二阶统计量盲辨识在模态参数识别中的应用

快速、准确地识别出结构的模态参数,是结构损伤精确识别与健康监测的重要前提。该文提出一种结构模态参数识别的新方法。该方法以盲源分离理论中基于二阶统计量的AMUSE算法为基础,以振动系统的自由响应或脉冲响应为分析对象,通过对数据进行Hilbert变换增加虚拟测点,以不同时滞下数据协方差矩阵构建联合矩阵,通过求解时滞联合矩阵的特征值问题实现对结构模态参数的识别。联合矩阵的引入克服了AMUSE算法仅采用两个时滞协方差矩阵所带来的不稳定性。数值算例结果表明,该文提出的方法计算简单,识别精度高,不受时滞选择的限制,对测量白噪声不敏感,具有很好的鲁棒性。     

采用高阶统计的水声信道盲辨识算法

1引言传统的水声信道辨识技术,需要事先发射一组训练码用以获取当时信道的响应函数,这种方法存在的问题是耽误通信时机、通信协调有一定不便。更重要的是水声信道是空时变化的,通过某时训练码     

IIR系统在自适应横向滤波辨识

用自适应线性组合器匹配IIR型离散系统，通过拟合系统传递函数来辨识系统参数；比较了该法与自适应递归算法的动态性能，数值仿真结果证明该法的有效性。     

基于小波分解的时变信道盲辨识

针对传统的信道盲辨识算法很难适应时变信道模型的问题，提出了一种基于小波多分辨率分解的时变信道盲辨识算法．该算法首先应用小波多分辨率分解原理来近似建模时变信道；然后，利用信道输出序列的二阶统计量对时变信道的小波分解模型的小波系数进行两级盲辨识；最后，应用估计的小波系数即可重构时变信道的冲激响应．仿真结果表明，该算法可很好地完成周期时变信道的盲辨识与盲均衡任务．     

基于自适应梯度下降算法的扬声器系统辨识

扬声器模型参数辨识中,常规的固定步长梯度下降算法耗时较长,且在初始参数误差较大时,参数辨识常常会不稳定。因此,提出了一种在频域中识别扬声器系统参数的变步长梯度下降算法。变步长梯度下降方法监测识别参数辨识的趋势,并自适应地调整相应的学习速率。该自适应方法消除了手动调整学习速率的需要。此外,由于直接计算复杂模型的梯度并不容易,采用了中心差分的方法近似计算模型的梯度。通过建立动圈扬声器模型,设置不同初值和迭代误差结束标准,比较了固定步长方法、最小二乘法和自适应步长方法的收敛性以及辨识效果,并使用微型扬声器进行测试验证。仿真和实验表明,该方法具有更高的效率,对初始误差有更好的普适性和鲁棒性。     

基于匹配追随算法的摩擦力自适应辨识与补偿研究

提出一种基于匹配追随算法的摩擦力自适应辨识与补偿新方法,该方法利用正交多项式实现对系统中以摩擦力为主的非线性动态充分逼近与补偿,不要求任何摩擦力模型,相对于基于线性化模型的自适应补偿算法,该算法具有更高的优越性,基函数集的选取对该算法精度及计算量有重要影响,该算法给出了一种基于残差分析法的基函数集优选方法,最后,通过仿实验验证了该算法的有效性。     

基于盲分离技术的双目标辨识与定位方法研究

研究了利用盲分离技术对水下目标辐射噪声信号进行辨识和定位，指出了在水声信号盲分离过程中。自然梯度算法具有不稳定收敛的不足，通过构建新的非线性函数和学习因子等。提出了自然梯度算法的改进方法，经实船信号的盲分离实验表明．该算法在稳定性方面有改进。在对目标信号盲分离的同时。估计了目标信号到达基阵的时延，完成了双目标的辨识与定位。     

滑动轴承油膜失稳振动的二阶定向循环平稳性分析

定义了二阶定向循环平稳统计量,提出了基于二阶定向循环平稳的信号分析方法。该方法将用于单通道实信号分析的二阶循环统计量扩展到复信号,并定义了正交双通道融合复信号的定向循环自相关、定向循环谱相关密度。为了验证该方法,利用转子试验台模拟滑动轴承旋转机械的油膜失稳故障以获取数据,分析结果表明该方法不仅能够提取系统在某一截面内的周期性振动特征,而且能够揭示转子在指定循环频率处的旋向。此外二阶定向循环谱相关密度在指定频率处的切片能显示更加丰富的转子频率耦合调制信息,试验结果验证了该方法的有效性。       

细线阵的频域自适应波束形成

常规波束形成技术包括时域波束形成技术和频域波束形成技术.由于实际空间采样的声阵是有限孔径的，常规波束形成的空间波束谱估计具有加窗效应，所以分辨力不高，另外由于它是固定旁瓣响应，所以不能有效的抑制强干扰。为克服常规波束形成的不足，本文利用广义旁瓣干扰抵消自适应阵处理的原理，仿真研究了自适应波束形成分辨力与抗干扰能力的提高.     

含有有色噪声的自适应Kalman滤波

通过时一类时不变线性有色噪声系统的卡尔曼滤波理论的分析．提出了一种在滤波过程中不断估计并修正未知参数的算法，最后给出了有关这种估值的渐近无偏性证明以及实时应用的例子．     

基于R-SOBI的结构模态参数辨识方法

提出了一种基于稳健SOBI算法提取结构/系统的频率、阻尼比及模态振型的方法。运用该法提取系统/结构模态参数的步骤为:首先利用稳健SOBI的盲源分离方法采集的信号进行分离,然后将分离矩阵作为结构/系统的模态振型矩阵,最后再对各个分离后的单自由度信号提取频率、阻尼比参数。研究结果表明,提出的方法可以准确提取出结构/系统的模态参数,尤其是即使噪声环境下仍然能准确提取出系统的模态振型矩阵。     

Improved system blind identification based on second-order cyclostationary statistics: A group delay approach

An improved system blind identification method based on second-order cyclostationary statistics and the properties of group delay, has been proposed. This is achieved by applying a correction to the estimated phase (by the spectral correlation density of the system output) for the poles, in the group delay domain. The results indicate a significant improvement in system blind identification, in terms of root mean square error. Depending upon the signal-to-noise ratio, the improvement in percentage normalized mean square error ranges between 20 and 50%.     

盲信道均衡的动量恒模算法

介绍了盲信道均衡恒模算法（CMA）的基本原理，对恒模算法的缺点进行了分析，通过修正恒模算法的迭代公式提出一种动量恒模算法（MCMA）。利用QPSK信号，采用计算机仿真的方法对动量恒模算法与恒模算法进行盲均衡性能比较，模拟结果显示，MCMA算法比CMA算法在收敛速率、降低稳态均方误差和符号间干扰具有明显的优势，有效地改进了信道均衡性能。     

一种新的稳健CAB盲波束形成算法

通过限制估计的方向向量与真实的方向向量之间的误差范数的边界,提出了一种新的稳健CAB（周期自适应波束形成）盲自适应波束形成算法。该算法克服了方向向量失配引起的自适应波束形成器的性能劣化问题。计算机仿真试验表明,较采用传统对角加载技术的R-CAB盲波束形成算法和WCPO-CAB算法而言,该算法进一步提高了稳健性和输出信干噪比。     

基于R-TPBSS的结构模态参数识别方法

提出了一种基于R-TPBSS算法的结构模态参数识别方法。该方法通过对响应信号进行稳健性白化处理,提高了算法的抗噪性。该方法将模态坐标和模态振型分别视为独立源信号和混合矩阵,以模态坐标的时间预测性大于响应信号的时间预测性为前提构造目标函数,通过优化目标函数,直接从结构自由响应中分离出各个模态,配合单点模态参数识别方法,提取出结构的模态参数。仿真结果表明,此方法具有很高的识别精度,对噪声很好的鲁棒性,密集模态下,同样能够准确的识别出结构的模态参数。     

基于盲源分离的结构模态参数识别

提出一种结构模态参数识别的新方法。该方法以盲源分离理论中基于二阶统计量的AMUSE算法为基础,通过对测试数据Hilbert变换构建分析数据矩阵,通过求解不同时滞下数据协方差矩阵的广义特征值问题实现对结构模态参数的识别。数值算例结果表明,该方法不仅适用于实模态情况,同时适用于复模态情况,且计算简单,识别精度高,对测量白噪声有很好的鲁棒性。     

基于遗传算法的自适应噪声抵消

当有参考噪声信号时，自适应噪声抵消的实质就是求参考噪声输入通路的逆滤波器，LMS自适应滤波问题就是一个多变量函数的极值问题。LMS算法因其具有算法简单，容易实现的优点而为常用，但是算法的收敛特性和失调量受到步长参数μ的影响。而步长参数μ和最优值不易确定。遗传算法是一种应用于大规模搜索空间的有效方法，它不要求函数的解析表达式，只根据已知的测量数据便可以求得全局极值。本文以FIR滤波器为例。采用改进的实值编码遗传算法，将遗传算法用于逆滤波器的求解。计算机仿真结果表明该算法对噪声抵消取得了较满意的效果。     

采用自适应算法的有源消声模型

提出一种采用自适应算法的有源消声模型 ,对柴油机低频排气噪声进行了实验 ,结果表明 ,此模型较为切实可行的。     

基于参考模型的自适应话音处理

本文讨论了一种带有参考通道的自适应话音消噪滤波器原理，该滤波器采用最小均方差(心幅)算法。将此滤波器应用于复杂噪音背景的话音信号提取，能很好地抑制背景噪声，从而获得清晰的话音信号。     

进化论自适应滤波算法及降噪特性研究

基于生物进化论策略的自适应滤波算法，利用其有性繁殖和无性繁殖的随机搜索能力实现全局最优搜索，可克服最小均方法（Least Mean Square，简称：LMS）对于多峰特性问题有可能收敛于某一局部最小值，无法实现全局最优的缺点。提出峰值系数指标PR（Peak Ratio）概念解决进化论自适应滤波器的性能评估问题，提出收敛速度CS（Converge Speed）指标和峰值系数指标PR高度的方法解决最优滤波参数的选取问题，并列进化论自适应滤波器的降噪进行模拟仿真，讨论了滤波长度和进化系数对进化论自适应算法消噪效果的影响及最优滤波参数。