基于TK能量算子的OFDM时延估计算法

文章针对已有正交频分复用(OFDM)信号时延(TOA)估计算法抗噪声能力弱的问题,引入TK能量算子,在旋转不变技术（ESPRIT）算法基础上,提出一种TK-ESPRIT算法进行TOA估计。该算法利用TK算子对瞬时信号变化敏感的特点,首先对信号互相关函数进行处理,使相关函数峰值更加明显,再构造特征矩阵,利用ESPRIT算法完成TOA估计。仿真结果表明,和已有算法相比,提出算法可以有效提高估计精度。     

基于EMD分解重构的互相关时延估计方法

在反狙击手声探测定位系统应用背景下,针对常用相关法时延估计精度不高、相对误差较大等问题,将IMF重构消噪的思想应用于声探测定位系统TDOA(time delay of arrival)的估计中.针对重构过程中IMF分量的选取问题,设计了一种基于皮尔逊(Pearson)相关系数的选取方法,选取IMF分量进行重构消噪并结合互相关的时延估计方法,构成了基于EMD分解重构的互相关时延估计方法.通过对实际采集的声信号进行仿真实验,验证了该方法的有效性.     

基于TDOA定位机制的无线传感器网络节点设计

介绍了一种具有到达时间差(TDOA)定位机制的基于数字信号处理器(DSP)的无线传感器网络节点。它包括TMS320F2812DSP,512 kB的SRAM,2.4 GHz波段的无线收发模块、音频信号收发模块及电源管理模块等。节点通过测量RF同步信号与音频信号的TDOA来测量节点间的间隔距离,并采用互相关时延估计算法来实现节点定位。实验数据表明:该节点最远测距距离超过25m,角度误差小于3.7%。     

时延估计算法在乒乓球落点检测中的仿真研究

到达时间差(TDOA)是一种重要的信号发射源定位方法,它通过处理多个信号发射传感器采集到的信号到达时间测量数据来实现声发射源目标的定位,具有较高的定位精度。运用四种不同加权函数的广义互相关时延估计方法,来提高乒乓球辅助评价系统中关于乒乓球落点位置的精度。对广义互相关法的四种不同的加权函数进行介绍和阐述,将噪声信号加入原信号,使用Matlab进行实验仿真。实验结果表明:使用PHAT加权和SCOT加权可以提高时延估计的精度,从而达到更精准的估计出乒乓球落点位置的目的。     

一种利用叠加降噪提高二次相关TDOA精度的方法

二次相关TDOA算法具有一定的抗噪声性能,但在信噪比很低的条件下无法准确估计出时延。针对二次相关TDOA算法,在低信噪比下可能存在误差的情况,提出了利用叠加降噪提高接收信号的信噪比的新方法,从而提高算法精度。在接收到信号后,算法依据统计学的理论,采用信号叠加降噪的方法提高信号的信噪比,从而提升二次相关TDOA结果的精度。通过仿真结果表明,在低信噪比的情况下改进后的算法在较大程度上提升了时延估计的精度,提高了二次相关TDOA的应用范围。     

基于语音建立信号的ROTH加权时延估计方法

给出了一种适合混响环境的语音建立信号ROTH加权时延估计方法.该方法首先通过房间混响模型和快速傅里叶变换提取语音建立信号;然后用语音建立信号来估计语音信号的互功率谱,并进行互功率谱的平滑处理;最后采用ROTH加权方法进行时延估计.仿真结果表明了该方法的有效性.     

TDOA定位系统基站时差估计技术的仿真研究

针对TDOA定位系统基站失去严格同步后定位误差增大的情况,提出了一种基于地理位置时间差GTD的基站时差估计方法.通过在定位网络内部署位置已知的定位辅助单元LAU,测量失去严格同步的定位基站之间的相对时差RTD,用于校准TDOA测量值,使TDOA误差减小到基站严格同步时的误差水平.设计并实现了系统仿真模型,通过仿真验证了采用该技术可减小TDOA系统定位基站的时钟飘移造成的定位误差,并分析了各种信号参数对RTD测量误差的影响.     

互耦条件下宽带信号盲校正DOA估计

结合均匀线阵的窄带互耦模型和宽带信号的频率分集思想,分析并推导互耦条件下的宽带数据接收模型,在该模型的基础上,提出一种基于辅助阵元的宽带接收信号预处理算法。经过预处理后,在利用基于相干信号的处理方法构造聚焦矩阵时,无需考虑互耦效应,即可在互耦系数未知的情况下,直接进行聚焦运算和宽带信号来波方位估计。仿真结果表明,该算法不仅能明显降低计算复杂度,且预处理后的角度估计精度在信噪比大于10 dB时,接近于互耦系数精确已知条件下的估计精度。     

基于延时互相关的正弦信号频率估计方法

为提高非整周期采样信号的频率估计精度,提出一种基于延时互相关的正弦信号频率估计方法。首先,截取一段采样信号及其等长度延时信号;其次,对2段信号做互相关运算,并构建不包含误差项的误差校正信号;然后,对误差校正信号进行频率粗估计,并生成参考信号;最后,根据柯西-施瓦兹不等式构造误差函数,通过最小化误差函数得到频率精估计值。仿真实验结果表明：该方法能有效降低非整周期采样的影响,提高频率估计精度,其估计精度优于同等条件下基于自相关的频率估计方法,使得频率估计值的均方误差更接近克拉美罗下限。     

基于改进二次相关算法的TDOA时延估计

在TDOA时延估计中,二次相关算法能够较好地抑制噪声干扰,进而提高时延估值精度.为了进一步提升在较强噪声干扰的条件下二次相关算法的抗噪性能,在传统二次相关算法中的互相关函数部分加入SCOT加权函数,提出了基于改进二次相关算法的TDOA时延估计.算法对接收到的信号分别进行自相关以及SCOT加权互相关,再将所得到的相关函数进行二次广义相关,通过检测相关函数的谱峰得到估算的时延值.实验仿真以及对实测数据的验证均表明,在低信噪比时改进算法较传统算法具有较高的估值精度.     

一种NLOS环境下的TDOA/AOA定位算法

在LOS环境下,Chan算法有着较好的定位精度,基于Chan算法的到达时间差/到达角(TDOA/AOA)算法比Chan算法有了进一步提高。但是在NLOS环境下,这些算法的精度都将大大下降,由于AOA的测量值有较大误差,TDOA/AOA方法的精度甚至低于Chan算法。并且这些算法的主要缺点是在第一次加权最小二乘法(WLS)中把移动台的横坐标、纵坐标与移动台到服务基站的距离作为三个相互独立的变量,忽略了三者之间的相关性,因此要进行第二次WLS才能得到定位结果,且最终的解为二值根。对误差的均值和方差进行了估计,修正了TDOA与AOA测量值,用Kalman滤波算法对AOA的值进行了估计,利用移动台坐标与AOA之间的关系将三个变量简化为一个,只需一次WLS即可求得唯一解,减少了计算量,消除了根的模糊性。仿真结果表明,该方法简单,计算量小,有较高的定位精度和较好的稳健性,性能优于Chan算法和基于Chan算法的TDOA/AOA算法。     

基于SVD-形态降噪的TKEO故障诊断方法研究

针对强噪声干扰背景下微弱故障特征信息难以提取的问题,提出了一种基于奇异值分解(SVD)-形态降噪的Teager能量算子(TKEO)故障诊断方法.首先对轴承振动信号进行SVD,对得到的分量信号进行形态滤波,以滤除噪声干扰;然后利用峭度准则对分量信号进行筛选,并对其进行重构;最后利用TKEO计算重构信号的瞬时能量,得到信号的能量谱,提取振动信号的特征.将提出的方法应用于滚动轴承故障分析,结果表明该方法能清晰地提取故障特征信息.     

基于Chan氏算法和文化算法的协同定位

提出一种到达时间差(TDOA)定位方法,利用Chan氏算法进行初始定位估计,将估计结果作为经验知识存储于信念空间中,采用文化算法求解定位估计中的最大似然函数,获得最佳估计坐标值,从而实现对移动台的最终定位估计。历史知识的引入能有效避免陷入局部最优值,并改善算法的定位精度。仿真实验结果表明,该方法性能稳定、定位精度高、收敛速度快。     

基于TDOA残差分析的MLAT抗干扰方法

针对多点定位(MLAT)技术对信号从目标到接收站点时间差(TDOA)的依赖性及其TDOA精度对定位精度的影响,提出了一种基于TDOA残差分析的定位抗干扰方法。该方法通过TDOA在定位前后的残差来评判接收站点的时钟精度,从而实现站点优化选择和抗干扰,达到提高定位精度的目的。仿真实验和机场真实数据实验表明该方法可以显著提升MLAT的定位精度,不仅可行,而且有效。     

CDMA信号的时频差高精度估计算法

针对多用户CDMA信号的时频域重叠特征,提出了一种新颖的时频差高精度估计方法。该方法结合扩频信号的捕获和解扩操作,以较短的信号样本和较低的计算量,仅两次时间-频率分维迭代实现了用户信号分离和时频差估计,再通过时域和频域内插进一步提高估计精度。仿真结果表明,与直接互模糊函数相关法相比,该方法能够有效提高CDMA信号时频差估计精度,降低计算量。     

基于AUPF的TDOA几何定位跟踪算法研究

使用无源时差（TDOA）定位技术确定无人机等小型辐射源目标的位置是当前研究的热点,针对时差定位算法较为复杂的实际情况,推导了时差双曲线的几何解,并提出了一种基于自适应无迹粒子滤波（AUPF）技术的移动目标定位跟踪方法。通过仿真对该方法在不同场景的应用效果进行了验证,进一步比较分析了算法的定位精度。结果表明,基于自适应无迹粒子滤波的时差几何定位跟踪算法可以在多种情况下较好地拟合出目标真实运动轨迹,实现对运动目标的定位跟踪,同时拥有更低的定位误差和更高的轨迹包容度,使用该方法可以显著提高对非合作移动辐射源目标的位置估计性能。     

基于蜂窝网结构的多目标自动辨识定位方法

针对移动蜂窝网对多目标难以检测识别且定位精度不高的问题,提出一种基于蜂窝网结构的多目标自动辨识定位方法。首先,根据对监测区域内目标源的多次定位结果方差来判别是否有多目标存在;其次,采用k-means无监督学习对定位点进行聚类,由于k-means算法的最优簇数难以确定,因此提出了一种基于波束分辨率的k值裂变算法来确定k值,并确定聚类中心;最后,为了提高接收信号的信噪比,通过各聚类中心确定波束方向,再使用基于线性约束的窄带波束形成器依次接收不同波束方向信号,分别对各目标源进行到达时间差定位。仿真结果表明,对于解决多目标定位问题,相对于时延估计算法和概率假设密度（PHD）滤波器算法,所提多目标自动辨识定位方法能够提高接收信号约10 dB的信噪比,对应的时延估计误差的克拉美罗下界能够下降约67%,定位精度相对误差可提高10个百分点以上,而且算法简洁有效,各次定位相对独立,具有较高的效率和较好的稳定性。     

基于麦克风阵列的GCC时延估计算法分析

准确的时延估计（Time Delay Estimation,TDE）是基于到达时间差（Time Difference of Arrival,TDOA）的声源定位技术的前提.在众多时延估计算法中,广义互相关（Generalized Cross Correlation,GCC）算法因其较低的运算复杂度和易于实现的特点得到了广泛的应用.针对不同的噪声情况,GCC时延估计算法利用不同的加权函数来抑制噪声干扰.本文在介绍麦克风阵列模型和GCC时延估计算法的基础上,针对GCC算法的弊端提出了一种改进算法,并在多种信噪比条件下,对部分加权函数的GCC时延估计算法进行了MATLAB仿真,通过比较其时延估计性能和声源定位精度,分析了这些加权函数各自的优劣性.     

修正的UKF滤波时差定位算法

为了降低到达时问差(TDOA)测距在非视距(NLOS)传播环境中的误差,提出了在强跟踪无迹卡尔曼滤波(UKF)基础上改进的算法.在状态发生突变时,给预测协方差矩阵加入次优渐消因子;对NLOS误差进行正负判断,利用整体偏移法修改滤波增益,但估计协方差矩阵不做改进,以免出现不收敛.实验结果表明:该算法不仅能有效地抑制突变带来的影响,也能高效地消除NLOS误差,提高了NLOS传播的到达时间差定位精度.