实时广义相关时延估计器

在水下航行体的测试中 ,通常采用被动定位方式获得航行体的运动轨迹 .被动定位一般利用空间关系已知的 3个或 3个以上的水听器来接收目标的辐射噪声 ,由时延估计器求得这些噪声信号间的相对时延 ,从而实现目标定位 .广义相关时延估计器是其中具有重要价值的一类时延估计器 .但是 ,由于所处理的信号是随机信号 ,其频谱结构起伏大 ,时变性强 ,且存在环境噪声的干扰 ,其先验权函数难以预知 ,因而极大地影响了估计器的性能 .为了解决这一问题 ,提出了实时权函数估计算法 ,并设计了多DSP并行处理系统加以实现 .通过在不同时间和水域对不同水下航行体的实际测试检验了估计器的有效性 .实际应用表明 ,该广义相关器在目标源信号谱结构变化时时延估计性能基本不受影响 ,具有稳健的时延估计性能和自适应能力 .

DSP实现的实时广义相关时延估计器

叙述了用于目标被动跟踪系统中的广义相关时延估计器，讨论了估计器的算法及其硬件实现，并给出了实测的时延估计结果．

基于FPGA的实时PHAT加权广义互相关时延估计器

针对水下超声探测的应用需求,在对广义互相关时延估计算法的研究基础上,设计了一种基于FPGA的实时的PHAT加权广义互相关时延估计器。在设计中应用流水线结构提高了系统的工作频率,利用DSP Builder和硬件描述语言联合设计降低了设计的难度。仿真和实验结果表明,所设计的时延估计器时延估计准确,其工作频率可以达到92.79 MHz,能够满足实时性的要求。

基于联合加权的广义二次相关时延估计算法

现有的时延估计算法在低信噪比条件下时延估计值与真实值误差较大,而时延估计的准确性直接影响声源定位的最终结果,于是提出一种联合加权的广义二次相关时延估计算法。通过在已有的广义二次相关算法的基础上,对其加权函数进行改进,联合相位变换(PHAT)和平滑相干变换(SCOT)函数,得到新的广义加权函数:SCOT/PHAT。在MATLAB中设计了基于麦克风阵列的时延估计和声源定位的仿真,并与传统的PHAT加权和基于广义二次相关的SCOT加权算法对比,结果表明,在低信噪比环境下,改进算法能得到较高的时延估计精度。

基于PHAT-β广义互相关的变压器机器鱼避障时延估计仿真

针对变压器机器鱼避障过程中发射信号和回波信号时延信息难以准确估计的问题,提出一种基于相位变换加权(PHAT-β)广义互相关(GCC)算法的时延估计方法。区别于传统的基本互相关(BCC)算法,PHAT-βGCC算法可以根据信噪比在频域内对互功率谱进行灵活调节,提高了时延估计的抗噪性和准确性。首先对发射信号和回波信号进行快速傅里叶变换和共轭相乘得到互功率谱,然后对互功率谱进行PHAT-β加权、傅里叶逆变换得到广义互相关函数,最后通过峰值检测得到时延估计值。仿真分析和验证了不同类型发射信号(正弦信号、方波信号)、不同信噪比(20、10、0 dB)、不同指数调节因子的时延估计性能,结果表明所提算法相对于传统的BCC算法具有更好的抗噪性和更尖锐的时延估计峰值。

基于边缘计算的高速光纤通信链路时延估计研究

由于未对接收信号进行去噪处理,导致光纤通信链路时延估计存在估计误差大、准确率低的问题,为了解决方法中存在的问题,提出基于边缘计算的高速光纤通信链路时延估计方法。通过边缘计算设计了高速光纤通信网络架构,基于网络架构中的边缘计算层,通过直射链路的方式构建高速光纤通信链路模型,接收光信号,并使用广义相关算法对接收到的信号进行去噪处理,根据去噪处理结果,结合卡尔曼滤波方法与Round-trip算法估计信号时延。实验结果表明,所提方法的高速光纤通信链路时延估计准确率高、效果好,具有较高的实际应用价值。

基于小波变换的广义相关时延估计算法

为了估计两个在空间上分离的传感器所接收信号之间的时间延迟，本文结合小波变换的特点，提出了一个基于小波变换的广义相关时延估计算法并给出了它的时域和频域公式，此算法与直接互相关法相比，能对信号与噪声的假设条件放宽且在低信噪比下能有效估计时延。为了提高时延估计精度，在广义相关时延估计的基础上本文又提出了基于基小波的二次加权法。经仿真证明了这两种算法的有效性。

广义相关时延估计算法的自适应实现形式

认为广义相关时延估计算法的缺陷是依赖对输入信号及噪声先验知识 ,特别是对其功率谱的了解 ,而在实际应用中 ,往往缺乏这种先验知识 ,只能以估计值来代替 ,从而影响时延估计精度 .自适应滤波器一般只需要很少或根本不需要任何关于输入信号和噪声的先验知识且性能良好 ,若用自适应滤波器替代广义相关法中的预滤波器就可放松或免除对输入信号和附加噪声的条件限制 ,提高时延估计的精度 ,广义相关时延估计算法时域中的预滤波器就是其频域中的权函数 .从理论上证明了 ,任何一个广义相关权函数 ,都能够变换成一个或几个 Roth处理器的组合形式 .实际上 ,Roth处理器就是自适应滤波器实现的、能对原始带噪信号做最优化估计的维纳滤波器 ,从而实现了自适应广义相关时延估计算法 .

转子碰摩声发射源定位中的广义互相关时延估计研究

具有多模态波特征的转子系统碰摩声发射源信号在复杂体波导传播过程中,由于各模态波的速度差异及波形变异,常规的相关分析算法难以得到准确的时间差而无法进行准确的声源定位。针对这一问题,引入广义互相关(generalized cross correlation,GCC)时延估计方法计算声发射信号的达到时间差。基于模态声发射和随机过程理论建立声发射信号的传播模型,为消除噪声对定位的影响,提出基于相同分数阶因子和不同分数阶因子的最佳线形分数傅里叶(Fourier)变换域滤波的GCC时延估计;针对声发射信号在传播中因频散效应引起的波形变异,导致无法获取最大相关点的问题,提出对信号进行分段相关乘积处理和分段相关指数变换处理的改进方法。实验结果表明,GCC时延估计对在复杂体机构中传播的声发射信号能获得较好的相关性,具有较高的定位精度。

改进VMD与广义互相关在供水管道泄漏定位中的应用

针对管道泄漏定位时,采集到的泄漏信号会受到噪声干扰而影响定位精度的问题,提出了一种参数自寻优变分模态分解结合广义互相关的定位方法。首先,在现有的频域加权函数的基础上,提出了一种复合加权函数,对不同的频域加权函数在供水管道泄漏声信号下的性能进行研究;其次,利用高斯变异和量子行为对粒子群进行优化,建立复合指标排列熵/互信息熵作为适应度函数,改善粒子在求解过程中的多样性;然后,通过改进的粒子群算法优化变分模态分解(VMD)最优参数组合,实现对信号的降噪处理。实验结果表明,文中方法在供水管道泄漏情况下具有更高的定位精度,平均相对定位误差仅为3.7%,且最大误差也只有8.0%,能够有效地滤除原始信号中的噪声干扰。

基于广义互相关和多项式拟合的TDOA时延估计方法

广义互相关方法在TDOA时延估计中具有较高的精度和程序容易实现等优点而被广泛采用.为进一步提高时延的估算精度,在广义互相关的基础上,融入多项式拟合方法,寻求广义互相关函数的精确峰值位置,将时延估计精度推进到亚采样点级别.通过Matlab仿真分析及实测数据的算法验证,结果表明,在广义互相关方法中融入多项式拟合方法,能大大提高时延估计精度,且算法复杂度低,易于工程实现.

广义相关时延估计在管道泄漏检测中的应用

针对实际检测环境中信号信噪比低,噪声影响时间延迟估计的精度的问题,提出广义互相关方法,并给出利用FFT快速求解算法。在输油管道泄漏检测中的应用结果表明,该方法能有效计算泄漏信号到达管道2端的时间差,计算泄漏点位置误差控制在2%以内,改善了相关运算的时延估计性能。

数字预失真系统整数时延估计方法研究

在数字预失真系统中,相关检测法是常用的时延估计算法。为了降低相关函数对噪声的敏感度,减少数字预失真系统时间延迟估计误差,将希尔伯特差值法和不同加权函数的广义相关时延估计算法相结合,并通过仿真比较,选取时延估计性能较好的基于CC(cross correlation)加权的广义相关希尔伯特差值算法用于数字预失真系统的整数时延估计。仿真结果表明:基于CC加权的广义相关希尔伯特差值算法用时较少,受噪声影响较小,时延估计性能较好,能有效降低时间延迟估计误差,提高系统性能,有利于实际应用。

基于广义互相关算法的时延估计研究

声源定位通常是利用传声器阵列的到达时间差实现,时延估计算法的精度和鲁棒性对于定位结果非常重要。对时延估计中最常用的广义互相关法进行了详细研究,取不同的加权函数进行仿真,比较分析了仿真结果,并引入语音增强中的谱减法作为预处理环节,对传统的广义互相关法进行了改进。结果表明,新方法能满足噪声环境下的要求。

广义相关时延估计在被动定位系统中的应用研究

广义相关是解决时延估计的重要技术措施 ,采用极大似然加权进行时延估计时方差可达到克拉美罗界。计算机仿真结果和湖试数据分析表明 ,将广义相关时延估计法应用于被动定位系统可以获得较高的定位精度。另外 。

基于广义互相关函数的声波阵列时延估计算法

针对多通道阵列声波信号时延估计问题,提出了一种平均广义互相关函数算法。该算法首先计算相邻通道信号的相位变换广义互相关函数(PHAT-GCC),然后将多个相位变换广义互相关函数进行平均,再根据峰值位置进行时延估计。试验表明,该算法充分利用了多个通道的信息,优于传统的互相关函数算法。

广义相关时延估计方法在漏水检测定位中的应用

广义相关时间延迟估计是解决时间延迟估计的重要方法.文章分析了应用广义相关时延估计方法处理管道泄漏噪声信号时间延迟估计问题.研究了广义相关时延估计方法在管道泄漏信号时延估计应用中的关键技术.计算机仿真结果表明广义相关时延估计方法可以有效的应用于管道漏检测定位中.

基于VMD的广义二次互相关时延估计方法

针对广义互相关(GCC:Generalized Cross-Correlation)时延估计方法在低信噪比的情况下会产生较大误差的问题,提出一种基于变分模态分解(VMD:Variational Mode Decomposition)结合广义二次互相关(GSCC:Generalized Second Cross-Correlation)进行时延估计的方法。该方法首先对两路信号分别进行变分模态分解,分离有效模态和噪声模态,使用豪斯多夫距离(HD:Hausdorff Distance)优选模态并重构信号,然后运用广义二次互相关对处理后的信号进行时延估计。理论分析和仿真实验结果表明,与广义二次互相关方法、小波去噪结合广义二次互相关(WT-GSCC:Wavelet-GSCC)方法比较,该方法能有效提升估计精度,具有良好的抗噪性能。

频差存在时广义相关时延估计方法研究

研究了两个接收站输出信号的频率有差异时的时延估计问题并针对广义相关时延估计提出了改进方法。首先理论推导了频率差异是如何影响广义相关时延估计的,接着应用频域相关函数对频差做准确估计和补偿,最后给出了频差补偿后的广义相关时延估计方法。以四种常用通信信号为例,仿真验证了不同信噪比下提出方法的正确性和有效性。

基于广义互相关的时延估计算法研究

采用到达时间差的声源定位,最重要的就是进行时延估计,其精确性直接影响到定位的准确与否。本文主要分析研究了广义互相关算法在无混响和混响环境下时延估计及估计性能,实现了不同环境下的时延估计,实验结果表明广义互相关在无混响和弱混响下具有较好的优势。