声学计算中不同阶子波谱方法的比较

为了研究子波阶数对子波谱方法计算精度、收敛速度和压缩性能的影响,分别用不同阶子波计算了二维和三维规则结构和不规则结构的声辐射和声散射.结果表明:子波谱法的计算精度和收敛速度随着子波阶数的增加而提高;高阶子波谱法的压缩性能不如低阶子波谱法,二阶子波谱法的压缩特性总体最优.     

子波变换域的快速自适应滤波算法

分析了一般变换域中的传统ＬＭＳ算法,利用信号的相关矩阵经过子波变换后的稀疏带状结构以及区间子波变换能有效地抑制边界效应的能力,讨论了一种新的子波变换域的Ｎｅｗｔｏｎ－ＬＭＳ类算法．仿真结果表明,对于高低频信号,该算法能给出矩阵的较准确的模块化估计,且收敛速度明显快于传统的ＤＦＴ－ＬＭＳ和ＤＣＴ－ＬＭＳ等算法．     

子波分析在轴对称体的声辐射和散射中的应用

用子波方法求解了任意边界条件下轴对称体的声辐射和散射。它是将边界未知量和任意边界条件用子波分别沿轴对称体的圆周向和母线同时展开得到的一种谱方法。给出了子波谱方法的系数计算方法，能处理较为复杂的边界几何形状，可以获得稀疏的系数矩阵。该方法收敛较快，精度高。     

周期子波在二维声辐射和声散射中的应用

提出了一种新的求解二维Helmholtz积分方程的方法。它通过将边界量用周期子波展开,将Helmhotz积分方程化为一组代数方程求解。即可求解Dirichlet、Neumann问题,也可求解合边值问题,方程的系数形成可用快速子波变换。用该方法形成的Helmholtz积分方程的系数矩阵是一稀疏矩阵,这样大大提高了计算效率,本算例表明：该方法收敛快,精度高,相同的精度下,本方法求解的未知量大大少于边界元所用未知量。     

边界子波谱元法及其在复杂结构外部声场计算中的应用

将子波谱法和边界元法结合,提出了边界子波谱元方法.用以子波为权函数的Gauss积分法和Duffy方法分别解决了边界子波谱元法中计算子波系数的普通积分和奇异积分的计算问题,避免了普通Gauss积分法计算子波系数计算量大甚至难以收敛的缺陷.并用其处理复杂非光滑结构的声辐射和声散射问题,取得了良好效果.数值算例表明:边界子波谱元法既有子波谱法计算精度高,压缩性好的特性,还有边界元法使用灵活,能够处理任意复杂结构的优点.     

范氏气体下单空气枪震源子波模拟

空气枪广泛应用于海洋地震勘探,但野外现场中震源子波的获取非常困难,条件也苛刻。因此利用空气枪震源子波模拟方法得到震源子波信号是一种行之有效的手段。以准静态开放式热力学系统与气泡振荡运动过程理论为基础,同时为了更符合空气枪中的高压气体,引入了范氏气体,建立了单空气枪震源子波模型。通过震源子波模型模拟与实测子波数据对比表明,单空气枪震源子波模型模拟的结果与实测子波能较好的吻合,从而得出了该模型能准确模拟实测子波波形,而且操作上方便实用。     

子波分析中尺度与波长的关系

通过对数据序列的子波分析中尺度与波长的关系研究,讨论了子波分析的特点和子波变换的不同定义及在傅里叶变换域中的意义,通过子波的定义求出了子波分析中波长与尺度的一般关系式,从理论和实验两方面对Morlet母子波的尺度与波长的关系进行了分析,给出了一些常用子波尺度与波长的关系式。     

双谱地震子波估计

子波处理是提高地震资料分析的一个重要手段,该技术的关键是地震子波的估计。根据高阶累积量中保留有信号相位信息的性质,给出了一种基于地震信号双谱的子波估计突破了以往对地震子波是最小相位的假设,适应于任意相位的子波,针对不同性质的地震子波,进行了理论计算,结果表明,这一该是可行的。同时也显示了信号高阶谱技术在地震资料子波处理,提高分辨率方面的潜力。     

双尺度积分方程与半连续子波变换

把双尺度差分方程推广为一般的双尺度积分谢谢中,研究了其解的存在性条件及解的求法。在此基础上,提出了半连续子波变换的概念,给出了其快速塔式分解算法和基于框架的综合算法,构造了３个半连续子波函数类,并应用于宽带相关处理中。基于双尺度积分方程的半连续子波变换保留了连续子波变换和离散子波变换的优点,克服了其缺点。     

子波处理的新探索

本文提出了一种新的子波处理方法。试方法是在已知子波的基础上,利用子波自相关的零相位对称性,根据最小平方原理进行反褶积,最后得到零相位的压缩脉冲。经过上机试验证明,该方法比原有子波处理方法有较大的改善。     

模糊自适应无迹卡尔曼滤波方法用于天文导航

为克服航天器自主天文导航中不确定测量噪声对导航精度的影响,提出了一种基于模糊推理的自适应无迹卡尔曼滤波(FUKF)方法.该方法根据滤波过程中实际测量残差方差与理论残差方差的比值,将系统滤波过程分为普通模式和自适应模式.分别对两种模式建立模糊隶属度函数,应用模糊推理规则,得到自适应修正因子,对系统的测量噪声方差阵进行实时修正,使其跟踪实际测量噪声的变化.当系统受到不确定环境噪声影响时,该滤波算法仍然有效收敛.将该方法应用于直接敏感地平的航天器自主天文导航中,不同测量噪声水平下的仿真结果表明,该算法对不确定的测量噪声具有较强的自适应能力,保证了导航信息的输出精度.     

神经网络辅助的组合导航系统信息融合方案

传统的Kalman滤波器自适应能力弱，而单纯的神经网络滤波器估计精度较差，且网络训练经验性太强。面向组合导航领域，提出BP神经网络辅助自适应联邦Kalman滤波器方案，设计并实现了SINS／GPS／TAN／SAR智能化容错组合导航系统。结合自适应滤波和神经网络两种方法共同提高系统的自适应能力，并提出新的神经网络输入量，改善了算法的实时性。系统的估计精度得到显著提高，仿真结果证明了该方案的可行性和有效性。     

基于粒子群优化算法的高阶累积量滤波器

基于高阶累积量(HOC)的自适应滤波器能够滤除高斯噪声或其它具有对称概率分布函数的噪声,其解法一般采用的是梯度搜索法,但是梯度搜索过程难以避免局部收敛而且计算复杂.粒子群优化算法(PSO)具有算法简洁,易于实现,且不需要梯度信息等优势.使用粒子群优化算法求解高阶累积量自适应滤波器系数优化问题,为滤波器参数的优化提供了一种新的思路.仿真结果表明,使用PSO优化算法求解自适应滤波器系数能获得更高的精度.同时PSO算法受系统跃变的影响较小,因此它在求解非平稳过程模型系统时具有一定的优势.     

一种新的组合时延自适应滤波器

本文旨在介绍一种新的自适应滤波器及其算法。这种新的自适应滤波器称为组合时延自适应滤波器,它将通常 FIR 自适应滤波器的某些优点结合在一起。尤其是它的简单结构,对具有长周期信号响应的复盖以及较快的收效速度,都表明这种滤波器具有独特的优点。这种自适应滤波器适用于基带二线全双工传输系统,特点是可作为 ISDN U-接口用户环路的回波消除器。在实现上,这种新的结构主要基于一片 DSP 芯片。     

基于径向基函数神经网络的自适应滤波器

自适应滤波器在信号检测、信号恢复、数字通信等领域中被广泛应用。传统的自适应滤波器主要在时域中实现。通常采用算法简单、稳健性好的自适应LMS算法。但LMS算法对输入信号的自相关矩阵具有很强的依赖性,因而自适应率不高。本文提出利用RBF神经网络实现的自适应滤波,并将其用于语音除噪和脉象信号的除噪。仿真结果表明该方法具有良好的非线性噪声抑制能力。     

LMS算法自适应噪声抵消系统参数的最佳设计

威德罗(Widrow)提出的LMS算法自适应噪声抵消系统中,由于d(j)=s(j)+n_0,带有随机噪声n_0,不再是一个理想的期望响应。这时自适应滤波器除了有由于LMS近似算法造成的权失调外,还有随机噪声的影响。本文讨论了这种随机噪声对系统性能的影响,以及如何选择系统的加权数目n,收敛因子μ这两个主要参数,使系统性能达到最佳。最后,对得出的结论进行了实验验证。     

基于自适应UKF的单站无源定位算法

针对无迹卡尔曼滤波(UKF)算法在单站无源定位中滤波的性能容易受到初始值和系统噪声影响的问题,提出了一种自适应无迹卡尔曼滤波(AUKF)的跟踪算法。该算法利用观测信息和新息,引入自适应因子,对在滤波过程中的误差的协方差矩阵进行合理自适应调整,保证得到较稳定和高精度的滤波值,从而提高算法的鲁棒性。仿真结果表明,该AUKF算法与扩展卡尔曼滤波算法(EKF)及其衍生算法中的修正协方差滤波算法(MVEKF)和UKF算法相比,对系统噪声的鲁棒性更好,体现在滤波的收敛速度和滤波精度等方面都有所提高,是一种性能更加优越的算法。     

Adaptive Federal Kalman Filtering for SINS／GPS Integrated System

A new adaptive federal Kalman filter for a strapdown integrated navigation system/global positioning system (SINS/GPS) is given. The developed federal Kalman filter is based on the trace operation of parameters estimation‘s error covariance matrix and the spectral radius of update measurement noise variance-covariance matrix for the proper choice of the filter weight and hence the filter gain factors. Theoretical analysis and results from simulation in which the SINS/GPS was compared to conventional Kalman filter are presented. Results show that the algorithm of this adaptive federal Kalman filter is simpler than that of the conventional one. Furthermore, it outperforms the conventional Kalman filter when the system is undertaken measurement malfunctions because of its possession of adaptive ability. This filter can be used in the vehicle integrated navigation system.     

Subband adaptive filter with variable reusing order of coefficient vectors

To increase the convergence rate of the improved normalized subband adaptive filter, a simple but effective method is presented to change the reusing order of coefficient vectors of the adaptive filter. At the beginning of adaptation the algorithm just uses its current coefficient vector to update the adaptive filter to maintain fast convergence rate, while in steady state it employs several most recent coefficient vectors to update the adaptive filter to reduce misalignment. Simulation results show that the proposed algorithm can obtain both fast convergence rate and small steady-state misalignment.     

一种U—D分解自适应推广卡尔曼滤波及应用

为了改善自适应卡尔曼滤波的数值稳定性和计算效率,防止滤波发散,本文在自适应推广卡尔曼滤波的基础上,利用U-D分解滤波,提出一种U-D分解自适应推广卡尔曼滤波新算法,并把该算法应用于飞行状态估计问題,仿真及实际飞行数据计算结果证明了本文方法的有效性.