基于二次相关的时延估计方法研究

针对无源定位中时延估计的问题,在研究二次相关法时延估计的基础上,结合希尔伯特变换,提出了一种新的时延估计方法。该方法对二次相关峰值进行锐化处理,提高了时延估计精度,能在更低信噪比下取得更高的时延估计性能。仿真验证了算法的有效性。     

基于循环二次相关的时延估计

针对无源定位中时延估计的问题,在研究循环二次相关时延估计算法的基础上,结合希尔伯特差值时延估计算法,提出了一种新的时延估计方法。该方法运用希尔伯特差值法对循环二次相关峰值进行锐化处理,提高了时延估计精度,能在低信噪比条件下取得更好的时延估计性能。仿真验证了算法的有效性。     

基于广义二次互相关的低信噪比信号时延估计

针对时延估计精度受噪声影响,导致时延估计不准确的问题,在现有广义二次相关算法的基础上,提出了一种改进的广义二次相关算法,通过将二次相关函数先做指数运算,降低噪声干扰,再将傅里叶逆变换得到的相关函数做高次方运算,达到锐化峰值提高时延正确率的目的。仿真结果表明,信噪比(SNR)在0～10 d B时,改进算法的均方根误差明显优于广义二次相关算法,正确率相比于广义二次相关算法也显著提高,且在更低SNR的情况下仍然具有一定优势。     

基于整体经验模态分解的信噪比估计方法

为了提高未知样式信号的信噪比估计性能,提出一种基于噪声辅助的信噪比估计新算法,通过固有模态函数（IMF）分量平均周期的变化判断信号与噪声界限,给出了基于噪声辅助估计法的工作原理和流程图,分析了基于噪声辅助估计法的性能。仿真结果表明,基于噪声辅助估计法能够实现盲信号信噪比估计,在0 dB信噪比下均方误差不超过0.2 dB。     

基于RLS的二次加权相关时延估计算法

针对测向定位中时延估计的问题,提出了一种基于递推最小二乘（Recursive Least Squares,RLS）算法的二次加权相关时延估计方法。该方法在二次相关算法基础上,一方面引入RLS算法,在二次相关前进行自适应滤波,提高系统抗噪能力,且具有较快的收敛速度;另一方面借鉴广义互相关的思路,引入加权函数,并且采用二次加权方式,提高时延估计的性能。仿真结果表明,在低信噪比环境下,基于RLS的二次加权相关时延估计法使谱峰更加尖锐,抑制了噪声的影响,提高了估计的精度。     

相关峰插值的二次相关锐化时延估计方法

时延估计作为一种目标定位技术广泛应用于各种领域,而其估计精度却会受到各种因素的影响,使得定位的准确度受限。因此,本文主要针对采样率受限和噪声影响等问题,提出了一种高精度的时延估计方法。它以相关峰精确插值法为基础,利用二次相关和希尔伯特差值进行改进。仿真结果表明,该法不仅可以在已有采样率的基础上提高相关函数的分辨率,而且还具有较强的抗噪声性能和峰值检测能力。它在高信噪比环境下可以得到相当精确的时延值,在低信噪比环境下时延估计性能改善显著。因此,本文所提的算法是一种能精确进行时延估计的有效方法。      

一种基于经验模态分解的信噪比盲估计新算法

为了增强未知样式信号的信噪比估计性能,提出了一种基于经验模态分解（EMD） 的信号信噪比估计新算法,通过固有模态函数（IMF）分量平均周期判断信号与噪声界限。 给出了经验模态分解估计法的工作原理和流程图,分析了经验模态分解估计法的性能。仿真 结果表明,与信号空间分解法一样,经验模态分解估计法能够实现盲信号信噪比估计,后者 估计均方误差比前者要小,在0 dB信噪比下均方误差不超过0.3 dB。     

基于广义二次相关的稀疏傅里叶变换时延估计算法

针对无源时差定位中的稀疏傅里叶变换时延估计算法在低信噪比条件下的抗噪性差和估值精度低等问题,提出了广义二次相关稀疏傅里叶时延估计算法。算法在对信号进行稀疏傅里叶变换的基础上,融合利用最小二乘拟合改进的广义二次相关算法,在对信号进行快速处理的同时抑制了噪声的干扰,使得时延估计算法的性能得到提高。仿真实验以及对实测数据的验证均表明改进算法具有较好的抗噪性以及时延估值精度。     

改进的经验模态分解盲信噪比估计方法

针对经验模态分解信噪比估计方法运算量大、精度低的问题,本文结合概率论提出了改进的算法。利用离散傅里叶变换分析了固有模态函数的功率谱分布情况,确定了3次分解的有效性,简化了运算过程。基于统计数据给出了分量功率谱密度分布关于特征参数的正态分布近似表达式,并分析了分解过程中存在的能量溢出现象,由此给出了由特征参数估计信噪比的方法。针对不同的样本长度和信号调制方式测试了新算法的性能,结果表明新方法的性能优于原始方法,信噪比0dB时新方法的估计误差不高于0.5dB。      

基于广义互相关的时延估计算法研究

采用到达时间差的声源定位,最重要的就是进行时延估计,其精确性直接影响到定位的准确与否。本文主要分析研究了广义互相关算法在无混响和混响环境下时延估计及估计性能,实现了不同环境下的时延估计,实验结果表明广义互相关在无混响和弱混响下具有较好的优势。     

基于时延估计的四元声源定位研究

当前对于声源定位技术的研究非常火热,它主要由声学、信号接收、软件设计以及数字信号处理等学科组成,通常在研究声源定位时我们采用传声器阵列定位技术。而时延估计是传声器阵列进行信号处理的一项非常重要的技术,它的目的是对同源信号到达不同的传声器由于传输距离的不同而产生的时间差。现在,声源定位技术已经被广泛的应用到移动通信、智能探测等领域中。本论文对声源定位技术的发展现状进行了介绍,同时对时延估计的定位算法进行了相关介绍,最后得出声源定位未来将会被应用的更加广泛的结论。     

基于经验模式分解的Wigner-Ville分布交叉项抑制方法

时频分析作为时变非平稳信号分析的有力工具,成为现代信号处理研究的一个热点.这种分析方法提供了时间域与频率域的联合分布信息,为我们清楚地描述了信号随时间变化的关系.Wigner-Ville分布由于其良好时频集聚性,在非平稳信号分析中得到广泛应用,本文针对Wigner-Ville分布中的交叉项问题,提出了基于经验模式分解的Wigner-Ville分布,即对多分量信号运用经验模式分解,将其分解为单分量信号,再对每个单分量信号求Wigner-Ville分布进行线性叠加.提出运用相关系数法对经验模式分解伪分量进行剔除,提高了该方法的精度,并将该方法与Cohen类方法进行比较,阐述了该方法的优点.     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解(EMD)的消噪算法.该算法首先对含噪信号进行EMD分解,得到多个固有模态函数(IMF)分量,然后选取高阶IMF重构原信号,达到消噪的目的.针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题.仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪.     

一种新的跳频信号时延估计方法

针对噪声环境下的跳频信号,提出了一种基于稀疏分解的时延估计方法。对跳频信号采用稀疏分解重构进行了研究,在此基础上,在不同天线下对跳频信号分别进行重构,得到每跳信号对应的载波频率和时间中心,从而估计出跳频信号的时延。仿真结果表明,在信噪比大于7 dB时,跳频信号的时延估计误差基本趋近于零,验证了时延估计方法的有效性。     

修正阈值的经验模态分解去噪算法研究

针对传统的经验模态分解(EMD)降噪方法容易丢失高频部分有用信号的不足,提出了一种修正阈值的EMD去噪方法。通过考察每个IMF的平滑度来判断其中噪声强度并以此修正用传统方法求得的阈值,再用修正的阈值对IMF进行阈值处理,实现对每个IMF的降噪,进而实现信号去噪的目的。在Matlab构造的超声信号的模型中分别添加3种不同强度的噪声模拟实际的噪声干扰,并进行去噪实验,结果表明修正阈值的EMD去噪方法对不同噪声环境下超声信号均有理想的去噪效果。     

基于经验小波系数模态分解的太赫兹成像纵向分辨增强

为了提高太赫兹成像探测的纵向分辨率,提出了一种基于连续小波的经验模态分解的纵向分辨率增强新方法。首先先对样品的频域信号进行连续小波变换处理,获得其相对应的连续小波变换系数;然后对获得的连续小波系数进行经验模态分解,将其自适应地分解为一系列的本征模式函数和一个残差信号,并提取其中第一阶本征模式函数为成像参数进行三维重构,获得最终的三维本征模函数图像,以此来提高太赫兹检测图像的纵向分辨率。为验证方法的有效性,采用150 ～220 GHz高频太赫兹调频雷达成像系统分别对两种含内部脱胶缺陷的夹层结构复合材料进行成像检测并利用提出的方法进行处理,得到了纵向分辨率被有效增强,清晰度被有效提高的检测结果图像,这为未来的太赫兹计算机断层扫描成像和太赫兹无损检测应用研究提供了新的思路。     

一种维纳加权的广义相关自适应时间延迟估计方法

本文研究了维纳加权广义相关时间延迟估计问题，提出了一种自适应实现维纳加权的时延估计方法。文中讨论了算法结构，分析了其性能，并给出了计算机模拟的结果。理论分析和计算机模拟表明，这种自适应维纳加权时延估计方法，不依赖于输入信号和噪声的统计先验知识，可以有效地消除信号中噪声对时延估计的影响，具有较高的估计精度和较快的收敛速度。     

极点均值型经验模式分解及其去噪应用

使用经验模式分解（EMD）对信号进行去噪时,由于EMD 本身会产生模态混叠,往往很难将噪声完全分离。针对这一问题,提出了一种新型的极点均值型EMD 方法,并且给予固有模态函数（IMF）一个新的定义。首先,将相邻极点平均以求得均值包络,然后迭代相减进而获得IMF。最后用原始信号减去分离出的高频IMF 实现去噪。随机信号仿真以及激光雷达回波信号去噪实验表明,该方法与EMD 分解相比,可以更好地将噪声分离,有效地抑制模态混叠,更可以极大地减小均方误差。因此,极点均值型EMD 拥有很好前景。