排序方式: 共有35条查询结果,搜索用时 15 毫秒
1.
文章回顾了对角加载波束形成理论的发展,列举了几种较常使用的求取对角加载因子的方法。通过多个仿真实例,着重分析了Xavier提出的基于无限随机矩阵理论的对角加载因子的方法.指出了其局限性一在期望信号的方向向量存在误差的时候,该方法产生自消现象,从而波束形成器的性能急剧下降。本文结合特征空间波束形成,根据期望信号的实际方向向量正交于噪声子空间,提出一种改进方法一先对期望信号的方向进行校正,再求取对角加载因子,从而加强了Xavier的方法对波达方向失配的稳健性。仿真实例验证了在信噪比不大的时候这个方法的有效性。 相似文献
2.
3.
实际应用中的阵列存在幅度/相位响应误差,往往导致阵列高分辨算法性能的下降。对此本文给出一种阵列幅度/相位响应误差的有源校正新方法,它基于子空间正交理论,通过对误差建模,将阵列校正问题转换成误差参数估计问题,并利用经典的Lagrange乘子法方便地得到最优解。另外,此方法只需要一个已知方位的校正源,计算简便,无需迭代,可用于阵元位置已知的任意形状的阵列,因此更适用于实际阵列安装应用前的校正。通过半消声室实验对16-元圆环形声阵列进行了测试和校正,数据处理结果表明,本文所提的校正方法能够准确地估计出各阵元幅度/相位误差,且校正前后MVDR (Minimum Variance Distortionless Response) 波束形成的性能得到明显提高。 相似文献
4.
使用带网格的观测字典进行稀疏信道估计是近年来常用的多径稀疏信道估计方法,而网格的存在使得这种方法存在估计精度较差的问题,尤其在网格间距较大时,这种方法的劣势更加明显。本文针对这个问题,抛弃了传统的观测字典,采用连续压缩感知方法,结合线性调频训练序列的使用,提出了更加精确的多径稀疏信道估计方法。这种方法避免了网格化带来的误差,实现了高精度、高分辨率的估计。本文首先对此进行了理论阐述,进而在两种不同的多径稀疏信道模型下进行了仿真试验,并从估计精度、计算效率等方面与其他稀疏估计算法进行了对比。仿真结果证明,采用本文提出的方法进行多径稀疏信道估计时,相比其他算法可以更加精确地估计出信道冲激响应。 相似文献
5.
6.
7.
水声信道均衡中基于信道估计的均衡方法理论上具有更优的均衡性能,但较高的计算复杂度限制了算法的实际应用。针对这一问题,该文首先基于Kalman滤波和Turbo均衡提出一种迭代Kalman均衡器,实现了基于软符号的迭代信道估计与迭代Kalman均衡,且复杂度较常规方法降低约1个数量级。其次,针对单一均衡算法和单一方向Turbo均衡器存在的误差传递现象,设计了基于迭代Kalman均衡器与改进成比例归一化LMS (IPNLMS)自适应均衡器相结合的混合双向Turbo均衡器,提高了自适应均衡器的收敛速度和均衡性能,并通过双向均衡结构带来的增益改善了符号估计误差传递的现象。理论分析与仿真实验验证了该文算法的有效性。 相似文献
8.
为了提高时域水声信号识别网络的性能,本文在改进通道注意力机制的基础上提出了一种识别时域信号的卷积神经网络。该网络分别在原始时域信号和时域重构序列中提取特征,并在训练过程中随机丢弃输入中的数据点以防止网络训练的过拟合。同时,本文使用由多个卷积层或残差模块构造的多尺度卷积模块提取不同频率成分下的信号特征。针对时域信号特点,本文在通道注意力机制中分别引入样本特征通道能量信息,样本特征通道幅值信息以及样本特征通道与样本整体间的相关性求解特征通道权值,增强特征中的有效成分。最后,在损失函数中添加分类器权值范数的正则项,突出网络提取的有效特征。在ShipsEar和DeepShip数据库下的实验结果表明,当训练数据和测试数据具有相似分布时,本文改进的卷积神经网络可对时域目标信号进行有效识别。 相似文献
10.
提出了一种近似重构、过采样DFT调制滤波器组的设计方法。根据滤波器组的系统失真和输出混迭方面的要求,构造一个简单的目标函数,并采用等纹波法优化设计原型滤波器。与现有方法相比,该设计方法将复杂的非线性优化问题转化为对单一参数的选取,简化了设计过程,并且可在满足DFT调制滤波器组设计准则的条件下使得通带范围内误差逼近最小。利用加权叠接相加(Weighted Overlap and Add,WOLA)的快速实现结构,使整个系统更加高效、易行,可用于助听器语音信号分频带处理与综合。 相似文献