基于对抗自编码填补网络的MIMO雷达故障阵元缺失数据重构

多输入多输出(Multiple In Multiple Out,MIMO)雷达的阵元故障会导致其协方差矩阵出现整行整列数据缺失,从而降低其角度估计性能。为此,提出一种对抗自编码填补网络(Adversarial Autoencoder Imputation Network,AAEIN)来重构故障阵元的缺失数据。该网络由负责重构缺失数据的自动编码(Autoencoder,AE)网络和负责分辨数据来源的鉴别器组成。在二者的对抗训练中,AE网络的重构能力和鉴别器的分辨能力不断得到提升,直至两者收敛。为避免网络训练过程中参数量大和计算复杂度高的问题,文中结合MIMO雷达协方差矩阵的Hermitian特性,使用协方差矩阵上三角部分构建数据集用于网络训练。仿真结果表明,文中方法可以有效地重构故障阵元的缺失数据且具有较高的重构精度。

基于数据融合的城市轨道交通大客流预警研究

为了降低因节假日或突发时间导致的客流拥堵,促进客运部门快速应对客流波动,提出了一种基于数据融合的城市轨道交通大客流预警方法。通过对客流参数预测信息进行融合,获得符合实际客流瓶颈点的参数信息,以完成轨道交通大客流预警。提出的方法利用动态贝叶斯网络,实现了历史数据与运输服务信息的融合。以城市假期期间五条线路每日客流量为例,通过对比实验验证了提出方法的有效性与准确性。

基于SSK的室内VLPC系统设计及性能分析

本文设计了一个多输入单输出(Multiple-Input Single-Output,MISO)的三维室内可见光定位通信一体化(Visible Light Position and Communication,VLPC)系统,该系统在接收端基于接收信号强度(Received Signal Strength,RSS)的三维可见光定位(Visible Light Position,VLP)算法获得定位数据,同时估计信道状态信息(Channel State Information,CSI)并上传给发射端进行定向通信.该系统的发射端基于空移键控(Space Shift Keying,SSK)的室内可见光通信(Visible Light Communication,VLC)技术实现系统的通信功能.另外,本方案可以完全避免通信与定位子系统之间的干扰.同时,通过推导定位误差的克拉美罗下界(Cramér-Rao Lower Bound,CRLB)和SSK-VLC的通信可达速率来评估本文提出的VLPC系统的性能.仿真结果验证了本文所提方案的有效性.

空域色噪声下的多输入多输出雷达角度估计

由于多输入多输出(multiple input multiple output,MIMO)雷达的空域色噪声协方差矩阵通常为非对角矩阵,因此在色噪声下信号子空间与噪声子空间无法有效分离,从而致使传统算法无法有效估计目标角度。为此,首先利用信号协方差矩阵的低秩性和色噪声协方差矩阵的稀疏性来抑制空域色噪声。然后,根据MIMO雷达数据的内在多维结构特性,建立四阶张量CP(canonical or parallel factor analysis,CANDECOMP/PARAFAC)分解模型。针对传统交替最小二乘算法对数值病态性较为敏感而导致CP分解精度低的问题,利用张量因子矩阵之间的共轭关系来降低求解的病态敏感度,提高张量分解的稳健性。最后,利用最小二乘拟合法从因子矩阵的估计值中得到目标角度。仿真结果表明,所提算法能够对色噪声有效抑制并提高了角度估计的精度。

无需先验测量误差的定位节点选择方法

针对现有定位节点选择算法依赖先验测量误差的问题,研究了一种不依赖先验测量误差的时差与频差无源定位节点选择方法,该方法将两步加权最小二乘定位算法中目标估计误差协方差作为目标函数。在给定可用定位节点数目的情况下,通过引入一组布尔量构建关于目标函数为带约束的最小估计误差寻优问题,通过半定松弛技术将非凸问题转为半定规划问题进行求解,依据最小化问题特性,使得所提算法不依赖先验测量误差。仿真结果表明,不依赖测量误差的方法与穷举搜索法相比在定位性能上无太大差别;相比于穷尽搜索算法,所提方法复杂度低、实时性好。同时,仿真结果进一步表明在对运动目标定位过程中,及时调整定位节点组合的必要性。

基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计

多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel矩阵并施加Schatten-p范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。

四阶统计量的近场源距离与到达角估计

针对近场源的到达角和距离的联合参数估计问题,提出了2种基于四阶统计量的新算法。对于一个有2 p+1个阵元的均匀线性阵列(ULA)而言,目前已有方法只能分辨出p个信源,文中提出的两种方法能够估计出2 p或2p-1个入射信源的参数。此外,与传统的四阶统计量方法相比,新方法不需要参数配对操作,因此可以去除这部分计算量。仿真结果表明,基于ESPRIT的2种算法有效地利用了接收信号信息,相比于已提出的方法具有更好的性能。

Dice系数前向预测的快速正交正则回溯匹配追踪算法

为了提高压缩感知重构算法的成功率与重构精度,该文提出基于Dice前向预测的正交正则回溯匹配追踪算法(DLARBOMP)。在该算法中,首先从匹配准则与预选阶段原子选取的角度,利用Dice系数代替原子内积计算相关度,保留原始信号信息的特性,以此选择与残差最匹配的原子,提高算法的重构精度。同时,针对信号重构过程回溯算法的时间过长问题,在每次原子迭代过程中,该文利用正则化选择多个原子而非单个原子,实现重构精度与重构时间的平衡。最后,通过稀疏1维信号与2维图像信号重构的实验结果,显示了所提DLARBOMP算法在1维信号重构时兼顾了性能与效率,在2维压缩图像信号重构时提高其峰值信噪比(PSNR),优于正交匹配追踪(OMP)及其最新改进贪婪类算法。

基于STM32F407波形类型识别及参数测量装置的设计

本装置以STM32F407为核心实现对周期信号的波形识别及参数测量,装置由核心计算模块、按键、显示器、信号调理电路和频率检测电路组成,能够实现对周期信号的多通道增益采样,波形的峰峰值、频率等参数的测量,正弦波、方波及三角波等波形类型的识别。本系统通过多增益信号调理电路实现了对宽范围电压的精确测量,使用硬件过零点电路实现了对频率的精确测量,用频率测算出采样频率实现实时波形采集,通过信号变化率的方式实现了对波形类型的识别,具有电压和频率测量范围广、测量精度高、波形识别精确、响应速度快的优点。

一种捷变频雷达距离速度超分辨-恒虚警-自适应重构参数估计算法

针对捷变频雷达目标参数估计与强欺骗干扰抑制问题,提出了一种适用于距离-速度维稀疏处理模型的超分辨-恒虚警(CFAR)-自适应重构算法,实现了目标搜索、距离-速度参数估计及欺骗干扰抑制。基于量化格点的距离-速度超分辨谱实现了目标距离-速度参数与字典元素的匹配,并采用CFAR算法对距离速度平面进行二维搜索,以实现目标检测与距离速度参数估计。采用自适应重构对消方法从观测向量矩阵中减去已估计目标分量,迭代过程中更新二维谱噪声子空间维度,循环采用距离-速度谱、CFAR及自适应对消实现剩余目标估计。通过每次迭代过程中的多目标估计与对消,解决了强欺骗干扰情况下的弱目标参数估计问题。该方法为捷变频雷达距离速度维稀疏表示欠定方程数学模型提供了另一种求解途径。

基于HHO优化的时空水质预测模型

我国水资源现状不容乐观,提高水质预测模型精度对水资源质量监测具有重要意义。为捕捉水质指标时序数据非线性变化趋势,水质指标多基于神经网络模型进行预测。但是现有模型忽略了河流流向,没有考虑上游监测点水质对下游水质的影响;同时现有模型多基于启发式优化算法中的粒子群算法调整神经网络的超参数,但该优化算法仍需设置较多超参数,而参数选取不当容易使模型陷入局部最优。为此,建立了时空水质预测模型(WT‐CNN‐LSTM‐HHO),利用哈里斯鹰优化算法(HHO),基于上游水质数据预测下游的氮、磷和溶解氧水质指标。实验结果显示,本文所提出的模型对水质预测性能有明显提升,可以实现设置较少超参数而达到较高的水质预测精度。

基于环形阵列的油管损伤三维成像检测方法研究

传统的瞬变电磁套管损伤检测技术是通过采集数据来反映套管损伤情况的二次场信息,反演套管二维壁厚曲线,为套管损伤提供解释依据。为了使套管损伤解释得更加高效、直观、精准,满足井口油管三维成像的需求,建立一种基于环形阵列式的井口油管三维成像检测系统,利用探测仪器中环形阵列分布的TMR传感器,对井口油管各个方位的信息进行采集,使得采集到的数据能够描述不同深度、不同角度的损伤情况。结合套管半径、涡流扩散时间以及径向探测角度之间的关系,通过对井口三维数据的处理,实现套管内外壁三维成像,进而实现井口油管的非对称损伤解释。通过与传统的电磁探伤曲线的对比,验证了所提井口油管三维成像检测方法的有效性,为现场套管损伤解释工作提供重要依据。

相似网络构建与表征的水下声信号检测

水下声信号检测在海洋防御系统中扮演着不可或缺的角色,同时也广泛应用于民用领域。然而,在没有目标信号先验信息的情况下,目前仍缺乏行之有效的水下声信号检测方法。为此,该文提出了一种新的算法—相似网络,以解决在复杂海洋背景下水下目标检测的难题。该方法结合了信息几何和复杂网络理论,通过将节点相似度度量问题转化为矩阵流形上的几何问题,测量不同时间尺度上数据之间的相似性,并构建时间序列数据的网络表示。同时还引入了图信号处理理论,以提取目标信号内部隐藏的动力学特性,从而实现无目标先验信息下的水下声信号检测。通过对仿真和实测数据的研究验证,证明了该方法的有效性。结果表明,相似网络方法优于现有的网络构建和目标信号被动检测方法,能够更有效地检测水下声信号,实现无目标先验信息下的水下声信号检测。

基于频域波束降维的车载雷达多参数联合超分辨方法

针对车载雷达多参数联合超分辨计算复杂度高、无法快速实现参数估计的问题,提出了基于频域波束降维的多参数联合超分辨算法。所提算法通过快速傅里叶变换(fast Fourier transform,FFT)将空时多参数域联合数据变换到频域,处理感兴趣区域的多维频域数据,完成空时波束空间降维和基于频域数据的多参数联合超分辨,实现目标信息的快速联合估计。推导了频域子空间正交性及频域波束降维超分辨算法理论。仿真研究了算法的分辨率和估计性能与信噪比的关系。仿真结果表明,所提算法的精度和分辨率远超传统FFT算法,相对于传统多重信号分类(multiple signal classification,MUSIC)算法,所提算法计算量大幅降低。

加强融合表情和语音的抑郁症检测模型

抑郁症患者的表情和语音具有直观、易于获取等优点,已被广泛应用于抑郁症检测,但现有研究存在忽略表情变化过程包含的信息在抑郁症检测中的作用,未能将动态表情包含的信息与静态表情、语音有效结合,识别准确度不高等问题。针对上述问题,提出一种用动态表情和语音加强融合静态表情特征的抑郁症检测模型。在语音特征提取模块中加入Bi-LSTM网络,挖掘语音的时序信息,用情感语音迁移学习,再用抑郁症语音训练。表情特征提取模块采用双通道结构,利用混合注意力机制分别提取动态表情和静态表情特征,特征更具判别性。特征加强融合模块用语音和动态表情加强融合静态表情,特征信息互补加强。实验结果表明,所提方法在AVEC2014数据集上检测的RMSE和MAE降低到8.21和6.03,优于目前使用语音和表情检测抑郁症的方法。

一种基于目标检测的动态环境下视觉定位系统

传统的基于同时定位与建图模型的视觉定位方法需要满足目标点静止假设,但大多数小型机器人的实际应用场景为动态,这限制了现有视觉定位算法在小型机器人上的使用。为此,文中使用YOLOv5卷积神经网络对环境中的动态目标进行检测,然后剔除分布在图中的移动特征点,进而改进位姿估计准确性的动态消除方法,并将此方法集成于ORBSLAM2视觉定位系统。改进方案在TUM公共动态数据集上的测试结果表明,基于YOLOv5的检测方法能够快速、准确地识别场景中的动态目标,并显著降低动态环境下位姿估计的绝对误差和相对漂移,是一种有效的动态场景视觉定位方案。

基于非对称幅度插值的二维来波方位估计

幅度插值方位估计法通过对少数几个波束采样插值得到来波方位,避免了密集的方位搜索,在工程中有广泛的应用。目前该方法大多基于一维,且使用对称函数进行插值,估计误差较高。本文通过解耦的方式将该方法由一维推广至二维任意阵,并考虑真实方位谱在偏离0°后左右波束不对称的情况,利用左右波束斜率比作为求解条件,使用非对称函数进行幅度插值。进一步,针对二维非对称插值中出现的角度失配问题,提出了迭代插值的解决方法。最后仿真分析了插值方法、迭代插值以及信噪比对插值精度的影响,所提出方法的插值精度优于传统对称插值方法;且通过千岛湖实验数据验证,所提方法以10°间隔插值得到的估计精度可以比拟常规波束形成以0.01°进行密集扫描的估计精度。所提方法能够在满足一些工程应用中对实时性要求的同时达到较高的方位估计精度。

一种基于组合子阵协方差矩阵的阵列扩展方法

针对阵列在低信噪比条件下信号检测概率低且方位估计性能下降的问题,提出一种基于组合子阵协方差矩阵的线列阵扩展方法。该方法将阵列划分为奇偶子阵,根据子阵的互协方差与自协方差矩阵构建扩展接收数据,对扩展接收数据进行组合作为最终的阵列接收数据进行处理,由此在突破阵列物理孔径的基础上避免仅使用奇偶阵元互协方差重构接收数据时产生的栅瓣问题。仿真结果表明:新方法可以降低波束输出的旁瓣,具有较好的弱目标检测能力和方位分辨力;相比于基于奇偶阵元互协方差的阵列扩展方法,新方法可有效提升方位估计精度,且不存在栅瓣问题。

大规模多输入多输出可见光通感一体化系统的信道状态信息还原和定位

得益于丰富的频谱和光源,可见光通信感知一体化(IVLCP)系统为解决高性能通信定位的室内无线网络需求提供强有力的技术支撑。同时,大规模多输入多输出(m-MIMO)技术能有效提高IVLCP网络的服务范围和质量。然而,m-MIMO赋能的IVLCP网络的信道环境更加复杂且先验信息更易变化,这使得传统方法难以快速准确地完成信道估计和定位。针对此,该文提出一种信道状态信息还原和定位(CSIRP)网络,该网络不仅能够有效地捕捉复杂分布的可见光通信信道特征,同时能够应对信道状态的时变性,从而提高信道和位置估计的鲁棒性和动态适应性。具体而言,CSIRP网络首先基于条件生成对抗思想自适应训练生成器和鉴别器,进而实现根据接收信号进行信道估计,接着结合长短期记忆网络(LSTM)从估计的信道中获取接收终端的位置估计值。仿真结果表明,采用CSIRP网络所获得的信道状态准确度和定位精度均优于现有的深度学习参考方法,这为m-MIMO赋能的IVLCP系统提供了可靠和精准的信道状态信息和位置感知能力。

MCKD在一种新型随机共振系统下的转动体故障诊断研究

为解决由高阶项限制引起的输出饱和问题,利用分段势函数抗饱和的优良特性,提出了一种新的非饱和三稳二阶随机共振(UTSOSR)系统。首先,通过仿真实验验证了该系统能够显著改善经典三稳二阶随机共振系统的输出饱和问题。其次,基于绝热近似理论,推导出UTSOSR系统的稳态概率密度,平均首次通过时间和功率谱放大因子(SA),并通过分析系统各参数对这些性能指标的影响,来更加深入地探究系统的动力学行为。将SA和信噪比增益(Gsnr)作为评价指标,通过数值仿真验证了UTSOSR系统具有更优越的信号增强和抗噪声性能。同时,为了获得更优的输出性能,将最大相关峭度解卷积(MCKD)与UTSOSR系统相结合,提出MCKD-UTSOSR方法对目标信号特征进行提取。最后,联合遗传算法和变步长网格优化算法寻找MCKD-UTSOSR方法的最优参数,并应用于转动体微弱故障信号检测。数据分析结果表明,MCKD-UTSOSR方法相比于其他方法,其信噪比提升了1.1289~23.5854 dB,谱峰峰值提升了88.423~7488.118133,为实际工程中高效的信号处理和故障检测提供了创新和可靠的解决方案。