一种多谱线增强器

用奇异值分解界定信号和噪声子空间的困难之处,在于有效秩的确定。过去常用的办法是采用固定的阈值确定有效秩,尽管其物理意义明显,但由于缺乏自适应性,影响了子空间法在谱线增强中的应用。本文针对这一缺陷,提出一种根据含噪谐波信号的时频分布,用聚类方法确定有效秩的算法。仿真实验的结果表明了这种算法对一类多谱线增强问题非常有效。     

基于非负约束矩阵分解的语音增强算法研究

从噪声背景中提取尽可能纯净的语音信号，增强有用信号，抑制、降低噪声干扰的技术称为语音增强技术。语音增强有着广泛的应用，因此寻求一种有效的算法对带噪语音信号进行处理得到较纯净的原始语音信号的研究有着很大的意义。多年来很多经典的语音增强算法被提出，如谱减算法，子空间算法等。文章提出了一种新颖的语音增强方法，即基于非负低秩稀疏分解的原理在强噪声环境下实现语音增强。把语音信号和噪声信号看做是一个非负低秩稀疏分解问题并且不断的优化算法分离出语音信号和噪声信号的幅度谱。实验结果表明在强噪声环境下这种方法对比一些传统的语音增强方法效果更好，具有更少的噪声残余与较低的语音失真等优点     

MUSIC算法中谱线改进处理的研究

MUSIC算法,即多信号分类算法,常用于同频信号测向系统,主要利用信号分量相对应的信号子空间和信号分量正交的噪声子空间的正交性来对信源进行估计计算。在实际测向过程中,信号子空间和噪声子空间并不能实现完全正交,并且测试环境引入噪声干扰,对测向结果都构成影响。基于以上问题,对MUSIC算法进行了改进,加入了两种谱线改进算法,分别是谱线增强算法和谱二阶算法;通过对信号进行谱线增强,提高信号的信噪比,并在信号测向过程中加入二阶导数识别算法、提高信号测向角度识别率等方法,能够有效提高信号的信噪比和抗干扰性,增强了测向算法的识别率和精准度。     

相关信源的随机加权信号子空间估计算法

针对空间相关信号源使得阵列的协方差矩阵的有效秩降低的问题,引入随机加权子阵,打破了信号的相关性,得到一种新相关信源的信号子空间的估计算法。仿真实验表明该算法可以有效地去相关,与空间平滑法相比具有更好的估计性能。     

基于子空间跟踪的DSSS通信系统抗窄带干扰研究

对接收信号自相关矩阵分析表明,窄带干扰的能量集中在一个低秩子空间(干扰子空间)内,扩频信号和噪声的能量均匀散布在整个特征空间,通过跟踪接收信号自相关矩阵大特征值对应特征矢量构成的干扰子空间,可实现对窄带干扰的有效抑制。文中采用RRLS算法跟踪干扰子空间,并根据干扰子空间最小特征值与噪声功率的比值自动确定干扰子空间的维数。分析和仿真表明子空间跟踪窄带干扰抑制算法实现复杂度低,数值稳定性好,性能优于传统的自适应横向滤波器。     

一种低秩张量约束的下视稀疏线阵SAR三维成像算法

为了解决3维稀疏数据处理中向量化或矩阵化带来的原始空间结构破坏与计算复杂度高的问题,该文针对下视稀疏线阵3维SAR成像几何模型和回波信号特点,构建了张量空间信号模型,提出了一种基于低秩张量补全的3维SAR稀疏成像算法。该算法首先利用回波张量的低秩性,通过张量补全重构稀疏回波中的丢失元素,再对补全后的全采样信号张量进行3维成像,从而获得高效率、低旁瓣、高分辨率3维图像。基于X波段下视稀疏线阵3维SAR点目标回波进行了3维成像仿真实验,比较了在不同信噪比和采样率条件下的成像性能,并基于实测数据进一步验证了该算法的有效性和优势。     

一种低秩张量约束的下视稀疏线阵SAR三维成像算法

为了解决3维稀疏数据处理中向量化或矩阵化带来的原始空间结构破坏与计算复杂度高的问题,该文针对下视稀疏线阵3维SAR成像几何模型和回波信号特点,构建了张量空间信号模型,提出了一种基于低秩张量补全的3维SAR稀疏成像算法.该算法首先利用回波张量的低秩性,通过张量补全重构稀疏回波中的丢失元素,再对补全后的全采样信号张量进行3维成像,从而获得高效率、低旁瓣、高分辨率3维图像.基于X波段下视稀疏线阵3维SAR点目标回波进行了3维成像仿真实验,比较了在不同信噪比和采样率条件下的成像性能,并基于实测数据进一步验证了该算法的有效性和优势.     

低秩条件下的波达方向估计方法研究

在波达方向估计中,阵列接收数据(观测矩阵)的秩小于信源数时会导致经典的基于子空间分解类的超分辨算法失效,基于压缩感知理论的超分辨方法虽可解决算法失效问题,但随着观测矩阵秩的增加,压缩感知方法大多只是进行简单的向量范数合成,即将多测量向量问题转变到单次测量向量问题来解决,并没有充分利用多余的采样信息.在研究秩缺失条件下信号重构机理的基础上,提出了一种自适应加权递归算法,能够利用额外的采样信息通过空间投影构造出相对正确的信号子空间,弥补了在秩缺失情况下估计精度差的问题,并且在采样数逐渐增加的基础上,可以实现对信号的无偏估计.     

改进奇异值分解算法在时间域瞬变电磁信号降噪中的应用

奇异值分解降噪算法中,有效秩阶次的判断对降噪算法的性能的影响至关重要。为选取更准确的有效秩阶次,本文研究了奇异值序列的差分,提出判断奇异值分解重构的有效秩阶次的新方法,并应用其对时间域瞬变电磁信号降噪,提高输出信号的信噪比。与现有判断有效秩阶次的算法不同,本文算法考查奇异值序列的归一化差分的峰值而不是最大值,通过选择归一化差分的合适峰值,并综合差分比序列以判断阶次。实验中发现,对于两个大小相近的尖峰,其中差分比小的,更适合作为有效秩阶次。本文算法在降噪的同时,能较好地保留有用信号的波形特征,减小失真。      

一种基于高阶累积量的新变步长的自适应谱线增强方法

从减小高阶累积量计算量出发，综合变步长算法和极性算法的优点，提出了基于高阶累积量的能量幂函数型变步长极性迭代自适应动态谱线增强新方法，该方法用输入信号的能量幂函数作变步长来改善跟踪性能，用非输入信号（由输入信号构成的函数）的符号或极性来减小高阶累积量的计算量。仿真表明，该方法具有良好的抑制高斯噪声、增强谱线和跟踪时变信号的性能。     

融合局部低秩先验与Bloch流形约束的磁共振指纹重建算法

为了实现快速成像，磁共振指纹（Magnetic Resonance Fingerprinting,MRF）技术通常使用非笛卡尔稀疏采样模板对K空间进行高度欠采样，从而获得稀疏K空间信号.然而，从稀疏的K空间信号重建像空间数据是一个病态不适定问题，重建出的MRF像空间数据存在大量的混叠伪影，直接影响到组织生理参数的重建准确度.为此需要将各种先验知识引入重建模型之中，以缓解MRF重建问题的不适定性.针对上述问题，本文提出一种融合局部低秩先验与Bloch流形约束的MRF重建模型，并使用交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）求解模型中的非凸MRF重建问题.本文算法在引入MRF像空间数据的局部低秩先验的同时，使用预先构建的字典为重建指纹提供流形约束.一方面通过空域局部低秩约束有效抑制混叠伪影的产生，另一方面利用字典先验避免指纹的时域流形特征在迭代重建过程中丢失.仿真实验结果表明，相较于引入了全局低秩先验与Bloch流形约束的其他同类算法，本文算法可以提供更高的组织参数重建准确度.     

基于信号子空间的ESPRIT-Like算法在相干DOA估计中的应用

相干环境中DOA估计的一个主要任务是在预处理中设法消除空间协方差矩阵的秩损失,首先分析了相干信号对基于子空间的超分辨算法的影响,随后从矩阵重构的思路出发,提出了一种基于信号子空间的ESPRIT-Like算法,最后通过仿真结果证明该方法的有效性与优越性.     

采用单次快拍数据实现相干信号DOA估计

该文针对均匀线性阵列的相干信号DOA估计问题,提出了一种基于单次快拍数据的解相干算法,该算法直接利用快拍数据构造一个Toeplitz矩阵,经理论推导,该Toeplitz矩阵的秩不受信号的相干性影响,仅和入射信号的个数有关,因此对该矩阵进行特征值分解可得到正确的信号子空间和噪声子空间,结合MUSIC,ESPRIT等子空间算法,即可实现对相干信号的DOA估计。数值仿真验证了该算法的有效性。     

基于子空间旋转变换的低复杂度波达角估计算法

多重信号分选(MUltiple SIgnal Classification, MUSIC)算法是波达方向(Direction-Of-Arrival, DOA)估计的最重要算法之一,但庞大的计算量使其工程实用性大打折扣。为降低MUSIC的计算量,该文基于子空间旋转(Subspace Rotation Technique, SRT)变换思想提出了一种高效改进算法,即SRT-MUSIC算法。SRT-MUSIC利用秩亏特性对噪声子空间矩阵按行分块并以旋转变换得到降维噪声子空间,进而基于该降维噪声子空间与导向矢量的正交性构造空间谱估计信号DOA。理论分析表明:SRT-MUSIC能有效避免空间谱搜索中的冗余运算,从而成倍降低算法的计算量。对于大阵元、少信号情况,所提算法计算效率优势更为明显。仿真实验证明了SRT-MUSIC的有效性和高效性。     

基于空间扩展的分布式秩损MIMO检测算法

针对天线相关性或接收环境不理想引起的信道矩阵秩损问题,提出了一种基于扩展空间的秩损MIMO检测算法,该算法采用分布式接收架构获得扩展的高维接收信号矩阵,充分利用分布式接收信号的独立性使信道矩阵达到满秩,然后通过基于信道矩阵QR分解的M分支树搜索算法检测出发送数据,为了度量所提算法性能的好坏,给出了分布式接收信号的克拉美罗界。理论分析与仿真结果表明,与现有的秩损MIMO检测算法相比,所提算法在增加少量复杂度的情况下,估计结果更加接近克拉美罗界,且在大信噪比时性能优异。      

四阶累积量谱线增强方法的改进仿真研究

为提高自适应谱线增强器跟踪性能,减小高阶累计量的计算量,综合了变步长算法与变符号函数法（ISA）算法的优点,在高阶累积量的能量幂函数变步长极性迭代自适应谱线增强算法的基础上,首次提出了一种计算正弦信号基于高阶累积量变步长ISA算法的迭代自适应谱线增强方法。该方法用输入信号的能量幂函数作变步长来改善跟踪性能,用非输入信号的分段性限幅函数来减小高阶累计量的计算量。仿真结果表明该算法在抑制高斯噪声和非高斯对称分布（拉普拉斯）噪声上优越于基于能量幂函数变步长极性迭代自适应谱线增强算法,能稳定保持信噪比提高3 dB。     

基于QR-RPCA的双基地MIMO雷达参数估计方法

针对冲击噪声下因接收信号二阶及以上矩不存在而产生性能恶化的问题,提出一种基于QR分解和鲁棒性主成分分析法(QR-RPCA)的双基地多输入多输出(MIMO)雷达参数估计方法。针对RPCA算法适用于实数矩阵处理的情况,先将复数信号转化为实数;然后根据冲击噪声的稀疏特点与目标信号矩阵的低秩特点,利用QR-RPCA算法将低秩信号矩阵从受冲击噪声污染的接收信号中提取出来,并直接得到信号子空间,该算法避免了传统RPCA算法中的大规模奇异值分解,时间复杂度有所降低;最后根据信号子空间并利用旋转不变信号参数估计技术(ESPRIT)对目标方位进行估计。理论与仿真表明,本文算法相较于其他消除冲击噪声的算法,对于低特征指数的冲击噪声具有更好的估计性能。     

一种适用于小样本的迭代多重信号分类算法

当样本数不足时,由采样协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得多重信号分类(MUSIC)算法目标角度(DOA)估计性能下降。为了解决这个问题,该文提出了一种迭代算法通过校正信号子空间来提高MUSIC算法性能。该方法首先利用采样协方差矩阵特征分解得到的噪声子空间粗略估计目标角度;其次基于信源的稀疏性和导向矢量的低秩特性,由上一步得到的目标角度以及其邻域角度对应的导向矢量构造一个新的信号子空间;最后通过解一个优化问题来校正信号子空间。仿真结果表明,该算法有效地提高了子空间估计精度。基于新的信号子空间实现MUSIC DOA估计可以使得性能得到改善,且在低样本数下改善尤为明显。     

基于三阶累积量对角切片的直接自适应谱线增强算法

依据随机平方相位耦合信号三阶累积量不为零的特点，提出了从高斯噪声环境中恢复平方相位耦合信号的基于三阶累积量对角切片的直接自适应谱线增强算法。该算法恢复平方相位耦合信号、抑制高斯噪声的性能优于传统的自适应谱线增强算法。仿真结果证实了这种算法的有效性。     

联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测

针对低秩稀疏矩阵分解的高光谱异常目标检测算法忽略了图像的空间信息,导致检测精度低的问题,提出了一种联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测算法。算法综合利用了高光谱图像的光谱信号与空间信号,并与图像自身的稀疏性相结合,对经典的基于低秩稀疏矩阵分解的目标检测算法进行改进,该算法以待测像元为中心构建一定大小的空间窗,计算中心像元与邻域内其他像元的空间相似度权值和光谱相似度权值,通过计算邻域内其他像元对中心像元的比例权值得到了中心像元的重构光谱值并作差得到两者的残差矩阵;最后基于低秩稀疏矩阵分解的高光谱异常目标检测算法得到图像的稀疏矩阵,将代表异常目标信息的稀疏矩阵和残差矩阵相加并求解矩阵行向量之间的欧式距离得到像元的异常度,设置阈值,得到检测结果。为验证所提算法的检测性能,采用了真实的高光谱数据进行仿真实验,并与现有算法进行对比,结果表明该算法能够得到更高的检测精度。