基于奇异值分解的压缩感知噪声信号重构算法

压缩感知是通过对信号信息采样的信号处理新方法,它对可压缩信号可以大大降低采样数据.为提高噪声信号在压缩感知中的重构精度,本文提出了一种基于对观测矩阵奇异值分解的噪声信号重构算法,该算法对随机观测矩阵进行奇异值分解,通过均值算法修改对角矩阵的特征值,产生新的观测矩阵用于线性测量,理论证明了新观测矩阵比原观测矩阵具有更高的重构精度.仿真结果表明,算法重构精度在一维信号提高了3％～5％,二维信号的PSNR值提高1～2 dB.     

应用人工蜂群算法的动态波达方向跟踪

针对目标信号源波达方向(DOA)的实时变化,将人工蜂群算法应用于最大似然函数的优化,实现了动态目标DOA的实时跟踪。首先,提出了一种可变遗忘因子的自适应样本协方差矩阵更新方法,该方法可根据目标信号源DOA变化的快慢自适应调整历史数据和当前采样数据在协方差矩阵中所占的权重,从而保证在获得较小稳态误差的同时又可获得较快的跟踪速度。然后,直接应用了性能优越的最大似然估计方法,避免了子空间跟踪类算法需要不断重复特征值或奇异值分解等问题。最后,采用人工蜂群仿生智能算法对似然函数的求解进行优化,从而极大地减少了算法的计算量,保证了算法的快速性和实时性。实验结果表明:在单快拍采样的情况下,信噪比为0dB时,跟踪两个目标信号源的均方根误差为0.995 2°,基本达到了阵列信号处理中目标跟踪方法的设计要求。     

适用任意平面阵列的二维宽带DOA快速估计算法

二维宽带波达方向(DOA)估计对实现水声通信定位一体化具有重要作用。双边相关变换(TCT)算法是高分辨宽带DOA估计的经典算法之一,但只适用均匀线列阵下的一维DOA估计,且计算量大。本文在对TCT简化算法(STCT)进行扩展改进的基础上,提出了一种适用于任意面阵列且具有低计算复杂度的二维宽带DOA快速估计算法。所提算法利用水声通信同步信号的已知波形对阵列输出数据进行匹配预处理,有效压缩了聚焦变换所需频点数量,从而降低了聚焦变换过程的计算量;利用余弦域加速粒子群最优化(APSO)搜索二维空间谱谱峰,在保持高搜索精度的同时显著降低了搜索计算量。相较于单纯的STCT扩展算法,所提算法保持高DOA估计精度,在信噪比为20 dB时精度约为0.02°,但计算量远低于前者。仿真和实验结果验证了所提算法的优势。     

应用序列二次规划的波达方向与多普勒频率联合估计

为了快速准确地联合估计阵列信号波达方向(DOA)与多普勒频率,提出了将序列二次规划(SQP)应用于最大似然函数优化的联合谱估计算法。该方法利用空时信号模型通过Hankel矩阵构造出阵列流型中包含DOA与多普勒频率信息的广义天线阵模型,并推导出其最大似然函数,从而将参数估计问题转化为非线性函数优化问题。然后,将SQP方法应用于似然函数的优化求解中,得到DOA与多普勒频率的估计值。最后应用SQP方法、微分进化法、遗传算法和量子粒子群算法分别进行了优化的仿真对比实验。结果表明:提出的算法具有寻优时间短,估计精度高,参数自动配对等特点,在信噪比为0dB时估计两个目标信号源的DOA与多普勒频率的均方根误差分别为0.263 6°和0.007 6rad,基本达到了阵列信号处理中参数联合估计方法的设计要求。     

基于四阶累积量的测深侧扫声纳波达方向估计方法研究

针对高频测深侧扫声纳工作时会受到高斯色噪声影响的问题,提出基于四阶累积量及幅相误差自校正的波达方向估计方法。首先,计算声纳回波信号的四阶累积量,得到协方差矩阵;其次,采用加权平均算法对协方差矩阵进行降维处理,得到构造矩阵;再次,通过恢复构造矩阵的Toeplitz特性完成幅相校正,并增加相位线性拟合算法进一步提升校正效果;最后,采用求根多重信号分类(Root-MUSIC)算法求解得到波达方向估计。仿真结果表明,本文算法的角度估计均方误差相对于基于自校正的Root-MUSIC算法有约0.07°的提升,改善了四阶累积量算法在阵元幅相误差条件下估计精度下降的问题。海试数据分析表明,本文算法的相对测深精度相对于基于自校正Root-MUSIC算法有约0.03%～0.08%的提升,且在水平距离90 m范围内的满足0.75%的测深精度标准。仿真和海试数据均证明了本文算法在高斯色噪声及阵元幅相误差条件下的DOA估计性能优于传统算法。     

声矢量阵列波达方向估计的四元数空间稀疏分解

针对稀疏分解(sparse decomposition)类算法在恢复矢量阵列信号时收敛速度慢的问题,本文将稀疏分解理论推广到四元数空间,提出了一种声矢量阵列波达方向估计的四元数正交匹配追踪算法。首先,建立声矢量阵列的四元数模型,然后将方向矢量矩阵在四元数空间展开作为冗余字典,最后利用正交匹配追踪算法恢复原始信号得到目标方位信息。实验结果表明:在四元数空间建立的冗余字典强化了声矢量传感器各输出分量间正交性,与长矢量模型即在复数域的冗余字典相比恢复性能更好。具体表现为:冗余字典原子长度降为长矢量方法的1/3,并有效去除长矢量方法在DOA估计角度真值附近1°范围内的偏差。仿真结果验证了算法的有效性。     

一种信号参数估计的小波去噪方法

针对MUSIC算法在低信噪比(SNR)和信号到来角(DOA)间隔较近时估计性能下降的问题,提出了一种信号参数估计的小波去噪方法,并从伪二维图像去噪的角度对阵列去噪的性能进行了验证.仿真结果表明,对去噪后的信号接收矩阵应用MUSIC算法,不仅可以提高DOA估计的SNR,而且可以提高DOA间隔较近时的算法分辨率.     

确定性采样的矢量水听器阵列舰船目标方位估计

使用较少的硬件电路和计算量实现高分辨率的目标方位估计一直是海域防御系统具有挑战性的研究工作。将压缩感知理论应用于矢量水听器阵列,利用确定测量矩阵建立了确定压缩采样的矢量水听器阵列(DCV)结构,并将其与改进的多重信号分类算法(MMUSIC)相结合,提出了确定压缩采样的矢量水听器阵列的MMUSIC(DCV-MMUSIC)算法。将该算法用于相关或非相关模拟舰船目标的方位估计,通过对算法的可行性、高分辨能力和改变测量次数、信噪比和快拍数等多种仿真,得出该算法可以在低信噪比和小快拍下对舰船目标进行方向估计,并且具有使用硬件电路少、计算量低和估计偏差小等优点。又将其用于实际商船目标的方位估计,得到了较好的方位估计性能。     

基于改进高斯随机测量矩阵的切削力信号压缩感知方法

高速加工过程中，依据传统Nyquist-Shannon采样定理进行信号采集通常会面临海量数据的存储、传输和处理难题。基于压缩感知理论提出了一种切削力信号采集新方法，实现信号压缩式采集。选择高斯随机矩阵作为基础测量矩阵，并结合近似正交三角分解和最小相关系数法对高斯随机矩阵进行重新设计，提高其压缩测量性能，再借助高效的压缩采样匹配追踪算法从测量值中恢复得到原始切削力信号。实验结果表明，改进的高斯随机测量矩阵具有更高的重构精度和稳定性，所提出的压缩感知方法在保证切削力数据重构效率和精度的同时，显著减少了数据量。     

一种基于加权子空间的稀疏表示DOA估计算法

针对未知互耦条件下的波达方向（DOA）估计问题,本文提出一种未知互耦条件下基于加权子空间（WSF）的稀疏表示DOA估计算法。新算法在原有l1范数优化模型基础上引入一个子空间加权矩阵,并推导出了一个使得DOA估计方差取得最小值的最优子空间加权矩阵。仿真实验表明在低信噪比情况下,新算法能进一步提高稀疏表示估计算法的抗噪能力,获得更好的估计精度。     

基于多基站IMMKF-DOA辅助车辆协同定位算法研究

针对传统卡尔曼滤波算法在进行车辆实时运动过程中难以精准定位问题,提出一种基于运动状态自适应的交互多模型卡尔曼滤波(Interacting multiple model Kalman filter,IMMKF)与多基站到达方向(Direction-of-arrival,DOA)相融合进行车辆位置实时估计算法。基于无偏估计器对测量噪声协方差进行实时更新并将其嵌入标准卡尔曼滤波算法中实现自适应交互多模型卡尔曼滤波。针对车辆不同运动状态及动态行驶环境对车辆定位估计精度的影响,构建自适应交互多模型卡尔曼滤波器与多基站信息融合算法进行车辆位置实时估计,考虑不同车速与不同基站数等行驶工况下车辆定位精度的变化趋势,实现车辆实时位置的准确估计。利用PreScan-Simulink联合仿真平台进行虚拟仿真验证和实车试验验证。结果表明,基于交互多模型卡尔曼滤波与到达方向角的融合算法相对标准的卡尔曼滤波估计精度高,较好地改善了传统单一模型的卡尔曼滤波算法在进行车辆实时运动状态估计过程中精准定位问题,实车试验验证了提出算法对车辆定位精度较传统卡尔曼滤波算法的精度提高了一个数量级,实现了更精确的车辆位置估计。     

宽带声源方位估计的多频稀疏贝叶斯学习改进算法

在对空气中未知的宽带声源的波达方向进行估计时,麦克风阵列的阵元间距很容易大于声信号半波长而出现栅瓣,严重影响估计效果。尽管多频带数据的使用在一定程度上可以抑制栅瓣产生,但目前的方法抑制效果比较一般而且计算效率不高。在稀疏贝叶斯学习基础上,提出了一种针对宽带声源方位估计的改进方法。这种方法将超先验引入到传统的多频稀疏贝叶斯估计模型中,然后同时利用声源信号在多个频带上具有的相同空间角度稀疏性并结合期望最大化算法重新推导了多频稀疏贝叶斯模型中各相关参数的迭代形式。与此同时,考虑到实际场景中的声源方位通常不位于稀疏网格上,离网格修复模型也被加入设计框架中,以解决该问题。为验证算法性能,开展了仿真实验和场地实验。结果表明,相比最近提出的基于l₁最小化的多频压缩感知方法和宽带的多频稀疏贝叶斯学习方法,提出方法能更好的利用宽带声源的多频特性以降低栅瓣的干扰,同时具有更高的估计精度和计算速度。在现场实验中,改进方法表现了优于其他先进方法的栅瓣抑制能力,声源方位估计误差可达0.09°,所需迭代收敛步数相比MF-SBL减少约50%。     

基于改进 ESKF 的植保无人机时延位姿补偿算法

为解决全球导航卫星系统和惯性测量单元融合时间不同步问题,提高植保无人机位姿估计精度,本文根据植保无人机 大惯性、强振动的特性提出一种基于改进误差状态卡尔曼的时延位姿补偿算法。 首先对名义状态变量线性预测,引入渐消因子 提高强振动环境下的系统稳定性;接着采用互补滤波对角速度补偿,对姿态误差状态变量修正;最后结合测量的延迟时间,使用 互补滤波外推数据,提高大惯性特性下的速度位置精度。 实验结果表明,相较于误差状态卡尔曼算法,横滚角和俯仰角均方根 误差减少 0. 266 9°和 0. 241 4°,偏航角均方根误差减少 0. 076 4°;正常航迹植保作业下,东北天方向速度均方根误差减少 0. 210 5、0. 184 9、0. 238 8 m/ s;东北天方向位置均方根误差分别减少 0. 21、0. 19、0. 23 m,有效提高位姿估计精度。     

基于改进ICA-OMP优化原子分解的谐波和间谐波检测方法

针对原子分解中匹配追踪类算法存在的问题,提出一种结合帝国竞争算法(ICA)和正交匹配追踪算法(OMP)优化原子分解的电网谐波和间谐波信号检测方法。首先根据谐波和间谐波信号的特征,将Gabor原子库简化为正弦原子库。然后采用OMP算法对谐波和间谐波信号进行原子分解,通过设置合理的相关性阈值确定终止迭代次数。最后,根据搜寻出的最佳匹配原子的索引参数实现谐波和间谐波信号参数估计。在OMP算法迭代过程中引入ICA,可实现在连续参数空间中搜索最佳匹配原子,避免索引参数步长对检测精度的限制。算例仿真与实测表明本文提出的算法能够在噪声干扰情况下准确检测出各次谐波和间谐波分量,频率、幅值和相位的最大检测误差分别为0.015 4%、0.722 4%和1.512 6°,可有效分辨出频率相近的间谐波分量,实现时变谐波和间谐波分量的精确定位。与正交匹配追踪算法相比,计算复杂度缩减率在99%以上。     

应用分数低阶循环相关估计单电磁矢量传感器的波达方向和极化参数

提出了一种在α和高斯混合噪声以及循环平稳干扰并存背景下基于分数低阶循环相关(FLOCC)联合估计单电磁矢量传感器波达方向(DOA)和极化参数的多重信号分类(MUSIC)方法。该方法利用信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声以及循环平稳干扰信号;然后利用MUSIC方法对单电磁矢量传感器的DOA和极化参数进行联合估计,并利用DOA参数与极化参数的相互独立性,将传统MUSIC方法的四维搜索简化为两次二维搜索,从而有效地减少该算法的计算量。对所提算法与基于分数低阶矩的MUSIC算法进行了实验对比。结果显示:提出的方法可充分地抑制与待测信号循环频率相异的任意循环平稳干扰信号;在α和高斯混合信噪比为0dB,信干比为3dB时,估计得到的DOA和极化参数的均方根误差分别为0.3°和0.7°,明显优于基于分数低阶矩的MUSIC方法。