基于二级自适应滤波的水下目标动态谱线增强算法研究

为了从非高斯噪声环境中有效提取水下目标辐射的线谱信号,以提高水下探测系统检测水下目标的能力,提出了基于二级自适应滤波的水下目标动态谱线增强算法,该算法用基于高阶累积量能量幂函数变步长极性迭代的自适应谱线增强器作为第一级,用传统的自适应谱线增强器(ALE)作为第二级,实行串级联接。用输入信号的峭度定义了峭度信噪比,并用此分析了该算法的性能。用水下某目标辐射线谱的实测数据,对该算法的性能进行了仿真研究。结果表明:当环境噪声为瑞利噪声或混合噪声(包含均匀分布、瑞利分布和拉普拉斯分布的噪声成分)时,该算法与ALE算法相比,有良好的抑制抑高斯噪声或非高斯噪声、提高信噪比和跟踪时变信号的性能。

基于改进谱线增强的光电编码器γ辐射噪声滤波算法研究

针对核辐射环境下光电编码器因受γ辐射总剂量效应影响而导致输出信号质量劣化的问题,提出了一种兼顾精度和效率的改进谱线增强算法(Improved Adaptive Line Enhancer Method,IALEM)。该算法引入Softsign函数建立误差与步长之间的非线性关系,通过在步长更新公式中引入前一时刻步长值,达到收敛速度快且稳态误差小的目的。分别在算法收敛速度、稳态误差、低信噪比输入、计算量4个方面与同类算法进行比较。结果表明,该算法在拥有较低计算量的同时,其收敛速度更快、稳态误差更小,并且对于低信噪比信号具有更好的滤波效果。最后,在光电编码器上对本文所提算法进行了现场可编程门阵列(Field Programmable Gate Array,FPGA)硬件实现;并在60Co γ辐射环境中对算法的滤波效果进行了实验测试。实验结果表明:所提出的算法可有效滤除光电编码器因γ辐射产生的噪声,提高光电编码器输出信号的质量。

水中运动目标动态线谱增强算法研究

通常的基于短时自相关的自适应线谱增强器(SABALSE)主要缺点是:输入信噪比低时,抑制高斯噪声性能差。为了最大限度地克服SABALSE的缺点,我们充分利用高阶累积量抑制高斯噪声的性能和高阶累积量的不同更新算法,提出了基于四阶累积量不同切片的自适应动态线谱增强新算法,并对其原理、结构进行了剖析。用实测鱼雷线谱数据,对鱼雷与水听器处于不同方位时,水听器接收的线谱进行了动态仿真。结果表明:基于四阶累积量非对角切片的自适应动态线谱增强(NDSCBADLSE)算法抑制高斯噪声、增强动态线谱的能力强于基于对角切片的自适应动态线谱增强(DSCBADLSE)算法,且均强于SABALSE算法。因此,本文的算法可用于提高水下探测系统和水下武器系统对微弱信号的检测能力。

基于局部围线积分双谱的空间目标识别算法

提出了基于局部围线积分双谱的空间目标识别算法,从空间目标距离像的双谱中提取出局部围线积分双谱特征。应用BP神经网络进行分类识别,为了避免网络权值陷入局部极值点,采用遗传算法来获取网络权值的初值。仿真实验表明,即使在较低的信噪比下,该算法仍然可以取得比较高的识别率。

基于峭度激励的变步长自适应谱线增强算法

提出了一种基于峭度激励的变步长自适应谱线增强新算法,该算法以输入信号峭度与误差信号峭度为联合激励因子,构造出一种指数型变步长的算法模型。该步长对高斯色噪声或非高斯色噪声均有一定的免疫性,跟踪时变信号的能力强,且收敛速度快。用实测的某水下目标辐射噪声数据进行了仿真实验。与传统的LMS算法相比,仿真结果表明,该算法具有较强的谱线增强能力、快速收敛性和良好的跟踪性能,能有效地实现目标线谱信号与混合色噪声环境的分离。

基于相干累积算法的多级自适应谱线增强器

为了实现非高斯噪声与线谱信号的有效分离,将基于四阶累积量对角切片变步长符号相干累积量算法的自适应谱线增强器,基于最小均方相干累积算法的自适应谱线增强器及基于短时相关相干累积算法的自适应谱线增强器依次串联起来,构造出基于相干累积算法的多级自适应谱线增强器。从理论上对该增强器的性能进行了分析,并利用水下目标的实测数据对该增强器的性能进行了实验研究。结果表明:该增强器对线谱信号有多次增强作用,对环境噪声有多次抑制效果,在性能上优于单级自适应谱线增强器。

水下目标辐射平方频率动态耦合信号增强新算法

针对二次频率 (相位 )耦合的正弦随相信号的三阶累积量不为零值的特点 ,提出了用三阶累积量不同切片来增强水下运动目标辐射平方频率动态耦合信号的新算法并进行了仿真研究。结果表明 :该算法能从高斯噪声环境中有效地增强参加动态耦合的频率分量和动态耦合产生的频率分量 ;是提取频率动态耦合信号的有效手段。因此 。

一种自适应增强谱线算法的优化设计与实现

自适应谱线增强(ALE)算法能够提高高动态、低信噪比信号的载波频率估计精度。针对实际应用中该算法消耗硬件资源多、结构复杂、使用效率低等问题,提出了结合可编程逻辑门阵列(FPGA)优化的ALE算法结构方法,简化了ALE硬件电路。设计结果表明,改进ALE方法后,可实现信噪比为0～20 dBHz、最大多普勒动态为800Hz/s的测控信号载波频率准确估计。

基于免疫算法的自适应谱线增强器的设计

本文将免疫算法应用到LMS自适应滤波器的优化设计中,应用MATLAB软件对免疫算法在自适应谱线增强器中的应用进行了仿真研究,给出了算法中关键参数μ的优化结果,取得了较好的效果。

基于FTF算法的自适应谱线增强器在罗兰-C信号处理中的应用

针对最小均方误差(LMS)算法的自适应谱线增强器收敛速度慢的缺点,将快速横向滤波(FTF)算法的自适应谱线增强器应用于罗兰-C信号中随机噪声的抑制。经过仿真验证,结果表明,FTF算法自适应谱线增强器具有收敛速度快,输出均方误差小的优点,能够克服LMS算法的不足,用来抑制罗兰-C信号中的随机噪声是可行的。

基于序贯回归算法的格型结构谱线增强

谱线增强在信号处理领域有着广泛的应用,当信号混叠有宽频带干扰时,谱线增强的意义很突出。笔者重点研究了格型结构系统中序贯回归算法(SER)现实的谱线增强,并推导了格型结构系统的序贯回归算法表达式,验证了序贯回归算法的收敛过程,同时使用格型结构对单频率和双频率截断后的信号进行谱线增强,可以明显看出谱线增强对有效信号有明显增强。

自适应谱线增强在舰船轴频电场信号检测中的应用

利用快速横向滤波器自适应算法 ,通过自适应谱线增强器 ,能实时有效地将微弱的窄带轴频电场信号从宽带背景噪声中分离出来 ,从而大大提高舰船轴频电场的远程探测能力 .最后利用该方法对船模产生的轴频电场实测数据进行了处理 ,结果表明该方法十分有效。

面向多目标拆卸线平衡问题的一种改进粒子群优化算法

为提升粒子群优化算法在解决复杂拆卸线平衡问题时的计算能力,提出一种改进的粒子群优化算法。该算法选取每个粒子运行最优的邻居粒子为粒子每次迭代过程中"个体学习部分"的学习样本。为保证种群多样性,避免算法出现早熟收敛,提出一种粒子间的水平混合变异(均匀分布变异和高斯分布变异),通过变异判定条件,对粒子的位置进行变异更新,提升算法的搜索性能。针对多目标问题,利用基于目标优先顺序的粒子群优化算法,将多个目标问题按优先顺序进行优化。通过拆卸问题的仿真计算比较结果,验证算法的有效性。

基于输入信号峭度的变步长LMS自适应谱线增强方法

提出了一种基于输入信号峭度的变步长LMS自适应谱线增强方法,该方法以输入信号的峭度为自变量,构造新的步长。该步长对高斯噪声或非高斯噪声均有一定免疫性,同时能快速收敛。最后用实测的水下目标辐射噪声数据和瑞利有色环境噪声进行了仿真,表明该方法有较强的谱线增强能力。

基于FPGA的自适应谱线增强系统设计

在此基于Altera公司的现场可编程门阵列(FPGA)芯片EP2C8F256C6,采用最小均方算法设计了自适应谱线增强(ALE)处理系统。以FPGA为处理核心,实现数据采样控制、数据延时控制、LMS核心算法和输出存储控制等。充分利用FPGA高速的数据处理能力和丰富的片内乘法器,设计了LMS算法的流水线结构,保证整个系统具有高的数据吞吐能力和处理速度。并且通过编写相应的VHDL程序在QuartusⅡ软件上进行仿真,仿真结果表明该设计可以快速、准确地实现自适应谱线增强。

MUSIC算法中谱线改进处理的研究

MUSIC算法,即多信号分类算法,常用于同频信号测向系统,主要利用信号分量相对应的信号子空间和信号分量正交的噪声子空间的正交性来对信源进行估计计算。在实际测向过程中,信号子空间和噪声子空间并不能实现完全正交,并且测试环境引入噪声干扰,对测向结果都构成影响。基于以上问题,对MUSIC算法进行了改进,加入了两种谱线改进算法,分别是谱线增强算法和谱二阶算法;通过对信号进行谱线增强,提高信号的信噪比,并在信号测向过程中加入二阶导数识别算法、提高信号测向角度识别率等方法,能够有效提高信号的信噪比和抗干扰性,增强了测向算法的识别率和精准度。

基于加权高阶累积量切片的非线性调频信号增强算法

为了综合考虑高阶累积量各种切片抑制高斯噪声的性能,定义了加权高阶累积量切片,并给出了加权高阶累积量切片符号联合迭代公式,得到了基于加权高阶累积量切片的自适应谱线增强新算法。对该算法增强水下目标辐射的非线性调频信号的效果进行了仿真研究。仿真结果表明:该算法能抑制大约18dB～28dB的高斯色噪声;调整高阶累积量切片的加权系数,可获得抑制高斯色噪声的最佳效果。在工程实践中,具有重要的指导意义和实用价值。

基于符号-最小平均峭度的自适应谱线增强器

从误差信号峭度的性质和误差符号(SE)算法的特点出发,提出了基于符号-最小平均峭度穴Sign-LMK雪的自适应谱线增强算法。该谱线增强器的结构与基于LMS算法的自适应谱线增强器(ALE)相同,但它是用误差峭度的符号和输入信号作为权向量的更新因子的。仿真结果表明具有计算量小、抑制非高斯噪声和增强谱线性能强、收敛后均方误差小等优点。

耦合的动态轮廓线的一种改进的跟踪算法

运动目标的检测与跟踪技术是计算机视觉研究的核心 ,本文主要研究基于动态轮廓线的目标跟踪算法 ,将轮廓的 B样条模板考虑进运动方程即耦合的动态 B样条轮廓线模型 .并且在此基础上将B样条模板的先验知识融入特征搜索中 ,提高了在复杂的背景中及有遮挡情况下跟踪器的鲁棒性 .

基于加权四阶累积量切片的谱线增强

本文首先介绍了加权高阶累积量切片的概念,给出了加权混合高阶累积量的更新公式,提出了其自适应谱线增强算法,并用实测运动目标辐射噪声数据,对该算法的性能进行了仿真研究.仿真结果表明:该算法具有较强的抑制高斯有色噪声能力,能抑制大约13～23dB的高斯有色噪声;调整高阶累积量切片加权系数,可改善该算法抑制高斯有色噪声的性能.