基于无噪后验错误矢量信号能量的变正则因子仿射投影算法

变正则因子技术是提高仿射投影自适应算法性能的重要方法之一.由于环境噪声的影响,现有的变正则因子自适应算法收敛速度较慢且稳态误差较大,各种测量、评估误差的存在进一步恶化了算法性能.为提高自适应算法的跟踪性能,本文在分析无噪先验错误矢量、无噪后验错误矢量和额外均方错误间关系的基础上,提出通过最小化无噪后验错误矢量信号能量来推导自适应变正则因子表达式的方法.在实践应用中,该方法利用了测量噪声的统计方差特性,并提出一种更加光滑且更加容易控制的指数缩放因子评估方法.系统辨识的仿真结果表明本文方法与传统的变正则因子方法以及变步长方法相比有更快的收敛速度与更低的稳态误差.     

基于自适应LASSO先验的稀疏贝叶斯学习算法

为了提高稀疏信号恢复的准确性, 开展了基于自适应套索算子(Least absolute shrinkage and selection operator, LASSO)先验的稀疏贝叶斯学习(Sparse Bayesian learning, SBL)算法研究. 1) 在稀疏贝叶斯模型构建阶段, 构造了一种新的多层贝叶斯框架, 赋予信号中元素独立的LASSO先验. 该先验比现有稀疏先验更有效地鼓励稀疏并且该模型中所有参数更新存在闭合解. 然后在该多层贝叶斯框架的基础上提出了一种基于自适应LASSO先验的SBL算法. 2) 为降低提出的算法的计算复杂度, 在贝叶斯推断阶段利用空间轮换变元方法对提出的算法进行改进, 避免了矩阵求逆运算, 使参数更新快速高效, 从而提出了一种基于自适应LASSO先验的快速SBL算法. 本文提出的算法的稀疏恢复性能通过实验进行了验证, 分别针对不同大小测量矩阵的稀疏信号恢复以及单快拍波达方向(Direction of arrival, DOA)估计开展了实验. 实验结果表明: 提出基于自适应LASSO先验的SBL算法比现有算法具有更高的稀疏恢复准确度; 提出的快速算法的准确度略低于提出的基于自适应LASSO先验的SBL算法, 但计算复杂度明显降低.     

基于反双曲正弦函数的抗冲激块稀疏自适应滤波算法

针对现有基于最小均方误差（MSE）的块稀疏系统辨识算法抗冲激性能不佳的问题,提出了一种利用反双曲正弦函数替代最小均方误差的改进型块稀疏归一化最小均方（IBS-NLMS）算法。该算法首先构造新的代价函数,利用负梯度最陡下降法求出增量,进而导出了新的滤波器权系数更新公式,在公式迭代过程中出现的冲激噪声会导致权系数的更新量趋于零向量,从而消除了由于非高斯冲激干扰而导致的算法发散问题。同时,理论分析并推导出了该算法的均值收敛过程。块稀疏系统辨识的仿真结果表明,在非高斯冲激噪声干扰和截断变化情况下,改进型算法与块稀疏归一化最小均方（BS-NLMS）算法相比有更快的收敛速度和更小的稳态误差。     

高斯白噪声经过线性系统后等效带宽特性研究

以随机信号经过线性系统理论为基础,研究了加性高斯白噪声经过滤波器后的带宽特性、等效带宽特性以及两者的关系,推导了以低通滤波器为例的线性系统的带宽和等效带宽公式。分析结果表明,等效带宽是说明线性系统滤波能力的一个重要参数,简单的使用带宽参数代替噪声等效带宽参数将使线性系统输出噪声功率的计算值增加,从而导致系统输出信噪比偏低,影响系统抗噪或滤波性能的评价。     

空冷汽轮机末两级变工况三维流动的数值模拟

采用三维粘性数值模拟方法对变工况下空冷汽轮机末两级流动进行了模拟,研究了效率和脱流高度等重要参数的变化规律,着重分析了设计点和小容积流量工况时的三维流场。通过分析了解了机组在变工况运行时末级流动的特点,为空冷汽轮机末级叫片的设计和优化提供了依据。图8参5