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.     

基于遗传模型改进蜂群算法的稀疏阵列优化

人工蜂群算法作为一种新兴的群体智能算法,在解决复杂连续问题时表现突出。但是由于算法本身内在运行机制的原因,算法在搜索上表现出优异的性能,却疏于开发。为了平衡搜索和开发二者之间的矛盾,提出了一种基于遗传模型改进的人工蜂群算法,并成功运用到了阵列综合领域。算法先将全局最优解引入邻域搜索过程,指导蜂群寻找最佳蜜源,加速算法收敛。为了避免人工蜂群算法陷入局部最优,需要提高其开发能力,通过借鉴遗传算法中的进化机制,建立了遗传模型,对采取最佳保留后的蜜源进行遗传操作,丰富蜜源的多样性。在一组广泛使用的数值函数上对改进人工蜂群算法进行了测试,实验数据表明,该算法相较于其他算法具有很强的竞争力。将该算法运用于线性阵列的稀疏优化,旨在降低阵列的峰值旁瓣电平,在同样的阵列约束下与其他算法进行了优化对比,仿真结果进一步证明了算法的有效性。     

基于光照不变图像的阴影图像道路及导航线提取算法

针对有阴影情况下的道路及导航线提取问题,提出一种基于光照不变图像分割和投票函数的阴影道路图像道路及视觉导航线提取算法,该算法利用正交分解法获取彩色光照不变图像,并对其进行分割,通过构造的投票函数及道路判别准则提取道路区域,扫描道路定位点后对其进行最小二乘拟合提取导航线。该方法不需要大量样本进行学习。实验结果表明,所提算法与现有两种算法相比,在检测精度和速度上均具有明显优势,并且算法复杂度较低。算法能够有效地解决阴影环境下道路及导航线的提取问题。     

一种改进人工蜂群的分数阶PID控制器优化算法

摘 要：针对分数阶PID控制器参数整定过程参数多复杂性大,传统靠经验试凑的方法不易实现且优化效果差的问题,提出了一种改进的人工蜂群算法,实现分数阶PID控制器参数的整定.该算法通过改进人工蜂群算法中搜索方程,并引入一个淘汰机制,对分数阶控制器参数进行群智能搜索,将搜索到的参数送至分数阶PID控制器中反复迭代,以带有权值的误差绝对值积分指标（AIE）作为人工蜂群寻优的目标函数,最后得出控制器.本文以非线性系统为被控对象,经过实例仿真,验证了该算法实现的控制器比传统整数阶控制器和未改进的人工蜂群算法实现的分数阶控制器的动态性能和稳态性能都有所提高,在超调、上升时间、振荡性方面都优于未改进算法.     

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

基于弹性变分模态提取的时间相关单光子计数信号去噪

单光子激光雷达的回波信号具有极低的信噪比,有效地消除噪声和提取出回波信号特征是提升单光子激光雷达测距精度的关键,变分模态分解算法需要使用者依据经验确定分解本征模态函数数量,不具有适用性和通用性.为此,本文基于时间相关单光子计数信号特点,提出了在变分模态分解中让信号按照指定频率进行聚类分解的变分约束条件,并采用弹性网回归重构不适定问题的求解模型,提出了弹性变分模态提取算法.实验结果表明,在波段850 nm、平均发射功率为25 nW、背景噪声平均功率为19.51μW的条件下,利用该方法,得到了时间相关单光子计数信号重建精度的均方根误差为1.414 ns.同时在不同的累积时间下,能够稳定且快速地提取出回波信号特征,有效地提高了算法的去噪能力和特征提取的性能.     

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.     

基于混沌人工蜂群算法的无线传感器网络覆盖优化

针对无线传感器网络随机播撒的节点严重冗余并且导致网络寿命短、覆盖效率不高等缺陷,提出了一种混沌人工蜂群算法的无线传感器网络覆盖优化算法;将节点的利用率和覆盖率作为优化目标函数,建立与之对应的数学模型,之后用混沌人工蜂群算法改善人工蜂群算法陷入局部最优、收敛慢等问题,提高算法收敛速度和精度,对节点覆盖模型进行求解,得出网络最优覆盖方案;通过实验仿真,提出的算法提高了无线传感器网络的覆盖率,覆盖率可达93.48%以上,减少了网络节点冗余,提高了网络寿命,降低了网络成本。     

基于矢量化差分相位的单分布源解耦二维波达方向估计

在分布源(包括相干分布源和非相干分布源)的二维波达方向估计中,均匀圆阵由于可实现全方位测角、具有较高的分辨率,得到了广泛的应用,然而现有的估计算法均需要谱峰搜索和特征值分解,复杂度较高.针对此问题,考虑单个相干分布源或非相干分布源入射两种情况,提出了一种基于矢量化差分相位的解耦二维波达方向快速估计算法.该算法首先基于空间频率近似模型,证明了任意单个分布源入射时,均匀圆阵中不同阵元接收信号间的差分相位均不受角度扩展参数的影响;基于此特性,通过获取差分相位即可实现中心波达角的解耦合;接下来,提取采样协方差矩阵的严格上三角元素相位,即对应于各阵元间的差分相位,并进行矢量化处理,最终将波达方向估计问题转化为一个最小二乘问题,从而直接得到闭式解,避免了谱峰搜索和特征值分解运算,大幅度降低了复杂度.理论分析和仿真实验表明,所提算法具有较高的估计精度,并且无需角信号分布的先验信息,同时具备较低的计算复杂度和硬件复杂度,有利于复杂环境下阵列测向等工程实践.     

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.     

大动态范围激光雷达回波信号饱和处理算法

对激光雷达距离探测中的回波信号建模,提出一种窗宽自适应形心修正算法,根据窗宽与饱和度的关系建立窗宽自适应模型以获取形心,并采用中位数修正,实现高精度饱和波形时刻提取.利用Matlab进行仿真分析,结果表明当信噪比为10dB时,窗宽自适应形心修正算法精度为0.3ns,相比于传统形心算法提高92%,可有效解决形心漂移问题.利用板级系统实测波形验证算法,并针对实测波形的微小畸变修正该算法,结果表明在饱和波形下该算法时间精度可达0.5ns,可实现7.5cm的测距精度,有效增大测距动态范围,降低系统复杂度.     

基于神经元网络和人工蜂群算法的拉曼光纤放大器设计方案

介绍了一种将反向传播(BP)神经网络算法与人工蜂群算法相结合的方法,并用该方法对多泵浦拉曼光纤放大器的设计进行了优化.通过研究多层BP神经网络中的隐藏层层数和神经节点数,确定了最佳的学习模型,该模型可以精准地反映泵浦波长和泵浦功率与拉曼净增益分布间的映射关系,能代替传统求解拉曼耦合波方程的方法.同时,为了提高增益谱的平坦性,采用人工蜂群算法来优化泵浦参数,得到了最优的泵浦波长和泵浦功率.仿真结果表明,通过将训练好的BP神经网络模型加入到人工蜂群算法中,所研究的拉曼放大器达到了期望的增益性能,且其目标值与预测值的最大误差不超过0.29 dB.该设计方案为拉曼光纤放大器的研究提供了新的思路和方法.     

基于混合Taguchi-GA算法的MIMO-OFDM信号检测

为了避免传统MIMO-OFDM信号检测方法具有的计算量过大而导致的算法复杂度高的问题,设计了一种基于混合Taguchi方法和GA算法的MIMO-OFDM信号检测方法,首先建立了MIMO-OFDM信号检测的模型,然后依据信号检测模型建立目标函数,将目标函数作为混合Taguchi-GA算法的适应度函数,通过个体在信号检测问题的解空间中进行不断地选择、交叉和变异等操作来求解全局最优解,为了进一步增加算法的全局寻优能力,通过Taguchi方法进一步在交叉和变异之间产生新个体;最后,定义和描述了基于混合Taguchi和GA算法的MIMO-OFDM信号检测算法,仿真实验表明,文中方法能有效进行信号检测,与其他方法相比,在BPSK调制和16QAM调制情况下,均具有较小的BER均方误差。     

蜂群算法在光伏电池双二极管五参数模型中的应用

为解决光伏电池双二极管五参数模型中参数辨识准确度低的问题,提出了一种人工蜂群算法.该方法采用曲线拟合来求取参数,用求出的电流计算值来比较标准化的均方根误差百分比.采用变量替换法,使双二极管模型方程中指数因子只含一个变量,通过编程求解电流的计算值.运用蜂群算法和牛顿-拉夫逊法求得标准化的均方根误差百分比为0.011 7%和6.35%.实验及分析表明蜂群算法的优化准确度明显优于牛顿-拉夫逊解析法、遗传算法、模式搜索算法和模拟退火算法,为光伏电池参数辨识提供了一种新的思路.     

基于数字信号处理的嗓音控制开关(VOX)算法研究

本文提出了一种基于数字谱分析的嗓音控制开关(VOX，Voice—Operated Transmit)的新算法，该算法简单、实用，在某种程度上克服了传统VOX算法的结构复杂、参数难调等局限，对噪声的鲁棒性也较好，而且易于用数字信号处理实现。首先利用信号功率谱二次处理，提取出语音的平均幅度包络，然后对所得包络进行阈值处理、限幅放大，最后就得到VOX函数。理论分析和计算机模拟结果表明，该算法不仅能较为准确地提取出语音波形的平均幅度包络，而且能工作在较低的信噪比条件下。     

基于粒子滤波的单通道正弦调频混合信号分离与参数估计

以单通道正弦调频(SFM)混合信号为研究对象,提出了基于粒子滤波的正弦调频混合信号分离与参数提取方法.针对正弦调频混合信号频率无跳变的特征,提出了一种基于粒子滤波的相位差解混叠算法,并通过源信号相位差解决了本算法中粒子滤波高维状态空间降维问题,提出了一种适合高维状态空间的似然函数模型,比较固定长度粒子估计值和真实值误差,进而准确衡量粒子权重.通过在重采样后引入MCMC转移,解决了静止参数下粒子多样性降低问题,有效提高粒子滤波迭代收敛速度.从而在先验知识仅已知信号调制方式的情况下,完成对单通道正弦调频混合信号的参数提取,并通过重构信号完成正弦调频混合信号分离.最后通过仿真分析发现,该方法能够有效的实现正弦调频混合信号的分离与参数估计.     

一种面向信息带宽的频谱感知方法研究

本文利用频带宽度先验信息,提出一种面向信息带宽的自适应调制宽带转换器结构.该结构的总采样率为信号信息带宽的四倍,远小于信号的奈奎斯特采样频率,从而更有效利用采样资源,降低采样数据量,提高处理实时性.通过对该结构中随机波形函数周期的选择,可以实现对系统采样率和系统物理实现复杂度的权衡取舍,从而适应不同场合中的应用.本文通过理论分析给出了该结构实现信号精确重构的充分条件.引入多重信号分类算法,分析了该结构适用此算法的充分条件.本文通过仿真实验对上述分析进行了有效性验证.该系统可以应用于隐形装备的吸波材料的前端特性分析、认知无线电的频谱感知.     

基于垂直阵模态分解的低频水声信号盲解卷处理研究

研究了基于人工时反处理的水声信号盲解卷方法,并在此基础上提出了一种基于简正波模态分解的低频水声信号的盲解卷处理方法。该方法适用于浅海波导中垂直阵接收的远程低频水声信号的盲解卷处理。该方法首先从浅海中垂直阵接收的信号中提取(估计)出波导中传播的简正波模态函数信息,然后,根据估计的模态函数信息通过模态滤波来实现水声信道盲解卷处理。针对典型的浅海波导环境,进行了计算机仿真试验,结果表明:(1)远程低频条件下,模态分解方法可以从垂直阵接收的信号中提取出波导中有效传播的模态函数信息,因此这种方法解决了目前人工时反处理方法需要准确的模态函数先验信息的问题;(2)在一定带宽条件下,接收信号信噪比较低时,本文给出的这种基于模态滤波的盲解卷方法比人工时反处理具有更好的解卷性能。     

热损耗条件下导热系数反演模型及实验研究

通过导热反问题反演求解导热系数通常误差较大,本文构建考虑热损耗条件下的虚拟薄板模型精确求解导热系数。首先通过数值算例验证模型的准确性和稳定性,正向问题使用有限差分法进行求解,反问题求解采用人工蜂群算法进行目标函数最优化。然后搭建第二类边界条件下导热正向装置,进行导热系数实例反演和实验研究,并将新模型与理论模型反演结果对比分析。结果表明理论模型反演结果的相对误差约为-14.76%,而新模型下导热系数反演相对误差达到-4.67%。新模型较理论模型反演结果更精确,有效降低了热损耗对反演的影响,提高了反演精度,更符合实际工况。     

一种基于人工蜂群算法的混沌信号盲分离方法

混沌信号所固有的非周期、宽带频谱和对初值极度敏感等特性使得对这类信号进行盲分离极为困难. 针对这一问题, 提出一种新的盲分离方法, 该方法通过相空间重构来构造代价函数, 将混沌信号的盲分离转化为一个无约束优化问题, 并利用人工蜂群算法进行求解. 不同于现有的独立成分分析方法仅使用混合信号的统计特性来解决分离问题, 该方法能充分利用混合信号内在的动态特性, 因而在处理混沌信号这种确定性信号时能获得更好的分离效果. 此外, 正交矩阵的参数化表示有效地降低了盲分离问题的复杂性, 使优化过程能快速收敛. 实验结果表明, 该方法具有较快的收敛速度和较高的数值精度, 在分离混沌信号时其整体性能优于现有的几种盲分离方法. 同时, 在分离混沌-高斯混合信号的实验中该方法也展现出优异良好的性能, 这表明该文的方法有应用潜力.