基于改进基追踪去噪的水声单载波频域均衡信道估计

针对低信噪比下单载波频域均衡信道估计精度低导致均衡效果差的问题,利用基追踪去噪方法估计稀疏信道有效抽头具有的稳定特性,提出了一种在平稳水声信道条件下单载波频域均衡系统中应用的改进基追踪去噪稀疏信道估计方法。方法利用延拓循环前缀作为导频进行多次信道估计,将估计结果累积平均,再采用门限判决提取有效抽头得到信道估计值,从而提高了稀疏信道的估计精度。通过合理选择循环前缀延拓次数,尽可能地降低导频长度对频带利用率的影响。仿真对比分析了改进基追踪去噪算法与匹配滤波、最小平方以及传统基追踪去噪信道估计算法的性能以及对单载波频域均衡系统误码率的影响。仿真实验结果表明,改进基追踪去噪信道估计算法具有更优的估计精度,在单载波频域均衡系统中可以提高约3 dB的接收信噪比增益。     

基于共振型高灵敏度光声光谱技术探测痕量乙炔气体浓度

乙炔气体作为判断变压器运行状态的一种故障气体,其浓度的高低反映了变压器的运行状况,因此对其浓度的探测在变压器的维护中具有重要意义。为了准确探测变压器运行过程中产生的乙炔气体浓度,为变压器的维护提供技术参数,针对基于DFB激光器的共振型光声光谱技术痕量乙炔气体检测技术开展研究,对传统的光声光谱探测系统进行改进。根据光声光谱技术的理论可知,光声信号的强度与入射激光的功率成正比,所以在光声池的出射窗口采用一个平面反射镜将红外光再次反射到光声池中以增加入射光功率,增强光声信号强度,进一步提高了光声系统的探测灵敏度。通过一定浓度的乙炔气体在不同调制频率和不同调制深度下光声信号强度的变化,确定光声探测系统的最佳调制频率和最佳调制深度为767 Hz和0.3 mV。利用不同浓度乙炔气体对系统进行标定,然后采用最小二乘法对光声信号与气体浓度进行拟合,二者具有很好的线性度。通过Allan方差计算可知,系统在平均时间达到200 s时,能够达到最低探测极限浓度。实验表明,在一个大气压下,积分时间为10 ms时,改进后的共振型光声光谱探测系统对乙炔气体的最低探测极限浓度达到了0.3 μL·L-1。还将小波去噪技术引入到低浓度下乙炔气体的光声信号处理中,有效消除了低浓度气体光声信号中的噪声,提高了信噪比。设计的共振型光声光谱探测系统操作简单,最低探测浓度符合国标中对变压器维护过程中对乙炔气体的探测需求,在变压器维护领域具有广阔的应用前景。     

电力设备红外图像的小波阈值去噪方法研究

对于电力设备的红外图像自动检测系统,图像去噪是非常关键的。针对传统的小波硬、软阈值函数在去噪时存在的不足,在传统小波硬、软阈值函数的基础上对其进行了改进。改进的阈值函数克服了硬阈值函数不连续的缺陷,改善了软阈值函数具有恒定偏差的不足,并引入了两个变量,具有一定的灵活性。同时还使用了一种新的分层阈值选择函数代替统一阈值方法,以改善实际应用的效果。实验结果表明:改进的小波阈值去噪方法在视觉效果、峰值信噪比和均方误差方面都优于传统的硬、软阈值去噪方法;改进的小波阈值去噪方法可以运用到红外图像自动检测系统中,使系统具有更好的去噪效果。     

依据列相关性优化高斯测量矩阵

为了提高信号重建的精度以及稀疏度适用范围,提出了一种新的测量矩阵优化方法,减小测量矩阵和稀疏变换矩阵的相关性。首先,由测量矩阵和稀疏变换矩阵的乘积构造Gram矩阵;根据Gram矩阵的维数,计算互相关函数的下确界即Welch界;其次,由Welch界确定阈值,收缩Gram矩阵中大于阈值的非对角元;然后,由新得的Gram矩阵和稀疏变换矩阵反解出测量矩阵,迭代更新,从而达到减小相关性,优化测量矩阵的目的。实验结果表明：依据Welch界优化测量矩阵,能快速降低压缩感知矩阵相关性的最大值,提高OMP算法的性能,例如在误差率为10_-0.9时,原高斯随机矩阵需要23个观测值,算法优化后只需16个观测值,相对于Elad、Zhao等观测矩阵优化方法,文中提出的算法具有更小的重构误差,性能和稳定性也略有提升。     

多速率STFT超宽带信号瞬时频率估计研究

提出多速率短时傅里叶变换(Multi Rate Short Time Fourier Transform,MR-STFT)瞬时频率估计算法,提高了超宽带信号瞬时频率估计精度。该方法将多速率信号处理算法与短时傅里叶变换(STFT)技术相结合,兼顾采样频率和被测频率,将宽频范围进行分段采样,对分段处理结果进行拟合,构成多速率STFT算法,实现超宽带信号瞬时频率的高精度测量。论文通过对仿真信号和实测信号进行处理,研究了方法的可行性和频率估计精度,结果表明MR-STFT算法较大提高了超宽带信号瞬时频率估计精度,尤其对低信噪比的超宽带信号效果显著。     

Eigenspace-based source number estimation for direction-of-arrival estimation

A eigenspace-based source number estimation was presented.It projects the estimated covariance matrix of array signal into signal eigen-subspace and noise eigen-subspace, respectively.Using the orthogonality between signal eigen-subspace and noise eigen-subspace, it is easy to differentiate the contribution of signal and noise by using the criterion value,or the magnitude of projection.Like the Direction-of-Arrival(DOA) estimation algorithm,the estimator uses the eigenvalue decomposition of covariance matrix with order M×M,where M is the number of elements,and hence can save much computational burden.To reduce more computational burden,the estimation can be implemented by the decomposition in the real-value space.Computer simulation demonstrates the distribution of criterion value and the performance of the estimation method.The estimation method was also tested with the sonar data,which shows good performances.     

音频信号压缩技术的物理基础

信号压缩是数字电路中的一个基本概念，就其物理本质而言，这里的“压”指的是增加单位面积上的信号储存的密度；“缩”指的是在不影响感知效果的条件下减小信号中不必要的成分．人们对于“压”的理解通常比较深刻，下面以音频信号为例，主要从“缩”的角度出发谈谈音频信号压缩技术的物理基础．     

范斯沃斯（Farnsworth，Philo Taylor，1906-1971）美国发明家（Inventor，America）

范斯沃斯在读高中时他就设想了电视的基本条件，在杨伯翰大学他开始研究传送图画的程序。1926年他与别人合建了克罗克研究实验室，1929年改组为范斯沃思电视股份有限公司，1938年又改建成范斯沃思无线电和电视公司。1927年他成功地传送了一张由60条水平线组成的图像（美元标志），从而获得第一个电视专利。接着他又发明了多种器件，其中有把光信号转换成电信号的放大器、阴极射线管、电子扫描器、光电倍增管等光电器材。     

一种双正则项全变差高光谱图像去噪算法

受传感器特性影响,高光谱图像中的噪声在各个维度都有体现。噪声的存在降低了高光谱图像中信息的有效性,在进行地物分类前必须采用适当的算法对噪声予以去除。文章针对高光谱图像的噪声特性,提出了一种基于全变差的高光谱图像去噪算法。该算法将经典二维图像全变差去噪模型推广至三维形式,提出了采用双正则项及相应的调整参数的目标函数,在三维空间中完成新目标函数的离散化,并采用基于优化-最小化算法的迭代方法对目标函数进行优化与求解。对星载Hyperion成像光谱仪数据的实验表明,适当的设置调整参数,该方法可很好地提高高光谱图像的各波段信噪比、平滑光谱曲线并保留细节特征,其去噪效果优于经典的MNF去噪算法及Savitzky-Golay滤波方法。     

稀疏正交联合约束多通道非负矩阵分解声信号分离算法

针对复杂环境下多通道声信号分离问题,提出稀疏正交联合约束多通道非负矩阵分解声信号分离方法。首先设计基于多通道扩展坂仓斋藤(Itakura-Saito,IS)散度的稀疏正交联合约束项构造代价函数,给出信号稀疏和信号正交约束辅助函数,实现代价函数最小化求解。然后通过迭代更新规则设计,得到稀疏正交优化的多通道非负矩阵分解基矩阵和系数矩阵,讨论了稀疏正交约束对基矩阵和系数矩阵稀疏性与连续性影响。最后基于多通道信号空间特性,进行了非负矩阵分解基聚类以获得多通道非负矩阵分解声信号的分离结果。双通道音频数据与四通道声学目标分离实验数据测试表明,对音频数据,所提算法在性能指标信号失真比(SDR)上提高了0.84dB,对于直升机声源数据,所提算法在SDR上提高了4.53dB。