水下目标辐射噪声线谱的分析

潜艇和鱼雷等水中目标都是良好的水下辐射声源。辐射噪声中的线谱，由于它常常和某些周期性往复振动的声辐射部件相联系，并且线谱的频率低，传播距离远，是现代声呐设备探测和捕捉的重要对象，因此对线谱的研究引起人们不衰的兴趣。     

基于高阶累积量的自适应IIR线谱增强器

将四阶累积量的递推算法推广到求正弦信号的四阶混合累积量，并提出了一种基于四阶混合累积量切片的自适应IIR结构的线谱增强器算法。该线谱增强器通过自适应前向线性预测法求得滤波器的系数，从而使带噪信号的线谱成份得到增强。仿真结果表明，在平稳或非平稳输入信号情况下，该算法从色噪声中提取正弦信号的能力优于基于二阶自相关函数的自适应IIR线谱增强器。     

利用高阶统计量恢复二维谐波

基于高阶统计量提出了一种频域恢复频率，时域恢复幅度的时频域相结合的二维谐波信号的恢复方法，该方法由于使用了高阶累积量，因此不再受背景噪声为高斯白噪声的限制，可应用于高斯噪声中二维谐波信号的恢复，仿真实验证明了该方法的可行性。     

基于高阶统计量的红外焦平面非均匀校正算法

根据高斯噪声高于二阶累积量为零的特性,提出基于高阶统计量的红外焦平面非均匀校正算法,可从图像场景中自适应估计阵列单元的增益和偏置参数．提出的算法包含两个部分,第一部分利用统计矩和累积量周期估计红外焦平面的模型参数,第二部分利用维纳滤波恢复真实图像．仿真图像序列表明这种算法有效降低了固定图案噪声,达到了较高的非均匀校正水平．     

基于粒子群优化算法的高阶累积量滤波器

基于高阶累积量（HOC）的自适应滤波器能够滤除高斯噪声或其它具有对称概率分布函数的噪声，其解法一般采用的是梯度搜索法，但是梯度搜索过程难以避免局部收敛而且计算复杂．粒子群优化算法（PSO）具有算法简洁，易于实现，且不需要梯度信息等优势．使用粒子群优化算法求解高阶累积量自适应滤波器系数优化问题，为滤波器参数的优化提供了一种新的思路．仿真结果表明，使用PSO优化算法求解自适应滤波器系数能获得更高的精度．同时PSO算法受系统跃变的影响较小，因此它在求解非平稳过程模型系统时具有一定的优势．     

高阶统计量在气固流化床中的应用研究

提出了一种基于高阶统计量进行气固流化床流化状态分析的新方法。通过对气固流化床压力波动信号的非高斯性检验，验证了压力波动信号的非高斯性，并以双谱幅值的平均值为特征值，得到了不同流化状态下压力波动信号偏离高斯分布的程度。同时利用高阶谱分析方法对压力波动信号进行分析，讨论了不同流化状态下信号的双谱特性。研究结果表明，利用高阶谱分析方法对气固流化床流化状态进行分析，可以获得更多的关于流化状态的有用信息。     

基于四阶混合累积量的自适应线谱增强器

将四阶累积量的递推算法推广到求正弦信号的混合四阶累积量，并提出了一种计算正弦信号四阶混合累积量的自适应线谱增强递推算法。该线谱增强器的结构为自适应FIR滤波器，当输入为含有高斯噪声的正弦信号且处于稳态时，滤波器的权系数与输入信号的四阶混合累积量的一维切片成正比，而与高斯噪声无关，从而使信号的线谱成份得到增强。仿真结果表明，该算法从高斯色噪声中提取正弦信号的能力优于二阶自适应短时相关增强器。     

基于粒子群优化算法的高阶累积量滤波器

基于高阶累积量(HOC)的自适应滤波器能够滤除高斯噪声或其它具有对称概率分布函数的噪声,其解法一般采用的是梯度搜索法,但是梯度搜索过程难以避免局部收敛而且计算复杂.粒子群优化算法(PSO)具有算法简洁,易于实现,且不需要梯度信息等优势.使用粒子群优化算法求解高阶累积量自适应滤波器系数优化问题,为滤波器参数的优化提供了一种新的思路.仿真结果表明,使用PSO优化算法求解自适应滤波器系数能获得更高的精度.同时PSO算法受系统跃变的影响较小,因此它在求解非平稳过程模型系统时具有一定的优势.     

基于高阶统计量的MIMO系统辨识与信号分离算法

将高阶累计量与JADE算法相结合,利用高阶统计量能辨识非最小相位系统和JADE算法比SVD收敛性好的特点,提出了一种在频域对MIMO系统进行辨识和信号分离的算法。在满足信号间相互独立的情况下,采用互四阶累计量解决了排序问题,仿真实验表明了该方法的有效性。     

一种累积量线性预测方位估计的快速算法

提出了一种基于四阶累积量的线性预测方位估计快速算法。通过对累积量线性预测基本方法进行变换,得到了基本方程系数矩阵的Toeplitz结构,并用Levinson-Durbin算法求解方程,减少了运算量。在线性预测方程中,使用了四阶累积量,有效地抑制了高斯噪声。计算机仿真结果表明了这种方法的有效性。     

混合坐标下的卡尔曼滤波应用于水下被动目标跟踪

针对下水下被动目标跟踪数据率低、跟踪误差大的特点和难点,研究了混合坐标下的自适应推广卡尔曼滤波算法,并将其应用于水被动目标跟踪估计器设计,该算法充分应用了直角坐标系下动态方程的线性特性和极坐标系下测量方程的线性特性,针对两坐标系间协方差矩阵变换的近似,引入了虚拟噪声进行补偿。通过系统的MonteCarlo仿真结果表明：该算法在收敛速度和估计精度方面都优于单一坐标体系下的滤波算法。     

提取舰船辐射噪声信号奇异性方法研究

研究了舰船辐射噪声的Lipschitz奇异性指数的分类性能及其提取方法。提出对舰船噪声进行自适应Gauss平滑滤波是一可取的前置处理方法,它可以提高特征参数的识别与分类能力。对实测的舰船信号的仿真实验证实,在分类和识别舰船被动目标前,进行适当的滤波,再提取Lipschitz指数可使得所提取的特征识别和分类能力更高。     

一种用于多码扩频水声通信的假设反馈均衡算法

在水声通信中,受到信道带宽的限制,直接序列扩频传输的数据率较低,为提高系统数据率,对多码扩频的应用进行研究。但在此情况下,受到信道快速时变以及码间干扰与子通道间干扰的影响,传统RAKE接收机可能无法完成正确解调。一种应用于直接序列扩频的假设反馈均衡器采用码片级的自适应均衡以及对假设序列的反馈,能够有效地跟踪补偿信道时变与码间干扰,但是对于多码扩频系统,由于未对子通道间干扰进行抑制,直接应用将导致系统性能损失。为此,提出一种改进的假设反馈均衡算法,它引入并行干扰消除结构并将其与假设反馈均衡相结合,能够同时实现时变信道跟踪以及码间干扰与子通道间干扰抑制。仿真结果表明采用此算法可以显著提高多码扩频系统的性能。     

Adaptive Swimming of Underwater Snake-like Robot in Different Underwater Environment

水下蛇形机器人在不同水下环境中的自适应游动

杨柯

（中国计量大学 机电工程学院, 杭州310018 ）

摘要：

本文介绍了水下蛇形机器人的凯恩动力学建模过程,构建了基于CPG和凯恩动力学模型的仿真验证平台。以游动速度最快为目标,研究了水下蛇形机器人身体曲线与水动力系数之间的关系;以躲避障碍物为目标,研究了水下蛇形机器人直线游动与转动的切换问题。

关键字：水下蛇形机器人;凯恩动力学模型;中枢神经发生器;自适应游动;最大游动速度

     

基于IMM的光电经纬仪机动目标跟踪优化算法

提出一种简化交互多模型算法(IMM)与去偏转换测量卡尔曼滤波算法(CMKF-D)相结合的机动目标跟踪优化算法。该算法通过机动检测判别函数D(k)与门限T的关系,自适应调整CMKF-D的部分参数,解决了常规交互多模算法需要大量先验知识的问题,同时克服了扩展卡尔曼滤波(EKF)对非线性模型线性化所引入的误差。仿真实验验证了该算法的有效性。利用该算法可显著改善基于非线性测量方程下光电经纬仪对机动目标的跟踪性能,其位置跟踪误差小于1.5m,速度误差小于1.5 m/s,加速度误差小于0.7 m/s2。     

基于纯方位角测量的水下目标跟踪

在笛卡尔卡尔曼滤波器的基础上，提出了改进极坐标扩展卡尔曼滤波器，并且研究了应用于纯方位角测量的目标跟踪算法，对提出的算法进行了相应的仿真实验，仿真结果表明，改进极坐标扩展卡尔曼滤波器非常适合于目标的跟踪研究，具有很高的工程应用价值。     

一种非均匀环境下多通道SAR动目标检测算法

针对非均匀环境中SAR-GMTI动目标检测性能下降的问题,提出了一种新的动目标检测算法。该算法首先通过广义内积（GIP）来修正杂波的协方差矩阵,从而达到抑制均匀杂波的目的,然后利用恒虚警（CFAR）检测技术提取动目标及强干扰目标,最后根据杂波抑制剩余信号的多普勒中心来剔除强干扰目标。理论分析及实验结果表明,该方法不仅能够很好地抑制均匀杂波,且能剔除强干扰目标,适用于强干扰存在的非均匀环境。     

动态特性稳健设计的响应曲面方法

对动态特性参数的稳健设计,将单个控制因素和单个误差因素模型推广到多个控制因素和多个误差因素模型,给出了建立响应曲面模型的方法及模型的统计分析方法,改进了田口玄一博士的SN比方法,并以某型热膨胀仪的测试方法的优化设计为例,构造了响应曲面模型,通过仿真计算表明,响应曲面模型比SN比方法好,是对SN比方法的改进。     

自适应多制式正交多载波高速水声通信技术研究

水下无人航行器(UUV)的水声通信涉及UUV与指挥舰船以及UUV之间的水声通信技术,通信系统的环境复杂、距离多变。若采用单一数据率传输模式,则通信系统受制于最大工作距离以及最恶劣信道而采用最保守的通信数据率,使得该类型的水声通信的数据率较低。提出了适合于UUV之间及其与指挥舰船之间远、中、近全程变数据率通信的自适应多制式正交多载波(MOM C)水声通信技术,该技术可使通信系统在不同距离、不同信道环境下的通信数据率逼近该信道的最高值。湖试结果为误码率<10-4时,5 km通信数据率为9090 b/s,25 km为2000 b/s。