不确定海洋环境中基于蒙特卡罗优化的稳健检测方法

常规的检测算法在实际不确定海洋环境中会遇到环境失配的问题,进而导致检测性能下降。本文结合贝叶斯原理和广义似然比方法,基于蒙特卡罗优化技术,提出了一种不确定海洋环境中信号检测方法。该检测器将环境先验信息应用到广义似然比检验中,在保证有效检测的基础上,降低了计算复杂度。同时给出了精确模型匹配检测器、最优贝叶斯信号检测器、平均模型匹配检测器和能量检测器作为对比的检测算法。计算机仿真和SWellEx-96海上实测数据处理结果表明,本文提出的信号检测器检测取得了优于平均模型匹配检测器和能量检测器的性能,其计算效率也有明显提高。     

不确定海洋环境中基于蒙特卡罗优化的稳健检测方法

常规的检测算法在实际不确定海洋环境中会遇到环境失配的问题,进而导致检测性能下降。本文结合贝叶斯原理和广义似然比方法,基于蒙特卡罗优化技术,提出了一种不确定海洋环境中信号检测方法。该检测器将环境先验信息应用到广义似然比检验中,在保证有效检测的基础上,降低了计算复杂度。同时给出了精确模型匹配检测器、最优贝叶斯信号检测器、平均模型匹配检测器和能量检测器作为对比的检测算法。计算机仿真和SWellEx-96海上实测数据处理结果表明,本文提出的信号检测器检测取得了优于平均模型匹配检测器和能量检测器的性能,其计算效率也有明显提高。      

浅海环境中的匹配模态空间检测器

将水下声传播规律融入到算法设计中可以有效提高被动声呐目标检测性能。当声源位置未知时,广义似然比检测器和贝叶斯检测器分别通过搜索和积分的方式来消除声源位置不确定性的影响。但是,基于有限个信号波前实现的广义似然比检测器和贝叶斯检测器在某些声源位置上存在性能大幅下降的问题。为此,利用水下声传播的物理特性,提出了一种稳健的子空间检测器——匹配模态空间检测器,稳健的意义在于:当阵列获取到的辐射声信号能量给定时,检测器可以在不同声源位置情况下提供相同的检测性能。该检测器通过模态空间一定程度上利用了海洋环境知识,获得了比具有相同稳健性的能量检测器更好的检测性能。典型浅海环境中的仿真实验对比结果表明:匹配模态空间检测器相比广义似然比检测器和贝叶斯检测器的峰值性能下降较小、所需的计算量更少、对环境失配的宽容性更好。      

环境扰动约束下的稀疏贝叶斯定位方法

针对匹配场被动定位技术对海洋环境扰动敏感的问题,提出了一种基于稀疏贝叶斯学习的稳健匹配场处理方法。该方法通过分析环境扰动情况下的声场构成,建立了海洋环境扰动模型,同时结合水下定位问题的稀疏性,将匹配场被动定位问题表述为稀疏信号重构问题。然后,使用稀疏贝叶斯学习方法迭代更新目标位置及模型失配权向量,收敛至最优稀疏解作为目标定位结果。最后使用仿真数据和北厄尔巴岛的海试数据对算法进行了验证,仿真和实验结果表明:该算法在海洋环境模型失配情况下也能够准确定位,且能分辨水平间距为100 m的两个目标。因此,基于稀疏贝叶斯学习的稳健匹配场处理方法能够有效利用海洋环境扰动声场结构和水下定位稀疏特性,以增强匹配场处理的稳健性和定位精度,并且具有应对多源定位问题的能力。      

不确定浅海环境中水平阵角度域子空间检测

在复杂浅海波导中,环境参数的不确定性影响检测的稳健性,故稳健检测是浅海检测中的重要问题.本文结合简正波模型,定义和估计了不确定环境中的水平阵角度域子空间,提出了水平阵角度域子空间检测器及其稳健形式.角度域子空间利用了不同环境参数条件下的水平阵远场观测模型,包含了不确定环境参数信息,估计过程中利用了硬海底条件下传播模态的水平波数与水体、沉积层声速之间的关系,具有较少的先验信息要求和较低的实现复杂度.在此基础上提出的水平阵角度域子空间检测器实现简单,在不确定环境中具有一定的稳健性,但其检测性能随目标方位角起伏.将角度域子空间变换到维数恒定的子空间中,得到角度域子空间检测器的稳健形式,即稳健水平阵角度域子空间检测器,该检测器在不确定环境中具有一定的稳健性,同时检测性能在各目标方位上一致.不确定浅海环境中的仿真结果表明,稳健水平阵角度域子空间检测器具有和能量检测器近似的稳健性,同时提高了检测能力.     

不确定海洋声场中的检测性能损失环境敏感度度量

现有的检测算法在实际的不确定海洋环境中会出现失配情况, 进而导致检测性能下降, 但是定量分析这种检测性能损失的工作却很少见, 因此本文定义了检测性能损失敏感度函数, 并给出了基于蒙特卡罗方法的计算方法.检测性能损失敏感度是一个表征海洋环境不确定度的物理量, 它反映了海洋参数变动和检测性能损失之间的关系.利用地中海某处海洋环境进行仿真, 针对各个海洋环境参数, 计算了全海域的检测性能敏感度. 结果表明: 1)检测性能损失呈现了很强的空间性, 在20 km处, 水面声速有4 m/s的变化下, 检测损失最小为1%, 而最大达到60%.声信道中的检测性能较为稳定, 其在远距离上更是如此; 2)各个海洋环境参数对检测性能损失有不同的影响, 水体声速剖面和第一层海底介质的声速和厚度是对检测性能影响最大的量; 3)环境参数敏感度呈现很强的频率特性, 海底底质参数包括底质厚度、密度和吸收系数等随着频率的升高对检测性能的损失影响变小. 关键词： 检测性能损失 环境敏感度 不确定海洋环境     

不确定海洋环境中的模态子空间重构稳健定位方法

实际的海洋是一个不确定的声传播环境,常规的匹配场方法在进行目标定位时会遇到环境失配的问题,导致定位性能下降.在不确定的海洋环境中,声场传播中的一部分简正波模态受到声场不确定性的影响较小.基于此,本文提出了一种模态子空间重构的稳健定位方法.该方法使用稳定的模态来重构拷贝场向量,相比于常规匹配场定位方法中使用全阶模态来构造拷贝场向量,其定位结果更加稳健.利用计算机仿真数据和海试数据进行了定位性能分析,并给出了常规匹配场定位方法和稳健最大似然定位方法作为对比.研究结果表明:1)不确定海洋环境中,常规匹配场定位方法即使在较高的信噪比条件下其定位性能也较差.2)模态子空间重构定位方法的性能优于常规匹配场定位方法和稳健最大似然方法.     

一种基于单似然检验的高光谱图像小目标检测器

针对背景和目标的先验光谱特征未知的条件,给出一种基于单似然检验的高光谱图像小目标检测器。小目标相对于背景的低概率性使得高光谱图像数据对目标光谱信号的矩特征几乎不施加约束,可在最大熵条件下将广义似然比检验简化为对背景似然的单似然检验;利用全部数据样本建立无参估计模型以充分利用样本信息,从而得到基于单似然检验的高光谱图像小目标检测器。该检测器避免了统计模型误差和不明确物理含义特征对实际高光谱图像数据检测带来的影响。使用可见光/近红外波段机载I型实用型模块化成像光谱仪(OMIS-I)高光谱图像进行了实验,实验结果及相应理论分析表明该算法可有效检测高光谱图像中的空间低概率目标。     

高斯噪声背景下稳健型Durbin检测器设计

考虑了一种水下高斯噪声环境中的多通道点目标自适应检测问题,且高斯噪声的协方差矩阵未知。通常,描述这类问题的假设检验中包含多重未知变量,所以不存在一致最优检验,为此,我们采用Durbin检验准则的一阶近似寻求其次优解。在设计阶段,推导出Durbin检验所对应的检验统计量,以及虚警概率的闭式解,并由此证明Durbin检验具有对噪声协方差矩阵的恒虚警特性。在仿真阶段,分析了新检测器的性能,并与传统的广义似然比检验(GLRT)、自适应匹配滤波(AMF)检测器进行比较。仿真和实验结果表明在目标导向向量失配情况下,Durbin检验的检测性能优于传统检测器,但是在信号匹配情况下Durbin检验的检测性能略有损失。      

参数未知的舰船辐射噪声检测方法

舰船辐射噪声的检测方法已有广泛研究,其中线谱特征是检测的重要依据。基于线谱特征的舰船辐射噪声检测方法常需要线谱数目、频率等参数作为检测的先验信息,这些信息不准确或无法确知时,检测方法的性能会受到显著影响。针对实际应用中对于未知舰船无法获得其参数信息的情况,研究基于连续谱谱峰特征的更为一般性的信号存在性检测方法。将窄带信号瞬时频率分析的思想扩展到舰船辐射噪声这类宽带信号,从信号频率与能量分布的角度推导得到宽带信号"瞬时频率"的近似表示式。构建宽带信号的瞬时频率检测器,并对其性能进行理论分析,结果表明该检测器的性能主要受舰船辐射噪声瞬时频率方差以及接收信噪比影响。通过计算机仿真和实际数据对算法的性能进行了验证。     

水下运动声源的方位方差检测方法

为了提高对水下运动目标的检测能力,利用水下目标辐射信号与海洋环境噪声在空间分布特性上的差异,提出了一种方位方差检测方法。该方法采用时延估计法估计目标方位,对方位求方差以获得检验统计量。采用奈曼-皮尔逊准则,推导了该方法的检测概率关系式,得出了检测性能与信噪比关系曲线,并与宽带能量检测方法进行了比较,表明该方法的性能远优于宽带能量检测方法。理论分析和海上试验结果都验证了该方法的有效性。     

简明分数阶傅里叶变换及其对线性调频信号的检测和参数估计

针对低信噪比下线性调频信号的检测问题,提出了一种简明分数阶傅里叶变换方法。该变换借助chirp相乘和傅里叶变换对时频平面上的频率轴进行旋转,以获取信号在各个角度下频率轴上的频谱分布。对时频分布呈直线状的线性调频信号,简明分数阶傅里叶变换能在特定角度上将信号能量聚集成尖锐的强能量峰,从而提高信噪比,实现对线性调频信号的可靠检测和参数估计。数值仿真和实验验证结果表明,简明分数阶傅里叶变换可对较低信噪比的线性调频信号实现有效检测,并由变换域峰值的位置对信号参数进行准确估计。相比于传统的分数阶傅里叶变换方法,简明分数阶傅里叶变换的复杂度更低,离散计算效率更高,在对噪声掩盖下的线性调频信号进行检测和参数估计时能更好地满足实时处理的要求。      

A generalized power-law detection algorithm for humpback whale vocalizations

Conventional detection of humpback vocalizations is often based on frequency summation of band-limited spectrograms under the assumption that energy (square of the Fourier amplitude) is the appropriate metric. Power-law detectors allow for a higher power of the Fourier amplitude, appropriate when the signal occupies a limited but unknown subset of these frequencies. Shipping noise is non-stationary and colored and problematic for many marine mammal detection algorithms. Modifications to the standard power-law form are introduced to minimize the effects of this noise. These same modifications also allow for a fixed detection threshold, applicable to broadly varying ocean acoustic environments. The detection algorithm is general enough to detect all types of humpback vocalizations. Tests presented in this paper show this algorithm matches human detection performance with an acceptably small probability of false alarms (P(FA) < 6%) for even the noisiest environments. The detector outperforms energy detection techniques, providing a probability of detection P(D) = 95% for P(FA) < 5% for three acoustic deployments, compared to P(FA) > 40% for two energy-based techniques. The generalized power-law detector also can be used for basic parameter estimation and can be adapted for other types of transient sounds.     

水下连续波有源探测的回波检测算法

研究线性调频连续波在水下探测中的信号模型、回波信号的检测和目标参数估计方法,通过分析回波信号与发射信号间的差拍信号,提出差拍-分数阶傅里叶变换结构的处理算法。为了减少分数阶傅里叶变换二维搜索时的计算量,首先使用Radon-Ambiguity变换估计差拍信号的调频斜率,再做相应阶次的分数阶傅里叶变换。数值仿真说明提出的算法能够有效消除线性调频连续波的距离-速度耦合现象,准确估计目标参数。通过湖上试验比较线性调频脉冲信号和线性调频连续波的处理增益,提出的算法处理的连续波比匹配滤波方法处理的脉冲信号处理增益大13 dB。研究结果表明该算法在连续波水下探测中可行有效,不仅能够准确估计目标参数,还具有良好的检测性能。      

一种最差情况下性能最优化的特征分析自适应波束形成方法

自适应波束形成在弱目标检测和空域滤波中应用广泛。然而在实际海洋环境中,失配情况比较普遍,往往会导致传统自适应波束形成方法性能明显下降。针对此问题,本文基于特征分析重构观测信号协方差矩阵来抑制干扰对弱目标检测的影响,在此基础上进一步利用凸优化算法来提高波束形成方法的鲁棒性。数值仿真和海试数据处理结果表明,本文所提方法在抑制干扰对弱目标影响的基础上,在阵元位置平均误差不超过入射信号中心频率对应波长的40%的情况下,仍可以鲁棒地检测目标信号。同时,该方法显著提高了自适应波束形成方法的输出信干噪比,且受对角加载量取值的影响较小。      

Low-complexity soft-output signal detector based on AI-SSOR preconditioned conjugate gradient method over massive MIMO correlated channel

Massive multiple-input multiple-output (MIMO) techniques with a large number of antenna elements at base station (BS) have been proved as an alternative to provide potential opportunity to increase the spectrum and energy efficiency. However, in the system, there generally exists a spatial correlation effect due to insufficient antenna elements spacing and/or the lack of rich scattering at BS. The minimum mean square error (MMSE) method performs signal detection at the expense of large-scale matrix inversion operation. Thus, the conjugate gradient (CG) method has received a lot of attentions to realize the MMSE detection efficiently. Unfortunately, this efficiency can be compromised due to the ill-conditioned equalization matrix of MMSE method over the correlated channel environments. Moreover, the hard output signal detection exhibits a sharply degradation in performance for higher-order quadrature amplitude modulation (QAM). Therefore, the modern communication systems use the soft-output information, i.e., log-likelihood ratio (LLR) along with the forward error-correcting code (FEC) to achieve satisfactory performance. The LLR computation along with a higher-order QAM remains challenging due to the exhaustive search of symbol in the modulation constellation. In this paper, a low-complexity soft-output signal detector based on approximate inverse symmetric successive over-relaxation preconditioned conjugate gradient (AI-SSOR-CG-SOD) method is proposed to realize MMSE method detection for uplink multiuser massive MIMO correlated channel. In the proposed method, a new preconditioner, an AI-SSOR, which is based on the Neumann series approximation of the inverse of the conventional SSOR preconditioner is firstly developed to handle ill-conditioned matrix, and then incorporated with CG method to improve the convergence rate and performance. According to the characteristic of the Gray-coding that adjacent symbols in the constellation set have only one different bit, the constellation set is divided multiple times based on the bits of the inphase and the quadrature components of the symbol, which reduces the complexity of the LLR computation of the transmitted bits by avoiding the exhaustive search process. Simulation results show that the AI-SSOR preconditioner is robust against spatial correlation effect, and the proposed detector converges at 3 iterations. Simulation results also show that the proposed detector achieves a better trade-off between the complexity and the performance compared to other existing detectors.     

The concise fractional Fourier transform and its application in detection and parameter estimation of the linear frequency-modulated signal

A concise fractional Fourier transform(CFRFT) is proposed to detect the linear frequency-modulated(LFM) signal with low signal to noise ratio(SNR).The frequency axis in time-frequency plane of the CFRFT is rotated to get the spectrum of the signal in different angles using chirp multiplication and Fourier transform(FT).For LFM signal which distributes as a straight line in time-frequency plane,the CFRFT can gather the energy in the corresponding angle as a peak and improve the detection SNR,thus the LFM signal of low SNR can be detected.Meanwhile,the location of the peak value relates to the parameters of the LFM signal.Numerical simulations and experimental results show that,the proposed method can be used to efficiently detect the LFM signal masked by noise and to estimate the signal's parameters accurately.Compared with the conventional fractional Fourier transform(FRFT),the CFRFT reduces the transform complexity and improves the real-time detection performance of LFM signal.     

A stereo vision-based obstacle detection system in vehicles

Obstacle detection is a crucial issue for driver assistance systems as well as for autonomous vehicle guidance function and it has to be performed with high reliability to avoid any potential collision with the front vehicle. The vision-based obstacle detection systems are regarded promising for this purpose because they require little infrastructure on a highway. However, the feasibility of these systems in passenger car requires accurate and robust sensing performance. In this paper, an obstacle detection system using stereo vision sensors is developed. This system utilizes feature matching, epipoplar constraint and feature aggregation in order to robustly detect the initial corresponding pairs. After the initial detection, the system executes the tracking algorithm for the obstacles. The proposed system can detect a front obstacle, a leading vehicle and a vehicle cutting into the lane. Then, the position parameters of the obstacles and leading vehicles can be obtained. The proposed obstacle detection system is implemented on a passenger car and its performance is verified experimentally.