基于广义互相关算法的时延估计

在无线电定位技术中,AOA、TOA、TDOA是目前最有发展潜力的蜂窝系统移动台定位技术。定位中对时间差估计的精度要求非常高,测量精度越高,由其引入的定位误差就会越小。传统的广义互相关算法在实际的噪声环境中产生的时延估计误差较高。在此基础上,对时延估计采用了基于周期互谱密度和互功率谱的广义互相关算法进行研究,改进了传统的广义互相关算法。仿真结果表明改进的时延估计算法在恶劣信道环境影响下表现出了相对较好的鲁棒性。     

基于广义互相关时延估计算法的声发射定位技术

利用互相关分析算法估计出声发射信号到达不同传感器时由于传输距离不同而引起的时间差,是实现声发射源定位的关键技术。在理论分析互相关时差定位算法的基础上,提出了一种基于加权函数的广义互相关声发射定位方法。分析比较了GCC,PHAT,Roth,SCOT四种不同加权函数用于声发射信号时差估计的效果,选定信号波动少、噪声抑制能力高的PHAT加权函数进行声发射源定位实验。在800mm×800mm×5mm的大理石板上,采用断铅作为声发射信号激励源进行定位实验研究,选取6个测点,每个测点测试10组。结果表明,60组测试数据中55组数据相对于测点的定位绝对误差均小于37 mm,相对误差（相对于两传感器间的距离750 mm）小于5%（约占90%）。单测点十次平均后绝对误差均小于20 mm,相对误差小于3%。     

利用二次相关改进的广义互相关时延估计算法

为了提高传统广义互相关时延估计算法的性能,本文将二次相关时延估计算法与广义互相关时延估计算法相结合,提出了一种利用二次相关改进广义互相关的时延估计新算法。该算法先对信号进行二次相关处理,利用相关函数抑制了噪声的干扰,然后在相关函数序列上进行权重处理,进一步提高了算法的抗噪声性能与估算精度。仿真实验证明新算法较广义互相关算法性能有了明显的提升,对闪电辐射源定位资料的分析也验证了该算法的有效性。     

基于广义加权的AMDF时延估计方法研究

时延估计是声源定位常用的方法。多途效应严重影响声源信号时延估计性能,传统方法难以克服。提出一种基于广义加权的平均幅度差函数（Average Magnitude Difference Function,AMDF）时延估计方法,利用改进的AMDF方法提高对多途效应的抑制,通过广义加权方法降低算法的噪声敏感性。仿真及实验表明,对于窄带信号,该方法能够获得比传统广义互相关方法更高的时延估计性能,估计结果的误差减小,稳定性能提高。     

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.     

基于互相关时延估计算法的被动声定位系统设计

设计了以TMS320F2812数字信号处理器为核心的基于互相关时延估计算法的被动声定位系统。利用该芯片同时具有数字信号处理器和微控制器的特点,简化了结构设计,提高了系统的处理能力,在完成多路音频信号的同步采集、存储和数据处理的基础上实现了目标的定位。经测试表明：该系统在25m×25m的平面范围内,目标定位时间在2S以内,角度误差小于2.7％,达到了对目标的实时定位。     

声源定位中广义互相关时延估计算法的研究

基于时延估计（TDE）的声源定位算法是数字助听器中的核心算法之一,其估计精度会受到噪声和采样频率等因素的影响,导致了定位的不准确性。针对这一问题,结合相关峰精确插值算法（FICP）,提出了一种基于二次相关改进的广义互相关时延估计算法。该算法通过二次相关,有效地降低噪声的干扰,再利用FICP,提高相关函数的分辨率。仿真实验表明,无论在低信噪比,还是在高信噪比环境下,改进算法的时延估计性能都有了明显改善。     

改进的互功率谱时延估计算法

麦克风阵列的声源定位一直是阵列信号处理领域的研究热点.以互功率谱相位估计法（mutual power spectrum phase estimation,CSP）为代表的时延估计法因为其原理简单、计算量小、易于实现而得到广泛应用.虽然CSP算法在高信噪比环境下有不错的估计效果,但当信噪比较低和声学场景较复杂时,算法效果急剧下降.为了解决这一问题,本文对CSP算法进行改进.通过对CSP算法的时延估计结果进行筛选,剔除不合理的时延值,更新算法参数后重新进行估计以得到合理的时延值,并经过多帧信号加权得到声源的时延值与位置信息.为了验证所提算法的有效性,本文分别在Matlab与真实环境下进行了实验验证,结果表明,改进后的CSP算法相比原有算法在时延估计精度方面有明显改善.     

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.     

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。     

基于时滞鲁棒分析技术的AQM拥塞控制算法

通过采用一种基于Lyapunov泛函的多变量时滞系统分析技术对网络拥塞控制问题进行了研究,得到了系统以衰减度!指数稳定的鲁棒镇定条件,在此基础上提出了AQM网络拥塞鲁棒控制算法,所得结果不但可用于小时延网络(如LAN),同时也适用于大时延网络(如WAN、Internet),仿真实验表明采用该技术设计的网络拥塞控制算法具有良好的鲁棒性及控制性能。     

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。     

基于纹理分析的视差估计算法

针对传统方法难以可靠估计图像中纹理单一像素点视差的问题,提出一种新的基于纹理分析的视差估计算法。与已有方法不同,在以极线约束计算像素点视差时,将极线上纹理单一且近似的像素点合并成直线段,根据连续性和唯一性约束对直线段进行整体匹配,采用直线段的视差得到纹理单一区域的稠密视差图。利用直线段进行整体匹配,提高比较基元包含的信息量,减少扫描范围,从而降低误匹配产生的概率和算法时间复杂度。实验结果表明,该方法能提高纹理单一区域稠密视差图的精度,匹配速度快,具有实用价值。     

基于Dahlin算法的CMAC控制器设计

针对传统的基于Dahlin算法的控制器在对变时滞系统进行控制时控制效果恶化,甚至发生不稳定现象的弱点,提出了以CMAC神经网络与Dahlin算法相结合的控制方法。以CMAC神经网络作为一个前馈控制器,通过对Dahlin控制器输出的学习,实现时滞系统的自适应稳定控制。仿真实验表明,这种复合控制方法保留了Dahlin算法与CMAC神经网络的各自特长,同时具备学习速度快,适应能力强的优点,具有良好的稳定性控制效果。     

基于自适应和相关检测的两级时延估计算法

简要本文提出了一种新的两级时延估计方法,采用自适应时延估计与相关检测相结合,在最小均方误差准则下（LMS）通过对FIR滤波器参数的迭代,峰值检测得到时延的整数值,再通过相关检测得到时延估计的小数值。通过对算法原理的推导,给出了时延估计的整数值和小数值的理论依据,并给出了算法具体实现过程。实验结果和分析表明,在非平稳噪音和信噪比大干6dB情况下,时延估计的准确度可以达到95％以上,运算复杂度显著降低。     

基于独立成分分析的多目标分布估计算法

针对复杂的强耦合、非线性连续多目标优化问题,提出了一种基于独立成分分析方法（IC A ）的多目标分布估计算法。假设其概率图模型为非高斯的,采用ICA进行分离产生独立的各分量,接着采用基于拥挤距离排序和NSGA-Ⅱ的非支配排序,选择出优秀个体作为新的种群。与多目标ICA-UMDA 和vbICA-MM 的比较实验表明,该算法在测试函数ZDT2-2、ZDT4-2、ZDT6-2和F5上获得的Pareto解集具有较好的收敛性与多样性,且数据没有服从高斯分布的限制。     

基于广义随机Petri网的并行自动测试系统性能分析研究

为了提高并行自动测试系统的测试效率,改善系统总体性能,运用基于广义随机Petri网的系统性能分析方法,对并行测试任务过程建立广义随机Petri网模型,将并行测试过程同构于马尔科夫过程,并对该过程进行性能分析,进而得到并行测试系统中各种测试资源的利用率以及任务过程的平均延时数据;根据模型计算所得到的测试资源利用率,确定影响并行测试系统性能的瓶颈所在;通过分析并行测试系统中测试资源调用的分布情况,调整测试资源同测试任务的匹配关系,以达到进一步提高测试系统测试效率的目的。     

一种基于不变量结构分解的工作流性能分析方法

基于工作流的Petri网结构化建模方法,证明了工作流网的P-不变量存在性、可覆盖性,给出了一个工作流模型可靠性(soundness)的充要条件,得到了基于P-不变量的多项式分解算法,克服了非多项式算法遍历的不足,降低了时间和空间复杂度,基于工作流网的定义,给出了包含时间等信息的广义工作流网的概念,在结构分解的基础上,利用矩姆函数,建立了工作流的时间性能分析方法,所得结果为工作流模型分析和验证提供了理论基础和依据,并可有效降低工作流系统的分析复杂度,对于分析工作流系统处理业务实例的能力,提高业务处理效率有重要意义,给出的实例验证了算法的有效性.     

基于BP算法的微波通信中继段性能分析

微波通信设备在运行过程中产生了大量的告警,经过数据清理可以对微波通信的性能进行分析。利用神经网络的误差反向传播算法(BP算法),结合告警、天气和工程设计几方面的数据资料建立了微波中继段告警分析预测模型。利用模型结合河北省平原地区的实际数据资料,进行了微波中继段站距、天线高差以及气候因素对告警的影响规律分析。