基于高阶累积量的高精度时延估计算法

针对海洋探测中由于接收信号信噪比低并存在各种噪声干扰导致时延估计精度低的问题,提出一种基于二次相关和高阶累积量的具有多种噪声抑制能力的高精度时延估计新方法——SC-HOCS法。该方法首先对两路接收信号进行自相关和互相关处理,抑制部分高斯噪声,然后利用高阶累积量一维切片法对信号进行处理,抑制相关高斯噪声和非高斯色噪声,通过对接收信号的上述处理提高信噪比,最后结合希尔伯特变换对相关峰进行锐化处理,进一步提高时延估计精度。与广义相关法、二次相关法及高阶累积量一维切片法相比,该方法能很好地抑制相关噪声并且能在更低的信噪比下获得较好的时延估计精度,同时该算法计算量较小,可满足对数据实时处理的需求。计算机仿真和水池实验验证了该方法的有效性。该方法为海洋探测中低信噪比信号的高精度时延估计提供一种新的技术途径。     

基于三阶累积量及自适应滤波时延估计的管道定位方法

针对直接互相关被动时延估计法定位管道异常振动事件存在噪声干扰影响定位精度的问题,提出了基于三阶累积量及自适应滤波时延估计的管道异常事件定位方法。该方法对顺、反两路异常振动信号进行三阶自累积量和互累积量估计,抑制高斯相关噪声和对称分布噪声。然后利用自适应滤波时延估计算法对三阶自累积量和互累积量信号的时延进行迭代计算,在不依赖先验知识的情况下抑制非高斯相关噪声。经现场实验证明,该方法可以准确地对管道异常事件进行定位,对噪声具有很好的抑制作用,改善了直接互相关时延估计的性能。相对于直接互相关时延估计方法,相对定位误差由2.7%降低到0.6%,定位一致性提高了三倍,平均定位精度可达14m。     

音频无人机定位的时延估计模拟分析

针对无人机非平稳音频信号时差定位中,广义互相关时延估计算法抗噪性差和时延估计值精度低等问题,文章采用了一种基于广义二次相关时延估计的改进算法。算法对叠加了实际噪声（如风声、雨声、汽车鸣笛声等）的无人机音频信号进行频谱细化的广义二次相关,有效抑制了噪声干扰,融合相关峰精确插值算法,提高了互相关函数的分辨率,使得时延峰值更加明显。仿真实验结果表明,改进的广义二次相关方法在不同信噪比时,比广义互相关和广义二次相关算法的时延估计精度更高,稳定性更好。改进的广义二次相关算法对无人机定位中的时延估计具有更好的性能优势,具有较强的实际应用性。     

基于互四阶累积量的Pisarenko方法估计色噪声下多正弦信号频率

在互功率谱估计和高阶统计量理论基础上,提出了互高阶谱估计方法,从理论上建立了基于互四阶累积量的Yule-Walker方程,并在此基础上提出了互高阶谱估计的Pisarenko方法,仿真结果表明,在混合色噪声背景下,该方法能够有效地抑制噪声,具有良好的频率估计性能。     

自来水管网相关检漏技术中时延估计方法的选择与综合

管道相关检漏技术中时延估计方法的选择决定了漏点定位的准确性和精确性，本文分析讨论了几种典型的应用环境下时延估计的原理，包括：（１）不相关噪声中各种广义互相关技术和维纳滤波；（２）相关高斯噪声中用多谱技术进行时延估计的方法；（３）混响干扰环境中利用信号重构技术进行时延估计的原理，给出了在设计检漏系统和实际检测时，对时延估计方法进行选择和综合的一般性原则。     

混合色噪声背景下的弱信号频率估计：基于互高阶累积量的矩和最小范围—TLS方法

谱估计方法是用于噪声背景下测量微弱正弦信号的一种有效方法。但以往的谱估计都是采用互功率谱估计和高阶自谱估计的各种方法。本在互功率谱估计和高阶统计量理论基础上,提出了互高阶谱估计方法。从理论上建立了基于互四阶累积量的Yule-Walker方程,并在此基础上提出了互高阶谱估计的矩和最小范数－总体最小二乘（TLS）方法。仿真结果表明,在混合色噪声背景下,这两种方法能够有效地抑制噪声,具有良好的频率估计性能。     

泄漏检测应用中突发干扰对LMS时延估计性能的影响

文章中把LMS时延估计算法用于地下管网的泄漏检测和漏点定位，避免了经典时延估计算法一广义互相关法(GCC方法)需要知道信号和噪声统计特性等先验知识的不足，但是泄漏检测应用中，管道外在环境造成的突发性强干扰，导致了传感器接收到的信号是非平稳的，而非平稳信号对LMS的时延估计性能有不利影响，文章中分析了这种由突发性强干扰导致的非平稳信号对LMS时延估计收敛性、收敛速度和时延估计值的影响，提出了消除突发干扰的方法。实验表明，在地下管网泄漏检测应用中，该方法能够有效地消除强突发干扰噪声，使得估计性能得到显著的改善。     

混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法

本以互四阶累积量为依据,首次证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声;并在建立互高阶累积量的Yule-Walker方程的基础上,通过该矩阵的奇异值分解,建立了信号矢量空间与噪声矢量空间;首次提出了混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法。仿真结果表明,与自高阶谱Pisarenko方法相比,该方法具有更好的谱估计的分辨率和谱估计的稳定性,抗干扰性更强,其信噪比工作门限更低,特别适合于工程中小信号的测量。     

基于三次相关改进的广义互相关时延估计法在局部放电超声波定位中的研究

在现有的开关柜等电气设备局部放电超声波定位技术中,到达时间差定位法(Time Difference of Arrival,TDOA)在定位精度与技术实现等方面有着一定的优势,得到了广泛的使用,是目前常用的方法,其中的时延估计算法对整个系统起着关键作用。文章首先对目前现有的基本相关、广义相关、二次相关等时延估计算法进行了分析。其次,在二次相关基础上再进行一次相关,并设计了新型的加权函数,将三次相关与广义互相关结合在一起,成为一种新的方法,即广义三次相关时延估计法。最后,搭建了相应的开关柜实验平台并对以上方法进行了实验及对比,分析了各算法的性能。结果表明,广义三次相关时延估计法在相对强噪声环境中较其他算法抗噪性能更强,具有更好的优越性。     

基于加权四阶累积量切片的谱线增强

本文首先介绍了加权高阶累积量切片的概念,给出了加权混合高阶累积量的更新公式,提出了其自适应谱线增强算法,并用实测运动目标辐射噪声数据,对该算法的性能进行了仿真研究。仿真结果表明:该算法具有较强的抑制高斯有色噪声能力,能抑制大约13~23dB的高斯有色噪声;调整高阶累积量切片加权系数,可改善该算法抑制高斯有色噪声的性能。     

基于噪声抵消技术的时延估计

阐述了噪声抵消时延估计法(Time Delay Estimation based on Noise-canceling,TDENC)的基本原理,建立了TDENC分析的估计模型;并进行了大量仿真计算和初步海上试验。仿真结果表明:低信噪比且干扰噪声间相关性较强时,TDENC估计延时明显优于常规方法,但其主峰较宽;干扰噪声间彼此相关但信噪比高,估计时延精度则较差。海上试验结果和理论仿真一致。     

谐波恢复的时间平均三阶累积量方法及其工程应用

为了识别在强高斯噪声背景下振动信号的谐波成分，从三阶累积量的估计算法出发，提出了基于时间平均的三阶累积量算法，进行振动信号的谐波恢复。时间平均三阶累积量是三阶累积量的一种估计值。理论推导表明，随机相位谐波过程时间平均三阶累积量为非零值，而且其一维切片仍然是谐波过程。由此提出了一种在强高斯噪声背景下识别信号的谐波成分的频谱分析方法。该方法对抑制振动信号中的高斯噪声、正确识别其中的谐波成分十分有效，工程应用实例和信号仿真都很好地验证了该方法的正确性。     

一种基于累积量的ESPRIT型盲波束形成算法

讨论一种用于非高斯信号源方位估计的盲波束形成算法。假设背景噪声是二阶统计未知的有色(空间相关)高斯噪声,基于“阵元对”模型的ESPRIT方位估计算法可以通过用累积量矩阵取代自相关矩阵完成信号空间的重建。经过这种处理,加性有色高斯噪声可被滤除,因此算法不需要相关噪声矩阵的知识。当加性噪声源是空间相关矩阵未知的有色高斯噪声时,计算机仿真比较了基于累积量的ESPRIT算法与基于二阶统计的ESPRIT算法的性能。     

Two bit correlation-an adaptive time delay estimation

Time delay estimation is a very important operation in ultrasound time-domain flow mapping and correction of phase aberration of an array transducer. As the interest increases in the application of one and a half-dimensional (1.5-D) and two-dimensional (2-D) array transducers to improving image quality and three-dimensional (3-D) imaging, the need of simple, fast, and sufficiently accurate algorithms for real-time time delay estimation becomes exceedingly crucial. In this paper, we present an adaptive time-delay estimation algorithm which minimizes the problem of noise sensitivity associated with the one bit correlation while retaining simplicity in implementation. This algorithm converts each sample datum into a two bit representation including the sign of the sample and an adaptively selected threshold. A bit pattern correlation operation is applied to find the time delay between two engaged signals. By using the criterion of misregistration as an indicator, we are able to show that the proposed algorithm is better than one bit correlation in susceptibility to noise level. Analytical results show that the improvement in reducing misregistration of the two bit correlation over its counterpart is consistent over a wide range of noise level. This is achieved by an adaptive adjustment of the threshold to accommodate signal corruption due to noise. The analytical results are corroborated by results from simulating the blood as a random distribution of red blood cells. Finally, we also present a memory-based architecture to implement the two bit correlation algorithm whose computation time does not depend upon the time delay of the signals to be correlated     

Continuous delay estimation with polynomial splines

Delay estimation is used in ultrasonic imaging to estimate blood flow, determine phase aberration corrections, and to calculate elastographic images. Several algorithms have been developed to determine these delays. The accuracy of these methods depends in differing ways on noise, bandwidth, and delay range. In most cases relevant to delay estimation in ultrasonics, a subsample estimate of the delay is required. We introduce two new delay algorithms that use cubic polynomial splines to continuously represent the delay. These algorithms are compared to conventional delay estimators, such as normalized cross correlation and autocorrelation, and to another spline-based method. We present simulations that compare the algorithms' performance for varying amounts of noise, delay, and bandwidth. The proposed algorithms have better performance, in terms of bias and jitter, in a realistic ultrasonic imaging environment. The computational requirements of the new algorithms also are considered.     

Robust Acoustical Gas Leak Detection in the Presence of Correlated,Uncorrelated and Impulsive Noises,Using Wavelet-Based Optimized Residual Complexity

Leak detection based on acoustic emission needs robust time delay estimation in the presence of various types of noise. Considering several aspects of leakage signal and noise, the present work introduces wavelet based optimized residual complexity (WORC), in order to minimize the probability of false alarms in the presence of correlated, uncorrelated, and impulsive noise. The proposed method utilizes two approaches simultaneously. First, it optimizes residual complexity “for robustness against both correlated and uncorrelated noise”, then it employs wavelet basis in order to reduce the complexity of mixture of correlated and impulsive noise. In order to compare the resolution and percentage of false alarms of WORC with those of optimized residual complexity and cross correlation, we used both experimental and simulated leakage signals of a gas pipe. The results demonstrate the superiority of WORC in term of robustness in the presence of correlated, uncorrelated, and impulsive noise.