预白化与小波变换联合的混响抑制方法研究

针对主动声呐在强混响背景下匹配滤波器检测性能不理想的问题,提出了将预白化与小波变换联合处理方法。首先将混响预白化处理,然后通过小波变换将混响和回波信号分解到不同的尺度空间下,在尺度空间进行阈值量化处理,对有用的信号成分进行数据重构,最后利用重构的数据进行匹配滤波处理,使得混响被有效抑制,改善检测性能。仿真和试验数据处理结果验证了该方法的有效性,信混比可以提高约3 dB。     

混响背景下宽带信号的检测

海洋混响是主动声纳检测中主要的背景干扰，它是一种有色干扰噪声，并常被看作是一个非平稳的随机过程，这使得工作在白噪声条件下的最佳匹配滤波检测器的性能在一定程度上受到限制。本文将白化的思想引入到主动声纳的信号检测中，在混响自回归(AR)模型的基础上研究混响的预白化处理，并将一种次最佳检测器应用到宽带信号的检测中，最后比较了未白化匹配滤波与白化次最佳检测器的性能，实验数据分析结果表明白化次最佳检测器可以在一定程度上提高主动声纳的检测性能。     

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。     

基于时-空离散化的海底混响时间序列仿真方法

以海底混响为研究对象,提出了一种混响仿真时通过时空离散化处理降低计算量的方法.以混响的点散射模型为基础,海底混响认为是海底散射体对发射信号的响应,用线性网络对其进行描述,得到冲击响应函数.通过对冲击响应函数时间离散射化处理,相应的对海底进行空间区域划分,进而把散射体散射信号叠加时的叠加总数转化为时间域离散化之后的时间段...     

混响背景下主动声纳接收信号的可分离性探讨

混响背景下主动声纳的接收信号是否具有可分离性是盲分离在主动声纳抗混响中获得应用的前提条件。在建立混响背景下的接收信号模型的基础上,通过模型中源信号间相关性的分析,提出了一种接收信号是否具有可分离性的判断准则：在绝大多数时延条件下相关系数很小的发射信号,其混响背景下的接收信号具有可分离性。通过主动声纳的两种发射信号（CW和LFM）的仿真和海试实验研究对这一准则的可行性进行了检验。对于符合可分离性判断准则LFM信号,实验结果验证了其混响背景下接收信号的可分离性。     

圆柱阵主动声纳空时混响仿真及空时特性分析

经典的单元散射模型混响仿真方法无法应用于主动声纳空时自适应处理（space-time adaptive processing,STAP）算法研究。提出了一种基于单元散射模型的适合主动声纳STAP算法研究的圆柱阵混响仿真方法。根据声纳发射信号的距离和多普勒分辨力将海洋空间划分成若干个散射单元,将每个散射单元对各个通道混响的贡献在时域分别进行求和,得到各个通道的混响时间序列。仿真综合考虑了多种影响混响的因素,包括发射信号的参数、声呐平台的运动、海洋环境等。对仿真结果的空时特性进行了分析,结果表明仿真数据能够满足STAP算法研究的需要。     

一种浅海双基地声呐混响功率谱建模方法

在单基地声呐接收信号匹配滤波器后的混响功率谱模型基础上,结合海底全向散射系数模型和双基地声呐信号传播的几何关系,给出了一种计算浅海双基地声呐接收信号匹配滤波后的混响功率谱分布的方法。     

金刚石磨粒变切深划擦无氧铜的声发射及其时间序列建模

试验研究了单颗金刚石磨粒以不同切深划擦无氧铜的声发射信号特征,对不同切深下的声发射信号进行平稳化,确定合适的时间序列模型阶次和模型识别,建立了金刚石划擦无氧铜的声发射时间序列自回归(Auto Regressive,AR)模型。研究表明:随着切深的增加,声发射特征参数和最大振幅随之增大,AR模型的各特征向量与切深之间具有较好的线性关系,合理的AR模型可较好地表征单颗金刚石磨粒划擦无氧铜的声发射信号特征,并可以实时分析金刚石磨粒的划擦深度。     

机动小目标的时空联合检测技术

主动声呐信号处理中一般采用匹配滤波和背景均衡等算法检测回波信号,为提高信号的检测性能,还需利用信号与混响和环境噪声在时间、空间上的统计特征差异。文章在对信号的时、空特征算法进行简单描述的基础上,提出了频率能量统计特征和方位能量统计特征,将两种特征检测器的输出进行融合处理构成时、空联合检测器。仿真和试验数据处理结果证明,此方法可有效提高机动小目标在混响及环境噪声中的检测性能。     

利用支持向量机提高水声信号的检测能力

混响是影响主动声纳检测的一个重要因素。传统方法如高阶统计方法和修正协方差等白化方法在检测静止目标时效果并不理想,主要是因为这些算法无法利用混响这样的统计多变且非线性的数据准确估计一个AR模型的参数。利用支持向量机SVM（Support Vector Machine,SVM）来估计AR模型的参数,并进行了实验。结果表明,即使在静止目标的情况下,该算法依然能表现出良好的性能。     

混响背景下基于分数阶傅里叶变换的自适应LMS滤波算法

针对强混响背景下经典的最小均方误差(Least Mean Square,LMS)滤波算法难以有效地实现信混分离的问题,提出一种基于分数阶傅里叶变换的自适应LMS算法。首先将混响信号和自适应LMS滤波算法中的参考信号进行分数阶傅里叶变换,寻找最优变换域,并在分数阶域进行带通滤波,然后将得到的信号进行分数阶傅里叶反变换,最后将基于正态分布曲线的变步长LMS算法应用于此混响条件下进行滤波。仿真和海试数据验证结果表明,在信混比为0 dB的情况下,算法仍可以有效地滤除混响,使信混比提高6dB。     

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＂。     

声纳信号抗混响能力和声兼容性分析

作为主动声纳系统设计的三大要素之一,主动声纳波形设计在主动声纳系统设计中占有重要的地位。主动声纳信号波形不仅决定了接收信号的处理方式,还直接影响到系统的分辨率、测量精度、抗干扰能力以及目标跟踪性能等各个方面。利用信号的Q函数和互模糊度函数,研究信号的抗互相能力和声兼容性能。并通过实际的海试数据分析,验证了这种分析方法的可行性、有效性和正确性。     

复倒谱域语音信号去混响研究

语音信号去混响技术能明显提高语音通信系统和识别系统的性能。简要介绍了语音复倒谱法去混响原理,对复倒谱域去混响滤波特性进行了仿真研究。根据多种去混响评价指标,确定复倒谱域“低通滤波器”的最高截止点、过渡带宽和过渡带的曲线特性等参数,发现在通常混响时间范围内,“低通滤波器”最高截止点与混响时间无关,复倒谱域滤波前加高斯窗可以改善去混响效果。     

水下小孔径阵列远程目标检测方法研究

匹配滤波器频域自适应线谱增强方法是一种基于递归算法的非线性滤波技术,它大大提高了匹配滤波器的检测性能。针对当前该技术使用窄带信号作为发射信号存在可利用的带宽有限,不能充分发挥自适应线谱增强器性能的问题,文章提出将该技术与宽带信号相结合来检测远程目标。仿真显示,该方法在低信噪比条件下获得了较高的信噪比增益和检测概率。海试数据处理结果表明,该技术的处理增益较传统方法高6.24 dB。该方法的高处理增益适合应用在水下无人平台上,弥补了小孔径阵列空间增益不足的缺点,可以实现远程目标的检测。     

基于统计模型的混响信号仿真

基于混响信号统计模型,建立一种原理简单、易于实现的混响信号仿真算法,针对高频窄带信号引用椭圆滤波器进行滤波,仿真结果表明,该方法产生的混响信号无论在形式上还是统计特性上和理论分析结果都有很好的一致性,并分析了混响信号的相关、时频分布特性。     

宽带声学多普勒流速剖面仪的中频正交采样算法

宽带声学多普勒流速剖面仪(Broadband Acoustic Doppler Current Profile,BBADCP)发射由伪随机编码调制的正弦信号,信号带宽在频域上产生展宽,成为带通信号。宽带回波信号的处理多采用正交解调的方法,但此方法对采样率的要求较高,硬件较难实现。利用数字中频正交采样法来实现,大大降低了采样频率,并且针对BBADCP解模糊速度的要求,进行了宽带回波信号的仿真试验,结果证明插值的数字中频正交采样法适合于BBADCP的信号处理。     

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。