基于解卷积的自适应空间谱估计方法

针对自适应空间谱估计方法背景级对目标空间方位角分布值估计的影响问题,提出了基于解卷积的自适应空间谱估计方法。该方法首先在自适应空间谱估计方法输出空间谱基础上,采用类狄利克函数和空间谱归一化平均背景级实现点扩展函数设计;然后利用点扩展函数和图像复原中Richardson-Lucy迭代方法对自适应空间谱估计结果进行解卷积,降低背景级及其对目标空间方位角分布值估计的影响。数值仿真和实测数据处理结果表明:该方法作为一种后置处理方法,继承了自适应空间谱估计方法高分辨估计能力,空间谱峰值更加“尖锐”;信号谱级比较低时,通过增加迭代次数使其输出空间谱背景级远低于自适应空间谱方法和分子阵处理方法,具有更好的目标空间方位角分布估计能力。

基于分数低阶统计模型的自适应滤波器组谱估计方法

本文研究了一些自适应滤波器组谱估计方法(AFSE)在对称alpha-stable噪声(SαS)环境下的性能.提出了三种新的基于分数低阶统计模型(FLOS)的自适应滤波器组谱估计方法(AFSE-FLOS).这些新方法是基于分数低阶协方差(FLOC),因此在对称alpha-stable噪声环境下比基于二阶和一阶统计模型的方法估计性能好.计算机仿真结果表明这些基于分数低阶统计模型的新方法在对称alpha-stable噪声环境下的性能比对应的基于二阶和一阶统计模型的方法性能好,在高斯噪声环境下,与其对应的方法性能相似.

随机脉位信号的一种谱估计方法

针对随机脉位信号频谱中强信号旁瓣淹没弱信号的问题，提出了一种处理方法，即运用ＦＦＴ技术求出最大谱线，再运用自适应技术求出最大谱线的最大值，并从原信号中减去这个谱线，对得到的新信号再次重复运算，如此多次重复运算之后可得到整个频谱。该方法较之于经典的分析处理方法要好得多，文中还给出了２５６点、４个目标、最大目标信号比最小目标信号幅值大１００倍时的结果。在该条件下，用传统分析处理方法是无法得到正确结果的。

多轨道数字音频自适应变阶谱降噪模型构建

文中提出多轨道数字音频自适应变阶谱降噪模型构建,采用一阶高通数字滤波器预加重处理多轨道数字音频信号,以此为基础,通过最大熵谱估计算法估计数字音频信号频谱,搭建自适应变阶谱降噪模型,确定谱减阶数的自适应取值规则。将待处理的多轨道数字音频频谱估计结果输入至训练好的降噪模型中,输出结果经过逆变换即为降噪完成后的多轨道数字音频,从而实现了多轨道数字音频的自适应变阶谱降噪。实验数据显示:构建模型应用后,可以有效去除音频噪声信号,并不会缺失音频有效信息,降噪后多轨道数字音频信噪比最大值为91.25 dB,充分证实了构建模型降噪效果更佳。

基于Ransac算法的捷变频联合正交频分复用雷达高速多目标参数估计

在现代雷达电子战场中,目标检测与其参数估计有着非常重要的意义。因此,该文提出了一种基于随机抽样一致算法(Ransac)的捷变频联合正交频分复用(FA-OFDM)雷达高速多目标参数估计的方法。首先,在传统捷变频雷达的每个脉冲内同时发射多个频率随机跳变的窄带OFDM子载波。将单个脉冲内所有子载波的回波信号进行脉冲压缩后,采用迭代自适应谱估计(IAA)算法合成目标的高分辨距离。然后,分别对各个脉冲的回波进行脉冲压缩和迭代自适应谱估计,得到不同脉冲时刻的高分辨距离,构成观测数据集。再根据Ransac算法估计信号参数模型的步骤,拟合多条时间-距离直线,进而对高速运动的多个目标同时进行参数估计。最后,分别分析了信噪比(SNR)对检测概率以及目标自身速度对其相对估计误差的影响。仿真实验验证了所提算法的有效性。

基于干扰协方差矩阵重构的自适应波束形成

针对传统基于采样协方差矩阵的自适应波束形成在样本数少、训练数据中存在期望信号等条件下,干扰抑制性能严重下降问题,提出一种基于干扰协方差矩阵重构的自适应波束形成算法。该算法采用自适应谱估计回波空间谱,从角度维将空间谱分为期望信号区域和干扰区域,通过对干扰信号区域积分重构干扰协方差矩阵。与传统方法相比,该算法可避免训练数据中包含期望信号,且利用自适应谱估计提高干扰空间谱的估计精度,从而提高干扰协方差矩阵估计精度。仿真结果证明了所提算法的有效性和优越性。

动态出现和/或消失时频信号的模型和分析

针对动态出现和/或消失的时频信号,本文提出了一种时频模型和分析方法.该模型以时频信号各分量的幅度和相位为状态变量,并利用多项式预测模型为它们建立起状态方程,再视多分量混合时频信号的观测为测量方程,这就为多分量时频信号建立了状态空间模型.为了应对时频信号分量动态出现和/或消失的情况,本文利用非参数迭代自适应谱估计方法对时间加窗的信号进行分析,得到该时间窗内的短时谱,以该短时谱中噪声谱的3倍标准差准则来确定信号分量的数目.由此,基于提出的模型,就可利用无迹卡尔曼滤波算法来分析动态出现和/或消失的时频信号.分析和仿真均表明:提出方法无论在精确度、分辨率以及交叉时频谱分离等方面均优于文献报道的方法.

炭阳极气泡振动信号的谱分析与阳极效应预报

本文提出一种新的阳极效应预报方法 ,该方法根据故障检测原理 ,采用谱估计和时频分析等现代信号理论 ,可对阳极效应有效地进行预报 ,不仅可以提高铝的产量和质量 ,而且对节能和保证整个电解系列平稳安全生产 。