基于正交小波变换的稀疏权盲均衡算法

为增强盲均衡算法的工程可实现性,在分析正交小波变换理论和超指数迭代盲均衡算法的基础上,利用正交小波变换对超指数迭代(SEI)算法的权向量迭代公式进行修正,同时利用分数间隔均衡器的优点来提高带宽利用率,提出一种基于正交小波变换稀疏权盲均衡算法(FSE-WT-SEI-SW).该算法利用正交小波变换良好的去相关性来加快收敛速度,通过对权向量的稀疏来减少算法的计算量,有利于工程的实现.水声信道的仿真结果验证了算法的有效性.     

基于高阶统计量的水下目标动态线谱增强算法研究

提出了基于高阶累积量的自适应动态线谱增强算法（Cumulant-Based Adaptive Dynamic Line Enhancement,CBADLE)，并对其原理进行了剖析，用水下某航行器线谱的实测数据，对水下航行器与水听器处于不同方位时水听器接收的线谱进行了动态仿真，结果表明，该算法在抑制高斯噪声，提高信噪比和收敛等方面的性能优于通常的自适应线谱增强算法。     

电气信息类复合型人才培养模式探索

针对过于专业化取向的传统人才培养模式的弊端,根据厚基础、宽口径、强能力、高素质的整体育人原则,合理设计复合型人才培养目标,构建实践取向的综合培养模式的课程体系和实践教学体系,实现电气信息类人才培养从知识本位向能力本位转型。     

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。     

一种增强水中目标辐射谐波信号的方法

本文研究了一种基于一维高阶累积量对角切片归一化的自适应谐波信号谱增强新方法(1-D FOCDSBAHSE),该方法在低信噪比情况下,仍具有较强的抑制高斯有色噪声能力,从而克服了传统的自适应线谱增强方法(ALE)的缺点;理论分析与仿真结果均说明了新方法的有效性。     

基于四阶累积量极性迭代的自适应动态谱线增强快速算法

针对最小均方(LMS)算法抑制高斯噪声效果差和高阶累积量计算量大等问题,研究了四阶累积量递推算法与计算量的关系,提出了基于四阶累积量对角切片极性迭代的自适应动态谱线增强快速算法.并用水下目标辐射谱线的实测数据进行了动态仿真.理论分析和仿真结果表明:该算法的计算量比基于四阶累积量对角切片非极性迭代的自适应谱线增强算法减少约50%;该算法抑制高斯噪声的性能优于基于LMS算法的自适应谱线增强算法.因此,该研究在工程上有一定的参考和利用价值.     

奇对称误差函数变动量因子盲均衡算法

在分析奇对称误差函数判决反馈盲均衡算法（OFA-DFE,Odd symmetry error Function blind equalization Algorithm based Decision Feedback Equalizer）基础上,提出了基于奇对称误差函数变动量因子判决反馈动量盲均衡算法（VMFMOFA-DFE,Variable Momentum Factor Momentum OFA-DFE）。该算法采用具有奇对称性的误差函数来减少均衡器的均方误差,利用变因子的思想对动量项进行控制,并把变动量因子引入到判决反馈算法中,对判决反馈的前向权进行调整,以进一步提高算法的性能。水声信道的仿真结果表明,该算法具有较快的收敛速度和较小的均方误差。     

基于正交小波变换的前馈神经网络盲均衡算法

针对前馈神经网络（FNN）盲均衡算法收敛速度慢、均方误差大的缺点,在分析FNN盲均衡算法和正交小波变换（OWT）理论的基础上,提出了基于正交小波变换的FNN盲均衡算法。该算法利用正交小波变换良好的去相关性,对FNN均衡器输入信号进行预处理后,降低了输入信号的自相关性,从而加快了收敛速度和减小了均方误差。水声信道盲均衡的仿真结果表明,该算法在收敛速度与均方误差方面的性能比FNN盲均衡算法优越。     

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。     

一种有约束的自适应LMK时延估计算法

提出了一种有约束的自适应LMK时延估计算法,该算法的代价函数根据估计误差的峭度选取,算法直接对时延进行估计,不需进行插值运算.最后用实测的直升机辐射的噪声数据进行了仿真,表明新算法具有更快的收敛速度.