基于峭度激励的变步长自适应谱线增强算法

提出了一种基于峭度激励的变步长自适应谱线增强新算法,该算法以输入信号峭度与误差信号峭度为联合激励因子,构造出一种指数型变步长的算法模型。该步长对高斯色噪声或非高斯色噪声均有一定的免疫性,跟踪时变信号的能力强,且收敛速度快。用实测的某水下目标辐射噪声数据进行了仿真实验。与传统的LMS算法相比,仿真结果表明,该算法具有较强的谱线增强能力、快速收敛性和良好的跟踪性能,能有效地实现目标线谱信号与混合色噪声环境的分离。     

基于高阶累积量不同切片的动态谱线增强算法

为了克服传统的自适应谱线增强器(ALE)抑制高斯噪声效果差的缺点，提出了基于高阶累积量不同切片的自适应动态谱线增强算法，并用水下某运动目标辐射的线谱数据进行了仿真研究。仿真和分析表明：该算法抑制高斯噪声的性能强于ALE算法。因此，本研究有助于提高水下探测系统对微弱信号的检测能力和水下通信能力。     

—种有约束的自适应LMK时延估计算法

提出了一种有约束的自适应LMK时延估计算法，该算法的代价函数根据估计误差的峭度选取，算法直接对时延进行估计，不需进行插值运算。最后用实测的直升机辐射的噪声数据进行了仿真，表明新算法具有更快的收敛速度。     

一个新的串联式自适应谱线增强器

为了从非高斯噪声中有效增强水下目标辐射噪声中的线谱特征，提出了基于四阶累积量变步长极性迭代的自适应谱线增强器( FOCVSSBALE)，并与基于短时自相关的自适应谱线增强器（STABALE）串联，构造了一个新串联式自适应谱线增强器。该增强器对水下目标辐射噪声的线谱特征分量有二次增强作用，对环境噪声有二次抑制效果，对时变信号有良好的跟踪能力，而且计算量小。用水下某目标辐射线谱的实测数据，对该增强器的性能进行了仿真研究。理论分析和仿真结果表明，该增强器与单个的STABALE或FOCVSSBALE相比，能更有效提高信噪比、增强线谱特征。     

基于多小波双变换的非线性卫星信道盲均衡算法

针对非线性卫星信道Volterra盲均衡系统收敛缓慢、计算复杂高等不足,提出了基于多小波双变换的非线性卫星信道盲均衡算法.该算法用Wiener均衡器代替Volterra均衡器,减小了均衡器结构的复杂性;用平衡正交多小波对Wiener均衡器的输入信号进行变换,降低了输入信号的自相关性;在Wiener均衡器输出端增加一级判决反馈滤波器,同时对其输入信号作平衡多小波变换,又降低了判决反馈滤波器输出信号的自相关性.仿真结果验证了该算法的有效性.     

基于新型DNA遗传萤火虫优化的二维图像盲恢复算法研究

针对现有图像恢复算法的不足,提出了基于新型DNA遗传萤火虫优化的二维图像盲恢复算法。该算法首先对传统DNA遗传算法中交叉和变异操作进行改进,得到新型DNA遗传算法后与萤火虫算法相结合,提出了新型DNA遗传萤火虫优化算法;其次将新型DNA遗传萤火虫优化算法应用于二维图像盲恢复,得到的基于新型DNA遗传萤火虫优化的二维图像盲恢复算法具有良好全局搜索能力,优化了盲均衡器的初始权矩阵,模糊图像经过二维盲均衡器处理后,有效增强了图像质量,图像恢复良好。仿真结果验证了算法的有效性。     

一种基于高阶累积量变步长迭代的自适应谱线增强新方法

依据变步长LMS（Leaset Mean Square)算法能改善自适应谱线增强器（ALE）跟踪性能的特点，提出了基于高阶累积量变步长迭代的自适应谱线增强新方法。用实测水下运动目标辐射噪声数据，对该方法的性能进行了动态仿真研究。仿真表明，该方法具有很好的抑制高斯有色噪声能力的跟踪能力；能有效地增强性调频、对数（或指数）频调信号谱线。因此，在提高水下探测系统功效，识别与检测水下运动目标方面具有一定的指导意义和应用价值。     

基于多普勒信息的盲波束形成方法在声呐信号处理中的应用研究

本文针对水声环境和水声信号的特点，提出了一种可用于任意阵形的自适应神经网络盲波束形成方法。该方法在未知基阵响应向量的情况下，利用水声信号多普勒频率信息，估计波束形成的权矢量，采用神经网络的方法实现盲波束形成，从而避免了矩阵的求逆运算，不但减小了运算量而且易于用硬件实现。此外该算法具有收敛速度快、鲁棒性强、估计精度高等优点。通过拖曳阵和体积阵的仿真实验，验证了所提出方法的有效性和正确性。     

非平稳随机过程四阶累积量的递推估计与应用

本文从非平稳随机过程四阶累积量估计的定义出发,推导了四阶累积量精确递推估计公式;从减少四阶累积量估计的计算量,增强四阶累积量的工程实用性出发,给出了四阶累积量近似递推估计定理。只要四阶累积量的更新因子满足定理的条件,就能减少计算量,并且使估计的四阶累积量保持抑制高斯噪声的性能。仿真结果证实了这种估计的有效性。     

基于加权四阶累积量切片的谱线增强

本文首先介绍了加权高阶累积量切片的概念,给出了加权混合高阶累积量的更新公式,提出了其自适应谱线增强算法,并用实测运动目标辐射噪声数据,对该算法的性能进行了仿真研究。仿真结果表明:该算法具有较强的抑制高斯有色噪声能力,能抑制大约13~23dB的高斯有色噪声;调整高阶累积量切片加权系数,可改善该算法抑制高斯有色噪声的性能。