梯度投影最小二乘多途信道实数域高分辨估计方法

为解决水下定位过程中的多途信道高分辨估计问题,文章给出了一种梯度投影最小二乘多途信道实数域高分辨估计方法,不同于频域最小二乘,方法利用时域迭代求解去除了矩阵求逆,降低了计算量,并且能够直接获得高分辨的实数域信道冲激响应。与MUSIC、Richardson-Lucy (RL)以及稀疏贝叶斯(SBL)等几种典型时域高分辨信道估计算法进行对比分析,仿真和实验结果皆表明,文中给出的梯度投影LS算法和SBL算法时延分辨力明显优于MUSIC和RL算法,水池实验结果时延分辨力可达1/(5B)(B为信号带宽)。所提方法幅度衰减估计精度略差于SBL算法。但最小二乘(LS)算法使用过程中不需要预知多途数目,更适用于大时延多途扩展情况,且计算量显著优于SBL算法。     

POSC-PLS方法及其在电子吸收光谱定量分析中的应用

针对光谱数据局部效应显著,变量个数多,彼此间常存在严重的复共线性,构建了一种基于分段正交信号校正(piecewise OSC)的偏最小二乘(PLS)回归,即POSC-PLS方法。它以近邻分段方式进行逐个波长点的正交信号校正,剔除光谱矩阵中所含的各种噪声信号,将去噪后的光谱矩阵作为新的自变量矩阵,再利用偏最小二乘方法建立校正模型。将该法应用于多环芳香烃电子吸收光谱的多组分定量关系建模,效果良好。所建模型的预报性能优于其他方法,而且模型所需PLS成分数减少,模型更简洁。     

单深度传感器的矢量拖曳阵阵形估计

在二维平面内,假设为抛物形阵形,利用矢量拖曳阵的姿态数据和一个深度传感器的深度数据,研究了矢量拖曳阵的阵形估计问题。通过研究姿态数据中的姿态角与水听器所在阵位置上切线方向数的关系,利用最小二乘法建立了一个等式约束的非线性优化模型,并通过参数转化方法,给出了该模型的解析算法。数值仿真结果表明,在阵形为抛物形的假设下,利用一个深度传感器的深度数据和若干水听器的姿态数据可以进行拖曳阵的阵形估计。对于同样的阵元数,随着姿态数据误差的增大,阵形估计的误差增大。对于同一姿态数据误差分布,随着阵元数的增加,阵形估计的误差减小。     

基于稳健回归M估计的差分吸收光谱反演方法(英文)

基于最小二乘回归,差分吸收光谱技术(DOAS)可以获得痕量气体的大气浓度.鉴于在复杂大气环境下,测量结果可能出现异常值以及误差的非正态分布,导致最小二乘回归估计偏差较大.针对这一情况,本文研究了利用稳健回归M估计来反演DOAS测量光谱数据的方法,讨论了估计过程和效果,并对正常谱和异常谱进行两者回归方法比较.研究结果表明基于稳健回归M估计方法收到了良好的效果,提高了回归可靠性.     

基于Markov随机场的新型景像匹配算法

为了提高景像匹配导航系统的定位精度,给出了一种基于Markov随机场理论和极大后验概率估计的新型景像匹配算法。考虑到在x方向和y方向位置偏差的实时图与基准图之间的灰度分布关系,利用图像上的灰度分布服从Markvov随机场分布这一特性,建立了景像匹配问题的条件概率分布模型。应用最小二乘法和噪声的先验统计信息估计位置偏差的方差,给出了描述基准图与实时图之间灰度偏差的测量模型,确定了测量的统计特性。基于极大后验概率估计准则计算了位置偏差的估值。由于新算法在计算位置偏差估值时用到了被估量和噪声的统计信息,因此具有很高的精度。将该算法与最小二乘景像匹配算法进行了仿真比较。仿真结果表明,新算法的匹配精度达到了0.1~0.2像素,高于最小二乘匹配算法的匹配精度。     

利用广义霍夫变换对相交目标进行轨迹预测

提出一种广义霍夫变换方法对相交目标进行轨迹预测,该方法利用概率分布原理,在参数空间中寻找点分布最集中的区域,以确定目标轨迹二次曲线方程的系数。为了提高搜索速度,提出采用投影法定位二次曲线方程的系数,从而使该方法满足实时性要求。该方法抗噪性强,克服了最小二乘轨迹预测法对噪声敏感的缺点。实验中采用最小二乘法和广义霍夫变换对相交目标进行轨迹预测,目标分离时正确匹配率分别为87.5%和95%。     

基于递阶模糊聚类的混沌时间序列预测

提出一种新的基于递阶模糊聚类系统的模糊建模方法.目的在于通过一系列的步骤优化T-S模糊模型结构，实现非线性系统的建模和预测.首先利用最近邻聚类法初始划分输入空间，得到规则数及初始聚类中心，用模糊C均值算法(FCM)进一步优化聚类中心；然后利用加权最小二乘法估计模糊模型的初始参数，进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行预测实验，结果表明可以对Mackey-Glass混沌时间序列进行准确建模和预测，证明了本方法的有效性. 关键词： 递阶模糊聚类 模糊建模 混沌时间序列 最小二乘     

基于广义窗函数和最小二乘支持向量机的混沌背景下微弱信号检测

为了从混沌背景中检测微弱信号,研究分析了复杂非线性系统的相空间重构理论,提出了一种基于广义窗函数的最小二乘支持向量机的预测法. 该方法以广义嵌入窗为基础,利用自关联函数法确定Lorenz系统的嵌入维数和时间延迟, 实现相空间重构,结合最小二乘支持向量机建立Lorenz系统的误差预测模型, 检测微弱目标信号(瞬态和周期信号).仿真实验表明,该方法的预测模型具有较小的误差, 能够有效地从混沌背景噪声中检测出微弱目标信号,减小噪声对目标信号的影响. 与传统方法相比,在降低检测门限的同时,能够有效地提高预测的精度, 在混沌噪声下信噪比为-87.41 dB的情况下,相对于传统支持向量机方法所得的均方根误差0.049(-54.60 dB时)降低近两个数量级至0.000036123(-87.41 dB时).     

基于CCF-TLS-ESPRIT算法的低频振荡在线辨识

低频振荡在线辨识需用到广域测量系统(WAMS)的采集信号,而WAMS采集的信号中常伴有高斯白噪声,经过常规的低通滤波处理后会产生高斯色噪声,从而影响辨识的精度.针对在线辨识中的色噪声问题,提出以互相关函数(CCF)来代替实测信号,从而抑制色噪声,并结合总体最小二乘-旋转不变技术参数估计(TLS-ESPRIT)算法进行模态辨识.仿真结果表明,CCF-TLS-ESPRIT算法能够有效辨识出色噪声环境中的系统低频振荡模态,并具有一定的效率.     

数据区对最小二乘法拟合函数系数偏差的影响

一、问题提出在许多问题的研究中需要对实验结果作出理论解释。提出理论模型,用最小二乘法进行测量数据拟合,以此来验证理论模型的正确性。在组合测量的数据处理过程中,同时给出各拟合参量(系数)的估计偏差。拟合结果有时是曲线与实验点符合很好,而有些参量的估计偏差却很大,怎样解释这些大偏差呢?     

COmplex-Model-Based Estimation of thermal noise for fMRI data in the presence of artifacts

Due to the presence of artifacts induced by fast-imaging acquisition in functional magnetic resonance imaging (fMRI) studies, it is very difficult to estimate the variance of thermal noise by traditional methods in magnitude images. Moreover, the existence of incidental phase fluctuations impairs the validity of currently available solutions based on complex datasets. In this article, a time-domain model is proposed to generalize the analysis of complex datasets for nonbrain regions by incorporating artifacts and phase fluctuations. Based on this model, a novel estimation schema has been developed to find an appropriate set of voxels in nonbrain regions according to their levels of artifact and phase fluctuation. In addition, noise intensity from these voxels is estimated. The whole schema is named COmplex-Model-Based Estimation (COMBE). Theoretical and experimental results demonstrate that the proposed COMBE method provides a better estimation of thermal noise in fMRI studies compared with previously proposed methods and suggest that the new method can adapt to a broader range of applications, such as functional connectivity studies, evaluation of sequence designs and reconstruction schemas.     

基于双高斯衰减模型的超声回波处理方法

信号降噪与特征提取是超声检测数据处理的关键技术.基于超声信号有特定结构而噪声和超声信号的结构无关,本文提出一种旨在解决强噪声背景下超声回波的参数估计和降噪问题的方法.该方法将超声回波的参数估计和降噪问题转换为函数优化问题,首先根据工程经验建立超声信号的双高斯衰减数学模型,然后根据观测回波和建立的超声信号模型确定目标函数,接着选择人工蜂群算法对目标函数进行优化从而得到参数的最优估计值,最后由估计出的参数根据建立的超声信号数学模型重构出无噪的超声估计信号.通过仿真和实验表明本文方法可以准确估计出信噪比大于-10 dB的含噪超声回波中的无噪信号,且效果优于基于自适应阈值的小波降噪方法和经验模态分解方法;此外相比常用的指数模型和高斯模型,本文提出的双高斯衰减超声信号模型与实测超声信号更接近,其均方误差为9.4×10~(-5),波形相似系数为0.98.     

混沌噪声背景下微弱脉冲信号的检测及恢复

构建了一种在混沌噪声背景下检测并恢复微弱脉冲信号的模型.首先,基于混沌信号的短期可预测性及其对微小扰动的敏感性,对观测信号进行相空间重构、建立局域线性自回归模型进行单步预测,得到预测误差,并利用假设检验方法从预测误差中检测观测信号中是否含有微弱脉冲信号.然后,对微弱脉冲信号建立单点跳跃模型,并融合局域线性自回归模型,构成双局域线性(DLL)模型,以极小化DLL模型的均方预测误差为目标进行优化,采用向后拟合算法估计模型的参数,并最终恢复出混沌噪声背景下的微弱脉冲信号.仿真实验结果表明本文所建的模型能够有效地检测并恢复出混沌噪声背景中的微弱脉冲信号.     

基于LabVIEW空间瞬态光信号处理技术

分析了待探测的瞬态光信号、背景光信号和高频干扰信号频率的特性,利用LabVIEW软件平台设计虚拟仪器，进行信号处理和分析.设计了数字滤波器，对采集到的信号进行数字滤波，对滤波后的目标信号进行谱估计，得到功率谱密度.试验结果表明，该方法设计简单，运行可靠，滤波效果显著.     

畸变产物耳声发射信号的时域分离算法研究

针对在分离畸变产物耳声发射(Distortion Product Otoacoustic Emissions,DPOAE)不同产生源成分的过程中两成分之间存在交叉干扰的问题,建立了IFFT(Inverse Fast Fourier Transform,IFFT)结合时域窗的成分分离算法模型,结合模型进行了分离误差的分析,并在此基础上给出一种时间窗窗宽选择准则。根据IFFT后的时域波形,利用两成分主峰包络内的信号波形的矩心移动速率的快慢选择两成分之间的合适的分界点,将两成分分离开。对结合了该时间窗窗宽选择准则的时域成分分离算法进行了仿真,并对DPOAE实验数据进行了成分分离。仿真和实验结果表明,结合该窗宽选择准则的DPOAE时域分离算法可以成功地分离两个成分,且有效地减少了因两成分之间的交叉干扰引入的幅度和相位扰动。因此,结合该窗宽选择准则的DPOAE时域分离算法是有效的,可以提高分离不同产生源成分的准确性。      

一种新的卫星钟差Kalman滤波噪声协方差估计方法

采用Kalman滤波方法进行钟差参数计算和预报时, 需确定Kalman滤波噪声协方差矩阵. 针对这一问题, 提出了一种新的卫星钟差Kalman滤波噪声协方差估计方法, 通过建立新息的相关函数序列与未知的噪声参数间的线性函数模型, 采用最小二乘法进行噪声参数估计. 采用精密钟差数据进行钟差参数估计和预报分析, 结果表明, 该方法具有较好的收敛性, 并与顾及随机噪声模型的开窗分类因子自适应抗差估计方法进行对比分析, 验证了新方法的正确性和有效性.     

About the background distribution in MR data: a local variance study

A model for the distribution of the sample local variance (SLV) of magnetic resonance data is proposed. It is based on a bimodal Gamma distribution, whose maxima are related to the signal and background areas of the image. The model is valid for single- and multiple-coil systems. The proposed distribution allows us to characterize some signal/background properties in MR data. As an example, the model is used to study the effect of the background size over noise estimation techniques and a method to test the validity of background-based noise estimators is presented.     

一种脉冲星周期的时域估计新方法

脉冲星信号的周期估计在脉冲星搜索、观测以及定时研究中具有重要作用.在分析脉冲星周期频域识别方法的基础上,基于脉冲星观测信号的二阶循环平稳模型,提出了一种周期估计的时域新方法-----最大相关方差搜索法.通过对观测信号按假定周期(可变)分组,计算分组后不同时刻的相关系数,进一步得到系数的方差,然后寻找不同周期下的方差最大值,即可得到脉冲星的辐射周期估计.分别对单峰脉冲星(PSRJ0437-4715)的实测信号、双峰脉冲星(PSRB1821-24)的仿真信号以及ATNFEPN数据库中的多颗脉冲星数据进行了周期估计,均得到了令人满意的结果.对众多脉冲星的计算结果表明,与傅里叶频谱法相比,该时域方法对噪声不敏感,尤其在低信噪比情况下仍表现出较优越的性能;与双谱相干统计量方法^[6]相比,运算复杂度更低;尽管其在处理非连续观测数据时能力不足,但仍然可为微弱脉冲星的实时周期估计提供有力参考.     

低信噪比线性调频信号目标的方位估计

线性调频(LFM)信号目标的方位估计是水声探测研究的重要内容,在进行方位估计时,若存在强干扰信号源与强背景噪声,阵元接收信号的信噪比会显著降低,严重影响LFM信号目标方位估计结果的准确性.针对该问题,提出了一种简明分数阶滤波方法,并将其与常规波束形成方法(CBF)相结合来实现低信噪比条件下LFM信号目标的方位估计.简明分数阶傅里叶变换能在正交角度上将LFM信号的能量聚集在特定频点处并形成明显的能量峰,利用该特性,可对阵列各阵元接收的低信噪比LFM信号在简明分数阶域聚集的能量峰进行最佳滤波,以滤除干扰信息及背景噪声.对滤波输出进行逆简明分数阶傅里叶变换可得到增强信干比和信噪比的阵元域信号,进一步用于目标方位估计,就能获得更加准确的目标方位。数值仿真结果和海试实验数据处理结果验证表明,本文所提出的方法可有效抑制干扰和背景噪声,并对低信噪比LFM信号进行准确、稳健的方位估计。