摘要：针对传统隐马尔可夫模型(HMM)方法提取时变线谱与多线谱的能力较弱以及动态规划过程计算量过大的问题,该文提出一种基于动态参数的1维隐马尔可夫模型(1D-HMM)的方法用于水声信号低频分析与记录(LOFAR)图中的线谱轨迹提取。该方法将时变频率状态建模为1阶马尔可夫过程,利用Viterbi算法循环提取多条线谱轨迹。在动态规划的迭代过程中,通过实时计算序列的1阶导数动态调整HMM中的状态转移概率矩阵,提升了对线谱轨迹的提取能力和多线谱的分辨能力;设计了一种基于动态滑动窗口的功率谱累积方法估计线谱的生灭,剔除虚假的线谱轨迹并判断线谱轨迹提取的结束。同时,该方法在实现过程中设计了对LOFAR图数据的块处理策略,大大减少了计算量。仿真和实际数据的处理结果表明,该方法在低信噪比条件下能够有效地检测和跟踪复杂时变频谱的频率状态,并有较好运行效率,为声呐设备的弱信号检测提供了良好的技术支持。

摘要：基于多元复合假设检验模型,将谐波信号的闭环检测和估计算法应用于DEMON线谱的提取,提出了一种基于联合检测与估计的DEMON算法(JDEMON).该算法设计了DEMON线谱检测和轴频估计之间的耦合机制,利用了DEMON线谱的谐波特性,构建了轴频的检测统计量.在JDEMON处理过程中,首先给出一个假设的轴频先验分布,然后基于谱分析进行线谱检测和轴频估计,最后利用估计器的输出结果对先验的轴频分布信息迭代修正,重复进行线谱检测和轴频估计,形成闭环检测,从而提高了线谱检测和轴频估计性能.仿真数据和实测螺旋桨噪声数据的分析表明,与传统的DEMON处理方法相比,该方法提高了对螺旋桨噪声的轴频估计精度和线谱检测概率.

摘要：首先分析模拟舰船辐射噪声的归一化功率和Moore响度变化趋势,进一步用海试数据验证Moore响度的周期性变化特点,分析Moore响度周期性变化的原因,提取Moore响度均值作为一维特征.然后分析研究音色中有效的谱质心特征,根据谱质心的数学定义推导出谱质心带宽、谱质心斜度以及谱质心峰度的数学公式,举例分析其物理含义,并提出基于六分段频带的谱质心、谱质心带宽、谱质心斜度以及谱质心峰度共24维的音色特征模型.将Moore响度特征模型和音色特征模型相结合,从组合的25维特征的均值和方差分布可知特征具有一定的可区分性.最后设计3层BP神经网络分类器,海试数据表明基于Moore响度和音色的特征模型提取方法是有效的,且有利于提高分类识别率.

摘要：该文以非合作水声脉冲信号为对象,研究非合作条件下水声信号的单水听器匹配场定位。首先根据水声脉冲信号的短时瞬态非平稳特性,设计具有自适应径向高斯核函数的时频分布进行频率估计。然后利用声场传播模型计算声场,求解海洋信道脉冲响应。由计算出的信道脉冲响应和水听器上的接收信号,使用时域最小二乘的方法得到搜索网格区域上的拷贝场信号。最后通过建立误差代价函数,获得表征目标位置的模糊表面,实现利用单个水听器对非合作水声脉冲信号的匹配场定位。通过仿真实验和实际海试数据的验证,证明了该方法的有效性。

摘要：利用直接序列扩频信号的自相关特性,提出了一种直扩信号相关峰累积检测方法.理论上分析了直扩信号的自相关特性,可知在伪码周期整数倍处可能会出现峰值,利用这些相关峰及其倍数关系可以对直扩信号进行判别.但由于信元信号与噪声的影响,这一系列相关峰并非连续稳定出现.在低载噪比时,一些自相关峰淹没在噪声中,直接对其检测比较困难.利用相关峰出现的周期关系,设计了相关峰累积检测器.该检测器不仅可以实现自动检验,而且可适用于低载噪比情况,具有实际应用价值.计算机仿真结果和海试数据都验证了该方法的可行性与实用性.

摘要：实现了一个为类人型机器人设计的目标学习和识别系统,机器人可以利用该系统仅通过和非专业用户简单的互动来发现并记住目标.当目标展示时,系统利用连续帧间的运动信息提取目标特征并基于视觉单词包方法实现机器学习.在目标模型的学习与测试阶段,不仅直接使用了局部特征描述子,还使用了局部特征的并发性以提升特征的可鉴别性.同时,针对目标视觉特征的纹理程度,还采用了一种混合的采样策略.该混合策略使用了更小的计算资源开销并在一个12类常见目标构成的集合上取得了良好的识别效果.

摘要：提出采用正弦模型改善患者高频听觉的非线性降频方法。正弦模型语音分解得到的幅度、频率和相位是算法三个主要的处理参数。为了避免谱失真,将语音频谱按倍频程划分为6个部分。最接近并低于患者门限频率的部分,只做幅度放大处理。按照不同频段对于语音理解度的贡献程度,将患者门限频率以上的频率段压缩并转移到患者的可听频段,并将对应相位信息变为最接近的对应低频相位。在本研究中,10个受试者进行了语音理解度测试。测试结果显示,经过训练后,患者的平均理解率至少提高45%。下一步的研究应增加受试者数量,并增加对患者的听损情况的详细分析,从而设计出更合理,更细致的降频助听算法。

摘要：为了改善信道环境下复杂的水声通信系统性能,更好地实现资源的合理分配,采用跨层设计的思想,提出了一种基于ARQ反馈中继协作水声通信下行链路的资源分配方案.该方案利用目标端的反馈信息ACK/NAK(正确译码/错误译码),在给定目标的误包率、无法获取信源端信道的状态信息、相对复杂的水下环境以及中继会放大转发前路噪声的情况下,可以实现目标用户的调度和速率的分配.仿真结果显示,与传统的方案相比,利用所提出的方案,可以在相对复杂度较小的基础上实现较低的误比特率,达到接近信道状态已知时的性能.

摘要：超分辨波达方位角估计是车载毫米波雷达实现目标精准定位及跟踪需要解决的关键问题。针对车载场景中常见的阵列孔径受限、少快拍、低信噪比以及信源相干的情况,该文提出了一种基于距离多普勒域原子范数最小化(RD-ANM)的车载毫米波雷达动目标超分辨DOA估计方法:首先,构建了基于动目标雷达回波的距离多普勒域阵列接收信号;其次,设计了动目标多普勒耦合相位补偿矢量,用以削弱目标运动对DOA估计的影响;最后,提出了基于原子范数框架的多目标超分辨DOA估计方法。相较于车载毫米波雷达现使用的DOA估计算法,该文算法能够在基于低信噪比条件和单快拍处理前提下获得较高的测角分辨率和估计精度,以及拥有不牺牲阵列孔径对相干信号进行处理的稳健性能。理论分析、数值仿真以及实测实验验证了该文算法的有效性。

摘要：为解决非合作条件下水声脉冲信号检测与参数估计的难题,本文提出了一种基于短时分数阶傅里叶变换(ST-FR-FT)的检测方法。线性调频(LFM)和单频(CW)脉冲信号是最常见的两种水下声脉冲信号,在非合作条件下,信号参数信息的缺失使得不能直接采用匹配滤波检测方法,傅里叶变换(FT)对CW信号具有良好的检测增益,但对LFM信号检测增益下降,尤其是具有较大调制率的LFM信号。分数阶傅里叶变换(FRFT)对LFM信号具有良好的能量聚集性特点,有利于LFM信号的检测,并且包含了Fouroer变换,同样适用于CW信号的检测。为了同时获得接收信号的时域和频域特征,设计了基于短时分数阶傅里叶变换(ST-FRFT)的检测器,可以实现信号参数未知的情况下对LFM和CW信号的截获检测。理论分析了ST-FRFT与STFT方法针对LFM信号和CW信号的检测性能,基于FT的方法对LFM信号的处理增益受到调制率的影响,相对于CW信号增益下降,并且随窗长呈非线性变化,非合作条件下难以获得最佳窗长,而FRFT对LFM信号可以获得近似匹配滤波的处理增益,提高了LFM信号的检测性能。仿真结果和湖试数据处理结果验证了理论分析的正确性与该方法的有效性。