基于在线时间延迟估计的双目视觉惯性里程计

针对多传感器融合时由于时间延迟的存在导致设备定位精度下降的问题,提出一种基于在线时间延迟估计的双目视觉惯性里程计算法。在IMU初始化阶段采用静止初始化的方式,在优化中通过计算实际时刻图像将时间延迟带入到优化模型中,优化后对用于IMU预积分中的图像时间戳进行补偿,消除时间延迟的影响。同时在双目间的数据关联中,对提取的关键点采用往返追踪策略来剔除错误的数据关联,提高双目间数据关联的准确性。在EuRoC数据集上的实验结果表明,上述算法能够消除时间延迟的影响,并提高相机位姿估计的精度,与其它开源算法相比,所提出的方法可以取得更高的定位精度。

电站锅炉声学测温中时间延迟估计的仿真研究

为了在电站锅炉声学测温中获得准确的声波飞渡时间，针对强噪声环境下弱信号检测问题，研究了声信号的时间延迟估计。对从国内某电站锅炉采集的炉膛噪声进行了频谱分析和统计分析，认为炉膛噪声是以中心频率250-1000Hz的低频燃烧噪声为主的类高斯噪声。指出了电站锅炉环境下几种传统的时延估计方法的不足，提出了一种基于高阶累积量的时延估计方法。在指数分布信号中加入实测炉膛噪声信号，设定不同的信噪比，分别对基于ML互相关方法和基于3阶累积量方法进行了100次蒙特卡罗时延估计仿真试验。结果表明，在较低的信噪比下，3阶累积量方法仍可以抑制非高斯信号中相关高斯噪声的影响。不仅为声学测温中的声波飞渡时间测量提供了指导，而且对基于时延估计的锅炉四管爆漏声源定位有一定的参考价值。

锅炉承压管泄漏声传播时间延迟估计

电站锅炉内强背景噪声和炉膛、管道壁面的反射干扰,使声传感器阵列接收到的承压管泄漏声压信号的广义相关函数峰值模糊,甚至无法获得稳定的估计峰值,从而无法精确定位泄漏源位置。采用声场设计软件EASE构建了600 MW超临界锅炉模型,对泄漏声线的传播、衰减等进行追踪,计算出泄漏信噪比;采用系统冲击响应平方反向积分法与Sabine方法对炉膛混响时间进行计算;通过数值实验评估了相位变换(phase transformation,PHAT)、极大似然(maximum likelihood,ML)及改进的噪声条件下的相位变换(phase transform for noise,PTN)以及选择(SWITCH)算法的时间延迟估计性能。结果表明:在强背景噪声和混响存在情况下,SWITCH和PTN算法具有优越性。PTN性能略优于SWITCH算法,但需要泄漏混响与直达声能量比的先验知识,并且需要触发频点检测。

几种基本时间延迟估计方法及其相互关系

简要介绍了广义相关法等几种基本的时间延迟估计方法，着重分析论证了这几种方法之间的相互关系．结果表明：广义相关法与广义相位谱法是等效的，广义相关法是广义双谱法的特例，基于ＬＭＳ自适应横向滤波器的自适应法是迭代实现的广义相关法。

基于互相关时间延迟估计的心音源定位方法

提出一种用于正常噪声环境下的心音源定位方法。利用3个传感器同步记录胸前3个位置的心音信号,对自动识别出的心音成分采用互相关法,估计同一心音源发出的信号到达2个传感器的时间延迟。利用时间延迟和传感器坐标确定心音源在传感器连线上的投影点坐标,由投影点与心音源的关系定位心音源。实验结果显示,对于采集到的健康人心音信号,利用该方法可以定位第一心音源。

对角加载最小二乘法的时间延迟估计

最小二乘法是一种经典而有效的时间延迟估计算法,但由于最小二乘法矩阵求逆不稳定,在低信噪比情况下将失效。本文提出了对角加载最小二乘法(DL-LS),对求逆的矩阵加上一个正定阵,可以解决矩阵求逆不稳定的问题。并从正则化的角度分析了固定加载量的缺点一提高对低信噪比容忍性的同时降低了准确性,从而进一步提出了二次加载来解决这个问题。利用第一次估计的信道响应的倒数作为加载量,使得在回波到达的时刻加载量尽量小,其他时刻有一定加载量。最后,数值仿真和水池实验验证了对角加载对最小二乘法的改进效果。

加窗LMS－ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法。这种方法以ＬＭＳ自适应信号处理技术为基础，利用自适应估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理。理论分析和计算机仿真表明：这种方法在估计精度、收敛速度和计算复杂度诸方面均优于基本ＬＭＳ自适应时间延迟估计。

一种基于分数低阶协方差的维纳加权时间延迟估计方法

依据分数低阶统计量理论和信号噪声特性,提出了一种基于分数低阶协方差的维纳加权(FLOC-WP)时间延迟估计的新方法.这种方法将常规的维纳加权广义时间延迟估计方法与分数低阶协方差结合起来,理论分析和计算机仿真结果表明其既可以应用于高斯噪声环境,又在低阶α稳定分布噪声环境下具有良好的鲁棒性.

一种维纳加权的广义相关自适应时间延迟估计方法

本文研究了维纳加权广义相关时间延迟估计问题，提出了一种自适应实现维纳加权的时延估计方法。文中讨论了算法结构，分析了其性能，并给出了计算机模拟的结果。理论分析和计算机模拟表明，这种自适应维纳加权时延估计方法，不依赖于输入信号和噪声的统计先验知识，可以有效地消除信号中噪声对时延估计的影响，具有较高的估计精度和较快的收敛速度。

基于分数低阶矩的非整数时间延迟估计方法

依据信号的噪声特性和分数低阶矩理论,提出一种基于最小平均p范数的非整数时间延迟估计方法(称为LMPFTDE算法)。该算法是对直接估计非整数采样间隔的时间延迟估计算法(ETDGE)的广义化,运用最小分散系数准则,通过使误差的p阶矩最小得到非整数时间延迟估计值。理论分析和计算机仿真结果都表明该方法不仅可以在高斯噪声环境下工作,而且在脉冲噪声下也具有良好的健壮性。

分布式光纤中的稳健时间延迟估计方法

在分布式光纤传感系统定位中,传统时延估计算法常由于噪声相关性较强而失效。采用一种削弱相关噪声的改进型广义相关法,并针对系统特点,为进一步改善分布式光纤传感定位的准确度与稳定度,提出了一种先对数据按事件信号进行分帧,再采用卡尔曼滤波器对分帧时延估计结果进行跟踪的时延估计方案。系统仿真实验与实际数据测试结果均表明:提出的时延估计方案能够有效抑制强相关性的噪声,提高时延估计的准确度与稳定度。经大量现场测试,本文的方案能够有效地将时延估计误差稳定地控制在0.2个采样间隔以内,能够满足系统实际定位精度要求。

基于ROTH加权的韧性时间延迟估计新方法

通过对附加噪声的α稳定分布建模,针对传统的基于二阶统计量的时间延迟估计方法在α稳定分布噪声环境下的退化现象,提出基于ROTH加权的韧性时间延迟估计新方法.理论分析和仿真实验表明,新方法在高斯和分数低阶α稳定分布噪声环境下都具有良好的韧性.

二次加窗LMS自适应时间延迟估计

本文提出了一种二次加窗LMS自适应时间延迟估计方法,适用于带限平稳白色随机信号的时间延迟估计。采用这种方法,当进行长相关时间的时延估计时,可以极大地减小冗余的计算量。本文还研究了这种方法的可行性,并对其性能进行了分析。

时间延迟估计的基本原理和方法

本文综述时间延迟估计的基本原理和基本方法,包括相关法和广义相关法,双谱法和广义双谱法,相位谱法和广义相位谱法,自适应信号处理法等,并对各种估计方法的性能进行了分析比较。

基于非线性变换的自适应时间延迟估计

含有脉冲性噪声的信号常使经典的时间延迟估计算法效果变差。给出了一种基于Sigmoid变换的自适应时间延迟估计算法(SATDE),采用Sigmoid函数,对含有脉冲性噪声的信号进行非线性变换;利用自适应滤波器对信号的时间延迟参量进行估计。计算机数值仿真实验结果表明,该算法在对信号的时间延迟进行估计时,不仅可以适用于符合高斯模型的信号噪声,更适用于含有脉冲噪声的信号。该算法是一种具有较好鲁棒性的时间延迟估计算法。

LMS自适应时间延迟估计

本文研究了基于widrow的最小均方(LMS)算法的自适应时间延迟估计的基本原理、结构和算法,分析了这种估计方法的性能,并给出了计算机模拟的结果。在此基础上,讨论了自适应时间延迟估计器与广义相关时延估计算法中Roth处理器的关系,并利用维纳滤波器把二者联系和统一起来。

色噪声背景下时间延迟估计的高阶谱SVD算法

从现代高阶谱理论出发,提出基于四阶累积量和互四阶累积量的TDE参数方程并给出奇异值分解方法(SVD算法)。仿真结果表明,这些方法可以有效地抑制相关高斯色噪声的影响。

一种抑制周期性干扰的二级自适应时间延迟估计方法

当接收信号中伴有周期性干扰时，相关时延估计方法会受到严重的影响而不能有效工作．采用二级自适应时间延迟估计方法，可以有效地去除周期性干扰对时延估计的影响，在较强的干扰下仍可得到准确的时延估值．其中第一级为干扰对消器，第二级为ＬＭＳ自适应时延估计器．

时间延迟估计的高阶谱矩估计算法

高阶谱估计方法是用于色噪声背景下时间延迟估计的一个十分有效的方法。本文提出了相关高斯色噪声背景下时延估计的高阶谱矩估计算法,改变了以往用互谱估计方法不能求未知互相关函数且加性噪声相关的情况。仿真结果表明,在信噪比为-2.5dB条件下,此方法能有效地抑制色噪声,且基本能估计出时间延迟的位置。

基于零阶统计量的韧性归一化自适应时间延迟估计

依据零阶统计量理论,给出对数矩过程、对数宽平稳及对数各态遍历的定义,提出一种韧性的归一化自适应时间延迟估计方法(简称NZOSTDE)。该算法用FIR滤波器对两个含有脉冲噪声的观测信号建模,利用不存在有限方差的脉冲信号经过对数变换后其各阶矩的存在性和几何功率的概念,在对数域基于最小均方误差(LMS)准则归一化自适应得到FIR滤波器的系数,该系数最大值对应的序号就是时间延迟的估计值。本文提出的新算法克服了基于分数低阶统计量(FLOS)算法的局限性。计算机仿真实验表明,NZOSTDE算法在强脉冲噪声环境下比归一化最小平均p范数时间延迟估计方法(简称NLMPTDE)算法更具有韧性。