数据矩阵的特性映象及其线谱估计应用

许多信号处理问题归结为求解一线性方程组。对此线性方程组的系数矩阵进行可能的特性映象,比如低秩化和Toeplitz结构化的处理,可以明显地降低噪声的影响,提高信号参量估计的准确度。本文讨论了数据矩阵的特性映象,并给出了叠代映象系列收敛的简单而形象的证明。在线谱估计的应用中,从正弦波自相关函数的模型出发,推导了该情况下数据矩阵的特性映象算法。通过一实例的计算和比较,可以看出此方法显著地改善了谱估计的性能。

鲁棒原子范数降噪及其在线谱估计中的应用

针对测量数据中含有异常值的线谱估计问题,提出了一种对异常值鲁棒的原子范数降噪方法来提高线谱估计的性能。该方法构建了一个可以联合估计出异常值及原始信号的优化问题,并在代价函数中加入l1范数和原子范数惩罚项来分别对异常值的稀疏性和信号本身的特性进行约束。一旦获得了该优化问题的解,那么就可利用现有的算法对降噪后的信号进行线谱估计。仿真结果表明,在数据中存在异常值的情况下,所提的算法能够更准确地恢复原始信号,从而使降噪后的谱估计的精度和分辨率明显提高。

一种通用的高性能线谱估计方法

本文研究了多个频率估计问题——陷波周期图法.文中给出了陷波周期图中两个重要序列的递推计算方法.解决了用硬件和软件实现的实际问题.研究了实际试验中关于实数据的解析化问题,从而形成了一种通用的高性能多频率估计方法.最后给出了蒙特卡洛模拟和实际数据试验的结果.

基于数学形态学滤波的线谱估计新方法

线谱是舰船辐射噪声的重要特征，它的准确估计对于舰船的检测、识别有重要意义。在修正舰船辐射噪声功率谱模型的基础上，提出了一种有效的线谱频率估计方法，可以在信号功率谱上很好地抑制环境噪声的影响，准确找到线谱频率对应的谱线位置。使用数学形态学上的两种基本滤波操作一腐蚀和膨胀来估计噪声幅度范围，用多项式拟合估计噪声趋势，两部分共同完成对连续谱的估计。在功率谱中剔除连续谱的影响，得到相对清晰的线谱分量，再对线谱频率的取值进行准确估计。计算机仿真实验验证了方法的有效性，结果表明当线谱与连续谱的功率比大于-8dB时，该方法可以准确估计线谱频率。

基于稀疏重构的色噪声背景下未知线谱信号估计

针对色噪声背景下的未知线谱信号估计问题,该文提出一种基于分子频带处理的稀疏重构类线谱估计方法。首先,利用多速率余弦调制滤波器组对观测信号进行子带分解,得到功率谱相对平坦的子带信号。之后,在每个子带信号上,利用基于迭代最小化的稀疏学习方法进行线谱估计,并将各子带上的线谱估计结果进行频域综合滤波以及门限判决等处理。最终得到色噪声背景下的线谱估计结果。理论推导及仿真实验表明所提方法在色噪声背景下具有较好的线谱估计性能。其能够有效地去除色噪声背景,同时保留稀疏重构类线谱估计方法所具有的高频率分辨力等优点。

高精度测频与舰船线谱频率稳定性研究

随着水声技术的发展,水下甚低频信号分析越来越受到研究者的重视。甚低频线谱的稳定性分析对于线谱检测具有重要意义。低信噪比下,传统的自适应频率估计方法性能不理想,为了提高对线谱的检测能力和频率估计的精度,提出一种高精度频率估计器,利用相干累加自适应线谱增强器的方法从宽带噪声中提取单频线谱,进而用自适应频率估计器估计线谱频率。仿真研究证明该估计器在低信噪比时具有较高的频率估计精度。实验研究某舰船声辐射线谱的频率的稳定性,其频率不稳定性约在±0.01 Hz左右。

无网格压缩感知下结合傅里叶变换的FT-ANM算法

为克服在无网格压缩感知理论中利用原子范数最小化(atomic norm minimization, ANM)算法进行线谱估计时存在的运算复杂度高,估计实时性不强等缺点,提出一种ANM的改进算法,傅里叶-原子范数最小化算法(fourier transform-atomic norm minimization,FT-ANM)。对ANM算法中前期取得的重构信号进行傅里叶变换,粗估计出重构信号的模型阶数,减少对拓普利兹矩阵进行Vandermonde分解时估计参数的数量,提高ANM算法的运算速率,增强线谱估计的实时性。仿真结果显示,在相同信噪比条件下,FT-ANM算法运算速率是传统ANM算法运算的3倍,运算复杂度低,实时性较好。