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。

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。

基于小波分析的自适应谱线增强信号提取

提出一种基于小波多分辨率分析的自适应谱线增强算法,利用小波多分辨率分析理论,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,把信号和噪声正交分解于不同的频率范围中,从而减少了自适应滤波器的阶数,提高了算法的收敛速度和稳定性。利用该方法对船模产生的轴频电场实测数据进行了处理,实验结果表明该算法可以有效地提取舰船轴频电场信号。

一种改进的变步长自适应谱线增强算法

传统的变步长最小均方误差(VS-LMS)算法在自适应稳态阶段步长变化较大,为有效解决这一问题,对算法中的参数进行了修改,提出了一种改进的变步长自适应谱线增强算法。新算法根据步长调整原则,通过改进步长因子与误差信号之间的非线性函数关系,使其初始阶段和时变阶段步长自适应增大、稳态阶段步长减小。经理论分析和仿真实验验证,新算法的时域和频域波形信息均优于原算法,具有良好的降噪性和稳定性以及较快的收敛速度,可更好地应用于自适应系统中。

基于谐波小波的自适应谱线增强及其应用研究

针对随着传播距离的增大极低频电场衰减很快,很容易被环境噪声所掩盖,提出了基于谐波小波的自适应谱线增强器来提高微弱轴频电场远程检测能力的算法。根据实际情况和仿真信号的特点,谐波小波对信号进行9层分解。利用该算法对舰船电磁场缩比模型产生的轴频电场的实测数据进行处理,结果表明该算法能够实时有效地将微弱的轴频电场特征信号从环境背景噪声中分离出来,大大提高了舰船轴频电场的检测能力。同时采用基于基于谐波小波算法的自适应谱线增强的自适应迭代次数比采用最小均方算法的自适应迭代次数少,说明采用基于谐波小波算法的自适应谱线增强能快速收敛。

一种基于高阶累积量变步长迭代的自适应谱线增强新方法

依据变步长LMS(LeastMeanSquare)算法能改善自适应谱线增强器(ALE)跟踪性能的特点,提出了基于高阶累积量变步长迭代的自适应谱线增强新方法。用实测水下运动目标辐射噪声数据,对该方法的性能进行了动态仿真研究。仿真表明,该方法具有很好的抑制高斯有色噪声能力和跟踪能力;能有效地增强线性调频、对数(或指数)频调信号谱线。因此,在提高水下探测系统功效,识别与检测水下运动目标方面具有一定的指导意义和应用价值。

自适应谱线增强在舰船辐射噪声线谱检测中的应用

舰船辐射噪声线谱成分包含有大量的舰船特征信息,提取这些线谱成分对于水下目标的识别和研究具有十分重要的意义。为了有效地将舰船辐射噪声特征线谱从宽带背景噪声中分离出来,提出了运用自适应谱线增强理论对舰船辐射噪声信号进行研究。利用最小均方LMS自适应算法,构造出自适应谱线增强器,从理论上对该增强器的原理进行了分析,并利用该增强器对2种船型的辐射噪声实测数据进行了处理。结果表明,该增强器对线谱信号有增强作用,对背景噪声有较好的抑制作用,十分有利于辐射噪声特征线谱的提取。

一种新的自适应谱线增强算法

为了克服传统的自适应谱线增强器(ALE)在低信噪比条件下抑制高斯噪声效果差的不足,提出一种基于时域相干累积技术的自适应谱线增强新算法。该算法是根据时空的等效性,将接收到的长数据进行分段处理,分段数据相干累积处理后再进行自适应谱线增强,提高了低信噪比条件下自适应谱线增强算法的性能。计算机仿真结果表明,该算法具有良好的抑制高斯噪声和自适应谱线增强的性能,对于低信噪比条件下窄带信号自适应谱线增强的性能明显优于传统的ALE算法,宽带时变信号的谱线增强还有待进一步的研究。

基于串联动量滤波器的自适应谱线增强器

针对水下环境噪声的非高斯性特点,利用最小均方算法、动量最小均方算法、变步长算法和极性算法的性能,将基于短时相关的自适应谱线增强器修改为基于短时相关动量滤波算法的自适应谱线增强器(SCMBALE),提出了四阶累积量变步长极性动量滤波算法,将基于该算法的自适应谱线增强器(FVSMBALE)、基于动量最小均方算法的自适应谱线增强器(MLMSBALE)及基于短时相关动量滤波算法的自适应谱线增强器(SCMBALE)依次串联起来,构造出基于串联动量滤波器的自适应谱线增强器(SMFBALE)。通过理论分析与仿真实验对该增强器的性能进行了研究。结果表明:该增强器在抑制非高斯噪声、增强线谱信号、跟踪时变信号等方面的性能优于单个的FVSMBALE、MLMSBALE和SCMBALE。

自适应谱线增强器在生物雷达中的应用

在探测废墟下存活的人体时,生物雷达很难找到理想的参考信号对采集的信号进行处理。对已有生物雷达信号处理方法性能进行分析,提出了基于误差变化率的变步长LMS自适应谱线增强算法。算法不需要理想的信号作为参考信号,且收敛性能和鲁棒性好、稳态误差小。Matlab仿真分析证明了该算法应用于生物雷达信号处理的有效性。

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。

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。

基于三阶累积量对角切片的直接自适应谱线增强算法

依据随机平方相位耦合信号三阶累积量不为零的特点,提出了从高斯噪声环境中恢复平方相位耦合信号的基于三阶累积量对角切片的直接自适应谱线增强算法。该算法恢复平方相位耦合信号、抑制高斯噪声的性能优于传统的自适应谱线增强算法。仿真结果证实了这种算法的有效性。

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。

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。

一个新的串联式自适应谱线增强器

为了从非高斯噪声中有效增强水下目标辐射噪声中的线谱特征,提出了基于四阶累积量变步长极性迭代的自适应谱线增强器(FOCVSSBALE),并与基于短时自相关的自适应谱线增强器(STABALE)串联,构造了一个新串联式自适应谱线增强器。该增强器对水下目标辐射噪声的线谱特征分量有二次增强作用,对环境噪声有二次抑制效果,对时变信号有良好的跟踪能力,而且计算量小。用水下某目标辐射线谱的实测数据,对该增强器的性能进行了仿真研究。理论分析和仿真结果表明,该增强器与单个的STABALE或FOCVSSBALE相比,能更有效提高信噪比、增强线谱特征。

一种基于高阶累积量的新变步长的自适应谱线增强方法

从减小高阶累积量计算量出发,综合变步长算法和极性算法的优点,提出了基于高阶累积量的能量幂函数型变步长极性迭代自适应动态谱线增强新方法,该方法用输入信号的能量幂函数作变步长来改善跟踪性能,用非输入信号(由输入信号构成的函数)的符号或极性来减小高阶累积量的计算量。仿真表明,该方法具有良好的抑制高斯噪声、增强谱线和跟踪时变信号的性能。

一种改进的基于二维高阶累积量的自适应谱线增强算法

基于二维高阶累积量的自适应谱线增强算法的迭代步长很容易受到噪声干扰的影响,本文分析了基于二维高阶累积量的自适应谱线增强算法的特点,在此基础上提出了一种改进的基于二维高阶累积量的自适应谱线增强算法.计算机仿真结果表明,本文提出的算法对高斯白噪声和高斯色噪声都有很好的抑制作用,可以改善高斯噪声背景中小空间范围的二维信号信噪比.

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。