基于广义协方差矩阵的乘性和加性噪声中的谐波恢复

针对非零均值乘性噪声中的谐波恢复问题,本文提出一种基于广义协方差矩阵的乘性噪声中谐波个数和频率的估计方法。首先定义一类广义协方差并构造广义协方差矩阵,通过对广义协方差矩阵进行特征值理论分析,得到了非零均值乘性噪声中谐波分量个数与协方差矩阵特征值之间的内在联系,这个性质可以用来估计谐波分量个数。而且利用子空间旋转不变性技术,可以从协方差矩阵中估计出谐波的频率。本文所提方法对于乘性和加性噪声的颜色和分布均无任何假设,可以应用于任意分布和任意颜色的乘性和加性噪声中的谐波恢复。仿真实验表明,本文所提谐波恢复方法具有很高的频率分辨率。      

基于随机加权估计的Sage自适应滤波及其在导航中的应用

为了克服Kalman滤波和Sage自适应滤波的缺点,在分析基于新息向量、残差向量和状态改正数向量的自适应协方差估计存在问题的基础上,提出根据新息向量、残差向量和状态改正数对滤波精度影响的不同程度,采用随机加权法对新息向量、残差向量和状态改正数进行估计,以得到观测噪声协方差矩阵和系统动态噪声协方差矩阵.进一步,利用随机加权法对观测噪声协方差阵和系统噪声协方差阵进行估计,以提高动态导航定位的滤波解算精度.研究结果表明,基于随机加权估计的Sage自适应滤波效果明显优于基于算术平均值估计的滤波方法.     

一种基于噪声估计的能量检测自适应门限新算法

频谱感知是认知无线电研究的关键技术之一,能量检测法是典型的频谱感知方法,但传统能量检测法的性能很容易受噪声功率变化影响。本文提出一种基于噪声方差估计的能量检测自适应门限算法。该算法基于噪声统计模型实时估计噪声方差,自适应地设置判决门限,达到更充分利用频谱资源的目的。仿真结果证明,该算法能准确估计噪声方差,有效地提高频谱检测性能。     

一种基于共轭矩阵的阵列扩展技术

提出了一种新的基于共轭矩阵的阵列扩展技术,该技术可以对阵列的信号子空间进行扩展,从而可以估计更多的信号波达方向(DOA)。该方法首先对接收的阵列信号进行二阶统计量预处理,利用自相关函数的性质获得导向矩阵的共轭矩阵,然后构造出一个新的伪快拍扩展矩阵,通过对该矩阵运用MUSIC-like算法可以比传统的MUSIC-like算法估计出的波达方向个数多50％,理论分析和仿真实验证明了本文结论。     

用具有伪频率消除的共轭梯度法进行自适应频谱估计

在Ｐｉｓａｒｅｎｋｏ方法中，谱线的信息包含在与数据协方差矩阵的最小本征值相对应的木征矢量中。本文采用共轭梯度法自适应地求出与最新信号协方差矩阵的最小本征值对应的本征矢量。然而，当所选择的系统模型的阶数明显高于实际信号模型的阶数时，会产生伪谱线。但是，只要将共轭梯度法加以改进便可以除去这些伪频率。这是通过将不希望出现的光谱零值从单位圆上找推移至复平面中，从而消除伪谱峰来实现的．因而，当所选择的系统模型的阶数与准确的系统阶数相比大许多时，具有伪频率消除的共轭梯度法可认为是消除伪谱峰较合适的方法。     

多层自适应共轭梯度方法及其在电磁问题中的应用

作者提出的自适应共轭梯度方法是对共轭梯度方法的改进和完善.本文将自适应共轭梯度方法用作多重网格方法的光滑迭代构造了多层自适应共轭梯度方法,对介质加载波导和屏蔽微带线的数值分析表明,多层自适应共轭梯度方法是求解电磁问题十分有效的快速迭代方法.     

脉冲噪声环境下基于分数低阶循环相关的自适应时延估计方法

以α稳定分布作为噪声模型,研究了非高斯噪声对传统的二阶循环统计量的影响,提出了分数低阶循环相关的概念,研究并证明了其性质,对传统意义上的二阶循环统计量进行了广义化,并在此基础上结合自适应技术提出了一种基于分数低阶循环相关的自适应时延估计方法。计算机模拟表明,该方法可有效估计高斯噪声和脉冲噪声条件下的时变和非时变时延值,其性能不仅优于基于二阶循环相关的自适应时延估计算法,而且优于最小平均p范数(LMP)自适应时延估计方法。     

用共轭梯度法改善AR谱估计性能

本文基于AR模型前向预测误差最小,提出用共轭梯度法搜索AR模型参数,从而实现谱估计。计算机仿真表明,用这种方法进行谱估计,不会产生谱漂移现象,谱分裂得到明显减弱,而且还具有很高的频率分辨能力。用这种方法估计的信号频谱性能接近于Marple算法。     

脉冲噪声环境下基于分数低阶循环相关的自适应时延估计方法

以α稳定分布作为噪声模型，研究了非高斯噪声对传统的二阶循环统计量的影响，提出了分数低阶循环相关的概念，研究并证明了其性质，对传统意义上的二阶循环统计量进行了广义化，并在此基础上结合自适应技术提出了一种基于分数低阶循环相关的自适应时延估计方法。计算机模拟表明，该方法可有效估计高斯噪声和脉冲噪声条件下的时变和非时变时延值，其性能不仅优于基于二阶循环相关的自适应时延估计算法，而且优于最小平均P范数（LMP）自适应时延估计方法。     

基于自适应分解级数小波去噪的TDOA估计算法研究

在无源时差(Time Difference of Arrival, TDOA)定位技术中，针对现有基于广义互相关时差估计方法对目标信号波形相关度要求高、信号受噪声干扰严重时其时差估计精度难以满足实际需求等问题，提出一种具有自适应分解级数的小波去噪预处理时差估计方法。对待处理信号进行多级小波分解，计算分解后各级系数向量的能量贡献率累加和(Energy Contribution Rate Cumulative sum, ECRCs),以满足ECRCs不小于80%的最小分解级数作为小波去噪的分级参数。结合计算的自适应分解级数及小波去噪方法对待处理信号进行自适应去噪处理，结合广义互相关算法对处理后信号进行峰值分析，得到两信号的时差值。通过仿真信号及甘肃某地实测的TDOA数据进行分析验证，结果表明，所提方法可有效提升时差估计精度及稳定性，尤其信号受噪声干扰较大时具有一定优势。     

基于自适应EKF的相对导航算法研究

针对测距测角相对导航中测量噪声不可精确获知往往导致相对定位精度下降的问题,本文研究了基于自适应扩展卡尔曼滤波(EKF)的相对导航算法。利用泰勒级数展开对测量矩阵进行线性化处理,并利用自适应时变噪声估计方法对测量噪声方差阵进行动态估计,状态噪声方差阵通过惯导特性的先验值获得。仿真结果表明,基于自适应EKF的相对导航算法可获得高精度且连续平滑的相对定位信息,尤其在测量噪声发生变化时更是表现出良好的导航参数估计性能。     

7元圆阵高维空时自适应滤波的快速实现

本文在联合空时处理框架下,在基于共轭梯度算法(CG)的MSNWF基础上,讨论了7元圆阵高维空时自适应滤波的快速实现问题.通过分析空间中7元圆阵的阵列平行四边形关系(APR),得到简化信号协方差矩阵计算的方法,通过分析信号协方差矩阵的Toeplitz特性,提出加快信号协方差矩阵与矢量相乘的方法,并最终得到了一种7元圆阵条件下的高维空时自适应滤波的快速实现方法,并且比较了新方法与原有方法的计算量.     

基于局部多项式逼近的变参数梯度估计算法

本文分析了梯度辨识算法跟踪时变系统的缺点，提出了一种新的基于局部多项式逼近的变参数梯度估计算法。本算法具有良好跟踪性能特别适用于时变系统跟踪且其对噪声的敏感程度与一般梯度估计方法相当。仿真结果验证了其良好性能。     

一种维纳加权的广义相关自适应时间延迟估计方法

本文研究了维纳加权广义相关时间延迟估计问题，提出了一种自适应实现维纳加权的时延估计方法。文中讨论了算法结构，分析了其性能，并给出了计算机模拟的结果。理论分析和计算机模拟表明，这种自适应维纳加权时延估计方法，不依赖于输入信号和噪声的统计先验知识，可以有效地消除信号中噪声对时延估计的影响，具有较高的估计精度和较快的收敛速度。     

增强噪声背景中语言的数字处理方法

增强噪声背景中的语言信号,是信号处理领域的重要课题之一。七十年代中期以前,主要用模拟方法进行研究,较普遍的是利用语言的窄带效应进行带通滤波以改善语言的可懂度。以后随着电子计算机的广泛使用,七十年代中期,出现了用数字信号处理增强噪声中语言信号的一系列技术,并逐渐得到了应用。本文从语声信号数字处理出发,阐明在时域、频域内处理含噪语声的基本原理,叙述了自相关法、卡曼滤波、自适应滤波、线性予测滤波法,频谱平方法、基频跟踪法、最小均方差滤波、频谱减法和二阶谱法,介绍了利用语音参数模型去噪的 LMAP 估计算法和最大似然参数估计算法。对各种方法作了相应的评价,还介绍了应用前景、     

宽带子阵域特征空间稳健对角减载波束形成

针对宽带子阵域自适应波束形成器在实际使用中稳健性下降、对弱信号的检测能力受信噪比限制的问题,提出了一种宽带子阵域特征空间稳健对角减载自适应波束形成方法.首先提出利用子阵域特征空间投影法修正导引向量并得到球形不确定集的估计,再利用RCB（Robust Capon Beamformer）算法得到约束条件下的最优权值.另一方面,利用子阵域互谱密度矩阵的最小特征值作为子阵域非相关噪声功率的估计并进行对角减载,以最优权值对减载矩阵波束形成得到子带波束输出,对每个窄子带重复上述处理,再将结果非相干叠加即可得到本文方法的最终结果.理论及实验分析表明方法能提高自适应波束形成器的稳健性及输出信噪比.     

基于分数阶共变的有色谐波信号频谱估计

在alpha稳定分布噪声下,传统的谐波信号的频谱估计方法会失去其韧性.本文简要分析了分数阶共变矩阵的结构,在此基础上提出了基于分数阶统计量的谐波信号的频谱估计新方法:基于分数阶共变的Pisarenko谐波分解(FOC-PHD)算法和多信号分类法(FOC-MUSIC)算法.这种方法将信号频谱估计的范围从二阶矩扩大到P阶矩(1＜p＜a≤2).通过对给定的alpha稳定分布噪声中正弦信号的估计与分辨进行仿真,详细比较了传统的谐波信号频谱估计和FOC-PHD、FOC-MUSIC频谱估计算法的性能,仿真结果表明,本文提出的方法明显优于传统的频谱估计算法,具有良好的韧性.     

基于反幂法和卡尔曼滤波的自适应语音去混响方法

噪声鲁棒的自适应语音信号去混响是现代语音信号处理的重要研究内容,其困难在于语音信号的非白性、非平稳性及房间的超长冲激响应特性。针对单输入多输出(SIMO)麦克风阵列系统获取的多路混响语音信号,提出了一种新的去混响算法。首先通过相关法时延估计对SIMO混响语音信号进行时延对齐;其次在保持SIMO系统输出信号间交叉关联关系(cross relation)基础上对混响语音信号进行预白化处理;最后把交叉关联关系、用于矩阵最小特征向量计算的反幂法与卡尔曼滤波解卷积方法有机结合,实现了SIMO混响语音信号的实时自适应去混响。仿真与实验研究表明,本方法对混响语音信号去混响效果明显,同时具有较好的抗噪声性能。      

全变差噪声消除问题的半光滑牛顿法

为了达到全变差噪声消除的图像去噪目的,将去噪问题转换为优化问题。采用了结合广义最小残差法的半光滑牛顿法来解决相关优化问题,求解非对称线性方程组,进行了理论分析和实验验证,取得了将该方法与其它方法应用于1维信号、2维图像去噪实验的大量可行数据。结果表明,结合广义最小残差法的半光滑牛顿法的收敛速度比结合预处理共轭梯度法的半光滑牛顿法和交替方向乘子法更快,而且能够有效地消除噪声。     

基于自适应共轭梯度参数估计的顽健卡尔曼滤波语音增强算法

对于加性噪声影响下的语音信号，利用双通道输入建立起来的增广卡尔曼滤波器模型，采用自适应共轭梯度方法对纯净语音和有色噪声干扰模型分别进行参数估计，提出了一种有效的语音增强算法。由于该方法对模型参数的估计精确性较高，而且估计速度快，同卡尔曼滤波类的其它语音增强方法相比，其语音增强效果良好，且具有一定的顽健性。仿真实验表明在环境噪声很复杂的情况下，该方法仍然有效。