高速运动目标的自适应线谱增强算法研究

本文研究了低信噪比、目标高速运动情况下,多普勒频移较大时针对线谱信号的自适应增强算法。对海试数据的分析表明,常规自适应线谱增强算法对多普勒频移下的线谱增强效果明显,但要求信噪比较高,且实时性较差;基于高阶累积量对角切片的自适应线谱增强算法对非线性高斯色噪声下的线谱增强效果显著,但对低信噪比环境下变化线谱的跟踪性能较差;频域批处理自适应线谱增强算法对低信噪比下的线谱信号具有很好的增强效果,降低了运算量。     

基于二级自适应滤波的水下目标动态谱线增强算法研究

为了从非高斯噪声环境中有效提取水下目标辐射的线谱信号,以提高水下探测系统检测水下目标的能力,提出了基于二级自适应滤波的水下目标动态谱线增强算法,该算法用基于高阶累积量能量幂函数变步长极性迭代的自适应谱线增强器作为第一级,用传统的自适应谱线增强器(ALE)作为第二级,实行串级联接。用输入信号的峭度定义了峭度信噪比,并用此分析了该算法的性能。用水下某目标辐射线谱的实测数据,对该算法的性能进行了仿真研究。结果表明:当环境噪声为瑞利噪声或混合噪声(包含均匀分布、瑞利分布和拉普拉斯分布的噪声成分)时,该算法与ALE算法相比,有良好的抑制抑高斯噪声或非高斯噪声、提高信噪比和跟踪时变信号的性能。     

水声信号稀疏重构的高阶累积量波达方向估计

高阶累积量具有高斯噪声抑制和阵元扩展特性,将高阶累积量引入水声信号的方位估计中,提出了离格稀疏贝叶斯学习重构的高阶累积量测向算法。该方法利用高阶累积量对高斯噪声的自然盲性,计算阵列信号四阶累积量来滤除高斯噪声,使阵元在原来的结构上扩展了一倍;并构造出选择矩阵剔除了四阶累积量中的冗余项,能再一次的扩展阵元,得到的新观测模型具有更好的统计性能;最后利用空域稀疏性,推导出四阶累积量下的离格稀疏表示模型,采用贝叶斯学习解算出源信号的最大后验概率,实现了目标方位估计。数值仿真和海试实验数据表明,该方法在相邻声源方位间隔为4°的情况下分辨概率可达到95%以上,在信噪比大于-5 dB时目标方位估计的均方根误差在1°以内,可显著抑制背景噪声干扰,在多声源密集分布条件下也能准确、稳健的对水声目标方位进行估计。      

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。      

用于拖曳式线列阵的一种新的线谱增强系统

拖曳式线列阵是近来声呐信号处理领域中非常活跃的课题.自适应线谱增强器有可能用于拖曳式线列阵的信号处理系统.在利用LMS迭代算法的自适应线谱增强器中,由于存在迭代噪声,系统增益与输入信噪比有关.如果不抑制拖曳平台的噪声,线谱增强系统的效用就无法发挥出来,文中提出用自适应噪声抵消系统和自适应线谱增强器级联的概念.首先把拖曳平台的噪声作为干扰加以抑制,再对输出信号进行线谱增强,从而可以提取微弱信号的线谱分量.     

偏度最大化多通道逆滤波语音去混响研究*

房间混响会降低语音质量和语音可懂度。高阶统计量是衡量非高斯性的重要参量,基于语音非高斯特性可实现语音去混响。本文提出一种基于高阶统计量的多通道语音去混响方法,该方法首次用多通道语音信号线性预测残差的三阶统计量偏度（Skewness）构造代价函数,以去混响重建信号线性预测残差的偏度最大化为目标自适应地更新逆滤波器;同时结合语音信号的产生模型,提出基于偏度准则的线性预测与房间脉冲响应逆滤波联合估计方法,进一步提高去混响算法性能。实验结果表明,该方法相较于已有的基于线性预测残差四阶统计量峰度（Kurtosis）的方法具有更好的去混响效果,且对噪声具有更强的鲁棒性。     

肺音信号的非线性检测与肺胸系统声传递特征研究

利用高阶累积量从肺音信号中提取肺胸系统声传递函数。肺音信号存在着多种干扰噪声，其综合可视为高斯噪声，用高阶累积量对非高斯ＡＲ模型的高斯噪声抑制能力进行了仿真研究。在肺胸系统正常和机能异常情况下对肺泡呼吸音、哮鸣音、喘鸣音和破裂音进行了分析。实验结果表明高阶累积量能够很好地提取由于肺部机能异常引起的肺胸系统声传递函数的变化。     

一种声发射信号方位角自适应监测算法*

四阶累积量可用于声发射信号处理,结合盲波束形成算法可对声发射信号的方位角进行估计。由于四阶累积量的计算量较大,采用迭代计算的思想,提出一种基于四阶累积量的自适应声发射信号方位角监测算法。与改进前的算法相比,自适应算法的计算复杂度和所需存贮空间均显著降低,可用于声发射信号的方位估计和监测。计算机仿真及实测数据分析均验证了算法的有效性。     

基于主副瓣比加权的未知线谱目标检测方法研究

针对目标辐射线谱信号未知时的目标检测问题,依据水下目标辐射噪声含有高强度稳定线谱这一特征,该文提出了一种基于波束形成主副瓣比加权的宽带波束形成目标检测方法。该方法首先用二阶锥优化各频带波束形成,得到低旁瓣高增益波束形成;其次利用各频率单元波束形成主副瓣差异形成加权因子;然后利用加权因子对各频率单元波束形成进行加权统计,可以抑制背景噪声能量干扰,增强目标检测信噪比增益,克服传统线谱检测四维显示难点。理论分析和实验结果表明：该方法可以较好地增强目标线谱单元能量、抑制噪声、提高信噪比,改善能量累积检测法在远程目标检测方面的性能。     

采用四阶累积量多重矩阵重构的低信噪比相干声源波达方向估计

针对相干声源子空间能量扩散且协方差矩阵欠秩难以有效估计波达方向(DOA)的问题,提出了一种采用高阶矩阵变换的估计方法-四阶累积量多重矩阵重构(FOC-MMR)。该方法首先对阵列声压数据分帧进行短时傅里叶变换,然后对四阶累积量扩展的高阶协方差矩阵进行奇异值分解(SVD)得到高阶噪声特征向量,保证该噪声特征向量与扩展后的高阶阵列流形矢量正交匹配,最终实现相干信号的DOA估计。相干单频矩形脉冲信号仿真结果表明,将FOC-MMR方法应用于均匀线阵(ULA, M=4),在信噪比SNR≥-15 dB时,相干信号(θ₁=-20°和θ₂=20°)的均方根误差保持在1.5°以内;在SNR=10 dB时,可正确分辨的两相干信号方位间隔Δθ可以低至5°。在相干脉冲声源实验中,通过混入SNR=5 dB高斯白噪声,验证了FOC-MMR算法在应用于由多个ULA组成的矩形面阵时,其分辨邻近声源和抑制高斯噪声的能力较高。FOC-MMR算法通过对声压阵列数据扩展得到满秩的高阶协方差矩阵,不仅解决了由信号相干造成的噪声和信号特征向量之间能量扩散的问题,还实现了以较高的测向精度和...