压缩感知新技术专题讲座(三) 第6讲 压缩感知在语音处理中的应用研究

压缩感知CS(Compressive Sensing)作为一门新兴的技术,成为近年来人们广泛关注的研究热点。文中介绍了压缩感知理论的基本原理,在此基础上将压缩感知理论应用到语音信号处理中。首先研究了语音信号的稀疏性,说明了对语音信号进行压缩感知具有可行性;其次,采用随机滤波器组构造随机测量矩阵得到语音信号的压缩测量值;最后,研究了压缩测量值之间的相关性并将这种相关性作为稀疏度的一种度量方法用于控制随机滤波器阶数,实现了语音信号的自适应压缩感知。     

基于概率图模型的海上多目标跟踪

针对海上复杂环境中多运动目标跟踪问题,提出了一种融合概率图模型和粒子滤波的跟踪方法.该方法采用二元马尔可夫随机场构建多目标模型,利用势函数表示其联合概率分布,最后用变差分法和粒子滤波推理后验概率密度.通过二阶回归模型准确构建状态转移方程,以及Mean-Shift迭代加速粒子采样,提高了算法精确度和运行效率.实验表明:该方法能很好地实现海上复杂环境中的多目标实时跟踪.     

惯性导航在线标定滤波技术

在整个惯性导航标定过程中,滤波性能的好坏会直接影响到在线标定的精度。首先描述了惯性导航的误差累积等系统特性;然后详细介绍了几种典型的滤波算法和鲁棒滤波技术所取得的理论成果及各自优缺点,并阐述了在线标定中的应用情况;接下来分析了在线标定滤波技术的发展趋势,介绍了一种新型滤波方法;最后提出在线标定滤波技术的研究发展方向。     

自适应滤波器在水压引信抗波浪噪声中的应用

本文根据舰船水压信号与波浪噪声的特点,用时间序列的AR模型理论导出一种适用于在水压引信上使用的自适应滤波器。计算机模拟结果表明,该滤波器具有良好的性能。     

强机动目标的非线性滤波器设计

本文应用Kalman 滤波技术,研究了一套适用于航空火力控制系统的机动目标状态估值算法。文中将目标加速度模型假设为既有依赖状态的系数,又能自动适应目标机动的二阶高斯——马尔柯夫过程。采用非线性滤波理论,对非线性耦合的目标相对运动模型没有强行解耦和线性化,而是直接进行滤波。最后就估值精度滤波收敛速度和目标机动变化的适应性等方面进行了大量的数字仿真。仿真结果表明本文所设计的非线性滤波器具有良好的性能。     

四轮车辆路面激励数学模型

基于滤波白噪声法,构建了单轮时域路面激励模型;考虑前轮后轮之间的延时特性,基于路面位移功率谱密度构建了左半车时域路面激励模型;考虑左轮右轮之间的相干性构建了前半车时域路面激励模型;以此综合构建出整车四轮时域路面激励数学模型.对所构建的路面激励模型进行仿真分析,说明了所建立的整车四轮时域路面激励数学模型的有效性.     

基于微多普勒周期相关性的弹道群目标信号分离

针对弹道群目标微多普勒信号分离问题,提出了一种基于微多普勒周期相关性的弹道群目标信号分离算法。对进动目标和旋转目标进行了微动建模,分析了其散射中心在窄带信号下的微多普勒效应,并给出了其参数化表达式。利用STFT对窄带回波进行了时频变换,获取了回波时频图,并采用奇异值分解(SVD)和高斯空间掩模方法分别对时频图进行了消噪和平化处理。再依据散射中心微多普勒瞬时频率的变化规律,采用Viterbi算法对群目标微多普勒曲线进行了提取。最后将提取出的曲线进行傅里叶变换,根据群目标微多普勒周期的相关性,实现了群目标信号的分离。仿真验证了所提方法的有效性和准确性。     

连续动态贝叶斯网络实现多传感器融合跟踪

利用多传感器数据进行目标跟踪,关键是怎样将多传感器的数据合理应用来对系统的状态做出最佳估计。提出应用连续动态贝叶斯网络的方法,结合卡尔曼滤波器模型,实现用多传感器数据进行目标跟踪的方法,并对算法进行了推导和验证。仿真结果证明了提出的多传感器数据互相修正融合滤波方法具有良好的滤波效果,并能够弥补传感器数据缺失和抑制脉冲噪声。     

高超声速巡航飞行器中制导研究

通过分析目前应用较为普遍的几种组合导航方式,针对高超声速巡航飞行器,提出了采用捷联惯性导航系统(SINS)/GPS/天文导航系统(CNS)组合导航作为其中段制导方案,并利用四元数法进行捷联惯性导航计算,运用联邦滤波方法对组合导航进行了仿真,仿真结果表明该方案行之有效。