基于增广矩阵束的方向角与仰角估计

基于最小冗余线阵提出了基于增广矩阵束（MEMP）的方向角与仰角的联合估计算法。采用2个垂直的有约束最小冗余线阵构造一个类L型阵列,首先,利用四阶累积量虚拟阵列扩展的性质,计算2个线阵输出的互累积量矩阵,对此矩阵构造增广矩阵,然后,运用2D ESPRIT算法实现二维角度的估计,并采用一种新的配对算法,实现方向角与仰角的自动配对。该算法增加了阵列的分辨能力,提高了阵列的利用率,无需进行谱峰搜索,计算量小。仿真实验证明了算法的有效性。     

基于四阶累积量的供水管道泄漏振动信号自适应时延估计

在相关高斯噪声干扰下,特别是在低信噪比时基于互相关的供水管道泄漏振动信号时延估计性能严重下降。因此,提出基于四阶累积量及递归最小二乘(RLS)自适应滤波的供水管道泄漏振动信号时延估计方法。首先,通过自、互四阶累积量分割信号频带,获得含有泄漏振动信号特征的一维切片;然后,引入可变步长的RLS算法,提高收敛速度;最后,利用RLS算法对上述一维切片进行迭代计算,分析滤波器权系数曲线及误差曲线得出时延估计结果。仿真与实验结果表明,该方法能够有效的实现供水管道泄漏定位:在低信噪比与相关高斯噪声背景下,互相关方法失效;与四阶累积量-互相关方法相比,所提方法的平均相对定位误差减少了2.56倍,标准差减小了1.736倍。     

一种基于累积量的盲源分离新方法及其应用

结合二阶累积量和四阶累积量各自的优点,提出一种基于联合近似对角化二阶累积量和四阶累积量的盲源分离算法。采用稳健白化算法有效地减小了噪声对分离精度的影响。盲源分离算法与基于四阶累积量和二阶累积量的算法相比,具有收敛速度快、分离精度高的优点,两个仿真试验验证了该算法能有效分离语音信号和超高斯与亚高斯信号混合的信号。应用该算法成功实现了实测转子复杂混叠振动信号的分离。     

采用自适应无迹卡尔曼滤波的卫星姿态确定

针对现有算法卫星姿态确定中模型参数估计不准确,系统存在外界干扰下稳定性差和跟踪精度不足的问题,提出一种自适应无迹卡尔曼滤波算法,对卫星三轴姿态进行估计。首先分析了陀螺和星敏组合定姿的工作原理,然后推导了以误差四元数为状态变量的卫星姿态运动学方程。滤波过程中,该算法引入自适应矩阵,对量测噪声协方差矩阵进行调整;依据滤波发散判别准则,对系统噪声协方差矩阵进行自适应修正,抑制滤波过程中可能的发散情形,获得了良好的自适应性能。实验结果表明,在参数估计不准确时,自适应无迹卡尔曼滤波相比鲁棒自适应UKF算法,三轴估计精度的均方根误差(RMSE)分别提升了30.0%,34.1%,22.4%。该算法基本满足卫星姿态确定的高精度、强鲁棒性等要求。     

基于四阶累积量切片的衰弱信道预测方法

在通信系统中,为实现自适应传输,发送端必需知道信道状态信息。本文我们研究一种基于四阶累积量切片的估计和预测衰弱信道状态信息的方法。理论和仿真实验表明其相对于最小均方误差算法有更好的效果。     

多子阵高分辨实时波达估计算法研究

常用的高分辨波达估计算法一般都面临计算量巨大的高维协方差矩阵求逆或需要已知目标数目的先验信息等难题,难以在实际中应用。本文从多子阵处理策略出发,结合最小无失真响应算法(MVDR)理论,提出了一种自适应高分辨实时波达估计算法,并给出了详细的理论推导及相应的性能分析。研究表明,本文算法波达估计误差优于频域常规波束形成算法,同时,相较于常用算法实现高分辨波达估计所需的10 dB以上的阵元信噪比门限,本文算法所需的信噪比门限为3.5 dB,更适用于低信噪比条件下目标的探测,并且对舷侧阵阵元信噪比分布不一致性有较强的宽容性。更重要的是,由于协方差矩阵维数的大大降低,使得本文算法的处理速度大大提升,从而使得高分辨的实时波达估计成为可能。仿真及海试数据处理验证了本文算法的可行性。     

误差补偿技术在相位偏移干涉测量中的应用

在研究泰曼—格林相位偏移干涉仪测量原理基础上，分析了位移驱动器移相误差对五幅移相计算结果的影响，一阶线性误差和二阶非线性误差是相位偏移干涉测量技术中产生相位误差的主要因素；提出了五幅算法移相误差补偿技术，该方法直接从相位偏移干涉图中计算移相过程中存在的一阶及二阶移相误差，对五幅算法结果进行误差修正；采用玻璃平晶为测试对象，建立了泰曼一格林干涉仪移相误差补偿原理试验系统。试验结果表明在同时存在一阶移相误差及二阶移相误差情况下，采用提出的移相误差补偿方法可以将位移测量精度提高6倍，相当于采用氦氖激光器的倍程干涉仪中位移精度达到1．0nm。     

自适应渐消EKF在移动机器人SLAM中的应用

针对即时定位与地图构建(Simultaneous localization and mapping,SLAM)中经典方法的误差累积以及噪声干扰问题,提出基于自适应渐消EKF的SLAM算法。该算法通过引入自适应渐消因子,实时在线调整先验概率密度估计,减小陈旧观测信息对系统估计的影响,在保证协方差矩阵正定性的同时,达到提高SLAM算法估计精度及增强其鲁棒性的目的。通过仿真和基于开源数据集的实验,将提出的算法与EKF-SLAM和UKF-SLAM两种算法进行比较,结果表明AFEKF-SLAM算法在估计精度上优于另外两种算法。     

结合特征定位噪声表征的单应矩阵精确鲁棒估计

针对基于特征匹配的单应矩阵估计方法的特征定位噪声的各向异性非同分布对其精度和鲁棒性的影响,提出了一种结合特征定位噪声表征的单应矩阵估计方法。该方法采用协方差矩阵来表征特征点定位噪声;基于协方差矩阵加权采样一致性(CWSAC)的内点检验方法来提高单应矩阵估计的鲁棒性。最后,提出一种单应矩阵高精度估计算法——协方差加权Levenberg-Marquardt(CW L-M)法。该方法结合协方差矩阵重新定义优化目标函数,提高了单应矩阵的估计精度。基于仿真数据和真实图像的实验表明,在相同定位噪声和内点比例条件下,本文算法的估计精度显著优于RANSAC(RANdom SAmple Consensus)、LMedS(Least Median of Squares),PROSAC(PROgressive SAmple Consensus)、M-SAC(M-estimator SAmple Consensus)和MLESAC(Maximum Likelihood SAmple Consensus)等传统算法,投影均方误差比次优方法降低了3%~21%。另外,本文方法对定位噪声和内点比例变化均具有较好的鲁棒性。     

一种基于矢量传感器阵的盲波束形成方法研究

本文针对水声环境和信号的特点，提出了一种基于矢量传感器阵的盲波束形成算法。首先建立了矢量传感器阵列接收信号模型，然后推导了基于矢量传感器阵列的波束形成最优权矢量的表达式。在此基础上，定义了接收信号的四阶累积量，进而盲估计了矢量传感器阵列的方向向量，实现了盲波束形成。该方法利用高阶累积量可消除高斯噪声干扰这一特性，有效地实现了基于矢量传感器阵列的盲波束形成。仿真实验验证了该方法的有效性和正确性。     

基于通道压缩的原子范数最小化 DOA 估计算法

针对波达方向(DOA)估计算法的精度以及分辨率受通道数目影响的问题,本文提出了基于通道压缩的原子范数最小化(CC-ANM)无网格DOA估计算法。该算法首先对通道数进行压缩,然后对压缩之后数据的协方差矩阵进行特征值分解,利用分解得到的特征值和特征向量构建新的观测向量,以此来构建单快拍模型下的ANM问题,最后根据半正定规划问题的最优解建立Toeplitz矩阵,通过其Vandermonde分解获得信号DOA参数的估计结果。仿真实验验证了CC-ANM算法在阵元数为20,压缩率为2,信噪比为20 dB,快拍数为200时,估计精度可以达到0.1°以下。对于角度间隔2°以上的信号可以达到100%的测量。对仪器接收入射角度为0°实测数据进行测试,该算法估计精度在0.3°以下,要优于同等条件下的压缩感知类算法。     

适用任意平面阵列的二维宽带 DOA 快速估计算法

二维宽带波达方向(DOA)估计对实现水声通信定位一体化具有重要作用。 双边相关变换(TCT)算法是高分辨宽带 DOA 估计的经典算法之一,但只适用均匀线列阵下的一维 DOA 估计,且计算量大。 本文在对 TCT 简化算法( STCT)进行扩展 改进的基础上,提出了一种适用于任意面阵列且具有低计算复杂度的二维宽带 DOA 快速估计算法。 所提算法利用水声通信同 步信号的已知波形对阵列输出数据进行匹配预处理,有效压缩了聚焦变换所需频点数量,从而降低了聚焦变换过程的计算量; 利用余弦域加速粒子群最优化(APSO)搜索二维空间谱谱峰,在保持高搜索精度的同时显著降低了搜索计算量。 相较于单纯的 STCT 扩展算法,所提算法保持高 DOA 估计精度,在信噪比为 20 dB 时精度约为 0. 02°,但计算量远低于前者。 仿真和实验结果 验证了所提算法的优势。     

应用人工蜂群算法的动态波达方向跟踪

针对目标信号源波达方向(DOA)的实时变化,将人工蜂群算法应用于最大似然函数的优化,实现了动态目标DOA的实时跟踪。首先,提出了一种可变遗忘因子的自适应样本协方差矩阵更新方法,该方法可根据目标信号源DOA变化的快慢自适应调整历史数据和当前采样数据在协方差矩阵中所占的权重,从而保证在获得较小稳态误差的同时又可获得较快的跟踪速度。然后,直接应用了性能优越的最大似然估计方法,避免了子空间跟踪类算法需要不断重复特征值或奇异值分解等问题。最后,采用人工蜂群仿生智能算法对似然函数的求解进行优化,从而极大地减少了算法的计算量,保证了算法的快速性和实时性。实验结果表明:在单快拍采样的情况下,信噪比为0dB时,跟踪两个目标信号源的均方根误差为0.995 2°,基本达到了阵列信号处理中目标跟踪方法的设计要求。     

埋地管道泄漏三维坐标-波速联合估计方法

为实现埋地输气管道泄漏精确定位，使用加速度传感器在土表检测泄漏振动声波，并提出基于非均匀L形阵列的泄漏源三维坐标和波速联合估计方法。大孔径非均匀L形阵列内嵌小孔径L子阵，由小孔径子阵结合Root-MUSIC算法求解远场信源DOA与波速的约束关系，再利用大孔径L阵进行波速和近场信源距离的二维空间谱估计，最后根据估计结果计算三维坐标从而降低计算量。定位实验结果验证了L形阵列性能的优越性，基于L形阵列的联合估计法能够估计不同土壤条件下的泄漏振动声波传播速度，并得出泄漏源的三维坐标。相较于使用理论波速的定位方法，联合估计法定位误差降低了90.9%,避免了理论波速误差对定位的不利影响。联合估计法的计算耗时比直接三维空间谱估计降低了88%,且定位精度保持不变。根据远/近场判据计算出信源范围r_min～r_max,实验验证该范围内可实现精确定位。     

基于稀疏布阵的实时三维成像声纳系统

水下实时三维成像声纳系统可以有效地提高对水下目标探测及识别的能力,本文提出基于稀疏面阵的实时三维成像声纳系统,该系统包括3个部分:窄带信号发射系统、稀疏布阵接收系统及信号处理系统。信号处理系统在远场情况下采用二维FFT波束形成获得目标三维成像,近场情况下采用自聚焦二维FFT波束形成获得三维成像结果。相比于直接相移波束形成,稀疏布阵情况下采用二维FFT波束形成算法具有更小的计算量和内存需求量的优势。基于该成像算法,设计并实现一套实时三维成像声纳系统,通过多次湖上及海上实验对该系统进行测试,实验结果表明:该系统可以获得水下近场及远场目标的三维图像并满足实时成像的要求。     

应用序列二次规划的波达方向与多普勒频率联合估计

为了快速准确地联合估计阵列信号波达方向(DOA)与多普勒频率,提出了将序列二次规划(SQP)应用于最大似然函数优化的联合谱估计算法。该方法利用空时信号模型通过Hankel矩阵构造出阵列流型中包含DOA与多普勒频率信息的广义天线阵模型,并推导出其最大似然函数,从而将参数估计问题转化为非线性函数优化问题。然后,将SQP方法应用于似然函数的优化求解中,得到DOA与多普勒频率的估计值。最后应用SQP方法、微分进化法、遗传算法和量子粒子群算法分别进行了优化的仿真对比实验。结果表明:提出的算法具有寻优时间短,估计精度高,参数自动配对等特点,在信噪比为0dB时估计两个目标信号源的DOA与多普勒频率的均方根误差分别为0.263 6°和0.007 6rad,基本达到了阵列信号处理中参数联合估计方法的设计要求。     

应用分数低阶循环相关估计单电磁矢量传感器的波达方向和极化参数

提出了一种在α和高斯混合噪声以及循环平稳干扰并存背景下基于分数低阶循环相关(FLOCC)联合估计单电磁矢量传感器波达方向(DOA)和极化参数的多重信号分类(MUSIC)方法。该方法利用信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声以及循环平稳干扰信号;然后利用MUSIC方法对单电磁矢量传感器的DOA和极化参数进行联合估计,并利用DOA参数与极化参数的相互独立性,将传统MUSIC方法的四维搜索简化为两次二维搜索,从而有效地减少该算法的计算量。对所提算法与基于分数低阶矩的MUSIC算法进行了实验对比。结果显示:提出的方法可充分地抑制与待测信号循环频率相异的任意循环平稳干扰信号;在α和高斯混合信噪比为0dB,信干比为3dB时,估计得到的DOA和极化参数的均方根误差分别为0.3°和0.7°,明显优于基于分数低阶矩的MUSIC方法。     

基于高阶累积量的阵列式超声波传感器风速风向测量

针对现有超声波测风系统在实际应用中环境噪声抑制效果差、风速和风向测量精度不高的问题,提出了一种基于高阶累积量的阵列式超声波传感器风速风向测量方法。所提方法采用一种由一个超声波发射阵元和五个超声波接收阵元组成的阵列式超声波测风系统结构,并在此系统结构上,采用基于高阶累积量的多重信号分类(MUSIC)算法,抑制高斯白噪声及高斯色噪声的干扰,实现高斯混合噪声下风速风向的有效测量。所提方法与应用相关算法的测风方法相比,具有更高的噪声抑制能力及更高的风速风向测量精度。最后通过仿真实验与实测数据验证实验对所提方法的有效性进行了验证与分析,实验结果表明风速和风向角的测量误差分别为2.3%和-2°,基本达到了超声波测风方法的技术要求。