卷积混迭语音信号的联合块对角化盲分离方法

针对语音信号的卷积混迭模型,利用不同语音信号之间的近似独立和短时平稳特性,提出一种基于信号二阶统计量的联合块对角化方法,解决超定卷积盲分离问题。该方法采用非对角线上各子矩阵 F -范数的平方和作为联合块对角化性能的评判准则,将原四次代价函数转化为一组较为简单的二次子代价函数,每一子代价函数用于估计酉混迭矩阵的一个子矩阵。依次最小化各子函数,迭代搜索代价函数最小点,得到混迭矩阵的估计。理论分析及实验结果表明,所提方法不仅能够达到与类Jacobi经典方法同样好的分离效果,并且具有更低的计算复杂度、更快的收敛速度和对传输信道阶数、迭代初始值不敏感的特点。      

基于渐进添边的准循环压缩感知时延估计算法

针对时延估计问题中压缩感知类算法现有测量矩阵需要大量数据存储量的问题,提出了一种基于渐进添边的准循环压缩感知时延估计算法,实现了稀疏测量矩阵条件下接收信号时延的准确估计.该算法首先建立压缩感知与最大似然译码之间的理论桥梁,然后推导基于低密度奇偶校验码的测量矩阵的设计准则,引入渐进添边的思想构造具有准循环结构的稀疏测量矩阵,最后利用正交匹配追踪算法正确估计出时延.对本文算法的计算复杂度与测量矩阵的数据存储量进行理论分析.仿真结果表明,所提算法在测量矩阵维数相同的条件下正确重构概率高于高斯随机矩阵和随机奇偶校验测量矩阵,相比于随机奇偶校验矩阵,在数据存储量相等的条件下,以较少的计算复杂度代价得到了重构概率的较大提高.     

低复杂度的MIMO声呐协方差矩阵重构方法*

多输入多输出声纳在对目标进行测向时会产生复杂的运算量,从而降低算法的测向效率。针对这一问题,提出了一种基于降维变换方法的低复杂度协方差矩阵重构方法。该方法能够抑制噪声,提高目标侧向性能。首先利用降维变换方法对接收信号进行波束形成,获得低维度的协方差矩阵,再对矩阵进行Toeplitz处理,抑制矩阵的相干性。所得到的新的协方差矩阵,通过特征分解获得噪声子空间和信号子空间,利用MUSIC方法进行测向。为了进一步降低运算复杂度,利用阵型所满足的旋转不变性,可以采用ESPRIT算法对目标进行波达方向估计。理论分析和实验结果表明,该方法有效降低了运算复杂度,提高了算法的测向性能。在有限快拍数的情况下,与传统测向方法相比,具有运算速度快,目标分辨力强的特点。     

圆弧形面阵自适应波束形成快速计算方法

针对圆弧形面阵估计水下目标二维波达方向的问题,提出一种降维处理的自适应波束形成方法。利用圆弧形面阵模型简化阵列内插矩阵的计算,通过垂直和水平两阶段波束加权,降低自适应波束形成维数,从而实现快速估计声源二维波达方向的目的。仿真结果表明,所提改进方法的计算量较传统二维最小方差无失真波束形成方法降低约一个数量级,且在低快拍条件下具有更明显的噪声抑制优势。湖上实验数据处理结果验证,在复杂水声环境下,所提方法具有较好的目标分辨性能。      

对称旋转不变相干分布式非圆信号二维波达方向估计

在相干分布式非圆信号二维波达方向估计中,利用信号非圆特性可提升估计精度,但现有的低复杂度算法利用泰勒级数近似建立的旋转不变关系会引入额外误差.针对该问题,考虑中心对称的三维立体线阵,提出了一种基于对称旋转不变关系的二维波达方向估计算法.算法首先利用信号非圆特性建立了扩展阵列模型;然后证明了对于任意的中心对称阵列,相干分布源的确定性角信号分布函数矢量具有对称特性,利用此特性在三维立体线阵的三个子阵中分别建立了扩展广义方向矢量的对称旋转不变关系;基于此,通过无须搜索的多项式求根方式分别得到中心方位角和俯仰角估计;最后利用整个阵列广义方向矢量的对称旋转不变关系构造代价函数实现了参数匹配.理论分析和仿真实验表明,相比于现有的低复杂度算法,所提算法避免了泰勒级数近似引入的额外误差,以较小的复杂度代价获得了性能的较大提升.同时,所提算法能够实现三维空间全方位的角度估计.     

交替寻优生成元素幅值结合混沌随机相位构造循环测量矩阵

循环矩阵由于其对应离散卷积且具有快速算法被广泛应用于压缩测量矩阵. 本文从循环测量矩阵生成元素的幅值和相位两个方面探索循环测量矩阵的优化构造, 提出交替寻优生成元素的幅值并结合混沌随机相位实现循环测量矩阵的最优构造. 由一维和二维信号循环测量矩阵的不同表示形式出发, 将等价字典列向量之间互相干系数的Welch界作为逼近目标, 推导出了一维和二维信号循环测量矩阵生成元素幅值优化的统一数学模型, 提出采用交替寻优方法求解生成元素幅值的最优解. 利用混沌序列构造循环测量矩阵生成元素的随机相位. 与已有的典型循环测量矩阵相比, 本文优化构造的循环测量矩阵所对应的等价字典列向量之间具有更低的互相干性, 这正是所构造的循环测量矩阵优越性的本质所在.     

Rssler超混沌系统多变量广义预测控制快速算法

提出了一种Rssler超混沌系统多变量广义预测控制快速算法.采用改进的时变遗忘因子递推最小二乘方法辨识混沌系统,通过在常规多变量广义预测控制性能指标函数中引入前馈增益矩阵与柔化矩阵,实现系统对参考信号的快速跟踪.该算法降低了求逆矩阵的维数,从而减少了计算量.仿真结果验证了该方法的有效性和实用性.     

R(o)ssler超混沌系统多变量广义预测控制快速算法

提出了一种R(o)ssler超混沌系统多变量广义预测控制快速算法.采用改进的时变遗忘因子递推最小二乘方法辨识混沌系统,通过在常规多变量广义预测控制性能指标函数中引入前馈增益矩阵与柔化矩阵,实现系统对参考信号的快速跟踪.该算法降低了求逆矩阵的维数,从而减少了计算量.仿真结果验证了该方法的有效性和实用性.     

Rössler超混沌系统多变量广义预测控制快速算法

提出了一种Rössler超混沌系统多变量广义预测控制快速算法.采用改进的时变遗忘因子递推最小二乘方法辨识混沌系统,通过在常规多变量广义预测控制性能指标函数中引入前馈增益矩阵与柔化矩阵,实现系统对参考信号的快速跟踪.该算法降低了求逆矩阵的维数,从而减少了计算量.仿真结果验证了该方法的有效性和实用性. 关键词： 广义预测控制 Rö ssler超混沌系统 前馈增益矩阵 柔化矩阵     

基于低秩信息的纽扣无缺陷图像重建与缺陷检出算法

纽扣表面缺陷形态、大小、位置多变,导致缺陷检测成为一个具有挑战性的问题。基于缺陷图像信息空间结构相关性,提出了一种基于低秩信息的纽扣图像重建方法。该方法采用低秩约束缺陷图像矩阵,通过回归的方式重构纽扣表面无缺陷图像,并利用差影法分离带有缺陷信息的残差图像,通过局部加权自适应阈值使缺陷有效显现。所提方法将最小化残差矩阵的秩转化为最小化核范数,并通过交替方向乘子法求解回归系数,利用正样本实现图像重建。针对构建的纽扣样本测试集对算法性能进行测试,证明所提方法对于不同类别的纽扣和不同大小、形状的缺陷都是有效的,算法准确率达99%,并且该方法对于光照变化也具有一定的适应性。     

正交时频空间调制移动水声通信方法

为提高移动水声通信可靠性,提出了一种基于正交时频空间(OTFS)调制的移动水声通信方法。针对水声信道长时延扩展的特点,设计了一种低复杂度交叉域Turbo迭代均衡算法,先在时域内对接收信号进行最小均方误差(MMSE)均衡,将均衡后的外部信息传递到时延-多普勒域进行软译码;再将译码后的软信息反馈回时域,作为下一次时域均衡的先验信息,实现均衡与译码的迭代检测。此外,针对OTFS水声通信中OTFS符号维度过大导致MMSE均衡复杂度过高的问题,采用了一种低复杂度MMSE算法,先利用矩阵对角线元素得到一组初始估计值,再将矩阵求逆问题转换为求解初始估计值与准确求解值之间的误差,继而通过对误差向量的不断迭代估计来实现低复杂度计算。湖试数据处理结果表明,所提方法可在最大移动速度4 kn的情况下实现OTFS信号的可靠检测。     

基于回溯筛选的稀疏重构时延估计算法

针对无线定位中时延估计在小样本(单快拍)、低信噪比条件下需要大量独立分布测量数据问题,提出了一种基于回溯筛选的稀疏重构时延估计算法,实现了单快拍、低信噪比条件下接收信号的精确时延估计.该算法首先建立接收信号的稀疏表示模型,然后基于该模型建立正交观测矩阵,最后在重构算法中引入回溯筛选思想,利用时延与观测矩阵之间的一一对应关系得到时延的无偏估计.对该模型下时延估计的克拉美罗界进行了推导.仿真分析表明,所提方法在单快拍、低信噪比条件下精度远高于求根多重信号分类算法,相比于正交匹配追踪算法,在较小的复杂度代价下性能得到了较大提升.     

稀疏正交联合约束多通道非负矩阵分解声信号分离算法

针对复杂环境下多通道声信号分离问题,提出稀疏正交联合约束多通道非负矩阵分解声信号分离方法。首先设计基于多通道扩展坂仓斋藤(Itakura-Saito,IS)散度的稀疏正交联合约束项构造代价函数,给出信号稀疏和信号正交约束辅助函数,实现代价函数最小化求解。然后通过迭代更新规则设计,得到稀疏正交优化的多通道非负矩阵分解基矩阵和系数矩阵,讨论了稀疏正交约束对基矩阵和系数矩阵稀疏性与连续性影响。最后基于多通道信号空间特性,进行了非负矩阵分解基聚类以获得多通道非负矩阵分解声信号的分离结果。双通道音频数据与四通道声学目标分离实验数据测试表明,对音频数据,所提算法在性能指标信号失真比(SDR)上提高了0.84 dB,对于直升机声源数据,所提算法在SDR上提高了4.53 dB。     

异构混合相关熵有源噪声控制算法

近几年兴起的基于最大相关熵准则的FxMCC(filtered-x maximum correntropy criterion)算法在有源噪声控制(active noise control, ANC)系统中取得了良好的降噪性能。然而,已有的FxMCC算法仅使用了单一的高斯核,算法在强脉冲噪声环境下降噪能力严重退化,且算法对核宽参数极敏感,不合适的核宽会降低算法降噪性能。为了弥补FxMCC算法的不足,本文引入异构混合相关熵,使用由高斯核和拉普拉斯核组成的混合核作为代价函数,推导了基于异构混合相关熵的FxMCC-MK(FxMCC-mixture kernels)算法。本文进一步分析了所提算法的收敛条件和稳定性,并与已有的算法进行了计算复杂度比较。仿真结果表明,在标准对称α稳定分布(symmetric α-stable, SαS)脉冲噪声和真实噪声录音的有源噪声控制中,相比于已有的相关熵算法,本文提出的FxMCC-MK算法具有更低的核宽参数敏感度,更强的鲁棒性和更快追踪能力。     

用于自适应波束形成语音增强的球谐域掩蔽函数估计方法

提出一种用于球形阵列自适应波束形成的掩蔽函数估计方法。该方法利用包含空间信息的球谐系数提取低维空间向量,并采用复高斯混合模型和深度学习两种方案来估计掩蔽函数,最终利用估计的掩蔽函数设计最小方差无失真响应波束形成器,以达到空域滤波的效果。理论分析和仿真实验证明,对于相同时长的声信号,球谐域掩蔽函数估计方法的计算复杂度比传统阵元域估计方法低了一个数量级。并且在大部分声场环境中,尤其在低信噪比情况下,所提方法的语音质量感知评估测度得分、分段信噪比和短时客观可懂度明显高于阵元域方法,三者最高分别可提升1.31 dB,4.54 dB和35%。另外,实际声学环境的测量实验也验证了所提方法在不影响可懂度的条件下比传统阵元域方法具备更高的降噪量。      

圆柱及切割圆柱低Mach数绕流气动声辐射

以柱体绕流声辐射为研究对象,探讨低Mach数流动气动声定量预测方法。首先,理论分析Lighthill声类比理论与基于流体动力学压力对时间求导的扰动分离模型之间内在联系。其次,利用计算流体动力学对圆柱及其尾部切割后的亚临界流态绕流进行二维数值求解,分析两种湍流模型的流场计算效果。最后,分别使用声类比理论FW-H方程及扰动分离模型进行柱体绕流气动声辐射定量预测,分析声指向性及频谱特性。数值结果表明声类比理论与扰动分离模型预测的声辐射频谱相似,但前者的幅值略高;圆柱尾部切割使尾流脉动增强,导致声辐射变大。     

子带t分布的快速独立向量分析在语声盲源 分离中的应用*

为了提高独立向量分析算法在盲语声分离任务中的分离性能,降低算法计算复杂度,并改善目前尚未完全解决的顺序模糊性的问题,该文提出一种基于子带t分布的快速独立向量分析算法。在声源模型方面,该算法首先利用语声信号重尾分布的特性,假设声源概率密度函数服从t分布,同时采用子带建模的方法来增强同一声源相邻频点的高阶依赖性,进而减轻频点间的顺序不一致问题。在空间模型方面,该算法采用秩1更新的方式估计声源信号,避免矩阵求逆操作和分离矩阵的估计,从而降低计算复杂度。实验结果表明,与现有的基于独立向量分析的盲源分离算法相比,该算法能够在相同的迭代次数下取得更优的语声分离性能。     

基于时变阈值过程神经网络的太阳黑子数预测

太阳黑子活动直接影响着外层空间环境的变化，为保证航天飞行任务的安全必须对其进行有效预测.为此，提出了一种基于时变阈值过程神经网络的时间序列预测模型.为简化模型的计算复杂度，开发了一种基于正交基函数展开的学习算法.文中分析了模型的泛函逼近能力，并以Mackey-Glass时间序列预测为例验证了所提模型及其学习算法的有效性.最后，将该预测模型用于太阳活动第23周太阳黑子数平滑月均值预测，取得了满意的结果，应用结果同时表明：所提预测方法与其他传统预测方法相比预测精度有所提高，具有一定的理论和实用价值. 关键词： 太阳黑子数 时变阈值过程神经网络 时间序列预测 泛函逼近     

远近场混合源的波束解卷积定位

提出了定位远近场混合源的波束解卷积技术,针对非相干远近场混合声信号的线列阵观测结果,推导了其常规波束形成(CBF)空间谱中固有的广义二维卷积数学关系,利用Richardson-Lucy算法实现波束能量聚焦以获得近场目标的精确空域参数估计,通过混合源协方差矩阵向近场流形的正交补空间投影操作提取远场分量,并分析得到其内在的一维卷积关系,然后通过角度域波束解卷积进行远场信号的波达估计。仿真分析表明,所提方法提升了CBF谱的空域分辨力,通过投影映射隔离近场分量后实现了混合源的分离。与现有方案相比,所提算法针对远场信源可实现10 dB的背景噪声级抑制。     

用于光谱解混的正交向量投影算法

光谱解混是高光谱技术中的关键部分,对地物成分的定量分析至关重要。线性光谱解混方法在计算端元丰度时,大多需要涉及矩阵求逆或方阵行列式的计算,导致软件实现的计算复杂度高,且硬件实现困难。同时,当端元数量增加时,算法的计算量也会随之呈指数级快速增长。论文基于传统的正交子空间投影方法,利用正交原理,提出了一种新的光谱解混方法——正交向量投影。该方法首先利用Gram-Schmidt过程计算每个端元的最终正交向量分量,并将其作为代表端元的投影向量。然后对于任意的待解混光谱向量,直接将其投影到该正交向量上。最后,计算得到投影分量的长度与正交向量的长度比,即为该正交向量所代表端元的无约束丰度。该过程避免了正交子空间投影和最小方差方法中计算复杂、实现困难的矩阵求逆运算,更便于并行计算的设计和硬件实现。通过理论的推导分析,证明了该算法与正交子空间投影和最小方差方法是完全一致的。另外,由于算法避免了矩阵相乘和求逆运算,简化了解混过程,通过对不同算法复杂度的具体分析,也证明该算法相对其他算法可以对端元数量降低一个量级。最后,在模拟数据和实际图像上分别进行实验测试,结果的分析和比较,也说明了算法的有效性。