A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter

Underwater acoustic signal processing is one of the research hotspots in underwater acoustics. Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing. Owing to the complexity of marine environment and the particularity of underwater acoustic channel, noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing. In order to solve the dilemma, we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN), minimum mean square variance criterion (MMSVC) and least mean square adaptive filter (LMSAF). This noise reduction technique, named CEEMDAN-MMSVC-LMSAF, has three main advantages: (i) as an improved algorithm of empirical mode decomposition (EMD) and ensemble EMD (EEMD), CEEMDAN can better suppress mode mixing, and can avoid selecting the number of decomposition in variational mode decomposition (VMD); (ii) MMSVC can identify noisy intrinsic mode function (IMF), and can avoid selecting thresholds of different permutation entropies; (iii) for noise reduction of noisy IMFs, LMSAF overcomes the selection of decomposition number and basis function for wavelet noise reduction. Firstly, CEEMDAN decomposes the original signal into IMFs, which can be divided into noisy IMFs and real IMFs. Then, MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs. Finally, both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained. Compared with other noise reduction techniques, the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals, which has the better noise reduction effect and has practical application value. CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection, feature extraction, classification and recognition of underwater acoustic signals.     

考虑禁飞区的高超声速飞行器再入跟踪控制

为确立高超声速飞行器再入精确模型,参考NASA的研究数据对动力学方程中的气动参数进行拟合。基于飞行器结构的相关性质及战略应用背景,加入热流密度、动压、过载和禁飞区等参考约束的限制,融合成强非线性、复杂耦合的最优控制问题。采用改进自适应伪谱法求解模型所构建的微分方程组,通过设置自适应网格细化与配点,使单位时间内状态变量和控制变量波动过大的时间区间被进一步细划,并利用SNOPT求解器解算出符合条件的最优轨迹。设计闭环控制器,实现对最优轨迹的姿态变化的跟踪,测试系统的性能并进行评估。仿真结果表明:整个再入过程中,飞行器速度下降过程偏于平稳,再入轨迹可以满足约束条件,在避开禁飞区的同时取得最大横向航程;三通道角速度收敛可控,对姿态的跟踪较理想,控制器基本可以实现精确调姿。     

共址调频和调幅系统干扰机理及干扰抑制需求分析

以调幅和调频电台为研究对象,对共平台接收电台前端低噪声放大器的非线性进行精确建模,分别对调幅电台和调频电台的干扰抑制需求进行解析,并通过数值仿真对解析模型进行验证。结果表明:所提解析模型较现有模型更为准确;当有用信号功率、噪声功率和干扰功率相同时,调幅通信系统的干扰抑制需求高于调频通信系统。     

基于正态分布曲线的分段式变步长LMS算法

针对传统最小均方误差(Least Mean Square, LMS)自适应滤波算法由于步长固定,在解决稳态误差与收敛性之间的关系时,始终处于矛盾状态的问题,在对传统的固定步长LMS自适应滤波算法分析的基础上,根据变步长LMS自适应滤波算法的步长调整原则,通过构造步长因子与误差信号的非线性函数,提出了一种基于正态分布曲线的分段式变步长LMS自适应滤波算法,并分析了参数取值对算法性能的影响。针对实际信号处理过程中参考信号难以选取的问题,提出了一种基于分裂阵的参考信号选取方法。理论和海试数据分析结果表明:该算法的收敛速度和稳态误差明显优于固定步长的LMS自适应滤波算法和基于Sigmoid函数的变步长LMS自适应滤波算法。     

有约束的Hartley域自适应算法的应用研究

通过对有约束的Hartley域自适应算法、频域自适应算法及时域自适应算法用于自适应降噪系统的计算机仿真研究 ,认为在自适应通信降噪中采用基于Hartley变换的自适应算法较频域自适应算法及时域自适应算法性能更优、降噪效果更好 ,并在高速信号处理器TMS32 0C30上开发实现了该算法 .实验结果表明 ,将Hartley域自适应算法应用于通信降噪系统 ,方法实际可行     

自适应交互多模型算法在机动目标跟踪中的应用

针对多模型算法在机动目标跟踪中存在的问题,运用交互多模型算法(IMM)和自适应滤波理论,设计了一种自适应交互多模型算法(AIMM),结合目标运动模型对目标当前加速度和其方差进行估计,并在此基础上给出了AIMM中模型集和模型转移概率的设计方法,进行了计算机仿真.蒙特卡罗仿真结果表明,与标准IMM算法相比,该算法比IMM算法的跟踪性能有很大提高,跟踪复杂机动目标比IMM有更快的收敛速度,跟踪滞后问题得到较好的解决,跟踪目标的稳定性和精确性均优于IMM算法,有利于机动目标的实时跟踪.     

辐射叶加载的短波宽带鞭状天线优化设计

提出一款具有多层辐射叶结构的新型鞭状天线,在10 m鞭状天线体上设置不同的辐射叶层数、半径、长度、分支数、仰角及其分布情况,研究其对天线辐射性能的影响,综合考虑选择一套最合适的辐射叶结构,并为天线进行双加载和宽带匹配网络的算法优化。仿真结果表明,与现有的普通宽带鞭状天线相比,增益和效率得到了普遍提高,在低频段增益最高提高了3 dB,效率最高提高了5%;在高频段增益最高提高了5 dB,效率最高提高了35%,方向图上翘也得到了一定的抑制,为改善现有的宽带鞭状天线提供一种新的结构设计方法。     

考虑落角约束与驾驶仪特性的自适应RBF空间末制导律

为使大口径舰炮制导炮弹在打击近岸机动目标的末制导段满足落角约束,现考虑自动驾驶仪动态特性,基于自适应RBF逼近网络与动态面滑模提出一种空间末制导律。构建空间弹目相对运动模型,通过带改进微分跟踪器的扩张状态观测器估计目标加速度。为零化视线角跟踪误差与视线角速率,采用自适应指数趋近律设计非奇异终端滑模动态面,并运用自适应RBF逼近网络削弱控制指令抖振。通过Lyapunov第二法证明了全系统中视线角跟踪误差与视线角速率均最终一致有界。仿真实验表明：该末制导律使制导炮弹在空间中打击具有不同机动形式的近岸目标时,均具备良好的末制导性能。     

基于模糊基函数网络的机械臂免模型输出反馈PD控制

针对无速度信息的机械臂轨迹跟踪控制问题,提出了一种带观测器的机械臂免模型模糊基函数网络输出反馈PD控制。所设计的模糊基函数网络被用来估计关节速度,并同时用来补偿系统的未知不确定。网络的权值及参数调整采用混合算法,且能够在线自适应实时调整,不需要离线学习阶段。所提出的观测器及控制器均不需要任何的机械臂动态模型(包括惯性矩阵逆),并通过引入PD控制使整个方案更易工程实现。基于Lyapunov理论证明了整个闭环系统一致最终有界。两关节机械臂试验结果进一步证明了这种基于观测器的反馈控制算法的有效性。     

基于最坏情况下的稳健波束形成自适应方向图副瓣控制方法

针对最坏情况下性能优化的稳健自适应波束形成,提出一种自适应方向图的副瓣控制方法。该方法通过在副瓣任意区域设置多个二次不等式约束,对副瓣增益进行控制,从而可将方向图副瓣电平严格控制在期望值以下。该方法的优化模型可转化为凸二阶锥规划问题,利用内点法可有效求解实现。计算机仿真结果表明存在波束指向误差情况下,该方法既能获得指定的较低副瓣电平,又不带来干扰抑制性能的损失。