一种改进加权函数的GCC时延估计方法研究

针对多站时差定位系统在低信噪比下无法获得准确的时延估计,进而影响时差定位的精度,提出一种改进加权函数的广义互相关(GCC)时延估计方法.通过分析和比较采用不同传统加权函数进行广义互相关时延估计的性能,对加权函数进行改进.改进的加权函数同时引入两路信号的自功率谱密度函数和互功率谱密度函数,使得加权函数的分子分母变化趋势相...     

基于并行相关的实时时差估计器设计与实现

从相关时差估计的基本原理出发,提出了一种并行时域相关结构,基于这种并行结构设计实现了一种简单高效的时差估计器.与传统频域相关时差估计器相比,这种时差估计器的主要优点是提高了运算效率,运算周期大为缩短,可以满足实时高精度时差估计的需求,同时结构简单,硬件资源开销小,易于设计实现.实际测试结果验证了上述结论.     

基于互相关时间延迟估计的心音源定位方法

提出一种用于正常噪声环境下的心音源定位方法。利用3个传感器同步记录胸前3个位置的心音信号,对自动识别出的心音成分采用互相关法,估计同一心音源发出的信号到达2个传感器的时间延迟。利用时间延迟和传感器坐标确定心音源在传感器连线上的投影点坐标,由投影点与心音源的关系定位心音源。实验结果显示,对于采集到的健康人心音信号,利用该方法可以定位第一心音源。     

窄带音频信号时差估计算法

研究定位中的窄带音频信号时差估计问题,给出时差估计的信号模型,在研究传统广义相关时差估计算法及基于希尔伯特变换时差估计算法基础上,提出基于接收信号分数阶希尔伯特变换的时差估计算法。通过仿真实验,得到不同变换阶数下归一化后的时差估计均方误差曲线,在最优时差估计域下,与广义相关法及希尔伯特变换时差估计算法相比,提出的算法具有较好的估计性能。     

高精度亚像素全局运动估计的上采样梯度互相关算法

运动估计在视频图像压缩、超分辨率重建、拼接、目标检测等方面具有重要的应用意义。针对高精度的亚像素运动估计问题,引入一种优化滤波器用于计算图像梯度,并采用上采样与抛物面拟合梯度互相关曲面相结合的方法,探讨一种高精度的亚像素全局运动估计算法。实验结果表明,该算法不仅对噪声影响具有较好的鲁棒性,同时能够有效地提高运动估计的精确性。     

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。     

高程信息辅助的地面辐射源时差定位方法

研究不同卫星接收同一辐射源时差对地面辐射源定位优化问题,针对高程的影响将导致定位精度恶化.为了消除高程的影响,使得对高程未知的地面辐射源定位的精度达到对海平面上辐射源定位的精度,提出了运用高程信息动态修正WGS -84地球模型进行辅助定位的算法.算法提出并使用了高程信息动态修正WGS - 84地球模型的思想,通过高程信息的引入快速准确地修正了WGS -84地球模型,有效抑制了地面辐射源高程未知导致的定位精度恶化.理论分析表明该算法的性能优于常规的时差定位算法,仿真证实了改进算法实现定位精度高,为设计提供有效参考.     

基于ResNet的稳健语音DOA估计算法

针对传统波达方向（Direction of arrival, DOA）估计算法在阵列模型误差条件下估计性能下降的问题,提出了一种基于残差网络（Residual network, ResNet）的DOA估计算法。该算法根据神经网络数据驱动不依赖阵列流型的特点,从广义互相关（Generalized cross-correlation, GCC）中提取特征,将提取的特征作为神经网络深层分类器的输入,对信号分类;根据分类结果选取对应子区间数据进行训练,建立ResNet学习特征与DOA估计之间的非线性映射关系,形成一个数据驱动的稳健DOA估计系统。仿真与实验验证结果表明,该算法有效地解决了传统DOA算法在阵列模型误差条件下无法准确得到DOA结果的问题。     

数字式时差法超声流量计的设计与实现

基于时差法原理,采用数字化方案设计实现了一种超声波流量计.系统以TMS320F28335数字信号控制器(DSC)为核心,扩展ADS807流水线ADC实现高速数据采集,模拟前端实现超声发射、接收信号调理.DSC软件算法通过互相关及拟合算法求解顺逆流传播时间差,希尔伯特变换与小波变换结合确定渡越时间,在此基础上计算流量.经过流量实测证明,设计的超声流量计充分发挥了数字化方案的优势,较好地完成了流量测量工作.     

基于时差的宽带相干多辐射源测向算法

为了防反辐射弹，通常在一定的范围内放置两个或者两个以上的辐射源。该多个辐射源的参数相同，距离也比较靠近。如果运用传统的宽带测向技术，将无法对多个辐射源进行准确测向。针对宽带多辐射源测向问题，本文采用单基线系统，根据两个阵元接收信号谱线共轭相乘产生的新信号谱线结构关系，间接估计出各个辐射源到达两个天线阵元的时差，并通过去直流方法来提高时差估计精度。仿真结果表明，该算法设备简单，在一定条件下测向精度较高。     

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TDOA的室内运动目标双曲线RFID定位方法

射频定位中以接收信号强度（ RSSI）定位的方法存在信号干扰严重、抖动剧烈和误差较大等现象。为了减小射频信号定位的误差,在基于精准时间测量思想的传播信号到达时间差（ TDOA）方法和构建虚拟参考标签经典定位方法的基础上提出了TDOA双曲线定位方法。该方法利用射频信号TDOA,以精准时间差来测量射频（ RF）标签与目标之间的距离,然后借助双曲线定位算法对目标进行定位。仿真结果表明,相比目前经典的 LANDMARC 和VIRE定位方法,TDOA双曲线算法的定位误差50'可在0.216 m内。该方法有效利用了现代高精度时间测量的优势,在室内运动目标定位中具有定位精度高、应用范围广、实现简单等优点。     

基于滚动时域估计的带约束运动目标跟踪*

针对实际的运动目标跟踪问题中存在的各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法,将跟踪滤波问题转换为带约束的有限时域优化问题,并通过引入到达代价函数,有效减少了优化问题求解所需的计算量。最后,对实际的目标跟踪问题进行了滚动时域估计仿真研究。Monte Carlo仿真结果表明,滚动时域估计能有效提高跟踪精度,并且能在采样周期之内完成求解,满足在线估计的需要。     

基于滚动时域估计的非线性目标跟踪*

实际的雷达跟踪问题大多属于非线性问题,存在着各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法可以有效地处理带约束非线性目标跟踪问题。滚动时域估计通过引入到达代价函数,将非线性跟踪滤波问题转换为带约束的有限时域优化问题,可以有效减少优化问题求解的计算量,能够显著提高状态估计的准确度。针对实际的雷达跟踪问题,仿真结果表明,滚动时域估计能有效地提高非线性目标跟踪的精度。     

Input estimation with multiple model for maneuvering target tracking

To increase the performance of maneuvering target tracking, an algorithm utilizing input estimation with multiple model based on two independent mode sets is suggested in this paper. The proposed algorithm consists of hypothesized multiple filters to estimate the unknown target acceleration and a test statistic developed from a modified version of the generalized likelihood ratio test to detect the maneuver onset time. An efficient algorithm for the target acceleration estimation is derived to reduce the computational burden of multiple model estimation. A numerical analysis is carried out to obtain the proper window length and the average delay of the algorithm. Performance of the proposed algorithm is evaluated by a series of simulation runs.     

Modified UBB-based input estimation method for nonlinear manoeuvring target tracking problem

The input detection and estimation methods in the manoeuvring target tracking (MTT) application need algorithms for manoeuvring detection and covariance resetting. This algorithm causes an improper delay in target states tracking. In this paper, for solving this problem, unknown but bounded approach for uncertainties modelling is used and a different state space model is developed. In this model, target acceleration is treated as an augmented state in the corresponding state equation. By using interval mathematics, the linearisation error is bounded by an ellipsoidal set and considered in the model development. In augmented state equations, the MTT problem converted to non-manoeuvring target tracking problem. Therefore, the set membership filter is rearranged and used for simultaneous target state and manoeuvre estimation. Furthermore, estimated convex set boundedness is analysed and an upper bound for the estimation error is calculated. The theoretical development of the proposed method is verified with numerical simulations, which contain examples of tracking various manoeuvring targets. The simulation result of the proposed method is compared with traditional input estimation methods. The comparison shows the acceptable performance of the proposed method in the simultaneous estimation of the target acceleration and state vector for the manoeuvring and non-manoeuvring scenarios.     

基于四传感器方阵的地震动目标方位角估计

针对地震动目标定位中的信号传播速度不确定性问题,提出了基于到达时间差的四传感器方阵目标方位角估计方法.从理论上推导出四传感器方阵下的目标方位角估计带边界及其最大带宽值,证明了信号传播速度与目标方位角估计之间的弱相关性.根据仿真计算深入探讨了信号传播速度和时延测量误差对目标方位角估计精度的影响.外场实验结果证明：这一方法的地震动目标方位角平均估计误差小于采用三轴地震动传感器的方法,具有一定的实用价值.     

电视跟踪系统中运动目标的精确提取与快速跟踪

为了使电视跟踪系统在自动作业时能够抵抗外界干扰,提出了一种基于二级精度的运动目标精确提取和快速跟踪方法。该方法采用二次帧差法与四分图像的双波门法对视频图像进行处理,自动获取运动目标的初始模板,然后根据轨迹预测算子对目标进行自适应特征匹配实现有效跟踪。在某电视跟踪系统中应用该算法进行低空飞行目标跟踪实验,取得了良好的跟踪效果。实验结果表明,该方法不仅满足目标跟踪的实时性,而且能够有效提高目标识别的准确率。     

优化分类模块和估计模块的快速鲁棒目标跟踪方法

为了平衡跟踪器的分类与估计模块间的性能差距,提出一种模块性能均衡的跟踪器.首先,通过大量离线学习,将高阶特征纳入目标估计中;然后,对目标估计模块进行训练,预测目标对象与估计跟踪框之间的重叠.为了提高所提分类模块在面对干扰物时的鲁棒性,引入在线训练的分类模块,采用了难分样本挖掘方法,确保较高的区分能力.在OTBI00、VOT2016和TrackingNet三个公开数据集上进行实验,结果表明,与相关滤波、多域网络等方法相比,所提方法的重叠精度指标更优、跟踪精度更高,且收敛性明显快于梯度下降法,运行速率达到实时要求.     

基于深度估计和特征融合的尺度自适应目标跟踪算法

针对核相关滤波目标跟踪算法(KCF)使用单特征来描述所跟踪的目标,在复杂环境下,目标尺 度发生较大变化时,无法准确跟踪目标的问题,提出基于深度估计和特征融合的尺度自适应目标跟踪算法。首 先利用深度神经网络估计视频序列中目标的深度,建立并训练深度-尺度估计模型;在跟踪过程中,融合目标 方向梯度直方图(HOG)特征和 CN (Color Name)特征训练相关滤波器,利用深度估计网络得到目标深度值,并 利用深度-尺度估计模型得到目标的尺度值,从而在目标尺度发生变化时,能够调整目标框大小,实现尺度自 适应的目标跟踪算法。实验结果表明,与经典的 KCF 算法相比,可获得更高的精度,与尺度自适应的判别型 尺度空间跟踪(DSST)算法相比,在尺度变化较大时,跟踪速度更快;在环境复杂、目标被遮挡时,鲁棒性更好。