目标瞬态回波极点提取研究

本文首先简要介绍了“奇异点展开理论”,然后在此理论的基础上应用Prony方法从模拟的目标瞬态回波中提取了极点,并将在不同采样频率、不同样本数,不同预设极点数和不同信噪比条件下得到的极点与极点预设值进行了比较,得到了极点的准确提取与这些参数间的依赖关系.本文的结果可供在实际声呐波回波中提取极点,进而实现目标识别时参考.     

酉矩阵束方法在波达方向估计中的应用

空间目标方位估计技术广泛应用于众多军事及国民经济领域,其中矩阵束方法（Matrix Pencil,MP）是广大学者研究的热点技术之一.首先对传统矩阵束方法的基本原理进行介绍,并针对传统方法在低信噪比条件下的方位估计精度明显下降问题,结合酉变换技术,对传统方法进行改进.理论分析及计算机仿真研究表明：基于酉变换的矩阵束方位估计方法在低信噪比条件下具有更高的估计精度及空间目标分辨能力,同时也表明该方法具有更优的有效性和正确性.     

任意细线结构瞬态响应的高效求解

将时域电场积分方程法和普朗尼方法结合,求解了任意细线结构的瞬态电磁响应问题。时域电场积分方程法用以计算早期响应,普朗尼方法从早期响应中提取极点,得到后期响应。避免了传统时域积分方程在后期响应求解的不稳定性,提高了瞬态响应求解的效率。以线天线、环天线为例,计算了在高斯脉冲激励下的电流响应。     

一种基于单快拍的DOA估计算法

传播算子方法不需要对数据协方差矩阵进行特征值分解或奇异值分解,较之于传统子空间类算法有更低的运算复杂度.由于传播算子方法要求较大的快拍数,该文提出了一种新的改进方法,在快拍数为1的情况下,构建Toeplitz Hermitian数据矩阵,并将传播算子方法与求根MUSIC算法相结合,很好的实现了信号解相干,具有较好的实时性.仿真结果表明,在一定信噪比下,该算法与前向空间平滑算法相比有略好的性能,能很好的实现信号解相干,同时大大减少运算的复杂度.     

改进对称共生矩阵的跳频信号盲提取方法

针对短波跳频信号盲检测中的去背景噪声和定频干扰问题,结合信号时频分析与共生矩阵阈值法,提出了一种基于噪声稀疏对称共生矩阵的跳频提取算法.首先对共生矩阵改进,定义了频率、时间方向上的噪声稀疏对称共生矩阵.然后根据频率稀疏共生矩阵估计背景噪声阈值,进而根据阈值从时间稀疏共生矩阵中提取跳频信号.仿真表明,该算法能实现低信噪比下跳频信号的盲提取,背景噪声阈值估计更为准确、稳定,跳频信号的提取效果好,且算法简单、运算量小,易于工程实现.     

非圆信号的二维相干测向新方法

传统的二维相干测向算法都是针对圆信号提出的,且要求大快拍数和较多阵元数,在低信噪比时估计性能较差.通过充分利用非圆信号的特点和L型阵列的结构优势,提出了一种非圆信号的二维解相干新方法.该方法利用阵列接收信号数据及其共轭信号数据,重新构造阵列接收数据矩阵,有效地扩展了阵列孔径;同时,提出了一种修正的空间平滑技术进行解相干,最后采用ESPRIT算法实现相干信号的二维DOA估计.所提方法具有阵列利用率高的优点,能够有效弥补传统二维测向算法阵列利用率低的缺点,提高了ESPRIT算法在低信噪比时的估计性能.实验仿真结果表明,所提方法能够有效实现二维相干信号估计并且估计性能优良.     

一种改进的矩阵束模态参数估计方法

矩阵束是一种常用的系统模态参数估计方法,在观测信号信噪比较低的情况下较难取得理想的结果。通过引入随机减量技术来改善实测信号的品质,进而得到了一种改进的矩阵束方法,并应用蒙特卡罗方法对信噪比变化、算法参数影响等计算性能进行了统计分析。经与传统方法对比,文中所给出的改进矩阵束方法可以有效地提高模态参数估计的精度。     

非均匀噪声环境下基于矩阵补全的DOA估计方法

针对传统的信号波达方向（DOA）估计算法无法适用于实际应用中非均匀噪声、数据不完整等情况的问题,提出了一种结合矩阵补全理论和最大似然交替投影算法的DOA估计方法。在背景噪声为非均匀噪声的情况下,该方法通过对只有部分元素已知的阵列协方差矩阵进行矩阵补全,将稀疏矩阵重构为无噪声协方差矩阵,然后利用最大似然交替投影算法实现对DOA的估计。实验仿真表明:该DOA估计方法能够有效恢复不完整数据并抑制非均匀噪声的影响,而且在低信噪比条件下,仍具有较好的DOA估计性能。     

一种快速收敛的自适应波束形成算法

为了解决传统最小均方(LMS)自适应波束形成算法在低信噪比环境下收敛速度较慢的问题,提出了一种快速收敛的小波域自适应波束形成算法. 该算法利用小波变换软阈值法消除信号中的加性高斯白噪声,并在此基础上将牛顿法应用于LMS算法中,提高了小波域LMS算法的收敛速度. 仿真结果表明,相比传统LMS算法,在低信噪比环境下,该算法收敛速度加快,稳态误差减小,波束形成精确度有较大的提高;同时相对于已有的小波域LMS算法,该算法的收敛速度和精度也有所提高.     

一种LPC改进算法在提取耳语音共振峰中的应用

传统线性预测编码(LPC)算法在提取语音共振峰时存在虚假峰和合并峰的问题.耳语音不同于正常语音的特性,使得准确提取其共振峰存在更大的困难.本文分析了共振峰提取中存在的极点交叉问题,通过对极点排序,提出基于极点交叉的LPC改进算法,从而有效解决这两个问题,实验结果证明此算法能够根据实际要求准确提取耳语音的前三个或前四个共振峰.     

基于改进3D-ESPRIT算法的三维GTD模型参数估计

三维旋转不变子空间（3D-ESPRIT）算法估计三维几何绕射理论（GTD）的散射中心模型时,参数精度不高,噪声鲁棒性较差,为此,提出一种改进的3D-ESPRIT算法.通过构建原始回波数据的共轭矩阵、对协方差矩阵叠加、取平均、平方处理,可提高对目标原始回波数据的利用率,并增大信号特征值与噪声特征值之间的差距,增大了信噪比,从而提高参数的估计精度.基于不同算法估计得到的三维GTD模型参数,比较了不同算法估计的参数均方差.仿真结果表明,改进算法的参数估计性能及噪声鲁棒性均优于经典3D-ESPRIT算法和改进的免配对3D-ESPRIT算法.     

一种混合网台跳频参数盲估计算法

针对低信噪比（SNR）和复杂电磁环境条件下跳频参数估计精度低及算法复杂度高的问题,提出了一种短时傅里叶变换（STFT）和平滑伪魏格纳分布（SPWVD）的组合时频分析方法.该算法首先利用STFT将天线接收信号变换到时频域,并对时频信号进行自适应降噪处理;通过自适应聚类算法进行频率的精估计;提取时频信息并剔除各类干扰,再通过网台分选后得到各类网台跳时粗估计;最后采用SPWVD及修正后的截断门限进行跳变时刻的精估计.仿真结果表明,该算法在混合网台和低SNR条件下,跳频参数估计精度较高,算法复杂度较低,有效解决了实际跳频通信系统存在频率转换时间条件下的参数估计问题.     

改进的三次相位函数法LFM雷达信号参数估计

为了研究对线性调频(LFM)雷达信号的参数估计,提出了利用改进的三次相位函数法对LFM雷达信号进行参数估计.三次相位函数法可提取信号的相位函数的各项系数,并且只需通过二阶非线性变换在信号参数空间形成最大值来进行估计参数,具有较高的精度和良好的低信噪比能力,但是计算量较大.针对三次相位函数法计算量大的问题,提出调频斜率搜索范围设定准则及双尺度调频斜率搜索法,可减少大量计算量,同时保持了低信噪比下的算法精度.仿真测试结果表明,新算法有效地减小了计算量,并且保证了低信噪比下的算法精度,算法性能得到了提高.     

非平稳噪声下稀疏表示的DOA估计算法

为提高非平稳噪声下远场非相干窄带信号波达方向（DOA）的估计精度,提出了一种基于稀疏重构的DOA估计算法.采用类协方差差分算法构造差分矩阵,抑制非平稳噪声的影响;基于类旋转不变子空间参数估计算法基本原理构造稀疏表示模型与权函数;利用加权l₁范数对模型求解,实现DOA估计.仿真结果表明,与传统的协方差差分算法、噪声协方差矩阵估计算法、秩迹最小化算法以及稀疏重构算法相比,所提算法不仅能较好地抑制非平稳噪声的影响,而且在低信噪比、低快拍数情况下具有较强的稳健性和较高的估计精度.     

基于小波降噪的二次相关窄带时差估计方法

针对传统时差估计算法在窄带信号源环境中精度低的缺点,提出了一种基于小波降噪的二次相关时差估计算法。仿真结果表明,该算法在低信噪比下优于传统的相关算法以及二次相关算法,并且带宽越小,较相关算法的优势越明显,是一种适用于窄带信号源的高精度时差估计算法。     

数据驱动的GMC稀疏增强诊断方法

在机械故障诊断中,针对传统方法提取微弱故障特征时易受强背景噪声干扰而精度低的问题,提出了一种基于数据驱动的广义最小最大凹惩罚函数增强的稀疏特征提取方法。该方法利用非凸的最小最大凹惩罚函数建立无约束优化问题目标函数来提高故障特征的提取精度。该惩罚函数非凸可加强特征的稀疏性,并且证明了保持目标函数整体呈现严格凸性所需要满足的约束条件。将近端算法用于所构造的无约束优化问题的求解。此外,研究了数据驱动的正则化参数设置准则,保证所提出的稀疏特征提取方法具有参数自适应性。在仿真信号和实际故障实验中验证了所提出的自适应稀疏增强的特征提取方法,结果表明所提出的方法可以精准地提取出故障特征且效果更稀疏。     

基于四阶累积量的频差参数估计快速算法

针对传统的基于4阶累积量的参数估计方法因其计算复杂度很高,影响了参数估计的实时性要求的问题,研究了基于4阶累积量的频差参数估计的快速算法.对传统方法提出改进,采用切片处理的方法降低了计算复杂度,与传统方法相比,快速算法能够将复杂度降低2个数量级.引入矩阵论中极小范数解的理论求得矩阵方程的最优解,最后估计出频差参数.实验结果表明:快速算法能有效地对频差参数进行估计,在此基础上进一步验证了采样点数、信噪比等相关参数对频差估计精度的影响.     

基于谱熵梅尔积的语音端点检测方法

为了克服传统语音端点检测算法在低信噪比环境下准确率低的问题,提出一种基于谱熵梅尔积（MFPH）的语音端点检测算法.首先,提取带噪语音信号的梅尔频率倒谱系数中的第一维参数MFCC₀,将其与谱熵的乘积作为最终区分语音段和背景噪声段的融合特征参数;然后,结合模糊C均值聚类算法和贝叶斯信息准则（BIC）算法对MFPH特征参数门限值进行自适应估计;最后,采用双门限法进行语音端点检测.实验结果证明,与传统方法比较,该方法在-5~15 dB低信噪比环境下的语音端点检测准确率有较大提高.     

基于阈值自适应的小波增强信道估计技术

针对MIMO-OFDM系统导频辅助信道估计算法在低信噪比条件下存在信道估计精度不足或无法收敛等问题,提出了一种基于阈值自适应的小波增强信道估计算法。该算法首先对频域最小二乘估计的结果进行共轭对称处理,然后对IDFT变换之后得到的时域信道采用阈值自适应调整的小波去噪方法,进一步抑制了保留路径的噪声干扰。理论分析和仿真结果表明,文章算法以较小的复杂度代价换取低信噪比条件下信道估计精度的显著提高。