基于低管秩张量分解的互质阵列自适应波束成形算法

互质阵列因其大阵列孔径和高自由度特性在波束成形领域受到广泛关注.为了充分利用该特性,近年来学者们提出了基于孔洞填充的算法,有效提高了互质阵列波束成形的性能.然而,这些算法存在计算量大、噪声鲁棒性弱等缺点,难以适应复杂多变的实际环境.为此,本文利用张量的多维结构在参数估计上的性能优势,提出了一种基于低管秩张量分解的互质阵列自适应波束成形算法.首先将互质阵列的多采样虚拟信号矩阵重排为张量形式,利用其低管秩特性补全缺失的互相关信息;然后从补全后的张量数据中提取信号参数,并与目标先验进行匹配,最终得到波束成形权矢量.本算法分别利用ADMM和Tucker分解提高了张量补全和分解的运算效率;所设计的目标匹配方案也有效控制了算法误差.仿真结果展示了本算法在性能和计算复杂度相对于现有方法的优势,尤其是在低信噪比和少采样数的情况下.     

基于对角加载奇异值分解的波束形成算法

在自适应波束形成算法中,QR分解具有很好的数值特征和固有的高度并行性。但当采样数较少,采样协方差矩阵估计值的噪声特征值分散会导致波束形成算法的性能下降问题,QR算法的性能就会下降。针对此缺陷,提出了对角加载奇异值(DSVD)分解的算法,该算法先对采样数据所构成的矩阵进行重构、分解、再重构、再分解,最后实现对角加载。通过仿真结果可以看到,DSVD算法不仅避免了对阵列协方差矩阵的估计和求逆,而且减少了估计运算量和估计误差,在复杂度与性能之间进行折衷。     

基于增广矩阵束方法的平面天线阵列综合

针对平面阵列的稀布优化问题,提出了一种基于增广矩阵束方法的减少阵元数目、求解阵元位置和设计幅度激励的优化方法。首先对期望平面阵的方向图进行采样并由采样点数据构造增广矩阵,对此矩阵进行奇异值(SVD)分解,确定在误差允许范围内所需的最小阵元数目;然后基于广义特征值分解分别计算两组特征值,并根据类ESPRIT算法对特征值进行配对;最后在最小二乘准则条件下根据正确的特征值对求解平面阵列的阵元位置和激励。仿真结果表明该算法具有较高的计算效率和数值精度。     

基于最陡下降的稳健LCMV波束形成算法

针对期望信号假定导向矢量与真实导向矢量存在误差时,常规LCMV算法性能急剧下降,提出了一种针对指向误差、阵元位置误差和相位误差的基于最陡下降的稳健LCMV波束形成方法。利用最陡下降法递归搜索最优权矢量和约束导向矢量,避免了常规LCMV算法的矩阵求逆运算和变对角加载时的特征值分解,所需运算量大大降低;又因不属于对角加载,不存在加载值确定问题。仿真结果表明,新方法对期望信号导向矢量的各种误差有很好的稳健性。     

基于水平极化定向天线阵的数字波束形成算法

研究窄带多径环境下基于短波水平极化定向天线阵列的数字波束形成算法,短波定向天线阵列流型复杂无法确定建模,常采用盲波束形成算法。针对现有盲波束形成算法所需先验信息多、弱信号效果差、使用范围有限且复杂度较高等问题,设计了一种短波多极化异构阵列协同处理方案,提出了基于自适应加载投影反馈的多径增强波束形成算法。该异构阵列包含短波垂直极化全向天线阵和短波水平极化定向天线阵,充分利用两种极化阵列优点,算法综合利用空间平滑、协方差矩阵求逆和空间投影等方法,通过自适应加载处理提高波形估计的稳健性。算法计算简便,所需先验信息少,非理想条件适应性强。推导了算法的实现过程和误差分析,计算机仿真验证了算法的有效性。     

多波束天线通道幅相误差的自校正算法

多波束天线利用多信号分类(MUSIC)算法对目标参数进行精确估计时,存在多波束天线的通道幅度和相位误差的失配现象,使MUSIC算法的性能严重下降;针对基于MUSIC的数字波束通道不一致问题,给出了一种新的基于MUSIC算法的最小化代价函数的波束无源自校正算法,利用阵列结构的先验知识对接收数据进行预处理,得到校正矩阵后自校正,并根据多波束阵列天线形成网络天线实测参数,加入随机幅度和相位误差进行计算机模拟仿真,验证仿真算法的正确性。     

稳健自适应波束形成器设计与仿真

针对自适应波束形成器在进行对角加载时存在选取对角加载值的不可靠问题,设计了一种稳健的自适应波束形成器。通过采用收缩方法(Shrinkage Method)获得了对协方差矩阵更精确的估计,以代替标准Capon波束形成器(SCB)中的采样协方差矩阵。与传统自适应波束形成器相比,能够根据给定数据完全自主的计算出对角加载值而不需要指定任何用户参数,有效的抑制干扰信号,改善输出信噪比,且具有良好的波束保形能力和较快的收敛速度,特别是在快拍数较少的情况下具有很好的性能。计算机仿真验证了设计方法的正确性和有效性。     

带支撑物圆阵阵列信号处理算法及仿真分析

传统阵列信号处理算法一般都不考虑障碍物对阵列响应的影响,实际中阵列支撑物会对阵列接收信号会产生影响。以环绕在刚性圆柱体上的均匀圆阵为阵列模型,研究了特征波束空间波束形成和高分辨方位角估计算法性能,分析了各种因素对算法性能的影响。研究结果说明,特征波束域高分辨方位角估计算法能有效地估计出多个声源的方位角,阵列支撑物的存在提高了特征波束形成和高分辨方位角估计算法性能,为方位角估计提供了一种有效的方法。     

基于单权值顺序优化准则的自适应波束优化算法

为了降低自适应天线阵列波束成形算法的复杂度,加快算法的收敛速度,基于单权值顺序优化SWO准则,给出了自适应阵列成形算法权值的快速收敛和更新方法。通过对该算法的理论分析与仿真,结果表明,相对于其它自适应波束优化算法,新方法能获得更高的收敛速度。而且在无须预设参数的前提下,基于单权值顺序优化准则的算法在能够达到与基于最小均方误差准则（MMSE准则）的优化算法相似性能的同时,使运算复杂度下降,收敛速度提高,因而更具有可实现性。     

自适应波束形成算法的现状与发展动态

近十年自适应波束形成算法在通信、雷达、声纳、生物医学工程等科技领域中得到了极为广泛的应用。在实际应用中,如果信号源、天线阵列出现误差,传统的自适应波束形成算法性能将会下降。但是对于稳健的自适应波束形成算法,环境及天线阵列的误差和不确定性是必须要考虑的关键问题。这里对稳健的自适应波束形成算法的研究现状与发展动态进行了较为详细的评述。     

改进的辅助变换相干干扰抑制波束形成技术

提出一种相干干扰下自适应波束形成方法。该方法同时约束非相干干扰与相干干扰,更好地实现对此两类干扰方向的自适应零陷滤波。采用变换预处理,避免抑制期望信号;恢复噪声特性并采用对角加载技术,增强算法稳健性;采用拉格朗日乘子法得到最优波束形成算法。理论分析与仿真结果表明,保持阵列孔径不变时,该算法提高了输出信干噪比和稳健性。     

基于自抗扰技术的光伏发电并网控制系统

单相可再生能源并网发电系统是一非线性系统,受电网和环境的影响,系统存在较强的外部干扰和非线性不确定因素.针对系统的工作特点,采用自抗扰控制技术来实现对系统的有效控制.系统利用自抗扰控制器(ADRC)的扩张状态观测器,来对系统模型中的不确定因素和外扰进行动态观测,使系统对扰动具有很好的适应能力.并在系统的扩张状态观测器和非线性状态误差控制器中引入非线性幂指数函数,使系统运算变得更加简单.仿真结果表明所设计的控制器具有良好的动态性能和较强的鲁棒性,即本文所设计的系统是可行的.     

An efficient error estimation method for antenna distortions in space based radar

The phased array antenna plays an important role in determining the performance achievable in a space based radar system. However, the array position errors caused by the antenna distortions in the complex cosmic vacuum environment will distort the antenna pattern, which significantly degrades the performance of the radar systems. Most of the conventional estimation methods are proposed based on the random position errors without the consideration of the distortion character for spaceborne arrays, resulting in a large estimation error. In this paper, to address this issue, an efficient array error estimation method is proposed to compensate the antenna distortion errors. In the proposed method, the initial sensor positions can be obtained based on the measured results from the units distributed over the array surface. Then the distortion model parameters can be estimated by solving an optimization problem. Based on this, the sensor positions can be corrected with high accuracy at the lth iteration. In this way, the proposed method can improve the accuracy and the robustness of the estimation simultaneously. Several simulated results are presented to validate the proposed method for the position error estimation in a space based radar system.     

基于动态学习率深度神经网络的抗干扰信道编码算法

针对电子战条件下,通信信号易受压制干扰的问题,提出了一种基于动态学习率深度自编码器（dynamic learning rate deep AutoEncoder,DLr-DAE）的信道编码算法来提高系统抗压制干扰性能。首先对输入未编码信号进行预处理,将原始输入信号转换为单热矢量,随后使用训练数据样本集,用非监督学习方法训练深度自编码器,基于随机梯度下降法（SGD）更新网络参数,利用指数衰减函数,在迭代次数和网络损失函数值变化过程中动态微调学习率,减少网络迭代循环次数,避免收敛结果陷入局部最优点,从而获得面向电子战环境的信道编码深度学习网络。仿真结果表明,相比现有深度学习编码算法,该算法在取得同等误码率时,抗噪声压制干扰性能最大可提升0.74 dB。     

Exploring the Use of Speech Features and Their Corresponding Distribution Characteristics for Robust Speech Recognition

The performance of current automatic speech recognition (ASR) systems often deteriorates radically when the input speech is corrupted by various kinds of noise sources. Several methods have been proposed to improve ASR robustness over the last few decades. The related literature can be generally classified into two categories according to whether the methods are directly based on the feature domain or consider some specific statistical feature characteristics. In this paper, we present a polynomial regression approach that has the merit of directly characterizing the relationship between speech features and their corresponding distribution characteristics to compensate for noise interference. The proposed approach and a variant were thoroughly investigated and compared with a few existing noise robustness approaches. All experiments were conducted using the Aurora-2 database and task. The results show that our approaches achieve considerable word error rate reductions over the baseline system and are comparable to most of the conventional robustness approaches discussed in this paper.     

消除反射波干扰的新方法及其性能分析

利用三元传感器阵消除反射波干扰的新方法，分析了抵消反射干扰的性能；推导了消除反射干扰后提取直达信号的表达式；分析了反射干扰截断误差、随机噪声和直达信号与反射干扰相关程度对恢复直达信号性能的影响；给出了在实际应用中提高抵消反射干扰性能的几点措施。通过计算机仿真的方法给出了该方法的统计性能。理论分析及仿真结果表明：只要知道信号的波达方向，就可以从基阵的接收信号中有效地消除反射波的干扰。该方法的优点是可以消除未知传播方向的反射干扰。     

A robust extraction algorithm for biomedical signals from noisy mixtures

Blind source extraction (BSE) is widely used to solve signal mixture problems where there are only a few desired signals. To improve signal extraction performance and expand its application, we develop an adaptive BSE algorithm with an additive noise model. We first present an improved normalized kurtosis as an objective function, which caters for the effect of noise. By combining the objective function and Lagrange multiplier method, we further propose a robust algorithm that can extract the desired signal as the first output signal. Simulations on both synthetic and real biomedical signals demonstrate that such combination improves the extraction performance and has better robustness to the estimation error of normalized kurtosis value in the presence of noise.     

一种带纠错编码的小波零树基图像水印算法

提出了一种新颖的数字水印纠错编码方案。通过对二值水印图像进行精心设计，引入纠错编码机制，并将其应用于传统的小波零树(EZW)算法中。实验结果表明，在相同的水印嵌入强度和攻击强度条件下，通过引入纠错编码机制，可以显著提高水印在抗JEPG压缩、抗几何攻击、抗中值滤波、抗噪声干扰等方面的鲁棒性。     

鲁棒自适应对称非负矩阵分解聚类算法

对称非负矩阵分解SNMF作为一种基于图的聚类算法,能够更自然地捕获图表示中嵌入的聚类结构,并且在线性和非线性流形上获得更好的聚类结果,但对变量的初始化比较敏感。另外,标准的SNMF算法利用误差平方和来衡量分解的质量,对噪声和异常值敏感。为了解决这些问题,在集成学习视角下,提出一种鲁棒自适应对称非负矩阵分解聚类算法RS³NMF(robust self-adaptived symmetric nonnegative matrix factorization)。基于L_2,1范数的RS³NMF模型缓解了噪声和异常值的影响,保持了特征旋转不变性,提高了模型的鲁棒性。同时,在不借助任何附加信息的前提下,利用SNMF对初始化特征的敏感性来逐步增强聚类性能。采用交替迭代方法优化,并保证目标函数值的收敛性。大量实验结果表明,所提RS³NMF算法优于其他先进的算法,具有较强的鲁棒性。