一种波达方向估计的快速算法

提出一种波达方向估计的快速算法.为了估计到信号子空间,该方法只需要多级维纳滤波器的前向递推,不需要估计样本协方差矩阵和对其作特征值分解,也不需要多级维纳滤波器的后向递推.从而使得该方法具有小运算量和低复杂度的特点,易于实时处理.由于不需要估计样本协方差矩阵,所以该方法可以应用在小样本和快时变的信号环境中.仿真结果证明了该方法的有效性.     

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。     

采用Lanczos算法快速估计噪声子空间

提出一种采用Lanczos算法估计噪声子空间的新方法。该方法采用传统的空间平滑技术解相干，然后由多级维纳滤波器的预滤波器的性质可知，多级维纳滤波器的冗余分解级的预滤波器可以构成一个噪声子空间。由此可以采用Lanczos算法快速估计到噪声子空间。由于不需要对协方差矩阵作特征值分解，而且所要求的冗余分解的级数较少，其运算量比基于特征值分解方法要小得多。此外。采用Lanczos算法计算降维矩阵和冗余矩阵只构成多级维纳滤波器的前向递推，从而使得算法的复杂度大大降低。最后，计算机仿真验证了该方法的有效性。     

一种新的宽带信号源数目快速估计方法

信号源数目估计是波达方向(DOA)估计的基础.基于两个子阵接收数据的信号子空间的旋转不变性,利用Lanczos方法来求解多级维纳滤波器的匹配滤波器组,即子阵的信号子空间,本文提出了一种新的宽带信号源数目快速估计方法.该方法不需要计算协方差矩阵或对其进行特征值分解,避免了特征值分解的大运算量.最后通过计算机仿真验证了本文方法的有效性和优越性.     

基于PCA网络的快速子空间分解及其维数估计

提出了一种基于主分量分析（PCA）神经网络实现子快速子空间分解及其维数估计的新方法。该方法不需要估计数据协方差矩阵和特征值分解,只需将阵列数据输入到PCA网络,通过网络权值的无监督自组织迭代即可同时完成子空间分解及其维数估计。因此该方法具有运算量小和复杂度低的特点,易于实时处理。计算机仿真验证了该方法的有效性。     

一种基于子空间分析的快速信源个数估计方法

针对阵列信号处理中传统信源个数估计方法如基于Akaike信息论准则方法(AIC)、最小描述长度准则方法(MDL)等特征值分解类算法计算量大,且在小快拍数、低信噪比时性能下降甚至无法正确估计的问题,提出了一种基于子空间分析的快速信源个数估计方法。该算法首先利用多级维纳滤波器(MWF)对信号进行快速的子空间估计,然后计算阵列信号协方差在子空间匹配滤波器中的投影值,通过分析其正交性来估计信源个数。研究结果表明,该算法不但在小快拍数、低信噪比时相较于传统特征值分解类算法具有更优异的性能,并且计算量大大降低。     

一种快速的特征空间自适应波束形成算法

特征空间自适应波束形成（EBAB）算法的权向量是线性约束最小方差（LCMV）波束形成器的权向量在信号干扰子空间上的投影,因此需要计算量巨大的特征分解。基于信号干扰子空间投影矩阵可利用阵列协方差矩阵进行高精度的有理近似的思想,提出一种快速计算自适应权向量的算法。理论分析和计算机仿真表明,在信号干扰子空间维数已知时,该算法的性能同EBAB算法一致,同时该算法对子空间维数过估计不敏感。     

一种实用性强的MC-CDMA盲信道估计方法

基于子空间分解的MC-CDMA盲信道估计算法运算量大,实用性差.本文根据在MC-CDMA中信号子空间维数远小于噪声子空间维数的特点提出从信号子空间的角度进行MC-CDMA盲信道估计,并采用PASTd算法对信号子空间及其维数进行动态跟踪.本文还通过对子空间跟踪的结果进行正交化处理的方法,显著提高了盲信道估计的性能.本文的盲信道估计方法运算量低,实用性强,仿真结果表明其盲信道估计性能接近特征值分解法.     

一种DOA估计的快速子空间算法

MUSIC算法是一种属于特征结构的子空间超分辨方法，该算法性能优良，但需要估计协方差矩阵并对其进行特征分解，运算量大，很费计算时间。本文对波这方向估计问题进行了研究并提出了一种采取降维处理的快速子空间算法，该算法利用阵列协方差矩阵的一个子矩阵快速得到信号子空问，无需特征分解，且无需估计整个协方差矩阵，只需估计该子矩阵，故快速算法运算复杂度远低于MUSlC算法，而性能损失并不太大。理论分析和计算机仿真结果表明此方法是有效的。     

基于循环子空间投影的杂波快速抑制方法

子空间类方法能够较彻底地抑制高频回波中的海杂波,但该方法需要对高维协方差矩阵进行特征值分解,计算量很大,制约了方法的实际应用效率.针对该问题,提出了一种循环抑制杂波的快速子空间投影方法,通过快速子空间法估计出每次迭代的最大特征值及其特征向量,利用特征值差值拐点估计杂波和信号子空间维数,然后不断地对消掉杂波在空间的投影分量,最终使得慢速目标凸显出来.计算机仿真结果表明,快速方法的杂波抑制效果与子空间类方法相当,但计算速度大大提升,更适合实际工程应用.     

一种信源个数与波达方向联合估计的新算法

针对多级维纳滤波器(MSWF)用于子空间估计时信号特征矢量泄漏到噪声子空间的问题,提出了一种新的信号子空间估计算法,该算法不需要训练信号和信源个数的先验知识.随后,给出了一种信源个数的后判断方法,最终完成信源个数及方向的同时估计.整个算法不需要协方差矩阵的计算和特征值的分解,具有较低的计算复杂度.在均匀线阵且信号互不相关情况下,改进后的算法用于波达方向估计时拥有与基于特征分解方法近似的性能.仿真结果验证了该方法的有效性.     

一种基于信号子空间和听觉掩蔽效应的语音增强方法

提文推导了基于离散余弦变换(DCT)的子空间分解法对有色噪声背景下的语音进行增强的公式,用基于听觉掩蔽效应的感智滤波器对增强后的信号频谱进行平滑以抑制背景噪声。几种噪声背景下对增强语音的客观测试表明,本文提出的方法可以有效地减少语音信号的失真度。     

一种基于信号子空间和听觉掩蔽效应的语音增强方法

采用子空间分解法对噪声语音进行信号增强，并用基于Johnston听觉掩蔽模型的感知滤波器对增强后的信号频谱进行平滑以抑制背景音乐噪声。几种噪声背景下对增强语音的客观测试表明，与传统的信号子空间分解法相比，基于信号子空间和听觉掩蔽效应的方法可有效地减少语音信号的失真度。     

一种新的信号子空间宽带测向算法

宽带信号测向是信号处理研究的难点课题之一，经典的旋转信号子空间（RSS）变换算法需要知道和真实来波方向接近的方向初始值。不合适的方向初始值将会降低估计器的收敛能力，引起估计偏差，从而使算法的估计精度受预估计的影响很大。本文提出的新算法首先推导出不同频段不同方向角的方向矢量之间的关系，然后再利用信号子空间、噪声子空间和阵列流型之间的关系构造一个特殊矩阵，最后通过求条件数来判断来波方向。所以新算法不需要构造聚焦矩阵，不需预知初始值，从而提高了算法的稳健性，降低了运算量，且新算法同时利用了信号子空间和噪声子空间，减少了噪声子空间扰动对算法精度的影响。计算机仿真验证了新算法的有效性。     

一种GTD模型参数估计的新方法

本文将能够精确描述高频电磁散射的几何绕射(GTD)模型取代传统的多重信号分类(MUSIC)算法所采用的指数和模型,并对MUSIC算法做了相应改进.提出利用特征分析方法的信号与噪声子空间正交特性,使改进后的MUSIC算法既能够精确估计目标散射中心位置,又能估计散射中心类型,取得了较好的效果.本文针对各种空间平滑预处理方法对噪声子空间与信号正交特性的影响进行了仿真,指出空间平滑预处理方法会影响噪声子空间及信号子空间结构,进而影响散射中心类型的估计,所以应对散射中心类型的最终结果进行修正.     

A geometrical interpretation of signal detection and estimation (Corresp.)

By introducing an appropriate representation of the observation, detection problems may be interpreted in terms of estimation. The case of the detection of a deterministic signal in Gaussian noise is associated with two orthogonal subspaces: the first is the signal subspace which is generally one dimensional and the second is called a reference noise alone (RNA) space because it contains only the noise component and no signal. The detection problem can then be solved in the signal subspace, while the use of the RNA space is reduced to the estimation of the noise in the signal subspace. This decomposition leads to a very simple interpretation of singular detection, even in the non-Gaussian case, in terms of perfect estimation. The method is also extended to multiple signal detection problems and to some special cases of detection of random signals.     

无参考信号条件下基于MSWF的DOA估计算法

现有基于多级维纳滤波(MSWF)的子空间法波达方向(DOA)估计算法复杂度较低,但需要先验的参考信号.论文从MSWF求解线性预测问题入手,将基于MSWF的线性预测和子空间两种不同的DOA估计方法结合起来,提出了一种实用的低复杂度DOA估计算法.该算法无需构造专门的参考信号,在低信噪比或信源数估计不准的情况下,算法依然具有较好的稳健性和估计性能.仿真实验验证了本文的结论.     

An Improved SAR Image Denoising Metho d Based on Bo otstrap Statistical Estimation with ICA Basis

A new method for Synthetic aperture radar (SAR) image denoising is proposed. The prior information of speckle statistical model can be exploited to judge its distribution. The basis of SAR image can be estimated by Independent component analysis (ICA), and these bases can be divided into two different subspaces (noise and real signal subspaces) through a linear classifier. Then para-metric Bootstrap estimates the parameters of speckle sta-tistical model on the noise signal subspace, and the non-parametric Bootstrap can estimate the distribution of real image on the real signal subspace. According to different results estimated by Bootstrap, corresponding Maximum a posterior probability (MAP) filter will be selected for im-age denoising, using the noise model’s parameter for adap-tive filtering. Experiments show that the image processed by this new method can achieve a better visual perception and ob jective evaluation results.     

子空间分解方法在语音增强系统中的应用

介绍了基于子空间分解的单通道语音增强的方法，并利用有声/无声检测的判决算法提高了对噪声估计的准确度，通过KL展开将含噪语音分解为信号子空间和噪声子空间，并在信号子空间中对原始语音信号进行了最优的估计，有效地滤除了数字语音系统中的宽带噪声，并在一定程度上抑制了“音乐噪声”的影响，获得了较好的语音增强效果。