双基地声测被动定位算法研究与仿真

声测被动定位是声学监视技术的重要研究内容。为了对低空飞行目标进行定位,在单基地声测被动定位的基础上,研究了双基地声测被动定位方法,推导出了三种不同单基地估计参数情况下的双基地定位算法和定位方差。仿真表明,当声学基阵的时间延迟估计误差相同时,利用单基地的方位角和俯仰角进行双基地定位,其定位精度要明显优于利用单基地斜距与方位角或单基地斜距与俯仰角进行双基地定位的情况,而且采用不同的声学基阵对双基地定位精度也有一定的影响。该研究成果可直接用于空中运动目标,如飞机、导弹和无人机等目标的声测被动定位。     

适用于水声信道的快速判决反馈盲均衡算法研究

基于对常数模判决反馈算法(CMDFE)进行分析,提出了一种能够快速收敛的判决反馈盲均衡算法。该算法中构造了一种与常数模算法不同的、能够快速收敛的误差函数,并利用该误差函数对前向权进行调整,而反馈权的调整仍使用常数模误差项。前向权和反馈权系数的更新取不同的步长值。最后通过水声信道模型仿真,对这几种算法进行了数值分析研究。结果表明：所提出的算法可有效地实现对多途水声信道的均衡,并且其收敛速度高于常数模算法和常模判决反馈算法。     

基于矢量水听器的被动声制导系统的研究

由于任何水下运动目标,在水中航行时均会产生各种辐射噪声.火箭助飞末制导深弹入水后,在下沉过程中,即可利用深弹头部安装的声学探测系统(声呐)接收水中运动目标的辐射噪声.该噪声经过相关处理后,就可给出水下目标相对于深弹的方位信息.这时,深弹利用尾部加装的舵机,可不断地调整弹体的下沉方向,以靠近水下运动目标.该研究对提高深弹的水下命中率具有重要意义.提出采用矢量水听器阵作为声呐被动测向系统的接收基阵,并对矢量水听器阵的测向原理、数学模型及仿真实验进行了论述.实验结果表明:本文提出的被动测向系统,用一片DSP芯片即可实现,其测向均方误差在20以内,具有测向精度高、体积小、重量轻、成本低、可工作于宽带和低频等优点.     

水下目标定向及遗传算法仿真

传统的水声定位需要一个庞大的声压水听器阵,技术复杂,耗费可观。矢量传感器是一种新型的水声传感器,仅用单个的矢量传感器就可以进行水下目标的方位估计。该文分析了矢量传感器声压梯度法和互谱声强法的定向原理,在互谱声强法仿真的基础上,将遗传算法引入水下目标定向中。通过构建适应度函数,根据信号适应度函数进行遗传选择,舍弃不稳定信号,对有用信号进行杂交,从而获得较高的定向精度。仿真结果表明,该算法可以有效地进行目标方位估计,进一步提高定向精度。     

基于分数间隔的水声信道盲均衡算法研究

理论上分析了分数间隔和波特间隔均衡器的差异,并通过仿真验证了分数间隔常数模算法比波特间隔常数模算法具有更快的收敛速度和更低的误码率,以及对深度谱零点水声信道较强的均衡能力。     

双基地加权最小二乘估计算法定位精度研究

本文通过将双基地声呐中发射和接收站的测量数据进行融合处理,提出了基于加权最小二乘估计(WLS)的双基地声呐定位优化算法,给出了算法的原理和误差分布.通过数值仿真,研究了系统参数对算法定位精度的影响,给出了不同条件下定位误差的几何分布.并将该算法与单纯基于声波到达时间算法的定位性能进行了比较.仿真结果表明,双基地WLS算法充分利用了双基地系统的冗余信息,具有较高的定位精度.该研究为多基地声呐水下目标的探测、定位和跟踪提供了理论依据.     

基于符号峭度最大化的水声信道盲均衡算法

利用随机信号的峭度能完全抑制高斯噪声（TN）的特点，结合符号算法，推导了盲均衡器权向量更新的符号峭度最大化自适应算法（SKMAA），该算法计算量小，在收敛速度与均方误差等方面的性能均优于CMA算法，特别有利于水声信息的实时恢复。通过水声信道盲均衡的仿真实验，进一步验证了该算法的有效性。     

一种基于DDS AD9832的带噪声低频信号源设计

直接数字频率合成技术可提供快速的信号建立时间,纯净的信号频谱,得到越来越广泛的应用。介绍了一种基于DDS AD9832的带噪声信号发生器,介绍了AD9832产生信号的原理,m序列产生伪噪声的过程,系统的硬件以及软件设计,给出了AD9832控制程序源代码。     

抑制α稳定噪声的改进常数模盲均衡算法

为了改善α稳定噪声环境中盲均衡器的性能,文章提出一种改进常数模盲均衡算法(MAEC-CMA)。对均衡器输入信号进行软限幅,并对原自适应误差受限常数模盲均衡算法(AECCMA)的误差信号进行非线性变换,有效地抑制了α稳定噪声的影响。采用2种水声信道,在高斯噪声与α稳定噪声的情况下对算法进行了计算机仿真。结果表明:在高斯噪声环境中,MAECCMA算法与AECCMA算法具有相似的性能,相对于常数模(CMA)算法和归一化最小平均绝对偏差(NLMAD)算法它具有较快的收敛速度;在α稳定噪声环境中,文中提出的MAECCMA算法性能优于其它3种算法。     

支持向量机初始化的常数模盲均衡算法仿真

为了提高常数模盲均衡算法的收敛速度并避免算法收敛至局部极小,提出了一种支持向量机初始化的常数模盲均衡算法.新算法采用一小段初始数据,利用支持向量机,将盲均衡问题转化为全局最优的支持向量回归问题,对盲均衡器的初始权向量进行设定,而后切换至计算量较小的常数模算法.采用浅海水声信道对新算法进行了计算机仿真,结果表明:支持向量机初始化阶段收敛速度快;切换至常数模算法后性能稳定.该算法适合应用于快衰落水声信道中通信数据的实时恢复.