一个新的串联式自适应谱线增强器

为了从非高斯噪声中有效增强水下目标辐射噪声中的线谱特征，提出了基于四阶累积量变步长极性迭代的自适应谱线增强器( FOCVSSBALE)，并与基于短时自相关的自适应谱线增强器（STABALE）串联，构造了一个新串联式自适应谱线增强器。该增强器对水下目标辐射噪声的线谱特征分量有二次增强作用，对环境噪声有二次抑制效果，对时变信号有良好的跟踪能力，而且计算量小。用水下某目标辐射线谱的实测数据，对该增强器的性能进行了仿真研究。理论分析和仿真结果表明，该增强器与单个的STABALE或FOCVSSBALE相比，能更有效提高信噪比、增强线谱特征。     

奇数阶累积量的计算优化及其应用

为了用奇数阶累积量提取非线性振动系统的高次频率耦合特征,定义了四次频率耦合、二三对频率耦合等高次耦合新概念,分析了奇数阶累积量特征,研究了奇数阶累积量计算方法与计算量间的关系,提出了奇数阶累积量计算优化算法,该算法将奇数阶累积量的直接估计变为递推估计,将奇数阶累积量的多维运算转化为一维运算,大幅度减小了计算量,在工程上具有可实现性。用由计算优化算法估计的奇数阶累积量构造的自适应谱线增强器,能有效地从高斯噪声环境中恢复或提取四次频率耦合特征、二三对频率耦合特征等高次耦合特征。理论分析与仿真结果验证了算法的有效性。     

基于高阶累积量的水声噪声检测与识别

本文基于高阶统计量理论研究了海洋环境噪声和船舶辐射噪声的高斯性,同时基于高阶累积量T2研究了非高斯背景下非高斯信号的一种检测方法,并用于海洋环境噪声下检测船舶辐射噪声的方法研究中.另外研究了三类船舶辐射噪声双谱中对角切片和非对角切片特征,并将其作为表征船舶辐射噪声的特征向量,经过一定的实船实验得到了较为满意的结果.     

基于高阶累积量的信源数目估计方法

信源数目确定在许多高分辨阵列信号处理中具有至关重要的作用.提出了一种基于阵列输出4阶累积量信息的信源数目估计方法.通过构造阵列输出的4阶累积量矩阵,根据4阶累积量矩阵特征值分布并采用最小描述长度(MDL)准则估计信源数目.由于信号高阶累积量具有盲高斯特性,该方法能有效地抑制色噪声干扰,可实现色噪声背景下的信源数目估计.仿真分析验证了该方法的有效性.     

基于延时相关的稀疏恢复高分辨来波方位估计

针对MUSIC算法和基于四阶累积量的MUSIC-like算法在高斯色噪声背景下测向精度不理想的问题,提出基于延时相关的稀疏恢复高分辨来波方位估计算法。该算法利用蕴含在接收数据延时相关函数中的角度信息,采用所有阵元接收数据的延时相关函数构造新的阵列输出矩阵,进而构造新的协方差矩阵,并进行奇异值分解,建立稀疏表示模型,使用l1范数法对稀疏模型进行求解实现色噪声环境下高分辨DOA估计。仿真实验表明,基于延时相关的稀疏表示模型的测向分辨率好于基于传统子空间的MUSIC算法和基于四阶累积量的MUSIC-like算法,能降低协方差构造的复杂度,增强色噪声抑制能力。     

一种基于4阶累积量的信号检测方法

针对高斯噪声中对称分布的非高斯信号及正弦信号的检测问题，提出了以匹配滤波器输出的4阶累积量零延迟的绝对值为检验统计量的检测器算法，详细分析了算法的检测性能，给出了检测概率和虚警概率表达式。理论分析和仿真结果均表明，该算法可以在高斯色噪声中有效检测对称分布的非高斯信号，其性能优于高斯色噪声下的匹配滤波器。     

一种基于四阶累量阵简化的DOA估计方法

我们提出一类新的基于四阶累积量矩阵的DOA估计算法，对累量阵结构作适当的调整，再把它直接应用于已发展的很好的算法(如ESPRIT)中，使算法更加适用于DOA问题。通过与ESPRIT一起使用下面所提的累积量阵，增加了虚拟阵元(两倍于实际阵元数)，且减少了计算量，并因累量对高斯噪声不敏感，提高了算法的分辨能力。仿真试验验证了分析结果，表明了算法良好的性能。     

基于分数阶Fourier变换累积量的目标检测算法

传统的信号检测和噪声分离方法只限于在时域或是频域进行,如果信号和背景噪声有很强的时频耦合,就难以在时频域得到好的检测结果。对此提出了分数阶Fourier变换累积量算法,该算法具有解除时频耦合和抑制噪声的特性,当选择合适的旋转角度使之与处理信号相匹配,就可以在分数阶Fourier域获得较好的检测结果。仿真结果表明,分数阶Fourier累积量算法的检测性能优于分数阶Fourier变换和4阶累积量算法,展现了分数阶Fourier变换累积量算法有优越的信号处理性能。     

循环累积量矩阵联合对角化盲源分离算法

循环累积量兼有高阶统计量和循环不稳两者的优点,可抑制任何平稳高斯或非高斯噪声以及非平稳的高斯噪声,文中利用循环累计量的这一性质,提出的基于循环累积量矩阵联合对角化盲源分离算法,对接收的每路数据分别运用矩阵联合对角化法处理,实现对具有相同循环频率源信号有效的分离的目的。仿真试验表明该算法能够有效的提取有用信号。     

一种混响中高速运动目标检测方法

水下主动探测不可避免的受到混响的干扰,运动目标在匀加速运动时,单频发射脉冲的回波信号经过距离压缩后可视为一个线性调频(LFM)信号,根据这些特点,利用分数阶傅立叶变换(FRFT)对LFM信号进行能量聚集性,并将4阶累积量作为后置处理算子抑制混响,研究了基于分数阶傅立叶变换的4阶累积量切片算法(FRFT-FOMCS),检测了混响中的高速运动目标,对实测混响数据和LFM信号进行了仿真,结果表明,该算法能够在混响背景中有效地检测和识别运动目标回波.     

基于改进的复合自适应遗传算法的UUV水下回收路径规划

传统遗传算法的变异操作会简单随机产生新的路径,对算法进化性能有不利影响,使算法易陷入局部最优的陷阱;遗传算法常配合栅格法进行路径规划,所得的最优路径并非无人水下航行器(UUV)回收路径规划可获得的最短路径,并存在UUV机动性能可能与最优路径冲突的问题。为此,设计一种具有UUV机动性约束条件的改进遗传算法,提出环境复杂度的概念用于分析机动性约束的具体取值,使路径规划适配于UUV的机动性,使算法结果更具实用性;提出复合自适应变异策略,控制变异的个体在迭代过程中发生自适应的进化;当一定迭代数内种群进化停滞时,引导最优个体进行双阶段自适应变异,从而使最优路径趋近全局近似最优解,有效提高算法的收敛速度。基于MATLAB软件的算法对比仿真结果表明一般复杂水域和复杂水域环境下,改进的复合自适应遗传算法生成的最优路径相比于遗传算法和自适应遗传算法的最优路径更加平滑,路径长度更低,可见改进的复合自适应遗传算法在路径规划上收敛性能和寻优能力更优,更具有可行性和优越性。     

基于全散度的自适应鲁棒图形模糊聚类算法

针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。     

基于滑动窗迭代最大后验估计的多源组合导航因子图融合算法

在应用因子图算法完成多源组合导航数据融合的过程中,子系统观测噪声的时变特性将对导航状态估计的准确性产生极大影响。为解决这一问题,提出一种基于高斯模型下的子系统观测量均值向量和协方差矩阵的估计算法。该算法利用因子图最优化过程中每个迭代周期下的观测量残差,实时地更新各个子系统观测量的均值向量和协方差矩阵的最大后验估计值,从而得到更加准确的导航状态估计值,在提出新算法的同时也验证了新算法对最优化过程收敛性的影响。仿真测试与实验测试结果表明,与已有的标准因子图算法、基于最大似然估计的因子图算法和基于最大后验估计的因子图算法相比,所提出的基于迭代最大后验估计的因子图算法能够有效提高子系统观测状态变化时的多源组合导航估计精度。     

基于迭代无偏有限冲击响应滤波的共轴跟踪技术研究

为了有效提升光电跟踪系统的跟踪精度,提出一种共轴跟踪改进方案。采用迭代无偏有限冲击响应（UFIR）滤波算法来替代传统卡尔曼滤波（KF）算法,进行系统状态估计与预测。迭代UFIR滤波算法由于不依赖噪声先验统计信息,可有效克服传统KF算法的不足,在噪声统计信息未知时能保持理想的预测精度,从而使改进后的系统在实际工况下仍能达到较高的跟踪精度。分别进行了迭代UFIR算法和KF算法对比的单元仿真实验,以及采用两种算法的共轴跟踪系统对比仿真实验,实验结果验证了理论分析的正确性,表明在噪声统计信息无法事先准确获得的实际工程应用中,基于迭代UFIR滤波的共轴跟踪改进方案较基于KF算法的传统方案鲁棒性更强,具有更大的应用潜力。     

双块零扩展截断相关的长码信号快速捕获算法

针对长周期伪码捕获引发的军事通信信号捕获速度受限、效率低等问题,从时域快速捕获角度出发,提出了一种双块零扩展截断相关的长码信号快速捕获算法。该算法利用复序列频谱的非对称性进行截断预处理;结合双块零扩展与圆周移位进行分块相关以减少运算量,提高捕获速度;采用能量补偿改善环境适应性,从而有效实现二维快速捕获。仿真结果表明,新算法的捕获速度及环境适应性优于传统的时域捕获算法。     

基于维度特性的二维到达角及极化参量联合估计算法

针对利用极化敏感阵列进行多维参数联合估计运算复杂度大的问题,提出一种基于噪声子空间维度特性的极化敏感阵列DOA及极化参数联合估计算法。算法利用阵列接收数据协方差矩阵噪声子空间的维度特性构造谱函数,有效降低了极化敏感阵列信号参数联合估计的计算复杂度,同时保证了算法的估计性能。对算法与现有基于长矢量的MUSIC算法的运算复杂度进行了理论分析对比。最后,仿真对比实验验证了算法的有效性。