共查询到18条相似文献,搜索用时 750 毫秒
1.
一种新的雷达信号分选方法 总被引:5,自引:0,他引:5
ICA(IndependentComponentAnalysis)是近年来信号处理领域的热点研究课题,可以根据输入源信号的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。本文深入分析了ICA算法,并提出了将其用于雷达信号分选的新思路。计算机仿真表明,这种算法应用于雷达信号分选时可以获得很好的分离效果。 相似文献
2.
3.
基于负熵最大化盲抽取的雷达信号分选研究 总被引:1,自引:0,他引:1
研究了盲源分离算法在雷达信号分选中的应用,用基于负熵最大化的盲抽取算法对实际环境下的雷达信号进行分选,仿真结果表明,该方法能够有效地应用于多路雷达信号的分选,能抗突发脉冲干扰及完成降噪处理,并且易于实现,收敛速度快. 相似文献
4.
雷达信号分选利用信号特征参数的相关性来实现不同雷达信号的分离。在实际雷达信号分选的处理过程中,由于信号参数的无规律性以及先验知识的缺乏,采用独立分量分析(In-dependent Component Analysis, ICA)的方法对雷达信号进行处理。针对 ICA 算法分离非平稳信号性能下降的问题,提出一种相关性测度变步长 ICA 算法,将其应用于雷达信号分选中。计算机仿真表明,这种算法不仅减少了信号的分选达到收敛的迭代次数,而且可以有效地提高信号分选的稳态性。 相似文献
5.
6.
传统的雷达信号分选主要是基于统计的思想,通过对脉冲序列的PRI分析,依据PRI的调制方式,将对应的雷达信号分选出来。这种方法存在运算量大,速度慢,且准确率不高的缺点。文章提出将含噪的快速独立分量分析算法应用于雷达信号的分选并分析了不同信噪比下分离的效果。仿真试验证明了该算法可以取得很好的雷达信号分离效果。 相似文献
7.
8.
传统的雷达信号分选主要是基于统计的思想,通过对脉冲序列的PRI分析,依据PRI的调制方式,将对应的雷达信号分选出来。它存在运算量大,速度慢,且准确率不高的缺点。本文提出将快速独立分量分析(FastICA)算法应用于雷达信号的分选。仿真试验证明了该算法可以取得很好的雷达信号分离效果。 相似文献
9.
10.
11.
低信噪比下的去噪一直是一个难题,最近Emir等人提出了Independent Component Analysis(ICA)去噪方法,该方法在光学功能成像中得到了成功应用。但研究发现在极低信噪比下,由于观测数据的样本协方差矩阵具有奇异性,这使得ICA去噪算法中的白化处理步骤无法进行。为解决这一问题,本文利用子空间的概念,在ICA去噪方法的基础上提出了一种新的基于子空间的ICA(ICA based on signal Subspace, SICA)去噪方法。仿真表明该方法能在极低信噪比下有效去噪,同时与传统的滤波去噪相比, SICA去噪方法在去噪的同时还能够成功地将频域重叠的信号正确分离。 相似文献
12.
13.
独立分量分析是一种基于高阶统计量的信号分析方法,与盲源分离问题密切相关。首先介绍了独立分量分析的基本概念和准则,以及衡量算法性能的方法;其次对比较流行的几种独立分量分析算法进行分析和总结,最后对独立分量分析未来的发展做了展望。 相似文献
14.
15.
独立分量分析(ICA)作为一种有效的盲源分离技术(BSS)是信号处理领域的热点。传统的独立分量分析都要求观察信号数目大于或者等于源信号数目,然而对于脑电图(EEG)等的一些信号处理中存在的源信号数目大于观察信号数目的情况,传统的独立分量分析算法不能有效分离。该文针对源信号数目大于观察信号数目的情况,在传统的独立分量分析技术的基础上,给出了一个新的学习算法,并将新算法与传统的独立分量算法进行了比较。实验仿真结果证明该算法在给定2个混合信号的情况下能够较好地分离3个未知语音信号源,成功实现了源信号数目大于观察信号数目情况下的盲源分离。 相似文献
16.
This paper deals with direction of arrival (DOA) estimation and blind signal separation (BSS) based on independent component
analysis (ICA) with robust capabilities. An efficient demixing procedure of complex-valued ICA is presented here, which combines
the signal-subspace demixing procedure exploiting individual signal-subspace projection and Newton’s iteration algorithm based
on maximization of the approximate negentropy of non-Gaussian signal for array signal processing. It resolves the problems
of order ambiguity and identifiability of traditional ICA for time-domain BSS. The proposed method could be directly applied
to radar, sonar, radio surveillance, and communications systems for separating signals and estimating relative DOAs of signals.
Several computer simulation examples for perturbations to the array manifold, unknown noise environments, and Rayleigh fading
channel are provided to illustrate the effectiveness of the proposed method. 相似文献
17.
针对非协作通信中多输入多输出(MIMO)信号的盲调制识别,该文提出一种基于独立分量分析(ICA)和特征提取的调制识别算法。根据空分复用MIMO系统各发送天线上信号的独立性,利用ICA算法从接收的混合信号中分离出发射信号。为实现全盲条件下的调制识别,在进行ICA分离前,利用最小描述长度(MDL)准则估计发射天线数。在得到发射信号之后,首先利用6阶累积量、循环谱和4次方谱算法构造4个特征参数,然后利用分层结构的神经网络分类器识别信号的调制类型。仿真结果表明,所提方法可在较低信噪比下对{2PSK, 2ASK, 2FSK, 4PSK, 4ASK, MSK, 8PSK, 16QAM}8种MIMO信号进行有效识别,当发送天线数为2、接收天线数为5、信噪比为2 dB时,识别率可达到98%以上。 相似文献
18.
低信噪比下的去噪一直是一个难题,最近Emir等人提出了independent component analysis(ICA)去噪方法,该方法在光学功能成像中得到了成功应用。但研究发现在极低信噪比,由于观测信号的样本协方差矩阵具有奇异性,这使得ICA去噪算法中的白化处理步骤无法进行。为解决这一问题,本文利用信号子空间的概念,在ICA去噪方法的基础上提出了一种新的基于信号子空间的ICA(ICA based 0n signal subspace;SSICA)去噪方法。仿真表明该方法能在极低信噪比下有效去噪,同时与传统的滤波去噪相比,SSICA去噪方法在去噪的同时还能够成功得将频域重叠的信号正确分离。 相似文献