混合高斯有色背景下微弱信号的Rao检测仿真研究

不完全描述混合高斯有色背景干扰下幅度未知微弱信号的检测问题是当前声纳、雷达所面临的一大类检测问题的典型描述.Rao检测器是可胜任这类任务的一种渐近最佳检测器,具有检测性能高、结构简明、工程实用性强等优点.本文首先完成了Rao检测器的构建,接着对其检测性能进行了仿真分析,最后给出了总结.     

基于广义极值理论的非高斯风压极值计算方法

该文从广义极值理论出发,根据观察极值的相互独立性,推导了风压时程样本的极值分布参数与样本长度之间的关系式。以对风压时程样本的合理分段为手段,给出了一种由众多子样本极值的概率分布参数推算母样本的极值期望值的估算方法。最后,基于风洞试验数据,将该文所用方法与常用极值估算方法(Davenport法、Kown-Kareem法、Sadek-Simiu法和Quan等法)的计算结果进行了比较,表明该方法能更准确地估计非高斯风压的极值。     

非高斯噪声中随机信号的渐近最优检测

本文研究了非高斯噪声中随机信号的检测问题。基于随机信号的参数模型和广义似然比检测理论,导出了非高斯噪声中随机信号Rao检测的数学解析式,其检测性能渐近等同于广义似然比检测但计算更有效。仿真结果表明,该检测器性能大大优于传统的能量检测器以及高斯噪声假设下的广义似然比检测器。     

非高斯数据的高斯化滤波

在信号检测、图像处理等领域有时需要对非高斯数据进行高斯化滤波处理。给出高斯化滤波定义和它的一般工作机理，重点介绍评估滤波效果的Q-Q图检验方法，然后对比研究了基于概率密度函数及其导数的U滤波和基于概率密度函数反函数的G滤波两种高斯化实现的方法、原理与性能，并给出了一组湖试数据实例。     

多轴平稳非高斯随机振动试验控制方法

多轴向平稳非高斯随机振动控制试验能够对指定响应信号的时、频域特征进行同时控制.提出了一种快速生成具有指定功率谱密度、斜度和峭度的平稳非高斯随机振动信号的方法.通过频率采样方法将目标功率谱密度设计成滤波器,利用非线性变换方法获取非高斯随机信号,再将此信号经过设计的滤波器以获得满足要求的非高斯随机信号.该方法简单、快速并克服了传统非线性变换方法的缺点.进一步将此方法应用于三轴向平稳非高斯随机振动试验中,给出了三轴向非高斯随机振动控制的闭环均衡步骤,此方法能够同时对信号的功率谱自谱、相干系数、相位差以及斜度和峭度进行解耦控制.进行了三轴向平稳非高斯随机振动控制试验,三个方向上加速度信号的功率谱密度、斜度和峭度控制效果均令人满意,满足工程应用要求.     

非高斯混响背景下一种自适应CFAR检测器的研究

在浅海波导中混响是主动声纳系统的主要干扰,为了抑制混响,通常采用宽带发射信号和大孔径发射、接收阵。这两种方法都减小了混响的分辨单元．因此经波束形成和匹配滤波后提高了信混比。然而这也带来了负面影响,即分辨单元内混响包络的分布偏离了传统假设的瑞利分布,出现了高尾的非瑞利分布,导致匹配滤波器虚警概率提高。为了得到恒虚警检测器,需要对混响进行更精确的建模。通过理论和实际数据分析表明,利用多变量椭圆轮廓分布可以很好的建模浅海混响的统计特性。在混响建模为多变量椭圆轮廓分布模型的基础上,利用GLRT理论可以得到一种自适应CFAR检测器,通过实验数据分析,自适应CFAR检测器较之常规匹配滤波器,其信混比（SRR）可提高3dB。     

高斯与非高斯随机振动对洗护产品包装的影响

目的 研究高斯激振力和非高斯激振力的随机振动对商品包装的影响差异,提供随机振动试验方法和参数,并对商品运输包装设计方案提供优化建议。方法 利用科学计量方法研究随机振动技术的发展态势。通过增大峭度的方法进行非高斯激振模拟随机振动试验。研究随机振动强度通过功率谱密度和疲劳损伤的表达,以及随机振动试验时间与疲劳损伤的表达关系。结果 电商渠道销售通过快递配送的洗洁精商品包裹优先采用ISTA 3A—2018 Packaged-Products for Parcel Delivery System Shipment 70 kg(150 lb) or less。使用Over-The-Road Trailer图谱和Pick-up and Delivery Vehicle图谱进行随机振动试验,通过加载峭度进行加速模拟试验和加强模拟试验。结论 在洗洁精商品包裹加载峭度为5、7、9条件下,能够复现实际配送中商品的货损。基于试验结果提出的包装设计修改方案在加强模拟试验条件下可以实现商品防护的功能。全渠道供应链配送商品包裹应采用高效、科学的实验室测试方法,为运输包装设计和验证提供方法和数据。     

基于广义高斯噪声模型的低频线谱检测

研究浅海环境噪声中低频线谱的检测问题.首先对实测海洋环境噪声的统计特性进行分析,提出了应用广义高斯分布对海洋环境噪声建模方法.在此基础上,针对低频线谱检测问题,推导了广义高斯噪声场中的最大似然检测器和渐近检测器,给出了弱线谱条件下线谱频率的最大似然估计.最后,利用实测数据对三种检测器的线谱检测性能进行了验证,结果表明:...     

基于高斯混合模型的物流非高斯随机振动损伤分析

针对公路运输环境中的振动信号具有明显的非高斯性,提出一种非高斯随机振动疲劳损伤分析方法。为了描述振动信号的幅值概率密度分布,采用移动加速度均方根来代表该段信号的振动强度,并引入高斯混合模型对加速度均方根值进行描述。在此基础上结合Tovo-Benasciutti方法和Dirlik方法推导出非高斯宽带频域疲劳损伤计算方法。最后,以雨流计数法作为参考,对不同峭度的实测振动信号进行疲劳损伤分析,结果表明,与传统频域疲劳损伤计算方法相比较,提出的非高斯疲劳损伤方法具有更高的计算精度。该研究对于运输包装件的随机振动加速试验设计有实际意义。     

非高斯测量噪声下的结构响应重构

针对非高斯噪声下使用卡尔曼滤波(Kalman filter, KF)算法进行响应重构时精度下降,甚至重构结果偏差较大的现象,提出一种非高斯卡尔曼滤波(non-Gaussian Kalman filter, NGKF)算法进行结构响应重构。首先将L1卡尔曼滤波(L1KF)算法引入结构响应重构,并重新构造了L1卡尔曼滤波算法中的损失函数,其次根据损失函数导出的系数阵惩罚状态方程和观测方程的噪声协方差阵,使KF算法适用于非高斯噪声。最后通过有限的加速度测量信号,结合重构方程计算结构的加速度、速度和位移响应。数值仿真和外伸梁试验均表明所提方法在仅使用有限数量的加速度传感器进行结构响应重构时具有良好的噪声鲁棒性,能有效降低重构误差,改善多种非高斯噪声下使用KF算法进行响应重构时偏差较大的现象。     

Frequency-based fatigue analysis of non-stationary switching random loads

The service loadings in real systems are not only random, but also non-stationary. The spectral methods based on a frequency-domain characterization of random loads, which have been used in alternative to classical time-domain approaches, cannot be applied to non-stationary loads, because the conventional spectral density spectrum is not able to capture the evolutionary frequency characteristics of non-stationary loads. This clearly restricts the applicability of the existing frequency-based methods only to loads which are stationary. At the same time, it is also very difficult to propose general models valid for all types of load non-stationarity encountered in practice. Therefore, a practical approach is to restrict the analysis to a specific class of non-stationary loads; in this work, we consider particular non-stationary loads (i.e. switching loads), which are piecewise stationary in their variance. A frequency-domain analysis of such loads is proposed, which is based on a combination of the frequency-based analysis of each adjacent stationary segment, which can be either Gaussian or non-Gaussian. Numerically simulated load histories, as well as loads measured on mountain bikes in special tracks, are analysed to validate the proposed methodology. The presented results also show the correlation between load non-stationarity and non-Gaussianity.     

典型非高斯分布假设下累积和检测方法性能研究

累积和检测方法是根据声呐目标信号出现与消失时概率密度函数（Probability Distribution Function,PDF）的变化进行有效的瞬态信号检测。以非高斯模型t分布假设替代传统的高斯分布方差变化假设作为描述瞬态信号的PDF形式,推导了累积和检验统计量的表达、更新量PDF求取的数值方法,利用快速傅里叶变换法计算了门限和自由度等检测参数。利用仿真的落水信号、船体加速信号和消声水池实验数据进行检验。结果表明,基于t分布假设的累积和方法对瞬态脉冲信号的检测效果优于常规累积和方法,能更快地响应信号变化,更好地抑制背景干扰。     

基于四元数小波混合统计模型的图像去噪

图像的去噪和压缩一直是图像处理的经典问题,传统的方法中很难将二者同时兼顾。四元数小波变换是实小波、四元数理论及二维希尔伯特变换相结合的产物,是一种新的多尺度分析图像处理工具。图像经四元数小波变换后,其小波系数不仅在尺度内具有相关性,而且在尺度间也具有一定的相关性。文中提出一种混合统计模型,该模型包括尺度间的二元非高斯分布模型和尺度内的广义高斯分布模型,然后运用最小均方误差（MMSE）估计从噪声图中的小波系数恢复原图的系数,从而达到去除图像的噪声的目的。仿真实验表明,论文方法不仅可以获得信噪比上的提高、视觉上达到明显的去噪效果,而且取得了较高的压缩比。     

混响背景下基于MTI技术的目标检测

研究了一种基于MTI技术的水下目标检测方法。该方法无需混响干扰的先验知识,利用MTI技术在线性估计并及时跟踪混响功率谱的变化,通过归一化匹配滤波器检测水下目标的回波。仿真数据和实验数据的处理结果验证了本方法的有效性,在信混比较低的情况下检测器仍具有很好的检测性能。     

非平稳随机过程功率谱密度初探

提出了非平稳过程功率谱密度的概念。证明路面谱密度就是非平稳随机过程Wiener过程的功率谱密度。该结果对路面仿真以及为车辆振动提供输入激励的实时性和真实性具有很重要实际价值。     

基于Gram—Schmidt正交化算法的水下目标回波检测

提出了一种基于Gram-Schmidt正变化算法的水下目标回波检测方法．该方法利用Gram—Schmidt正变化算法实现对干扰背景的预白化，通过归一化匹配滤波器可完成对水下目标回渡的检测．对仿真数据和实验数据的处理验证了该方法的有效性．     

水下声信标信号的多脉冲匹配滤波改进方法

水下声信标信号检测是搜寻黑匣子的重要技术之一。针对水下声信标信号声源级低、脉冲宽度窄所带来的检测难题,充分利用声信标信号周期短、相邻脉冲信号相关性强等特点,提出了一种基于多脉冲积分的改进匹配滤波方法,通过前后脉冲匹配方法克服标准信号匹配处理中因信号畸变带来的匹配处理增益下降,通过多脉冲累积提高积分增益。通过仿真实验验证,当取多脉冲累积数为6时,在理想白噪声环境下,所提改进方法比传统单脉冲匹配滤波检测性能提高约4 dB,特别是在存在明显多普勒影响下,传统方法适应性下降,所提改进方法有9 dB的性能提高。通过对湖上实验数据的处理也验证了所提方法的有效性。