三种谐波族检测算法的性能对比

基于高阶累积量谱、时序循环平稳信号分析、时频面Hough变换等预处理方法,给出了相对应的三种谐波族信号基频搜索与检测算法,并在2阶、4阶、8阶谐波情形下,应用于受白噪声污染的模拟谐波族信号、实测无人机信号和实测直升机信号等三种谐波族信号的检测概率的计算。计算结果表明,随着阶数的提高,三种算法对目标的检测性能均有所提高;对于上述三种不同信号,其基频搜索与检测能力最好的算法有所不同。所给出的谐波族信号基频搜索与检测算法将在直升机、无人机等目标的检测应用中发挥更好的作用。     

基于LabView的光纤电流互感器一体化测试系统设计

光纤电流互感器日益成为电力系统中最重要的设备,在实用化研究中,光纤电流互感器的检测精度是重要的指标之一,而被测电流的谐波和光纤电流互感器内部的噪声往往影响其测量的准确性。因此对光纤电流互感器谐波的检测以及对其解调算法实用性的验证非常重要。为进一步的谐波治理提供依据及验证解调算法能否有效运用问题,在详细分析现有的谐波检测理论和两种解调算法原理的基础上,设计了一种基于虚拟仪器LabView的光纤电流互感器谐波检测及解调算法测试一体化系统,在快速检测电流各次谐波电平的同时解调出被测电流的信息并对比验证两种解调算法的可行性与优越性,验证结果表明第二种解调算法的精度明显优越于第一种解调算法,更能适用于光纤电流互感器的信号解调。     

基于XGBoost的铝合金LIBS光谱分类识别方法

铝合金作为重要的金属材料,广泛应用于各领域,但大量的铝合金废料却难以进行分类回收。二次资源的回收利用是我国工业绿色、可持续发展的助推器,如何快速、简便地对铝合金废料进行识别分类则成为了铝合金废料回收利用的先决条件。激光诱导击穿光谱（LIBS）是近年来发展快速的一种分析技术,具有快速、全元素分析、实时、原位、远距离检测等优点,已广泛应用于塑料、土壤、肉类、钢铁等识别研究,大多采用最小二乘判别分析法、簇类独立软模式、人工神经网络、支持向量机、随机森林等算法来建立模型。基于迭代型树的XGBoost算法具有正则化、并行处理运算、内置交叉验证和高度的算法灵活性等优势,其模型结构相对简单、运算量较小,且准确率较高,成为近年来机器学习中极受欢迎的算法,因而被广泛应用。基于六种铝合金样品的600组光谱数据,根据NIST原子发射光谱数据库进行光谱特征提取,确定光谱特征谱线的分类依据。利用XGBoost算法进行自动分类及排序,将处理后的光谱数据随机划分为训练集和测试集,通过训练集构建算法模型,提取其分类特征;利用测试集检验模型的稳定性和可用性,防止出现过拟合。XGBoost在固定参数下得到的模型具有一定的自适应性,较少受数据集的影响,总体准确率可达96.67%。其分类特征与已知的元素含量信息相吻合,证明了基于光谱的特征谱线数据,可为分类识别提供参考;同时还可根据XGBoost生成的特征评分来对光谱谱线特征的重要性进行排序。实验结果表明,LIBS可用于不同种类铝合金的快速识别,为废弃金属的分类回收提供了一种新的技术。     

噪声环境中的汉语浊语音检测

为了在低信噪比和复杂噪声环境下检测汉语浊语音,根据浊语音谐波结构特性,提出了一种鲁棒的浊语音检测方法。通过改进的谱跟踪算法,得到能表征浊语音谐波特性的一簇谱线;从谱线簇中提取谐波特征作为汉语浊语音检测的依据。在不同信噪比和不同噪声环境下的浊语音检测对比实验中全面优于传统方法,在0 dB信噪比时正识率高于传统方法约30%。实验结果表明,该方法在低信噪比和非平稳复杂噪声环境下都具有较好的浊语音检测效果。      

基于二次-四次谐波联用的免标定波长调制激光吸收光谱方法

可调谐激光二极管吸收光谱(TDLAS)技术因其高灵敏度、高选择性和快速响应的特点，被广泛应用于痕量气体的检测与燃烧诊断研究。基于谐波检测的波长调制光谱(WMS)方法具有高信噪比的优势，是最常用的TDLAS气体传感方法之一。近年来，为了扩展WMS方法的适用范围，减小光谱参数标定误差，针对WMS方法免标定策略的研究逐渐成为热点。传统的免标定WMS方法一般需要根据光谱数据库并结合激光调制参数进行复杂的吸收光谱模拟，对先验光谱参数的准确度和硬件参数提出了很高的要求。针对以上问题，提出了一种基于二次-四次谐波联用的免标定波长调制激光吸收光谱方法，可以实现气体参数的快速、精确测量。与传统免标定WMS方法相比，新方法有以下特点和优势：(1)新方法基于Voigt线型导出，可以适应于任意展宽条件下的测量；(2)新方法只需要利用二次谐波和四次谐波中心峰高参数的代数计算即可获得吸收谱线展宽、积分吸收面积等关键光谱参数，进而实现浓度、温度等气体参数的测量；(3)新方法不需要进行运算量较大的谐波拟合以及高次谐波计算，降低了对硬件系统的要求；(4)因为不需要扫描完整的吸收谱线形状，解决了传统方法在高温高压下由于吸...     

行驶汽车环境中的话音活动检测研究

话音活动检测是语音交互和通信系统的重要部分,其作用是区分输入信号中的语音段和背景噪声段,检测的依据主要是语音和噪声的各种时频特性,其中,浊语音的周期性和谐波特性是一种广泛应用的特征。但是在行驶的汽车环境中,由于噪声非平稳且信噪比较低,这类特征较难得到可靠的检测。为此,本文根据浊音谐波结构的基本规律,利用时变噪声环境中各频带信噪比不同的特点,提出一种较为鲁棒的谐波快速检测算法。算法以较小的时频块为分析单元,利用一组基频在对数尺度上变化的谐波模板,自适应地搜索谐波结构清晰的部分,并以此检测浊语音信号。实验证明,该算法能够在行驶的汽车环境中达到较可靠的话音/非话音区别效果。     

快速Hartley变换的一种新算法

快速Hartley变换(FHT)可取代FFT而广泛用于声信号的分析与处理.本文提出了FHT的一种新算法,并与现有的其他几种FHT算法作了运算量的比较.本文提出的算法所需运算量最少,数值稳定,结构简单规则,易于实现.该算法已用软件实现,并在实际中得到应用.     

一种基于谱线幅值归零的加窗插值FFT谐波检测方法

提出了一种基于谱线幅值归零的加窗插值 FFT 谐波检测方法用于分析复杂电网信号中的各次谐波。 该检测方法将每一次在离散频谱中找到的最大谱线及其左右两侧的数根谱线幅值归零,直到各次谐波分析完毕。 通过仿真实验分析了在基波频率稳定时对模拟信号的测量精度,研究了基波频率波动对谐波分析的影响。通过对EAST 实验数据的分析,验证了该谐波检测方法的可行性和高精度性。     

不确定海洋环境中基于主成分量的稳健检测器

传统的信号检测算法在不确定的海洋环境中性能出现下降。基于贝叶斯原理的最优检测算法可以实现对不确定海洋环境中信号的有效检测,但是其突出问题是计算量较大。本文提出了一种基于主成分量分析的稳健信号检测器,该检测器利用贝叶斯原理将环境先验信息引入到检测算法中,同时使用主成分量分析方法来降低运算量,实现了对信号的快速有效检测。分别使用标准失配海洋模型和海上实测数据进行了计算机仿真和实验验证,结果表明:(1)基于主成分量的稳健信号检测器检测性能达到最优贝叶斯检测器的效果。(2)本文方法在线运算速度是贝叶斯最优检测器的5^一8倍。(3)环境先验信息失配的情况下,扩大海洋环境参数模型的不确定度范围有助于提高检测性能。      

基于多特征的快速红外弱小目标检测算法

为了从全向红外搜索和跟踪系统采集的海量大视场高分辨率红外图像中快速准确地检测出红外弱小目标,本文提出了一种基于由粗到细的分阶段检测策略和时空域特征融合的红外弱小目标检测算法.首先,通过引入基于频域的快速显著性检测算法预先检测出目标可能存在的候选区域;其次,对候选区域进行角点检测以判定是否存在候选目标;最后,通过结合帧间时空域特征对候选目标进行进一步判定,以提取真实目标、删除虚假目标.多种实际场景的实验结果表明,该目标检测算法不仅运算量小而且探测概率高、虚警率低,是一种工程实用性能很好的红外弱小目标检测算法.     

MIMO声呐的双尺度旋转不变子空间波达方向估计*

为了提高单基地多输入多输出(Multiple-Input Multiple-Output, MIMO)声呐阵列的波达方向(Direction of arrival, DOA)估计性能,提出了双尺度旋转不变子空间(Dual-Resolution Estimation of Signal Parameters via Rotational Invariance Techniques, DR-ESPRIT)算法。结合MIMO阵列虚拟阵列的结构特征,首先利用ESPRIT算法通过各条虚拟线阵内、基线间距不大于半波长的子阵间的旋转不变关系得到无模糊的粗估计结果,之后利用虚拟线阵间、基线较长的子阵间的旋转不变关系得到一组有模糊的精估计结果。参考粗估计结果对精估计结果进行解模糊,最终得到高精度无模糊的角度估计结果。为了降低运算复杂度,利用该思路对降维ESPRIT算法也进行改进,提出了双尺度降维ESPRIT算法。仿真试验首先验证了与传统算法相比,双尺度类DOA估计算法能够有效提高角度估计精度。此外,还分析了MIMO声呐阵列的发射、接收阵元的幅相扰动误差对算法角度估计性能的影响。     

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。     

声矢量锥形阵的高阶累积量波达方向估计

为解决信源在较低信噪比情况下的测向分辨率问题,提出阵列可扩展的声矢量锥形阵测向算法。算法基于四阶累积量的阵列扩展和高斯噪声抑制特性,计算声矢量传声器不同输出分量的四阶累积量,使其在三维方向上扩展与原阵型结构相同的虚拟阵,从而构造包含角度信息的旋转不变矩阵进行测向。推导给出了算法的克拉美罗界,理论分析了算法性能受信噪比、采样快拍以及入射声源俯仰角的影响。仿真实验验证了该算法较常规声矢量阵ESPRIT算法有更优的噪声抑制能力及更高分辨的DOA估计性能。      

Direction-of-arrival estimation for extensible acoustic vector sensor array

Aiming at high-resolution estimation of the direction-of-arrival of closely-spaced sources at low signal-to-noise ratio regions, this paper proposes a DOA estimation algorithm that is suitable for an extensible acoustic vector sensor array. Taking the 3D array composed of the minimum number(four) of acoustic vector sensors as the acquisition module, a virtual array having the same structure as the original array structure is extended in the three-dimensional space based on the aperture expansion characteristic of higher-order cumulants. The virtual array and the real array can construct a matrix with rotational invariance, which contains the angular information for estimating DOA. The Cramer-Rao bound of the algorithm are derived. We analyze the influence of SNR, the number of snapshots and the elevation angle on the performance of the algorithm. Simulation results show that the proposed algorithm has better noise suppression ability and higher resolution in DOA estimation than the conventional ESPRIT algorithm using the acoustic vector array. Experiments are conducted to validate the proposed algorithm.     

进行子阵加权波束形成的波达方向估计

针对水声信道的多径效应以及海底散射信号信噪比低导致方位估计性能较差的问题,提出了一种基于子阵加权波束形成的UESPRIT算法(Weighted Beamspace UESPRIT Based on Subarrays,BS-BUESPRIT)。首先利用密集波束域转换矩阵估计回波信号的方位谱,进而估计同一时刻到达阵列的回波数目;之后将均匀线阵分为多个尺寸相同、相互重叠的子阵,利用加权波束形成对各子阵接收信号做指定方向的空域滤波;最后基于各子阵波束形成后的输出结果,利用UESPRIT算法实现回波方向的估计。仿真和湖试、海试试验结果表明,与UESPRIT算法相比,BS-BUESPRIT算法提高了信号波达方向估计性能,在多径和较低信噪比条件下有着更高的估计精度,应用于高分辨率测深侧扫声呐时有效地提高了声呐的测深性能。      

基于LMS/SOLMS算法的时变多径水声信道估计方法

缓变信道下基于LMS算法的信道估计算法具有较好的跟踪性能,但对快变信道,LMS算法跟踪性能下降。SOLMS算法具有比LMS算法更好的跟踪性能,尤其是在快变的信道下。但由于SOLMS算法在收敛阶段的振荡性,这时收敛速度较LMS算法慢。本文提出一种收敛模式下用LMS算法获得信道的参数,收敛后则切换成SOLMS算法跟踪信道的变化的信道估计方法。新方法结合了LMS算法收敛快和SOLMS算法跟踪性能好的优点。对时变多径水声信道估计的计算机仿真实验证明了该方法的有效性。     

基于矢量传感器的频率估计算法在水声通信中的应用

本文给出了基于矢量传感器的ESPRIT频率估计算法，并将其应用于频率调制水声通信系统中。与声强频率估计算法相比，ESPRIT频率估计可在小样本的情况下，获得高精度的频率估计。仿真和湖试结果表明，基于矢量传感器的ESPRIT频率估计算法可以提高通信速率并降低对通信系统的带宽要求。本算法对信噪比的要求较高，目前看，较适用于近程高速水声通信。     

绝对方位问题封闭形式最优估计的快速算法

提出一种快速的绝对方位问题算法,通过最小二乘法构造目标函数,对目标函数中的旋转矩阵和平移向量进行分离,利用矩阵的Fobenius范数、行列式以及伴随矩阵等构造旋转矩阵和平移向量封闭形式的最优估计。这种算法具有较高的计算精度和抗噪声性能,并且避免了目前常用算法中的奇异值分解运算,从而提高了计算速度。数学实验结果表明,在计算精度与抗噪声能力上与目前性能最优的Umeyama算法相当,同时计算速度较之有大幅提升,尤其适用于对实时性要求较高的领域。     

对低信噪比非稳定信号的参数估计MESPRIT

对振幅衰减和信噪比极低的信号进行参数估计,最常用的傅氏变换以及大多数现代信号参数估计方法(如,最大熵法MEM、线性预测奇异分解法LPSVD等),其结果都不能令人满意.本文针对信号衰减、信噪比极低的特点,改进了基于旋转不变技术的信号参数的估计方法(MESPRIT),并给出几种估计方法的对比仿真结果.     

On fast estimation of direction of arrival for underwater acoustic target based on sparse Bayesian learning

The Direction of Arrival(DOA) estimation methods for underwater acoustic target using Temporally Multiple Sparse Bayesian Learning(TMSBL) as the reconstructing algorithm have the disadvantage of slow computing speed.To solve this problem,a fast underwater acoustic target direction of arrival estimation was proposed.Analyzing the model characteristics of block-sparse Bayesian learning framework for DOA estimation,an algorithm was proposed to obtain the value of core hyper-parameter through MacKay's fixed-point method to estimate the DOA.By this process,it will spend less time for computation and provide more superior recovery performance than TMSBL algorithm.Simulation results verified the feasibiUty and effectiveness of the proposed algorithm.