莱斯信道下大规模MIMO系统混合模数转换器的随机向量量化方案

针对大规模MIMO系统用配置单精度模数转换器(ADC)来降低系统能耗会导致系统损失部分性能的问题,提出了一种莱斯信道下大规模MIMO系统的采用混合ADC的随机向量量化(RVQ)改进方案。该方案在频分双工模式下,首先在基站端采用高分辨率ADC和低分辨率ADC混合的接收方案处理信号,使接收的导频信号和有用信号具有较高的转换精度;系统对导频信号进行信道估计后,再对信道状态信息(CSI)进行RVQ处理,以此减小系统的反馈开销;最后运用最小均方误差(MMSE)信号检测算法减轻由量化误差引起的的用户间干扰,从而达到降低能耗并减小系统性能损失的目的。实验结果表明,这种改进的RVQ方案能在降低系统能耗的基础上有效减小系统容量损失,并使其和速率接近传统的高分辨率ADC接收方案。     

基于广义倒谱的相关算法在声学温度检测系统中的应用

声温法是基于声波与CT技术相结合的非接触测温法,声波信号飞渡时间的精确测量是温度场检测的关键环节。在复杂混响的背景环境下,传统的相关算法已无法克服卷积性干扰,可能会出现多相关峰值的处理结果。基于广义倒谱的相关分析算法在声温法温度检测应用中,利用倒谱运算将乘积同态系统与卷积同态系统变换成线性系统,从而分离乘积信号或卷积信号,并滤除乘积性干扰与卷积性干扰。理论与实验测量表明,与传统相关函数分析算法进行比较,新倒谱算法能够有效地克服混响的卷积干扰,并锐化峰值,从而准确估计出声信号的时延。     

基于多普勒特征恢复的声矢量阵鲁棒自适应波束形成方法

在短快拍、信号导向矢量失配环境下,传统的自适应波束形成方法性能受到影响,对角加载技术是提高算法在复杂环境下性能鲁棒性的重要技术之一。针对水声环境和水声信号特点,提出一种基于声矢量阵的自适应波束形成方法。该方法利用水声信号的多普勒频率信息,在不同环境下自适应地选择最优对角加载因子,确定波束形成的权矢量,从而实现提取期望目标信号、抑制干扰和噪声的目的。无需任何用户参数,鲁棒性强、估计精度高。最后基于声矢量阵进行仿真实验,仿真结果证明了所提出的方法能够有效地获取目标信号,具有较好的抗干扰能力。     

水下单边带语音多通道增强技术

船舶噪声是影响水下语音通信质量的主要因素。为了提高单边带语音信号的信噪比和语音质量,采用多通道自适应增强算法对语音信号进行研究。该算法运用自适应信号增强技术,具有运算量小、易实时实现、消噪效果显著等优点,并且能够有效利用不同换能器接收到的信息。从理论上对该算法进行了分析,并结合海试数据进行验证。结果表明,低信噪比、非平稳噪声环境下,该算法有效抑制了接收信号中的尖锐噪声,并且当系统收敛时,使其趋于白化,明显提高了系统的输出信噪比,显著改善了语音质量,在性能上明显优于传统的信号相干叠加算法。     

光纤隔离型存储测试技术研究

电热化学炮发射实验时存在强电磁干扰和地电位浮动问题,严重影响膛压数据的准确性和仪器的安全性.采用不同材料多层组合的屏蔽技术,有效地实现了强电磁环境下的电磁屏蔽,确保测试系统的安全性、可靠性和精度.利用存储测试技术和光纤通信,同时实现了膛压信号的存储测试和实时传输,保证了电热化学炮膛压信号获取的可靠性,并实现了双工通信,方便了电热化学炮的测试试验.     

自适应阵列天线波束方向增益特性的研究

介绍了一种适用于时分双工蜂窝移动系统，基于非线性判决反馈均衡器和递归最小平方算法的环形自适应阵列天线，研究了阵列波束对期望信号的增强和对干扰信号的抵消的形成过程，并分析了方向增益的收敛属性与训练序列的关系，计算机仿真结果表明了波束形成与接收信号到达角度之间的联系，发现了波束收敛所需训练序列的最佳长度。     

基于自相关降噪的混叠转子振动信号分离

航空发动机在运行过程中,传感器测得的振动信号是各振源的混叠信号,且含有很强的噪声。常规的信号处理方法难以分离混叠信号,对机器的健康监测和故障诊断造成了很大的困难。介绍了盲源分离基本原理和方法,指出盲源分离算法在强噪声环境下失效。针对强噪声环境下的混叠振动信号,提出首先通过时延自相关降噪方法对振动信号进行降噪,然后通过盲源分离算法对降噪后的信号分离。仿真结果验证了提出方法的有效性。最后,利用该方法对实测混叠转子振动信号成功实现了降噪和盲分离,为噪声环境下的混叠信号分离提供了一种新的方法。     

一种基于频率估计的自适应主动控制方法

主动控制是隔离水下航行器机械振动的有效方式,受安装空间限制及设备间耦合复杂激励作用,往往不便或难以有效拾取高信噪比参考信号,这将严重影响基于参考信号的主动控制算法应用及其效果。以滤波自适应算法为基础,通过频率识别和信号数字合成理论,提出一种不需要外界参考信号的自适应控制策略,并应用于旋转设备双层隔振系统主动控制。结果表明:两种算法可有效降低隔振系统残差信号,传统算法基频线谱控制能力较好,而频率估计自适应算法多线谱控制能力更优,但两者稳态控制力基本相当,说明要抑制同样激励均需消耗等量次级振源能量;因此,所提频率估计和数字合成方法能获得稳定有效的参考信号,可应用于复杂安装环境下旋转机械的振动主动控制。     

一种改进的基于对数谱估计的语音增强算法

提出了一种基于对数谱估计的改进型语音增强算法。相对于传统语音增强算法,在语音信号存在不确定的条件下,利用软判决增益因子修正技术调正带噪语音信号的对数谱幅度,抑制背景噪声。引入的改进型先验信噪比估计和语音信号先验不存在概率估计方法,能够有效地估计得出语音信号的存在概率,进而求得语音信号存在时的谱增益因子函数,联合语音信号不存在时设定的增益因子函数加权求得谱增益函数。计算机仿真表明,即使在低信噪比条件下,输入背景噪声为高斯白噪声和粉红噪声等加性白噪声时,所提算法对噪声的抑制效果非常明显,且有效地克服了传统算法中引入的“音乐噪声”和语音信号畸变。     

混响背景下提高信号检测性能的时空处理算法

优化与约束空域处理算法（SPOC）是一种用于提高被动声纳方位分辨力的自适应波束形成算法。在对SPOC算法性能分析基础之上,将其应用于主动声纳检测技术中,针对浅海混响环境下信号检测难的问题,提出了一种结合信号方位方差加权的SPOC多拍时空处理检测算法,实验数据处理结果证明此算法可有效地抑制混响,提高了混响起伏背景下信号的检测性能,并使输出背景最为＂平坦＂。     

基于奇异谱分析的心音信号小波包去噪算法研究

针对传统心音去噪算法对强噪声下心音信号去噪时,易将部分心音信号视为噪声成分去除,导致有用心音信号能量损失。利用奇异谱分析方法的主成分分析特性,提出多级奇异值分解(Multi-stage Singular Value Decomposition,MS-SVD)算法用于提取心音信号的主分量(Principal Components,PC)信息;采用小波包(Wavelet Packet,WP)分析算法对提取的心音信号进行分解,并对分解所得低频系数进行自适应阈值处理,去除低频噪声;利用小波包多分辨率特性提取高频心音。实验结果表明,该算法能明显改善心音去噪性能指标信噪比(SNR)、信噪比增益(SNRG)及根均方误差(RMSE),且在不同噪声水平下的去噪性能优于传统心音去噪算法。此改进算法既能有效去除心音中噪声成分,亦能保留心音信号细节特征。     

高动态北斗B1I信号的快速捕获算法研究

高动态环境下,用户接收机接收到的卫星信号存在较大的多普勒频移,而实现定位导航和授时等功能对捕获算法提出了更高的要求.由于传统的时域串行捕获算法与基于FFT的并行码相位捕获算法存在时间复杂度高而造成捕获较慢的问题,本文采用改进的PMF-FFT捕获算法.捕获信号时,取2 ms输入信号与本地载波信号进行模二加后通过64个部分匹配滤波器,再将输出的数据加海明窗函数,然后进行64点FFT运算,最后将结果取模后与门限值比较,高于门限值判断捕获成功.通过实验仿真验证,该方法可以准确地完成高动态北斗B1I信号的快速捕获.     

匹配追踪时频分解算法的端点检测方法

为了能在无噪音环境下准确地检测语音信号的端点,传统的方法是使用过零方法检测清音,短时能量方法检测浊音,两者相结合便实现了端点检测。通过对语音信号在时频平面中分布的研究,提出了一种基于匹配追踪时频原子分解算法的端点检测方法。该方法利用匹配追踪算法对信号进行分解,使得信号在时频平面上具有较直观明显的魏格纳能量分布,利用这个特点设置一个门限值再进行端点检测,便能准确检测出语音信号端点。实验结果表明,和传统的方法相对比,因为涉及到了信号的分解,所以实时性较差,且门限问题还有待深入研究,但该方法能更加准确地检测出语音信号的端点,亦为端点检测问题提供了一种新的思维方法。     

噪声环境下水声信号瞬时盲源分离方法研究

噪声环境下大多数盲源分离算法性能大大降低。提出了一种适用于噪声环境的基于子带分解的瞬时盲源分离算法。通过修正白化矩阵和选取合理子带降低盲源分离过程中由噪声产生的不利影响。仿真实验表明,采用基于子带分解的瞬时盲源分离算法能够较好地实现噪声环境下水声混合信号的分离;进一步研究表明,该算法在噪声环境下表现出良好的稳健性。     

基于频域ICA的语音特征增强*

为了降低卷积噪声对语音特征所产生的影响,提高语音识别正确率,文章提出了一种基于频域ICA（Independent Component Analysis,独立分量分析）的语音特征增强算法。该算法首先使用频域ICA方法作对噪声进行估计,然后在倒谱域内将带噪语音信号的短时谱减去所估计噪声的短时谱,最后根据去噪后语音信号的短时谱计算美尔倒谱系数（MFCC）作为特征参数。在仿真和真实环境下的语音识别实验中,本文所提出的语音特征参数相比较传统的MFCC其识别正确率分别提升了38.2%和35.8%。实验结果表明本文所提算法能够较好地解决卷积噪声环境下训练与识别特征不匹配的问题,有效提高了语音识别系统的识别正确率。     

匹配追踪时频分解算法的点检测方法

为了能在无噪音环境下准确地检测语音信号的端点,传统的方法是使用过零方法检测清音,短时能量方法检测浊音,两者相结合便实现了端点检测.通过对语音信号在时频平面中分布的研究,提出了一种基于匹配追踪时频原子分解算法的端点检测方法.该方法利用匹配追踪算法对信号进行分解,使得信号在时频平面上具有较直观明显的魏格纳能量分布,利用这个特点设置一个门限值再进行端点检测,便能准确检测出语音信号端点.实验结果表明,和传统的方法相对比,因为涉及到了信号的分解,所以实时性较差,且门限问题还有待深人研究,但该方法能更加准确地检测出语音信号的端点,亦为端点检测问题提供了一种新的思维方法.     

基于小波包和RobustICA的无线电混合信号分离

针对复杂电磁环境下无线电混合信号分离困难的问题,提出将小波包和鲁棒性独立分量分析(Robust ICA)算法应用于较低信噪比且频率接近的无线电混合信号的分离。首先用小波包分析方法对混合信号进行降噪预处理,然后采用盲源分离算法中的鲁棒性独立分量分析算法对降噪后的混合信号进行分离,通过观察分离后信号的波形和频率以及相似系数对分离结果进行定性和定量分析。所提算法与单独采用Robust ICA算法的结果对比表明:所提算法分离出的信号在波形和频率以及相似系数方面均比单独采用Robust ICA算法取得的效果好,从而证明所提算法可以较好地应用于无线电混合信号的分离。     

基于GAHE-VMD与SVD-SCEC的管道信号联合去噪法

为了更有效分析管道信号，提出一种基于采用在恶劣环境下的遗传算法（Genetic Algorithms in Harsh Environments,GAHE）优化变分模态分解（Variational Mode Decomposition,VMD）联合奇异值分解（Singular Value Decomposition,SVD）与选择性累计能量贡献率（Selective Cumulative Energy Contribution,SCEC）的互补去噪方法。首先，提出用GAHE算法优化VMD算法并结合相对熵对信号中的中高频噪声进行初步消噪，解决VMD参数难以确定和传统遗传算法收敛慢的问题。其次，提出采用SCEC算法结合SVD算法对信号中残留的中低频噪声进行消噪，解决非线性、非平稳信号中大数量级的直流分量影响奇异值选择的问题。最后，通过实验与分析表明：GAHE优化算法收敛速度更快；SCEC奇异值选择法的抗直流能力更强；所提算法的处理效果较优且算法两部分具有互补特性。     

基于Hilbert变换的电压瞬变信号包络提取算法

针对电压瞬变信号计量测试数据量大,传统的电压瞬变信号包络提取算法计算时间长,不利于实际应用的缺点,提出了基于Hilbert变换与低通滤波器相结合的电压瞬变信号包络提取算法。对实际电压瞬变信号进行包络提取的结果表明,该算法在保证电压瞬变信号包络提取结果准确度的基础上,能够比传统电压瞬变信号包络提取算法缩短约60%的计算时间。     

车内噪声听觉时域掩蔽主动控制LMS算法

在传统噪声主动控制LMS算法基础上,考虑人耳听觉感知的后掩蔽效应,推导出Post-masking LMS算法。以汽车车内噪声主动降噪为例,分别采用LMS与Post-masking LMS算法,在Matlab环境中对实测的不同车速下车内噪声信号进行有源噪声控制仿真试验,结果表明Post-masking LMS算法能在传统LMS算法的基础上进一步降低车内噪声响度水平,具有更好的降噪效果和主观听觉感受。