏定位精度不高的问题,根据燃气管道泄漏时泄漏点产生次声波的特性,提出了一种燃气管道泄漏的次声源定位算法。该算法通过构建泄漏源的定位模型,利用传感器节点和泄漏点之间位置上的几何关系得到泄漏点位置。首先利用传感器阵列采集燃气管道泄漏时产生的次声波信号,并对该信号进行小波去噪处理,接着利用广义互相关法计算相邻传感器节点间的时延,最后结合定位模型计算出泄漏点位置。针对算法的信号处理部分进行了仿真,并在实验室进行了泄漏点定位的模拟实验。结果表明,在燃气管道泄漏定位中,算法的定位误差在1 m以内,具有较高的定位精度。     

基于 SST-SCKF 的运动目标超宽带定位算法研究

使用超宽带(UWB)进行定位过程中,卡尔曼滤波是一种常见的降噪方法,但由于对非线性系统滤波性能差,且定位目标运动轨迹易超出基站布局区域以及受到异常噪声干扰,会影响定位系统的准确性和稳定性。针对这一问题,提出一种对称强跟踪(SST)平方根容积卡尔曼(SCKF)算法,通过引入对称时变渐消因子调节各协方差矩阵,实现改变误差协方差矩阵中多重衰落因子矩阵的工作方式,进而调整滤波增益,计算复杂度虽略有增加,但增强定位模型的适应性与鲁棒性。仿真验证表明,在异常噪声干扰下,改进后的算法(SST-SCKF)相较于SCKF/多重渐消因子的SCKF(ST-ASCKF)算法可有效提高定位准确度,且定位轨迹较于单渐消因子的SCKF算法(STSCKF)更为平滑;利用SST-SCKF算法设计基于UWB技术的定位方案,通过动态模拟实验表明,本文提出的SST-SCKF算法较之SCKF/STSCKF/ST-ASCKF滤波性能更优,为复杂环境噪声下人员UWB定位提供更好的降噪,使定位更为精准。     

应用于频率宽范围偏移电网的改进相位差校正法

非同步采样造成的频谱泄漏是相位差测量误差的主要来源,尤其针对于频率宽范围偏移时,采用传统相位差法很可能造成测量失败。文中提出一种基于传统相位差的改进算法,改进算法分为两个步骤:第一,通过分析加窗信号频谱,将频谱表达式进行多项式变换从而加快旁瓣衰减速度,进一步减轻频谱泄漏和各谱线之间的干扰;第二,通过估计电网基波频率偏移范围确定待测信号采样点数,对采样序列采用截取点数不同的前后两次相位差法,第二次相位差法的截取点数由第一次相位差法估计的基波频率决定,减小了非同步采样带来的频谱泄漏。分别在基波频率稳定、基波频率宽范围偏移以及含有噪声干扰的情况下进行仿真验证。仿真结果表明,改进算法的电参数测量精度较传统相位差法有大幅度的提升,采样窗长满足IEC标准规定窗长。     

基于气体扩散模型的气体源定位系统

为了快速准确地确定气体泄漏源的位置,利用无风连续泄漏点源浓度的扩散模型,提出了基于加权质心算法的气体源定位法。采用气敏传感器阵列对目标区域的气体浓度进行检测,并通过ZigBee无线传感器网络把收集的数据反馈给协调器,协调器把打包好的数据传递给主处理器,处理器依靠测量的结果计算出气体源位置,并可视化显示。在目标区域为4 m×4 m,以乙醇蒸汽为实验目标气体进行气体源定位实验。结果表明,平均定位结果相对误差不超过6%,验证了该方法的准确性。     

锅炉承压管泄漏声传播时间延迟估计

电站锅炉内强背景噪声和炉膛、管道壁面的反射干扰,使声传感器阵列接收到的承压管泄漏声压信号的广义相关函数峰值模糊,甚至无法获得稳定的估计峰值,从而无法精确定位泄漏源位置。采用声场设计软件EASE构建了600 MW超临界锅炉模型,对泄漏声线的传播、衰减等进行追踪,计算出泄漏信噪比;采用系统冲击响应平方反向积分法与Sabine方法对炉膛混响时间进行计算;通过数值实验评估了相位变换(phase transformation,PHAT)、极大似然(maximum likelihood,ML)及改进的噪声条件下的相位变换(phase transform for noise,PTN)以及选择(SWITCH)算法的时间延迟估计性能。结果表明:在强背景噪声和混响存在情况下,SWITCH和PTN算法具有优越性。PTN性能略优于SWITCH算法,但需要泄漏混响与直达声能量比的先验知识,并且需要触发频点检测。