从阵元域到模态域阵列信号处理

阐述了模态域阵列信号处理技术.以球面阵为例,从阵元域信号处理基础出发,推导了对应的模态域阵列信号处理表达式,其中重点推导了模态域波束形成器与时域宽带波束形成器设计及其实现方法,设计实例验证了方法的有效性.结果表明模态域处理与经典的阵元域处理具有相似的形式,因此可以将比较成熟的阵元域算法推广到模态域.相比于阵元域处理,模...     

基于分数阶傅立叶变换的线性调频回波参数估计

本文提出了一种适用于宽带线性调频回波的分数阶傅立叶变换参数估计方法。它通过寻找合适的信号代替发射信号做模版,使得模版信号与接收信号的模糊函数匹配度高,峰值尖锐,失真率低。再利用分数阶傅立叶变换与模糊函数的关系,使用两次分数阶域的峰值搜索代替原有的一次二维搜索降低计算量。仿真实验结果表明,本文提出的方法在精确估计宽带回波的时延和频移的同时降低了计算复杂度。     

基于薄板样条插值法的MEMS陀螺仪温度补偿模型辨识

MEMS陀螺仪以其优异的性能及廉价的成本,被广泛地应用于水下航行器中;然而传感器的温度变化严重影响测量精度,因此,对其温度补偿模型准确辨识具有重要意义。本文利用基于可持续激励准则的快速标定算法获取标定参数,然后利用薄板样条插值方法建立MEMS陀螺仪温度补偿模型,并将该方法辨识结果与多项式拟合算法的辨识结果进行对比,实验验证,利用本文所提出算法辨识得到的传感器温度补偿模型,有效改善了MEMS陀螺仪测进精度。      

锐钛矿型TiO2(001)-(1×4)表面还原型缺陷对乙醛偶联反应的作用

本文利用程序升温脱附技术(TPD)研究了乙醛吸附在锐钛矿型TiO₂(001)-(1×4)表面的化学性质. 实验结果表明完整晶格位点对乙醛反应表现极为惰性,而表面上的还原型缺陷位点在热驱动下可有效地使乙醛分子通过碳-碳偶联反应生成2-丁酮和丁烯. 提出了乙醛在锐钛矿型TiO₂(001)-(1×4)表面偶联反应主要是通过表面还原型缺陷位吸附成对的乙醛分子,因为表面已有的钛原子对还原型缺陷为乙醛分子提供了合适的吸附位点.     

宽带波束形成器的设计与实现

综述了宽带波束形成器的设计与实现问题,归纳出一种统一的窄带(子带)波束优化设计方法──多约束优化设计法,并推广为FIR宽带波束形成器统一优化设计法.阐述了频域DFT宽带波束形成器结构及其子带波束加权向量设计方法,以及时域FIR宽带波束形成器结构及其各通道FIR滤波器的设计方法,对几种具有代表性的方法的原理与性能进行了分析与比较.所归纳出的统一设计法将很多现有的波束设计法纳入统一框架体系,使之成为它的一个特例,可以满足多样化频域子带与时域宽带波束形成器设计的需求,提供灵活的波束设计准则,且设计精度高.子带与FIR宽带多约束统一设计法的优越性能在稳健旁瓣控制恒定主瓣响应自适应波束形成器设计问题中得到了充分的体现.     

Costas编码跳频信号多普勒容限及其在多声源宽带正交检测中的应用

针对Costas信号的传统宽带匹配滤波因拷贝信号生成过程复杂而带来的计算复杂度高的问题,给出了一种通过计算宽带回波与窄带近似回波的互相关度进而得到Costas信号多普勒容限的数值计算方法,并提出利用容限值对预测目标多普勒范围进行分段窄带近似处理,从而避免了大量的时域伸缩变换,简化了拷贝信号的生成复杂度,提高了宽带匹配滤波的处理效率。随后,将这种方法扩展应用到多声源多目标的回波检测中,利用Costas信号的正交性及多普勒容限值,设计了一种宽带正交匹配检测器,大大提高了多目标声探测的效率。实验仿真和分析证明了多普勒容限求取方法的正确性及其应用于宽带正交匹配检测的有效性。      

用于混响中信号检测的空时预白化处理器

提出了一种新型的空时预白化处理器用于抑制混响,它是基于二维自回归模型的。这种处理器将接收到的数据从空间和时间上联合进行处理,进而分离目标回波和混响。这种方法较传统的从空间和时间上分别进行处理的方法能够更有效的抑制混响。通过与传统的一维自回归预白化处理器相比较,使用空时预白化处理器后的检测效果提高了约9~11 dB。      

非等声速信道下的循环神经网络机动目标跟踪模型

针对水下非等声速信道声线弯曲导致传统滤波跟踪轨迹偏差的问题,提出一种循环神经网络的目标跟踪模型。该模型在缺乏声速剖面信息的情况下,通过数据驱动迭代训练,学习输入观测值与输出状态值之间的映射关系,实现目标位置和瞬态特征变化的精确获知。蒙特卡洛仿真实验结果表明,本文模型在非等声速信道下复杂机动场景中相较传统单模型滤波算法以及交互式多模型算法,水平距离跟踪精度分别提升4.06%,1.57%,深度估计精度分别提升0.87%,0.85%。本文模型相较于传统滤波方法具有更高的跟踪精度,并且能够在失配声速分布信道下进行迁移学习,提升模型在失配声场环境下的泛化性。      

非高斯环境下的深度学习脉冲信号去噪与重构*

侧扫声呐进行沉底小目标探测时,底混响是主要背景干扰。底混响通常是一种非平稳、非高斯的带限噪声,它使得白噪声条件下的滤波器性能受到限制。在混响背景下常利用自回归模型对接收信号进预行白化处理,但对于实际侧扫声呐应用,白化后直接匹配滤波的处理效果不甚理想。针对此问题,在自回归模型预白化的基础上,提出采用一种次最佳检测与多分辨二分奇异值分解相结合的改进方法。该方法首先对接收信号进行分段处理,利用改进Burg算法估计每段数据自回归模型的系数及阶数;然后构造白化滤波器对分段数据预白化,并对白化后的数据进行多分辨二分奇异值分解;最后应用ostu方法对原始声图和处理后的声图进行目标检测。仿真与实验结果表明,该方法明显提高了信混比,改善了侧扫声呐沉底静态小目标的成图质量,有利于后期实现基于图像的目标自动检测。     

一种面向声纳群目标检测应用的盲波束形成改进算法

随着水下自主航行器（UUV）及其声纳检测系统的智能化水平的提高，多UUV协同工作成为重要的研究方向，阵列信号处理中的盲波束形成理论可用于处理该类问题。Coviello提出了一种便于实时应用的盲波束形成算法，但其算法适用面窄，本文通过阵元对理论对其算法加以改进，以适应UUV间的位置误差，从而改善UUV群对目标方位的被动估计能力。仿真实验显示，改进算法在保持Coviello算法良好性能的前提下具有更广阔的适用性。