基于径向基神经网络的水下振动物体辐射噪声级别分类研究

运用径向基神经网络,利用水下振动物体内表面加速度信号对其辐射噪声级别进行分类,达到判断其声隐身性的目的.该方法的运算量较传统方法大大降低,极大地提高了计算速度.实例表明,该方法能较准确地对水下振动物体辐射声场声压级别进行分类,进而对其推广应用于潜艇提供了较好的依据.     

非高斯噪声下信号盲检测算法*

针对实际甚低频和超低频接收机不仅受非高斯噪声的影响,同时受到接收机内部和外部环境中高斯噪声影响的问题,对噪声采用高斯尺度混合分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种基于马尔可夫链蒙特卡罗方法的信号盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步检测信道衰落系数、噪声模型参数和信号。算法迭代效率快、精度高。通过与最优检测性能比较,盲检测算法性能优异,对甚低频和超低频信号接收具有重要的现实意义。     

三元混合气体爆炸极限实验研究

瓦斯爆炸是煤矿灾害事故最主要的因素。瓦斯是以CH4为主,常含有CO2、CO、H2S、C2H4、C2H6、H2、SO2等的多元混合可燃性气体。随着各组分配比的不同,瓦斯的爆炸极限不同,呈现的火灾爆炸危险性也不同。利用HY12474型爆炸极限测定仪研究煤矿开采区常见的可燃气体混合物爆炸极限随组分配比变化的情况。通过对三组分不同配比混合气体的爆炸极限的测试,采用Taylor多项式,拟合出了常压下三元气体混合物的爆炸极限随组分配比变化的经验计算公式,并通过实验数据进行了验证,表明经验公式计算结果与实验数据很好吻合,具有工程应用价值。     

水雾扩散模型仿真

建立水雾红外衰减模型时,通常把水雾空间看作单一均匀整体处理,然而雾滴的扩散现象使水雾的雾滴密度无法保证处处相等,所以仿真结果与实际情况相比普遍存在较大偏差。针对这一问题,基于高斯扩散理论与Mie散射理论,提出了一种新的建模方案。通过将水雾空间划分为多个子空间,并计算每个子空间内水雾消光性能的建模方法,提高建模的准确性。同时结合红外制导导弹来袭的方向变化,计算出不同方向上的水雾消光性能。从仿真结果可以看出,这种建模方式能够很好地克服以往建模方法的缺陷,为探索水雾的精确建模提供了一种新思路。     

低信噪比下融合随机共振的运动目标检测算法

为提高智能视频监控系统中运动目标检测算法在低信噪比条件下的鲁棒性,结合混合高斯背景建模算法和随机共振原理实现一种低信噪比下的运动目标检测算法。算法根据混合高斯背景模型对当前帧生成目标概率灰度图,在本文定义的性能评价函数下,通过向该概率灰度图添加噪声使得评价函数最优化从而达到随机共振,对该随机共振灰度图进行阈值分割得到输出的检测目标。针对昏暗、大雾和红外视频分别进行了实验,证实了本文算法的有效性同时也显示本文算法相对于普通背景差算法性能获得了明显提升。     

基于高斯和粒子滤波的AUV水下地形辅助导航方法

针对自主式水下无人航行器(AUV)长时间潜航时的精确导航定位需求,以多波束测深系统为水下地形测量设备,提出一种基于贝叶斯估计的AUV水下地形匹配导航模型。针对贝叶斯滤波后验概率密度函数的求解问题,用高斯混合密度函数近似状态的后验概率密度函数,提出了基于高斯和粒子滤波的水下地形匹配导航方法。基于多波束测深数据的回放式仿真试验表明,提出的方法可以有效近似地形匹配的贝叶斯滤波模型,具有良好的实用性。     

基于预报误差分布拟合的卫星历史机动检测方法

轨道机动会引起在轨卫星的轨道异常,是空间态势感知的重点关注对象之一。为此,提出一种从卫星的两行轨道要素编目数据中检测历史机动的方法。通过分析预报误差检测轨道参数的异常编目值,进而获得相应的历史机动信息。对卫星的两行轨道要素编目数据两两预报求差得到预报误差的样本数据后,利用期望最大化算法可以拟合得到以高斯混合模型表达的预报误差的概率分布模型;以此为基础,可以确定利用预报误差检测轨道参数异常编目值的门限;利用轨道机动与异常编目值之间的对应关系,最终实现机动检测。对典型活动卫星的机动检测结果表明,所提方法能够在准确检出历史机动事件的同时保持较低的误检率。     

多机动目标跟踪的BFG-GMPHD算法

针对高斯混合概率假设密度(GMPHD)滤波算法中的机动目标跟踪问题,提出BFG-GMPHD算法,扩展了GMPHD滤波算法的适用范围。算法利用最佳拟合高斯(BFG)分布来近似目标动态模型中的状态转移矩阵和过程噪声的协方差矩阵,实现了滤波器与不同动态模型的匹配;在对BFG分布进行递推时,引入了模型概率更新过程,解决了BFG仅依赖于先验信息的问题;并利用UKF算法对GMPHD的高斯分量进行递推,使得算法能处理量测方程为非线性的情况。仿真实验表明,BFG-GMPHD算法能快速匹配目标模型的变化,实现对多机动目标的有效跟踪,准确估计出目标的数目和状态。     

一种GMM-SVM混合说话人辨认模型

文中提出了一种GMM和SVM混合说话人识别模型,在特征参数域和概率得分域对两种模型进行了融合。混合模型结合了GMM和SVM各自的优势,使SVM的概率输出兼顾各说话人模型内部和模型之间的信息,并有效解决了SVM训练算法复杂,难以处理大量样本的问题。采用TIMIT数据库进行了说话人辨认实验,结果证明本文提出的GMM-SVM模型比传统的GMM模型和SVM模型具有更好的辨识性能。     

非高斯码元检测的马尔可夫链蒙特卡洛算法

针对实际超低频接收机不仅受非高斯噪声的影响,还受接收机内部和外部环境中高斯噪声影响的问题,对噪声采用非高斯分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种利用马尔可夫链蒙特卡洛方法的超低频信号码元盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步估计信道衰落系数和噪声模型参数,并实现对信号码元的检测。算法迭代效率快、精度高。通过与最优检测算法性能比较,盲检测算法性能优异,对超低频信号接收具有重要的现实意义。