回波抵消中级联神经网络滤波器的研究

针对回波通道同时具有线性和非线性特征以及目前的声回波抵消器主要是基于对回波通道的线性假设,提出可用一个级联的神经网络滤波器来作为一个非线性AEC中的滤波器结构.它由一个前馈的神经网络滤波器构成,即由一系列线性FIR滤波器串联而成;并采用了不同的自适应算法来估算滤波器的线性和非线性.实验结果表明,这种自适应级联神经网络滤波器能收敛于一个比线性自适应FIR滤波器更高的回波损失增益.     

基于子图像变标的非线性轨迹SAR成像及其自聚焦方法

合成孔径雷达(SAR)的非线性轨迹运动可能会在雷达回波信号中引入严重的二维空变特性,因此基于方位平移不变性假设的传统频域成像算法不再适用于非线性轨迹SAR的高精度成像。现有非线性轨迹SAR成像算法通常采用复杂的非线性变标(NCS)校正回波信号的方位空变特性,然而NCS参数过多导致算法复杂,使得其当存在较大平台运动测量误差时无法与现有自聚焦算法有效结合。针对该问题,该文提出一种基于子图像NCS的非线性轨迹SAR成像及其自聚焦方法,在保证成像精度的前提下能够减少NCS的参数数量,更有利于后续的自聚焦处理。仿真与实测数据处理验证了所提方法的有效性。      

基于非线性预处理的声回波对消

考虑到扬声器的非线性特性,将实际房间声学系统模拟为一个无记忆非线性系统与一个动态线性系统相级联,并分别采用多项式函数和限幅函数模拟扬声器系统的非线性特性,通过在声回波对消的归一化最小均方算法中引入相应的非线性预处理,改善房间声回波对消的效果.计算机仿真证明,考虑了扬声器非线性影响并在算法中进行相应非线性预处理后的房间声回波对消比未经非线性预处理的声回波对消有更好的对消效果.     

低信噪比下线性/非线性调频信号距离超分辨

本文研究了应用高分辨阵列处理算法实现雷达距离超分辨问题。利用我们提出的针对线性／非线性调频（ＬＦ ／ＮＬＦＭ）信号的降噪算法,提高了回波信号的有效信噪比（ＳＮＲ）。通过将ＭＯＤＥ算法拓展到色噪声环境中,基于频域处理解决了不同目标速度接近时造成的目标回波强相关甚至相干给超分辨处理带来的困难。计算机模拟表明,本文方法可在低ＳＮＲ下实现多目标的距离超分辨估计,并克服了现有方法在ＳＮＲ门限、回波相干性、计算量等方面的限制。     

低信噪比下机载平台多脉冲激光测距机目标回波降噪算法

针对远距离飞机目标,机载多脉冲激光测距机通常采用数字化处理体制,影响其测距精度的因素包括发射激光脉冲宽度的距离分辨率、大气传播及目标反射特性造成的波形展宽、回波信号接收处理通道的非线性相频特性等。数字化采样率、回波信号降噪、目标峰值点位置估计等数字化处理过程引起较大的目标距离定位误差。提出了基于经验模态分解（Empirical Mode Decomposition,EMD）和重构的回波降噪方法,首先对脉冲激光目标回波波形进行建模,然后分析了现有数字化回波降噪算法的性能及其对定位精度的影响。实验结果表明,所提方法可以准确提取目标峰值点位置,改善激光测距机的目标定位精度。     

基于HAF估计的超宽带LFM信号距离像频域校正

为更准确且简洁地表达超宽带的线性调频(LFM)信号的非线性相位,文中采用一种高阶模糊函数,而不是经典的泰勒展开来表达非线性相位多项式,并用高阶模糊函数(HAF)法估计非线性相位多项式系数。针对因目标延时不同导致的非线性程度不同的问题,采用了一种频域校正法补偿回波的非线性相位,一次性完成不同距离目标的一维距离像聚焦,无需对不同距离目标分别进行校正处理,算法效率大大提高。     

组织超声谐波特性的Nakagami分布统计特征研究

研究了超声回波信号中二次谐波包络信号的Nakagami分布参数与非线性系数之间的对应关系,以获得更准确的组织非线性定量特征.将超声回波射频信号的基/谐波成分进行分离,获取基波和二次谐波成分的包络信号,分别计算并比较信号的Nakagami分布参数.仿真结果表明,对于不同的非线性系数,二次谐波包络信号的分布参数相互分离,特别是非线性系数β在3~6的范围内具有显著的差异,而对应的基波的差异性不显著.离体组织实验中,与脂肪相比,肝和脑的基波的平均功率ω和形状因子μ的相对差异分别为7.3%和0.03%及2.0%和4.3%;谐波的ω和μ的相对差异分别为8.3%和19.4%及7.0%和34.0%.结果进一步验证了仿真结果的有效性和正确性.综上所述,不同非线性组织超声回波信号中,二次谐波包络信号的Nakagami分布参数具有显著差异,可据此定量分析生物组织的非线性特征.     

分形在PRC-CW雷达目标回波分析中的应用

针对近程伪码调相毫米波雷达复杂目标回波具有很强非线性的特点,以伪码调相毫米波雷达相关处理后的回波数据为对象,以分形理论为工具来研究目标回波的复杂性和不规则性,提出将目标回波的分形维数作为特征参数。外场实测数据计算结果表明,不同目标的关联维数有较明显的差异,可以作为特征参数用于目标分类和识别。     

雷达高度表回波模拟及扩展目标算法

雷达高度表回波信号具有时域和多普勒域二维展宽特性,将该特性作为目标检测器的先验信息是提高弹载雷达高度表检测性能的重要方法之一。将目标回波看作是若干个散射点回波信号的矢量合成,并考虑载体高速运动对各个散射点回波信号的多普勒调制,提高了目标回波仿真的可信度。仿真模拟了不同地形地貌、不同高度条件下的回波信号,分析了目标回波在时域和多普勒域的展宽及起伏特性。通过在时频域对目标散射点二维分布的估计,设计了一种适用于弹载雷达高度表的改进BS-GLRT检测算法。仿真表明,该检测算法的性能优于现有的检测算法。     

宽带回波信号的非线性幅相压缩性能分析

为了在雷达回波数据压缩中较好地保留目标的相位信息,研究了基于非线性离散余弦变换(DCT)和自适应小波贪婪(AWG)算法的幅相压缩性能。运用上述2种算法对宽带回波信号分别进行了正交I/Q压缩和幅相压缩实验。通过性能指标CSNR(压缩信噪比)和CPSD(压缩相位标准差),比较了I/Q压缩和幅相压缩的压缩性能。结果表明,同传统的I/Q压缩相比,幅相压缩能很好地保留目标的幅相信息;上述2种幅相压缩方法在不同信噪比情况下各有优势,非线性DCT幅相压缩适宜于压缩低信噪比宽带回波信号,基于AWG算法的幅相压缩则适宜于压缩高信噪比回波信号。     

α-稳定分布噪声环境下的非线性回声消除研究

针对广泛存在的非线性回声,以及在非高斯噪声环境下,传统回声消除器中自适应算法性能衰退,继而导致回声消除效果下降的情况,本文提出了一种基于最小离差准则的协同函数链接型自适应滤波回声消除方法.该方法使用归一化最小l_p范数算法更新线性和非线性函数扩展的自适应滤波器的权值,并将输出信号协同组合,以消除非线性回声.仿真实验结果表明,该方法在α-稳定分布噪声且非线性回声存在的情况下比传统回声消除方法具有更高的回声衰减增益.     

基于BLSTM神经网络的回声和噪声抑制算法

考虑到非线性回声和非平稳噪声对智能设备回声消除算法的影响，论文提出一种基于双向长短时记忆(Bidirectional Long Short-Term Memory，BLSTM)神经网络的回声和噪声抑制算法。该算法首先采用多目标预处理模型，同步估计出回声和噪声信号的幅度谱；然后将其作为回声和噪声抑制模型的输入特征，进而估计出目标语音信号的理想比例掩模；最后通过联合训练两个模型得到最优回声和噪声抑制模型。实验结果表明，在非线性回声和非平稳噪声的环境下，该算法均取得了较好的回声和噪声抑制效果，语音失真较小。      

双光子三能级光子回波的新的可能形式

本文全面分析了在各种可能的能级组合、布居以及各种光脉冲顺序下产生双光子三能级光子口波的可能性,指出除了已观察到的一种外,还有七种新的可能形式,完善了双光子三能级光子回波的理论.     

Design and performance of adaptive systems based on structured stochastic optimization strategies

The theory and design of linear adaptive filters based on FIR filter structures is well developed and widely applied in practice. However, the same is not true for more general classes of adaptive systems such as linear infinite impulse response adaptive filters (MR) and nonlinear adaptive systems. This situation results because both linear IIR structures and nonlinear structures tend to produce multi-modal error surfaces for which stochastic gradient optimization strategies may fail to reach the global minimum. After briefly discussing the state of the art in linear adaptive filtering, the attention of this paper is turned to MR and nonlinear adaptive systems for potential use in echo cancellation, channel equalization, acoustic channel modeling, nonlinear prediction, and nonlinear system identification. Structured stochastic optimization algorithms that are effective on multimodal error surfaces are then introduced, with particular attention to the particle swarm optimization (PSO) technique. The PSO algorithm is demonstrated on some representative IIR and nonlinear filter structures, and both performance and computational complexity are analyzed for these types of nonlinear systems.     

混沌背景中微弱信号检测的回声状态网络方法

对复杂非线性系统的相空间重构理论进行了研究分析,提出了混沌背景中微弱信号检测的回声状态网络方法。针对回声状态网络模型参数选取困难这一问题,采用遗传算法对其模型参数进行优化。将回声状态网络模型参数作为遗传算法的个体,混沌时间序列预测均方根误差的倒数作为适应度函数,通过选择、交叉、变异等操作获得适合数据特点的最优模型参数。根据回声状态网络强大的学习和非线性处理能力,利用得到的回声状态网络模型最优参数建立混沌背景噪声的单步预测模型,将淹没在混沌背景噪声中的微弱瞬态信号和周期信号从预测误差中检测出来。以Lorenz系统和实测的海杂波数据作为混沌背景噪声进行仿真实验,仿真结果表明,本文所提方法在预测精度和训练速度方面均优于支持向量机和神经网络模型,能够有效地检测出混沌背景噪声中的微弱目标信号,且具有较小的预测误差。      

基于多相滤波器组的非线性回声抵消

在免提通话系统和移动通信设备中，扬声器常常工作在较高的音量下，容易发生过载现象，从而产生明显的非线性声学回声，这在小微型扬声器中更加常见。常用的线性AEC(Acoustic Echo Cancellation)算法无法消除此类非线性回声，因此通话质量受到严重影响。非线性回声主要表现为额外的高频谐波分量，这些分量使得全带系统不再满足线性关系，而通常的AEC算法都是基于最小化全带误差推导而来，因此性能很容易受到非线性失真的影响。本文提出了一种基于多相滤波器组的子带AEC算法，把全带误差变成了各个子带的误差，因而把谐波失真成分变成了某些子带内的加性噪声，这使得谐波失真较小的那些子带依然能够正常收敛。通过仿真和实测实验，当出现非线性失真时，新方法的ERLE(Echo Return Loss Enhancement)明显高于经典的全带时域和频域方法，对于非线性失真明显的语音信号，ERLE提升约10 dB。      

A Nonlinear Acoustic Echo Canceller Using Sigmoid Transform in Conjunction With RLS Algorithm

Nonlinearity of amplifiers and/or loudspeakers gives rise to nonlinear echo in acoustic systems, which seriously degrades the performance of speech and audio communications. Many nonlinear acoustic echo cancellation (AEC) methods have been proposed. In this paper, a simple yet efficient nonlinear echo cancellation scheme is presented by using an adaptable sigmoid function in conjunction with a conventional transversal adaptive filter. The new scheme uses the least mean square (LMS) algorithm to update the parameters of sigmoid function and the recursive least square (RLS) algorithm to determine the coefficient vector of the transversal filter. The proposed AEC is proved to be convergent under some mild assumptions. Computer simulations show that the proposed scheme gives a superior echo cancellation performance over the well known Volterra filter approach when the echo path suffers from the saturation-type nonlinear distortion. More importantly, the new AEC has a much lower computational complexity than the Volterra-filter-based method.      

基于全局动力学的舰船辐射噪声微结构研究

介绍了以多项式拟合的方法进行信号重构的非线性动力学模型 ,选取少量的拟合系数作为衡量信号与干扰的特征差异的表征量 ,构成“动力学分类器”。数据分析结果表明了该方法的有效性 ,得出的结论表明舰船辐射噪声具有与海洋背景干扰不同的非线性动力学特征 ,且不同目标之间的非线性动力学特征也不相同 ,这为舰船辐射噪声的非线性动力学建模及其用于检测与分类奠定了基础