一种有效的语音信号盲分离方法

频域盲语音信号分离存在着排序模糊问题,提出一种基于相邻频点幅度相关和DOA估计相结合的解排序模糊方法,并且通过对一系列预处理（白化）、独立分量分析和后处理算法的优化和有机组合,很好地实现了卷积混合语音信号的盲分离。用真实录制的语音信号进行了仿真实验,恢复出来的源信号的信干比较分离之前提高了约13dB,证明了算法的有效性。     

基于声矢量阵的信源数目检测和方位估计算法

大多数高分辨方位估计算法往往需要估计信源数目或假设已知，本文提出一种基于声矢量阵的信源数目检测和方位估计算法。该算法在解析振速模型的基础上，将基于二阶统计量的盲源分离技术应用于矢量阵数据通道的盲源分离，利用信号与噪声的声压和解析振速之间相关性的差异，依据相关系数评价准则实现信源数目的准确检测和方位估计。计算机仿真试验结果验证了算法的有效性。     

宽带信号源数目和DOA快速估计

宽带信号源数目估计与其波达方向（DOA）估计是紧密相连的。文章综合考虑信号源数目和DOA估计,从减少算法的运算量出发,提出了一种新的宽带信号源数目和DOA快速估计方法。该方法首先利用多级维纳滤波器（MSWF）算法来估计信号子空间,避免了特征分解方法估计信号子空间所需要的大运算量;然后基于信号子空间的旋转不变性,提出了一种新的宽带信号源数目估计快速算法;最后利用信号子空间的旋转不变性来估计DOA,避免了谱峰搜索所需要的大运算量。计算机仿真试验验证了此方法的有效性。     

基于贪婪算法的高分辨信号源DOA估计

确定辐射源的来波方向(DOA)是阵列信号处理的重要研究内容,已经广泛应用于雷达、声纳和无线通信等领域。本文研究了远场窄带信号源的DOA高分辨估计问题。利用信号来波方向在空域具有稀疏性的特点,建立了远场窄带信号源的稀疏表示模型。根据协方差矩阵的特征值分解和贪婪匹配追踪算法原理提出了一种基于特征值分解的多重正交匹配追踪算法（EIG MOMP）。首先,利用特征值分解对阵列接收数据进行降维处理。这一降维操作使得问题转化为了一个具有多重观测向量（MMV）的欠定方程求解问题。接着利用MOMP算法对降维后的数据进行处理,最终得到信号的DOA估计值。该算法实现了在低信噪比下远场窄带信号源的高分辨DOA估计,并具有较低的运算复杂度。将本文提出的算法与传统的Capon算法、多重信号分类算法（MUSIC）以及正交匹配追踪算法（OMP）进行了对比。结果证明,该算法在低信噪比下能取得较好的DOA估计效果,可以针对任意的相干信号源,并且具有高分辨率的优点。      

互耦条件下均匀线阵DOA盲估计

阵元间存在互耦时,经典的波达角(DOA)估计算法性能急剧下降甚至失效。针对互耦条件下均匀线阵DOA估计问题,该文提出一种基于盲源分离的DOA盲估计算法。首先,利用源信号的统计特性,由盲源分离方法估计广义阵列流形矩阵;然后,利用均匀线阵互耦矩阵带状、Toeplitz矩阵的特点,将DOA估计问题转化为多个可分离非线性最小二乘问题,由多个1维频域搜索得到DOA的估计。该算法无需高维搜索或多维迭代,对互耦自由度要求更低,互耦自由度未知时仍旧适用,稳健度高。数值仿真验证了该文算法的有效性。     

An automatically paired two-dimensional direction-of-arrival estimation method for two parallel uniform linear arrays

In two-dimensional (2-D) direction-of-arrival (DOA) estimation, paring the azimuth and elevation angles of multiple sources is an important issue. In this letter, we propose a new automatically paired 2-D DOA estimation method by designing the geometry of two antenna subarrays and using the propagator method (PM). A special geometry between two parallel uniform linear arrays (ULAs) with a position displacement on the axial direction is proposed to facilitate the elevation and azimuth pairing and estimation. The simulation results have shown that the proposed method can achieve the same 2-D DOA estimation performance as the existing methods, while the complexity is reduced considerably.     

动态变化混叠模型下盲源分离中的源数估计

在进行欠定盲分离时,特别是对于源信号数目及混合矩阵动态变化的情况,常规的欠定盲分离及源数估计方法不能对源信号数目的变化时刻做出判断,因此很难实现动态变化的源信号数目实时和准确的估计。针对这个问题,提出了一种动态变化混叠模型下欠定盲源分离中的源数估计方法。首先,建立动态变化混叠情形下盲源分离的数学模型及动态标识矩阵。其次,基于构建的动态标识矩阵统计和判断动态源信号数目的变化情况。最后,通过分段时间内多维观测矢量采样点聚类区间局部峰值统计,实现动态变化混叠模型下盲源分离中的源信号数目的有效估计。仿真结果表明,该方法能有效实现动态变化混叠模型下欠定盲源分离中的源数估计,并且信号估计效果良好。     

A Low-Complexity Algorithm for Coherent DOA Estimation in Monostatic MIMO Radar

This paper investigates the topic of direction of arrival (DOA) estimation for coherent sources in monostatic multi-input multi-output (MIMO) radar, and proposes a low-complexity algorithm for coherent DOA estimation. The direction vector of MIMO radar can be firstly mapped into a vector of virtual uniform linear array (ULA), and after that, a linear operator is constructed by partial cross-correlations from the received data of the virtual ULA. Finally, the DOAs can be obtained via roots finding method based on this linear operator. The DOAs can be estimated without any eigen-decomposition, nor evaluating all correlations of the received data. The proposed algorithm has much lower complexity as well as much better angle estimation performance than conventional forward backward spatial smoothing (FBSS)-propagator method (FBSS-PM), FBSS- estimation method of signal parameters via rotational invariance techniques (FBSS-ESPRIT), FBSS- root multiple signal classification (FBSS-Root MUSIC), and ESPRIT-like algorithm. Simulations present the effectiveness and improvement of our approach.     

基于EM算法的宽带信号DOA估计及盲分离

本文提出了一种基于EM算法的宽带信号DOA估计与盲分离方法.首先将宽带混合信号转换到频域,然后综合利用带宽内所有频点信息建立似然函数,在此基础上推导出宽带条件下的EM迭代式,从而实现宽带信号DOA及波形的联合估计.并且本文通过分析EM算法的收敛性,自适应的设定角度搜索空间,提高了算法的运算效率.与传统方法相比,本文方法运用的有效信息更多,因此,其在DOA估计精度及波形恢复性能方面都更有优势.仿真实验表明了该算法的有效性.     

脉冲噪声下基于稀疏表示的韧性DOA估计方法

受相关熵启发,本文提出了一种脉冲噪声下基于稀疏表示的韧性DOA估计新方法.为实现多测量向量下联合稀疏信号的重建,本文提出了一种基于归一化迭代硬阈值的优化算法,讨论了最优步长的选择问题,证明了优化算法的收敛性.仿真结果表明：本文算法能够实现脉冲噪声下多信源的DOA估计,具有比已有算法更高的可分辨概率和估计精度.     

利用深度学习方法的相干源DOA估计

基于子空间分解的相干信源DOA ( Direction of arrival) 估计算法对阵列有特殊的要求，且估计性能较差，在低信噪比时甚至失效；另外，基于压缩感知的DOA估计算法在高信噪比下可以实现相干源的DOA估计，但计算复杂度较高。针对这些不足，本文基于稀疏表示的阵列接收信号模型，提出一种基于深度学习的相干源DOA估计方法，该方法利用卷积网络和全连接网络构造了深度学习网络，并通过选择合适的训练策略，对网络进行了有效训练，利用训练好的深度学习网络能够对相干源进行有效的DOA估计。仿真实验表明，与现有的相干源DOA估计算法相比，本文提出的方法适合于任意阵列结构，在时间复杂度上有着明显的优势，在估计性能上优于平滑解相干和L1-SVD（Sigular Value Decomposition）算法，略差于OGSBI（Off-Grid Sparse Bayesian Inference）算法。      

Multi-Source DOA Estimation Using an Acoustic Vector Sensor Array Under a Spatial Sparse Representation Framework

This paper investigates the estimation of the two-dimensional direction of arrival (2D-DOA) of sound sources using an acoustic vector sensor array (AVSA) within a spatial sparse representation (SSR) framework (AVS-SSR-DOA). SSR-DOA estimation methods rely on a pre-defined grid of possible source DOAs and essentially suffer from the grid-effect problem: Reducing the size of the grid spacing leads to increased computational complexity. In this paper, we propose a two-step approach to tackle the grid-effect problem. Specifically, omnidirectional sensor array-based SSR-DOA estimation firstly provides initial low-cost DOA estimates using a coarse grid spacing. Secondly, a closed-form solution is derived by exploring the unique subarray manifold matrix correlation and subarray signal correlation of the AVSA, which allows for DOA estimates between the pre-defined angles of the grid and potentially achieves higher DOA estimation accuracy. To further alleviate the estimation bias due to noise and sparse representation model errors, line-fitting (LF) techniques and subspace techniques (ST) are employed to develop two novel DOA estimation algorithms, referred to as AVS-SSR-LF and AVS-SSR-ST, respectively. Extensive simulations validate the effectiveness of the proposed algorithms when estimating the DOAs of multiple sound sources. The proposed AVS-SSR-ST algorithm achieves high DOA estimation accuracy and is robust to various noise levels and source separation angles.     

基于BPSK和MASK信号源特点的实值ESPRIT算法

在信号源为BPSK和MASK的情况下,提出了一种波达方向（DOA）估计方法。对于等距线阵上的接收数据,此算法根据信号源为实信号的特点,利用欧拉公式形成正弦和余弦数据,并将其加以串联,这相当于将阵元个数加倍,然后在此基础上运用ESPRIT类算法估计波达方向。由于正（余）弦数据为实值数据,所以本文提出的算法可以有效地将运算量减少到相同维数复值运算量的1／4。仿真实验表明新算法不仅估计精度高,而且能够处理的信号个数可大于阵元个数。     

采用降秩多级维纳滤波器的二维DOA估计快速算法

针对双平行线阵的二维波达方向(DOA)估计问题,为有效降低计算复杂度,提出了一种基于降秩多级维纳滤波器(MSWF)的快速算法。首先利用MSWF的前向递推实现信号子空间的快速估计,无需估计协方差矩阵和特征分解;然后,通过MUSIC算法对方位角和俯仰角的估计进行分维估计,使二维DOA估计退化为两个一维DOA估计问题,且方位角和俯仰角自动配对,进一步降低了运算量。仿真结果表明,该方法的估计精度优于同样基于双平行线阵提出的波达方向矩阵法(DOAM),俯仰角兼并时同样适用,计算复杂度低,适用于实时性要求高的应用背景。     

基于双向传播算子的互质面阵二维波达方向估计

针对谱峰搜索的二维波达方向估计中现有算法复杂度高,精度受搜索间隔影响较大的问题,给出了一种双向传播算子的互质面阵二维波达方向估计算法,实现了俯仰角和方位角的低复杂、高精度、无模糊联合估计.该方法首先将互质阵列引入到二维波达方向估计中,构造互质平面阵模型,然后采用两次旋转不变传播算子方法计算出不同阵列流型方向上的旋转因子矩阵,根据旋转因子矩阵解算出目标信号的俯仰角和方位角,同时利用互质理论消除了稀疏阵列角度估计的不确定性,证明了互质阵列模型下采用双向传播算子方法进行俯仰角和方位角估计的无模糊性.对算法的复杂度进行理论分析,并给出了平面阵列角度估计的克拉美罗界推导.理论分析与仿真结果表明,算法不需要进行角度匹配和谱峰搜索,在相同条件下的均方根误差性能优于均匀平面阵的多重信号分类算法,并且以较低的复杂度无模糊的达到了高维网格搜索的精度.     

具有延迟的欠定语音盲分离

探讨具有延迟的欠定语音盲分离问题,针对语音信号的部分W-分离正交性,提出一种新的基于混叠矩阵估计的语音盲分离方法.首先对观测信号进行短时傅里叶变换,选定一个信号作为参考信号,构造幅度衰减向量和时间延迟向量,提取单源主导区间的观测信号作为观测样本;然后对观测样本进行聚类,通过估计参考信号的混叠系数来估计混叠矩阵;最后结合...     

基于虚拟阵列的二维稀疏阵列相干源DOA估计

波达方向DOA估计是雷达阵列信号处理的一个重要方向,传统的MUSIC算法对均匀阵列条件下独立信号源的估计有很强的适应性,但实际的雷达工作中,稀疏布阵下多相干源测角是一个经常出现的应用场景。文中针对二维稀疏阵列的相干源测角,提出了一种基于虚拟阵列的相干源DOA估计方法。该方法利用虚拟阵列内插的方法,将一个任意二维稀疏阵列内插为一个均匀面阵,再通过二维空间平滑方法对相干源进行测角,能够同时获得信号的方位角和俯仰角信息。稀疏面阵和稀疏圆阵的仿真实验结果表明,该方法可以有效的解决二维稀疏阵列的相干源测角问题。     

Direction of arrival estimation using adaptive directional time-frequency distributions

Time-frequency distributions (TFDs) allow direction of arrival (DOA) estimation algorithms to be used in scenarios when the total number of sources are more than the number of sensors. The performance of such time–frequency (t–f) based DOA estimation algorithms depends on the resolution of the underlying TFD as a higher resolution TFD leads to better separation of sources in the t–f domain. This paper presents a novel DOA estimation algorithm that uses the adaptive directional t–f distribution (ADTFD) for the analysis of close signal components. The ADTFD optimizes the direction of kernel at each point in the t–f domain to obtain a clear t–f representation, which is then exploited for DOA estimation. Moreover, the proposed methodology can also be applied for DOA estimation of sparse signals. Experimental results indicate that the proposed DOA algorithm based on the ADTFD outperforms other fixed and adaptive kernel based DOA algorithms.     

基于波束域的子空间正交性测试宽带DOA估计方法研究

投影子空间正交性测试(Test of Orthogonality of Projected Subspace:TOPS)算法通过测试宽带信号各频率点上噪声子空间和信号子空间之间的正交性对目标方位进行到达角估计(DOA:direction-of-arrival)。此算法对参考频点上的信号子空间的估计依赖性较大,因此存在较多伪峰,低信噪比条件下性能差等缺点。针对该问题,提出一种基于波束域的宽带DOA估计方法。该方法通过将阵列接收信号转换到波束域,在波束域中利用信号带宽内各频率分量的波束域方向向量与噪声子空间之间的正交关系构造判决向量,根据判决向量搜索空间谱的极大值对应的角度进行DOA估计。该方法不需要进行角度预估,避免了TOPS算法中常出现的伪峰,降低了信噪比分辨门限,减少了计算量,具有较好的估计效果。将该方法分别运用到均匀圆阵和线阵上,通过仿真对比和海试实验数据的处理,证明了本文所提方法的有效性。      

Blind DOA and polarization estimation for polarization-sensitive array using dimension reduction MUSIC

A novel blind direction-of-arrival (DOA) and polarization estimation algorithm for polarization-sensitive uniform linear array using dimension reduction multiple signal classification (MUSIC) is proposed in this paper. The proposed algorithm utilizes the signal subspace to obtain an initial estimation of DOA, then estimates more accurate DOA through a one-dimensional (1-D) local searching according to the initial estimation of DOA, and finally obtains polarization parameter estimation via the estimated polarization steering vectors. The proposed algorithm, which only requires a one-dimension local searching, can avoid the high computational cost within multi-dimensional MUSIC algorithm. The simulation results reveal that the proposed algorithm has better DOA and polarization estimation performance than both estimation of signal parameters via rotational invariance technique algorithm and trilinear decomposition algorithm. Furthermore, the proposed algorithm can be suitable for irregular array geometry, obtain automatically paired multi-dimensional parameter estimation, and avoid multi-dimensional searching. Simulation results verify the effectiveness of the proposed algorithm.