一种新的近场源距离及到达角联合估计算法

该文提出一种基于三阶循环矩的近场源距离以及到达角联合估计算法。该算法充分利用了信号的循环平稳特性以及其空、时域信息,通过构造时空矩阵并进行特征分解获得二维参数的闭式估计。该方法计算简单,无需谱峰搜索,而且二维参数自动配对。与现有的方法相比,该文算法并不要求阵列具有中心对称结构,因此避免了阵列孔径的损失;此外该算法对任意分布的加性平稳噪声以及具有不同循环频率的干扰信号有较好的抑制能力。计算机仿真实验验证了该方法的有效性。     

近场源DOA、距离和极化参数联合估计新算法

研究近场源波达方向(DOA)、距离和极化参数联合估计问题.利用特殊的线性极化阵列,提出一种基于三阶循环矩的新方法.该方法利用信号的循环平稳特性以及空、时域信息,通过时空矩阵的构造和特征分解获得各参数的闭式解.估计过程中无需谱峰搜索,并且能够抑制任意分布的加性平稳噪声以及具有不同循环频率的干扰信号.计算机仿真实验验证了该方法的有效性.     

乘性和加性噪声相关背景下的二维谐波频率估计

本文利用二维循环统计量方法对乘性噪声之间相关、乘性噪声和加性噪声之间也相关这种复杂噪声背景下的谐波恢复问题进行了研究.首先,提出了二维噪声互可混的概念,用它来体现多个二维噪声之间的关系;然后,在乘性噪声为非零均值时,定义了二维循环均值来估计信号频率.在乘性噪声和加性噪声为零均值时,定义特殊的二维六阶时间平均多矩谱切片来估计信号频率.仿真实验证明了算法的有效性.     

相关乘性噪声背景下的三次非线性耦合谐波分析

本文利用特殊四阶时间平均多矩谱对任意均值乘性噪声与任意均值加性噪声共存,并且乘性噪声之间相关、乘性噪声与加性噪声之间相互独立的噪声背景下的三次非线性耦合进行了分析,该方法能够有效地估计出观测信号中参于三次非线性耦合的频率和耦合产生的频率.并且该方法无需限制乘性噪声与加性噪声的颜色和分布.最后,文中把此方法拓广到二维,用此二维四阶时间平均多矩谱方法分析了二维三次非线性耦合问题,同样取得了良好的效果.仿真实验验证了文中结论.     

基于三阶循环累积量的二维谐波信号的参数估计

本文从循环平稳的观点出发来研究乘性和加性噪声中的二维谐波参数估计问题.利用循环累积量的性质得到了二维三阶循环累积量单一记录估计的统计性质.在此基础上,提出了基于三阶循环累积量特殊切片的二维谐波分量个数和频率对的估计方法,并得到了估计的强相容性质和强收敛速度.仿真试验对算法作了说明.     

基于二维循环统计量的二维谐波信号参数估计

本文利用二维循环统计量方法对二维平稳乘性噪声与二维平稳加性噪声共存情况下的二维谐波信号参数估计问题进行了讨论.利用二维循环统计量能够有效地抑制二维平稳乘性噪声和二维平稳加性噪声的特点,有效地从噪声中提取出信号参数.仿真实验对算法作了说明.     

乘性和加性噪声中谐波恢复的循环统计量方法

本文从循环平衡的观点出发来研究乘性和加性噪声中的谐波恢复问题.首先，在一定条件下建立了一般复过程的有限长付里叶变换的大样本性质．然后，得到了任意阶循环矩的样本估计关于循环频率的一致收敛速度．对于乘性和加性噪声中的谐波信号，建立了一、二、三阶循环矩样本估计的统计性质．在此基础上，分别提出了基于不同阶循环矩的谐波分最个数和频率的估计方法，并得到了估计的强相容性质和强收敛速度，最后给出了模拟实验结果．     

乘性和加性噪声中谐波恢复和循环统计量方法

本文从循环平衡的观点出发来研究乘性和加性噪声的谐波恢复问题。首先，在一定条件下建立了一般复过程的有限长付里叶变换的大样本性质。然后，得到了任意阶循环矩的样本估计关于循环频率的一致收敛速度。对于乘性和加性噪声中的谐波信号，建立了一、二、三阶循环矩样本估计的统计性质。在此基础上，分别提出了基于不同阶循环矩的谐波分量个数和频率的估计方法，并得到了估计的强相容性质和强收敛速度，最后给出了模拟实验结果。     

冲击噪声背景下的近场源二维参数估计方法

本文针对背景噪声为冲击噪声的情况,提出了一种新的近场源二维参数估计方法.本方法利用协变异(或协变异系数)构造矩阵,并通过求根的方法估计近场源的方向角和距离参数.该算法可以抑制冲击噪声对估计性能的影响,同时具有无需谱峰搜索的优点.仿真实验证明了该算法的有效性.     

基于遗传算法的复杂背景噪声中二维谐波的二次耦合分析

本文利用二维循环统计量方法对乘性噪声之间相关,乘性噪声和加性噪声之间也相关这种复杂噪声背景中二维谐波的二次非线性耦合问题做了分析。利用当且仅当二维谐波中存在二次非线性耦合谐波时,所定义的二维三阶时间平均矩谱仅在参与二次耦合谐波频率处取得极值的性质,提出了采用遗传算法来分析二维谐波的：二次非线性耦合问题的算法。仿真实验证明了算法的有效性。     

Passive localization of 3-D near-field sources in coexisted multiplicative noise and additive noise

By exploiting thvorable characteristics of a uniIbrm cross-array, a passive localization algorithm of narrowband sources in the spherical coordinates （azimuth, elevation and range） is proposed. Based on the properly chosen sensor outputs, we compute the third-order cyclic moment matrices, and exploit a pre-calibration technique to eliminate multiplicative noise. Then, we construct a parallel factor （PARAFAC） model, and adopt trilinear altemating least squares regression （TALS） to estimate three-dimensional （3-D） near-field parameters. The investigated algorithm is efficient in the sense that it can eliminate multiplicative noise and additive noise, provide the improved estimation accuracy, as well as avoid the parameter-pairing procedure. Simulation results are carried out to demonstrate the performance of the proposed algorithm.     

DOA estimation in multipath based on third-order cyclic moment

A new direction of arrival (DOA) estimation algorithm in multipath based on third-order cyclic moment is proposed in this paper. The algorithm can highly solute every DOA in multipath, and the use of third-order cyclic moment suppresses all stationary measurement noises. The simulation shows the advantages of this algorithm.     

一种新的近场源三维参数联合估计算法

本文研究近场源距离、频率和到达角(DOA)三维参数的联合估计问题，并提出一种计算有效的新算法。该算法利用特征值及相应的特征矢量估计信号参数，不需要谱峰搜索且各参数自动配对。此外，新算法使用四阶累积量，因此适用于任意的加性高斯噪声环境。计算机仿真证实了所提算法的有效性。     

Jointly estimating both range and DOA of near field source

A computationally efficient method for jointly estimating both Directions Of Arrival(DOA) and ranges of near field sources is presented. The proposed algorithm does not need any spectral peak searching and the 2-D parameters are automatically paired. It is suitable for arbitrary additive Gaussian noise environment. Furthermore, its performances are confirmed by computer simulations.     

一种联合估计近场源四维参数的方法

该文提出了一种近场窄带信源频率、仰角、方位角和距离四维参数的联合估计方法。该方法利用特征值及其相应特征向量和四阶累积量估计信号参数,不需要进行谱峰搜索,并且适用于加性高斯噪声环境。计算机仿真实验证明了该方法的有效性。     

基于联合对角化的近场源三维参数估计

提出了一种基于联合对角化的近场源频率、到达角（DOA）和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于白化后的接收数据构造一组高阶累积量矩阵,利用联合对角化方法来得到高阶累积量矩阵的对角结构信息以及对角化矩阵来分别估计阵列流形和信号源的频率,进而由阵列导向矢量结合对应的信号源频率联合估计信号源的到达方向和距离。与基于高阶累积量的类 ESPRIT方法相比,算法可以提高阵元利用率,具有更好的估计效果,同时不需要谱峰搜索且各参数自动配对,计算机仿真结果验证了该方法的有效性。     

基于三阶统计量的欠定盲源分离方法

盲源分离(BSS)在缺失源信号信息及信息混合方式信息的情况下,仅利用观测信号实现源信号恢复,是信号处理中的重要手段。欠定盲源分离(UBSS)中观测信号少于源信号数目,因此,相较于正定/超定情形,其更接近现实情况。然而,观测信号往往受到噪声干扰,传统基于2阶统计量和信号稀疏性的欠定盲源分离结果对噪声较为敏感。鉴于3阶统计量在处理对称分布噪声时的优势,该文利用观测信号的3阶统计信息实现混合矩阵的估计。考虑到源信号的自相关特性,计算多时延下观测信号一系列的3阶统计信息,并堆叠成4阶张量,进而将混合矩阵估计问题转化为4阶张量的典范双峰分解问题。该文进一步利用广义高斯模型和期望最大算法实现源信号的恢复。1000次蒙特卡罗实验表明该文算法能够有效抑制噪声的影响。针对3×4混合模型,当信噪比为15 dB时,该文算法对混合矩阵的平均估计误差达到–20.35 dB,所恢复出的源信号与真实源信号之间的平均绝对相关系数达0.84,与现有方法相比,取得了最好的分离结果。     

近场源距离、频率及到达角联合估计算法

本文提出了一种近场源距离、频率及到达角(DOA)三维参数联合估计算法.该算法不需谱峰搜索且各参数自动配对.由于算法使用了四阶累积量,所以适用于任意加性高斯噪声环境.