基于自适应尺度变换-双稳态随机共振模型的BPSK信号检测算法

为提升在强噪声背景下对二进制相移键控(binary phase shift keying, BPSK)信号的检测性能, 针对主流方法在抑制噪声过程中信号受到一定程度的削弱、信号处理系统引入新噪声导致检测性能下降的问题,提出了基于自适应尺度变换双稳态随机共振模型的BPSK信号检测算法。对于经典的双稳态随机共振系统只能处理小幅度、低频段的周期信号的情况, 首先将双稳态随机共振系统进行尺度变换, 证明在高采样率条件下, 双稳态随机共振系统可应用于高频的BPSK信号, 并基于Neyman-Pearson准则设计了非线性阈值检测系统, 推导且定量表示出检测器的误码率, 以此作为反馈量, 自适应地调节系统参数, 构建了信号检测的完备流程。通过仿真实验验证了尺度变换的可行性以及所提算法的适用性, 为低信噪比条件下的弱BPSK信号检测提供了理论依据。     

多信号叠加在随机共振系统中的研究

在随机共振理论的基础上建立了双稳态随机共振系统的仿真模型,调节参数将系统在单路信号上产生的随机共振效应扩展到多路叠加信号上,并讨论了参数调节对系统的影响和系统中多路信号叠加的局限性.在此基础上定义了随机共振系统的通道及其容量.最后仿真了系统在较高频率的应用,并举出了实例.扩展了随机共振系统处理信号的容量、速度及效率,在信号处理的应用中具有新的意义.     

组网冗余MEMS惯性传感器网络优化配置与融合处理方法

针对单个惯性传感器精度与可靠性问题,提出了一种组网冗余微机电系统(micro-electro-mechanical system, MEMS)惯性传感网络优化配置与融合处理方法。首先,研究了多惯性传感器节点的空间配置形式,给出了网络观测模型。利用节点之间的最优化冗余配置策略,提升系统测量可靠性。在此基础上,进一步考虑MEMS陀螺仪和加速度计的安装误差对输出结果的影响,提出了相应的误差模型及校正算法。以随机游走为主要误差源,设计了新型的卡尔曼滤波方法,实现了冗余配置下的高精度导航信息解算。最后,采用自主构建的实验系统进行试验,证明所提出的融合方法能够有效降低陀螺仪和加速度计的随机游走误差。车载试验进一步证明了所提出的方法及系统的有效性。     

组网冗余MEMS惯性传感器网络优化配置与融合处理方法

针对单个惯性传感器精度与可靠性问题,提出了一种组网冗余微机电系统(micro-electro-mechanical system, MEMS)惯性传感网络优化配置与融合处理方法。首先,研究了多惯性传感器节点的空间配置形式,给出了网络观测模型。利用节点之间的最优化冗余配置策略,提升系统测量可靠性。在此基础上,进一步考虑MEMS陀螺仪和加速度计的安装误差对输出结果的影响,提出了相应的误差模型及校正算法。以随机游走为主要误差源,设计了新型的卡尔曼滤波方法,实现了冗余配置下的高精度导航信息解算。最后,采用自主构建的实验系统进行试验,证明所提出的融合方法能够有效降低陀螺仪和加速度计的随机游走误差。车载试验进一步证明了所提出的方法及系统的有效性。     

循环平稳性与随机共振理论的非绝热描述

噪声背景中周期信号的循环平稳性是信号处理中一个重要的特征.本文利用随机循环平稳过程的有关理论研究复杂随机动态系统中的随机共振现象.依据系统输出的一维准稳态概率密度近似理论,本文推导了系统输出二维跃迁概率密度、稳态自相关函数和系统输出信噪比的公式.输出信噪比随着输入噪声强度增加而呈现的随机共振现象,理论分析和数值试验结果非常吻合.此理论为随机共振理论的一种非绝热描述,不仅能够解释经典随机共振现象,而且能够描述驻留随机共振现象,对于复杂随机动态系统的信息处理机制具有重要理论指导意义.     

卫星/惯性组合导航事后高精度融合算法研究

高精度的组合导航数据事后融合处理算法是多传感器信息融合处理的重要环节,是对导航系统性能进行评估分析的关键。研究了一种分两步进行的惯性/卫星组合导航信息事后高精度融合算法,在惯性/卫星组合导航卡尔曼滤波算法的基础上,利用最优固定区间平滑滤波算法对惯性/卫星组合导航信息进行再次平滑滤波融合,可以提高组合导航数据事后处理的精度。设计了仿真验证平台,对所提出的融合算法进行了仿真验证。仿真结果表明:基于卡尔曼滤波与固定区间平滑滤波实现的惯性/卫星信息事后融合算法有效、可行,可作为试飞性能评估中确定参考基准的方法。     

飞行机器人传感器阵列信息处理技术研究

越来越多的应用任务要求机器人能高精度的测量目标相对机器人的位置信息.通过在飞行机器人上安装传感器阵列来感知环境信号,并运用阵列信号处理算法可实现高精度的目标方位角度估计.给出了MUSIC(Multi signal classification)算法应用在传感器阵列信号处理的原理和实现方法,利用一种改进的MUSIC算法使机器人的传感器阵列能在出现相干信号源或信号信噪比较低时也能完成对多个信号方向的精确估计,并仿真实现.     

高速信号处理系统及其在弱信号检测中的应用

依据水下信号处理任务的特点,结合流水线处理和并行处理,采用模块化设计方法,实现了一个由 １片 ８０８６ 微处理器和 １ 片高速数字信号处理器 Ｔ Ｍ Ｓ３２０ Ｃ２５ 构成的高速信号处理系统。该系统的峰值运算能力为２６ 亿次以上的整数操作。该系统能够实时实现信号的空间处理和时间处理等,并在水下弱信号检测中得到应用,取得了良好的结果。     

一种新的无源雷达动目标检测方法

以数字电视信号为机会照射源的雷达系统研究为背景 ,提出用以多抽样率信号处理为基础的多级抽取信号处理算法解决运动目标检测中海量数据处理问题。叙述了数字电视广播信号回波的数学模型、多级抽取基本原理和目标检测算法。以数字电视信号为反射回波作了仿真 ,对运动目标进行检测 ,并对仿真结果作了分析     

震荡随机共振的信噪比增益研究与电路仿真

为提高硬限幅符号并联电路系统的输出信噪比,研究了震荡随机共振与阵列随机共振的机制以及电路实现方法。通过计算阵列输入输出信噪比增益,发现两类随机共振方法都能够使得非线性电路并联系统、输入信号与内部噪声(高频干扰)达到协同,并且随着阵列数目增加,信噪比增益存在大于1的区域。同样条件下,与阵列随机共振方法相比,震荡随机共振能够获得更好的输出信噪比,且易于实现。     

基于时变模型的科氏流量计信号处理方法与仿真

频率、幅度和相位均按随机游动模型变化的时变信号模型,能更为真实地描述科氏流量计信号的实际特性.基于时变模型,提出了一种新的科氏流量计信号处理方法.首先对通过带通FIR滤波器的科氏流量计信号进行短时频率估计;然后通过短窗截取,采用计及负频率影响的DTFT法计算两路信号的相位差和时间差.仿真分析表明,提出方法具有很好的跟踪效果,且计算量小,可用于科氏流量计的实时信号处理.     

基于块剪枝多路径匹配追踪的多信号联合重构

针对多路径匹配追踪(multipath matching pursuit,MMP)无法利用稀疏信号的结构信息、迭代层数较高时计算复杂度较大等问题,提出了一种适用于重构块稀疏信号的块剪枝多路径匹配追踪算法。该算法以原子块作为路径扩张的节点,在一定迭代层数后引入剪枝操作,极大地降低了数据运算量。进而,针对多观测向量(multiple measurement vector,MMV)问题,提出了MMV块剪枝MMP算法,用以实现无线传感网小范围内多传感器信号的联合重构。实验表明,块剪枝MMP的重构性能优于MMP,MMV块剪枝MMP的联合重构性能优于MMV块A*正交匹配追踪、MMV子空间匹配追踪和MMV正交匹配追踪。     

基于因子图的车载INS/GNSS/OD组合导航算法

针对车载多传感器组合导航系统中传感器有效性动态改变,以及传感器存在异步和时延的问题,提出了基于因子图的INS/GNSS/OD组合导航算法。采用因子图方法对惯性导航系统(inertial navigation system,INS)、全球导航卫星系统(global navigation satellite system,GNSS)、里程计(odometer,OD)进行建模,构建了INS/GNSS/OD组合导航系统因子图模型。采用变量消除算法将因子图转化为贝叶斯网络,并通过贝叶斯树的形式实现增量推理,确保了因子图算法的实时性。仿真结果表明,当传感器有效性动态改变,以及传感器存在异步和时延时,基于因子图的组合导航算法能够连续稳定地输出高精度的导航结果,满足了车载INS/GNSS/OD系统的要求。因子图算法具有很强的鲁棒性和灵活性,在处理多传感器信息融合问题中具有较大优势。     

基于Kalman／UKF组合训练神经网络的初始对准方法

针对基于Unscented卡尔曼滤波(UKF)的神经网络训练学习方法存在的计算量大,实时性差的问题,提出了一种基于Kalman/UKF组合滤波原理的神经网络学习方法,该方法综合了Kalman滤波对线性系统和UKF对非线性系统的最优估计的优势,在保证神经网络权值估计精度的同时,有效降低了神经网络权值学习的计算量,提高了神经网络训练的实时性。最后将该利用方法训练的神经网络应用于惯性导航系统的非线性初始对准过程中,并进行了仿真研究。仿真结果表明利用提出的算法训练的神经网络与基于UKF训练的神经网络具有相同的对准精度和实时性,而提出的算法的有效降低了神经网络训练的计算量,提高了训练的运行效率,是解决惯性导航系统初始对准的一种有效和实用的方法。     

Accuracy improvement of GPS/MEMS-INS integrated navigation system during GPS signal outage for land vehicle navigation

To improve the reliability and accuracy of the global positioning system (GPS)/micro electromechanical system (MEMS)inertial navigation system (INS) integrated navigation system,this paper proposes two different methods.Based on wavelet threshold denoising and functional coefficient autoregressive (FAR) modeling,a combined data processing method is presented for MEMS inertial sensor,and GPS attitude information is also introduced to improve the estimation accuracy of MEMS inertial sensor errors.Then the positioning accuracy during GPS signal short outage is enhanced.To improve the positioning accuracy when a GPS signal is blocked for long time and solve the problem of the traditional adaptive neuro-fuzzy inference system (ANFIS) method with poor dynamic adaptation and large calculation amount,a self-constructive ANFIS (SCANFIS) combined with the extended Kalman filter (EKF) is proposed for MEMS-INS errors modeling and predicting.Experimental road test results validate the efficiency of the proposed methods.     

基于随机共振的高灵敏度GPS信号捕获算法

针对微弱环境下全球定位系统（global position system, GPS）信号捕获问题,提出了基于随机共振（stochastic resonance, SR）的GPS信号捕获算法。该算法首先用部分匹配滤波器对GPS信号进行分段相关预处理,然后利用SR提高预处理后信号的信噪比(signal to noise ratio, SNR),SR中引入了二次采样和自适应技术,解决了传统SR不适合捕获大频率信号(频率远大于1Hz的信号)及SR参数难以与被捕获信号匹配的难题,最后采用快速傅里叶变换（fast Fourier transform, FFT）谱分析技术,实现在较短的相关累积时间内获得较高的捕获灵敏度。实验表明,算法能明显提高系统捕获性能,在相关累积时间为10 ms,信号SNR为-38 dB的情况下,算法捕获GPS信号的正确检测率达到100%。     

用于实孔径成像制导雷达的并行信号处理结构

本文研究了一种用于小型实孔径成像制导雷达的并行信号处理结构，采用并行加流水的处理方式解决了成像算法的复杂性与实时性之间的矛盾。研制了基于并行处理结构的原理性信号处理样机，取得了满意的实验结果。