一种新的被动水声探测盲自适应波束形成器

提出了一种适合拖曳线列阵鱼雷自导系统的新的被动水声探测盲自适应波束形成器。介绍了该方法的设计思路和推导原理,然后通过计算机仿真验证了该方法的收敛性,并在不同信噪比、快拍数条件下与单独使用自适应MVDR波束形成器在角度估计方面做了对比。与单独使用盲源分离算法在源信号估计方面作了比较。最后证明该方法是一种稳健的、对信噪比变化不敏感的适合被动水声探测的新方法。     

基于自适应陷波滤波器的窄带波束形成方法

本文介绍了自适应陷波(Notch)滤波器的工作原理,在此基础上推导了一种窄带波束形成的新方法,并通过仿真加以验证.该方法简单易于实现,因而具有广泛的应用价值.     

语音消噪应用研究

从时域与频域对比研究了低信噪比语音消噪问题,时域采用LMS自适应消噪,频域分析选用小波技术,对两种消噪方法进行了系统全面的分析,对比讨论了各自的优势及不足,对实际信号进行了仿真消噪并与原始语音取样信号相比较,研究表明选用消噪方法对低信噪比语音消噪是明显有效的,LMS自适应消噪及小波消噪具有很强的实际应用价值。     

细线阵的频域自适应波束形成

常规波束形成技术包括时域波束形成技术和频域波束形成技术.由于实际空间采样的声阵是有限孔径的，常规波束形成的空间波束谱估计具有加窗效应，所以分辨力不高，另外由于它是固定旁瓣响应，所以不能有效的抑制强干扰。为克服常规波束形成的不足，本文利用广义旁瓣干扰抵消自适应阵处理的原理，仿真研究了自适应波束形成分辨力与抗干扰能力的提高.     

自适应消噪技术在旋光准直仪中的应用研究

通过对自适应消噪技术理论分析和实验研究，成功地将其应用于旋光准直仪中，用自适应消噪技术对远近距离多种不同准直测量的实验结果进行处理。结果表明：在不同实验条件下，消噪后补偿度达30%-80%。     

自适应神经网络模糊小波语音消噪算法

针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。     

基于SOC规划的稳健盲波束形成算法

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,提出了一种基于二阶锥（Second Order Cone,SOC）规划的稳健四阶累积量盲自适应波束形成算法。该算法相较于采用传统对角加载技术的高阶累积量盲波束形成算法和WCPO-RCUM算法而言,进一步提高了稳健性和输出信干噪比。计算机仿真实验表明,该算法具有很好的稳健性。     

进化论动态参量自适应消噪算法

由于以输出信号平均能量的倒数为适应度函数、以及定值克隆系数和定值匹配系数的因素,制约了传统进化论自适应消噪算法的收敛特性,影响了传统进化论自适应算法降噪的有效性。针对该问题,提出了基于动态适应度函数的进化论变系数自适应消噪算法。新算法中,匹配系数与进化代数相关联,克隆系数由进化代数和适应度值决定,并采用动态适应度函数,改善了滤波器的收敛特性和噪声抑制能力。模拟仿真分析表明,新算法较同类进化论算法有较快的收敛速度和良好的消噪效果。物理台架实验数据验证了该算法对故障信号的有效提取能力。     

稳健宽带自适应波束形成

文章提出了宽带自适应波束形成及稳健设计方法，建立了二次约束宽带波束形成稳健设计模型，从理论上解决了自适应阵观察方向的稳健设计问题，彻底抛弃了自适应阵需要时延补偿的环节。所建立的阵处理器能抵消40dB以上的干扰，工作带宽达到两个倍频程，在理论上为被动跟踪系统设计最佳宽带接收阵和阵处理器作了准备。     

基于二阶锥规划的稳健低旁瓣自适应波束形成

针对水下成像时圆弧阵常规波束旁瓣级较高,当存在强干扰时容易带来较多虚警的缺点,提出一种基于二阶锥规划的稳健低旁瓣自适应波束形成方法。该方法通过对波束旁瓣进行优化设计,可以将波束旁瓣级进行严格控制,并进一步结合协方差矩阵重构法,使波束形成器的稳健性得到提高,最后将该波束优化问题转化为二阶锥规划问题进行求解。计算机仿真结果表明,相较于其他算法来说,文中算法在波束旁瓣级得到严格控制的同时,可以在存在各类失配的情况下获得更高的输出信干噪比,稳健性更高。水池实验进一步验证了该方法的有效性,该研究成果可以在声呐成像领域应用。     

基于独立分量分析的结构模态参数识别

简要介绍了独立分量分析的基本原理及算法,探讨了结构的正规坐标与独立分量的关系。分析认为,结构自由振动响应的振型分解可以看做是一个ICA问题。因此,可以把独立分量分析发展成为一种利用结构自由振动响应时域信号进行模态参数识别的方法。结合数值仿真算例及振动试验,验证了独立分量分析用于结构模态参数识别的有效性。结果表明,独立分量分析可以准确的从结构自振响应中,分离出各正规坐标,同时估计出各阶模态振型向量,适用于环境激励下的工作模态参数识别。     

基于相空间重构与独立分量分析的局部独立投影降噪算法

针对故障分析信号中存在噪声问题,提出一种将相空间重构与独立分量分析相结合的局部独立投影降噪算法。其中相空间重构的目的在于从高维相空间中恢复混沌吸引子,独立分量分析能够找到信号的主流形,选择邻域是为了将特征相近的相点结合在一起。使用该方法对正弦仿真信号和Lorenz仿真信号进行降噪处理,结果表明局部独立投影降噪算法的降噪效果与局部独立分量分析算法降噪效果接近,但优于全局投影降噪算法。运用该方法对低速重载轴承振动信号进行分析,准确判断出轴承故障。     

基于约束独立成分分析的滚动轴承故障诊断

用新的理论和方法丰富和提高机械故障诊断技术是机械故障诊断学的重要内容之一。本文用约束独立成分分析方法把研究对象的先验信息作为独立成分分析算法的约束条件,使新的算法仅仅收敛于感兴趣的故障信号。这样可以提高故障诊断的针对性和效果。该方法可以从传感器信号中快速诊断设备中是否发生了某种故障,并以滚动轴承的仿真和实验验证了该方法的适用性和有效性。     

ICA的近红外光谱分析软件的研制

研制了基于独立分量分析方法的近红外光谱分析软件.该软件包括光谱解析、光谱建模和未知成分含量测定三个模块,使用了小波分析、ICA和BP神经网络等数据处理方法.将这种软件用于实测的玉米近红外光谱分析,所得结果令人满意.使用LabVIEW与MATLAB软件混合编程,充分利用了各软件的优点,不仅程序简单,而且界面友好.     

稳健协方差矩阵重构波束形成算法

针对信号导向向量失配以及接收数据协方差矩阵存在误差会导致传统的自适应波束形成器产生能损失的问题,提出了一种基于干扰加噪声协方差矩阵重构的稳健波束形成算法.该算法通过对信源来波角度范围进行Capon谱估计得出重构信源协方差矩阵,并通过特征分解以及子空间性质得出信源的导向向量,然后利用重构所得信源导向向量计算出信源功率以及...     

一种基于谱减的声纳噪声自适应消除方法

噪声自适应消除是声纳信号处理的重要研究内容之一.传统的噪声自适应抵消算法需要单独的阵列(阵元)以获得不含期望信号的参考噪声信号,这在实际工程应用中往往是不现实的.提出在不增加阵元的情况下,通过相邻两个阵元输出信号进行加权处理,合成一路不包含给定方向信号的噪声信号;同时,借鉴语音信号处理中普遍应用的谱减降噪处理方法,达到...     

近红外光谱数据处理的独立分量分析方法研究

从数学的角度分析比较了主成分分析(PCA)与独立分量分析(ICA)的原理和特点,给出光谱矩阵在两种不同分析方法下的不同分解;同时结合线性回归和神经网络回归,提出"两步法"来确定不同成分含量测定的最优模型.进而采用PCA与ICA对实际测得的玉米近红外光谱进行了处理,比较分析了两种不同分解所得矩阵的化学含义,以及PCA与ICA两种不同分解对玉米光谱分析结果的影响.仿真结果表明,ICA从独立性角度对光谱数据矩阵进行分解,所得结果更接近实际光谱.最后,利用"两步法"对玉米三种主要成分水、淀粉、蛋白质分别建立了各自最优含量测定模型.结果表明,所建模型符合快速测定要求,具有一定的实用价值.     

基于独立分量分析的图像特征提取及泊松噪声去除

针对泊松噪声具有与信号相关和不一致性分布的特性,提出了一种基于独立成分分析(ICA)的软阈值滤波算法。泊松噪声对基于高阶统计量的ICA变换不敏感,其能量均匀分布在ICA域。首先将包含泊松噪声的图像变换到ICA域,然后再对图像独立成分进行软阈值滤波。该算法对图像和噪声具有自适应能力,在噪声去除和图像细节保留方面达到一个平衡。实验结果表明:该算法不仅可以有效去除图像中的泊松噪声和提高图像质量,而且具有良好的鲁棒性。     

Geometric transformation based independent component analysis for mixed image separation

Abstract

An independent component analysis (ICA) method for image separation by geometric transformation of a scatter diagram is proposed. Geometric transformation and normalization are used to project mixed image signals to independent component space. This method includes four procedures: data correction, whitening, geometric rotation, and slant compensation. Several synthetic mixed image and real applications are used to evaluate the performance of the proposed method. From experimental results, mixed images are separated accurately by the proposed method.     

自适应局部独立分量分析

提出一种自适应局部独立分量分析降噪算法。该算法先将一维时间序列重构到高维相空间,用聚集模糊K均值聚类和聚类评价函数求取高维数据集的聚类个数和聚类中心位置,然后利用K均值聚类寻找局部投影区间,对每个聚类进行独立分量分析并投影到低维空间,将低维空间数据排列并重构成一维时间序列。与使用聚类的局部独立分量分析相比,该算法具有自适应性和稳定性。使用数值仿真试验和齿轮故障信号对该算法进行验证,结果表明该算法对此类信号具有良好的降噪效果。