双目标相干源窄带信号波达方向估计算法

利用水下目标发出的窄带信号,能够实现目标方向的精确估计。针对均匀线列阵接收水下目标窄带信号的特点,提出一种相干源波达方向(Direction of Arrival,DOA)估计的快速算法。通过精确估计目标信号对应的空间频率,直接计算出单目标或双目标信号的波达方向。对该算法进行了理论推导,通过仿真对算法进行验证,并对影响DOA估计精度的因素进行了分析。仿真结果表明,该算法具有较高的估计精度,不受信号时间长度的影响,算法计算量小,便于实时处理,具有较好的工程应用前景。     

一种用于波达方向估计系统的平面功分器

 在某型均匀圆阵DOA（direction\|of\|arrival）测向系统的研制中,采用平面微带结构的一分八功分器实现八个支路的超外差接收．在设计原理的基础上,采用了功分器输出端口增加匹配线的技术,并借助商业软件Serenade进行电路仿真和参数优化．通过实验测量,该功分器具有等功率分配、相位一致性好、结构简单紧凑等特点,很好地满足了系统的设计要求．     

基于协方差扩展PM算法的波达方向估计

针对基于传播算子方法(Propagator Method, PM)的水听器阵波达方向(Direction of Arrival, DOA)估计在低信噪比或者小快拍数时性能变差的问题,文章提出一种改进的基于PM算法的水听器阵方位估计方法。该方法利用信号子空间的旋转不变性特征对协方差矩阵进行扩展和重构,通过分块协方差矩阵的子矩阵得到传播算子矩阵。通过传播算子矩阵构造扩展噪声子空间,然后利用信号子空间与噪声子空间的正交性估计空间谱。仿真实验和湖上实验的结果表明：相较于传统PM方位估计算法,文中算法在低信噪比或者小快拍情况下具有较好的方位估计性能,在信噪比为0 dB时,文中方法比传统PM算法均方根误差减少0.6°;在快拍数为150时,比传统PM算法的均方根误差减少0.1°。     

一种频分MIMO声呐的波达方向估计算法

为了使声呐阵列在有限的载体空间内获得较高的角度分辨率,设计了基于频率分集的多输入多输出（MultipleInput Multiple-Output,MIMO）声呐。该MIMO声呐采用N发M收的布阵方式,接收阵为M元均匀线阵,发射阵由N个阵元组成,且各发射阵元发射中心频率不同、包络相同的窄带信号。建立密集式频分MIMO声呐的回波模型,并以此模型为基础提出了波达方向估计算法方向-相位域多重信号分类（Direction and Phase Domain-Multiple Signal Classification,DPD-MUSIC）算法。仿真实验中以双频MIMO声呐为例,将频分MIMO声呐的DPD-MUSIC算法的估计性能与单输入多输出（Single-Input Multiple-Output,SIMO）声呐MUSIC算法的估计性能进行了对比。仿真结果表明,频分MIMO声呐利用DPD-MUSIC算法可以获得优于等接收阵元数SIMO声呐的角度分辨率和角度估计精度。     

频率值加权的宽带波达方向估计算法研究

0引言宽带信号波达方向估计在音频信号处理、雷达、声呐、无线传感器网络等领域中均有重要应用。宽带信号DOA估计方法的研究起步较晚,二十世纪80年代后才逐渐发展起来。经过30年的发展,目前已经涌现出众多宽带DOA估计方法[1],如非相干信号子空间方法(ISM:Incoherent Signal-subspace Method),相干信号子空间方法     

MMUSIC算法在矢量水听器阵列波达方向估计中的应用

本文提出MMUSIC算法在矢量水听器阵波达方向估计中的应用，并详细描述了该算法的原理及应用过程，最后进行了几个仿真对比试验。仿真结果表明该算法在矢量水听器阵波达方向估计应用中的可行性和有效性。     

基于Y形阵的宽带信号波达方向估计研究

理论分析表明,Y形阵具有所需阵元少和在DOA估计的范围内其估计性能基本保持一致等优点,是角度一致性和阵元数的较好折衷,在阵元数受限和对角度一致性要求较高的场合具有较高的应用价值。为了研究Y形阵在宽带信号的DOA估计中的性能,将Y阵与双边相关变换算法相结合,对多个宽带相关信源进行DOA估计。计算机仿真实验结果验证了上述理论分析的正确性。     

空间散射电磁波的波达方向估计

基于均匀圆阵，提出一种空间散射电磁波的波达方向估计方法。直接利用均匀圆阵的阵列流形，采用最小二乘算法估计二维方向角，并且分析了最小二乘估计算法的数值稳定性。此方法充分利用了均匀圆阵的良好性能，对信号类型具有鲁棒性。计算机仿真证明了此方法的有效性。     

结合主分量分析与DOA估计的语音盲分离

在欠定语音盲分离中,W-分离正交性假设通常使问题简化,但这种简化是以降低分离性能为代价。在语音信号满足近似W-分离正交性的假设下,提出利用主分量分析（PCA）检测只有一个源信号存在的时频点,检测出的时频点均满足W-分离正交性,因此提高了混合矩阵的估计精度。通过从混合矩阵中估计源信号的波达方向,可以较好地解决置换模糊问题。仿真结果表明,提出的方法与经典的DUET方法相比具有更优的性能,平均信干比提高了2.77dB。     

谱校正技术在水下信号波达方向估计中的应用

针对具有不稳定强线谱特征的水下目标,提出了一种基于目标线谱校正技术的信号波达方向估计(Direction of Arrival,DOA)方法,该方法结合矩形窗谱校正技术和全相位修正方法对目标线谱参数进行估计,从而计算目标方位.对该技术进行了仿真研究,并应用于实际水下目标线谱方位估计和单频脉冲波(Cw波)的DOA估计中....     

被动声纳方位估计的宽带盲源分离算法

针对实际被动声纳信号宽带非平稳且统计特性无法预知的特点,由宽带卷积混合模型,建立了融合时间延迟结构与非参数化特性的代价函数,通过核密度技术同时估计目标源的概率密度函数和解混矩阵,并对估计的最优解混矩阵与目标源信号求取每个频点内方位能量谱,最后累加所有子带构成宽带方位能量谱。宽带仿真结果与实际海试表明本文方法在方位分辨率和估计精度方面接近最小方差无失真响应（Minimum variance distortionless response, MVDR）和多重信号分类（Multiple signal classification, MUSIC）算法,在弱目标检测方面具有一定优势。     

高分辨方位估计方法的稳健性研究

基于特征分解理论的子空间类高分辨方位估计方法是目前阵列信号处理领域的研究重点。与波束形成法相比，子空间类法的特点为估计精度高和分辨能力强。但是这类高分辨方法对阵列模型失配十分敏感，存在阵列误差时其估计性能明显下降。文章通过仿真和实验深入研究了MUSIC、Johnson和Mini-Norm等子空间类高分辨方位估计方法的稳健性问题，分析了一定信噪比条件下阵列误差对上述三种方法估计结果的影响程度。研究结果表明，MUSIC法和Johnson法的估计性能相当，而Mini—Norm法的稳健性明显高于MUSIC法和Johnson法，分辨能力和估计精度较好，具有良好的工程应用前景。     

极大似然高分辨波达估计新方法

极大似然估计器是波达方向估计中公认的最佳估计器,但是计算量很大。为了解决极大似然估计器由于进行多维格形搜索而带来的计算量大的不足,将粒子滤波方法与极大似然估计相结合,提出了一种基于粒子滤波的极大似然波达方向估计器(Maximum Likelihood DOA Estimator Based on Particle Filtering,简称MLE-PF)。研究结果表明,MLE-PF不但保持了原极大似然估计方法的优良性能,大大减小了计算量,计算复杂度由O(LK)降至O(K×Ns),而且在低信噪比时也具有比MUSIC以及MiniNorm方法更加优越的估计性能。     

基于过估计信源数的宽带弱信号源DOA估计

为改善MUSIC类DOA估计算法检测弱信源的性能,提出了一种利用过估计源个数和频域峰值统计信息检测宽带弱信号源的MUSIC类DOA估计算法(OSM)。该算法放宽了MUSIC类DOA估计算法过于依赖信源个数质量的限制,OSM把过估计的信源个数输入给MUSIC,提高了正确检测弱信源的概率,同时也增加了虚警概率,但虚假峰值随窄带的变化呈无规则分布。由PPNN和MNT把这一频率域信息引入到信源检测,抑制了虚假峰,提高了OSM的检测性能。其最小可检测信噪比较传统的MUSIC类DOA估计算法降低了6dB。当带宽较窄时,若信号平稳性较好,适当增加一次快拍的采样长度,可提高窄带数目,亦增加了OSM的稳定性。海上实验数据处理得到了和理论分析一致的结果,该数据处理结果也初步验证了OSM算法的良好检测性能。     

未知数量稀疏源盲分离的一种新方法

提出了一种新的用于未知数量稀疏源盲分离的统一方法。为了改善聚类分离的精度，该方法选取混合空间中半径给定的、中心位于原点的超球面以外的所有数据点，然后将这些数据点映射到中心位于原点的单位超球面上以得到集合Cy。由此，原来的聚类变为致密聚类，各聚类互相重叠的现象几乎消失。随后，先通过关于Cy的聚类分离来估计混合矩阵，再根据混合矩阵估计源，其中最佳不相似阚值和相应的聚类数量是自动生成的。计算机仿真结果验证了该方法对具有不同程度稀疏性源的有效性。当源充分稀疏时，重构信噪比大约是300dB。因此，该方法精确、便利。     

用慢特征分析算法实现水声信号盲分离

在常规的水声信号盲处理研究中,通常都是用独立成分分析算法分离线性混合信号,而对于较复杂的非线性混合信号,独立成分分析算法无能为力。针对这种情况,提出将慢特征分析(Slow Feature Analysis,SFA)算法应用于水声信号非线性盲源分离领域。一般而言,对源信号做非线性混合变换后输出混合信号较源信号变化较快,而采用SFA算法可以从复杂的非线性混合信号中提取出变化缓慢的信号,通过仿真实验,分别对简单信号和复杂水声信号的非线性混合信号进行分离,通过将源信号与分离信号对比,发现SFA算法输出信号与源信号高度相似,验证了SFA算法在非线性盲源分离领域应用的有效性和可行性。     

一种基于相关积分的互谱WVD目标方位估计方法

针对水下高速运动目标的被动跟踪问题,将魏格纳-威尔分布(Wigner-Ville Distribution,WVD)算法与互谱法相结合,构建了一种矢量信号处理框架下的目标方位估计方法——基于相关积分的互谱WVD算法。该算法利用了矢量水听器声压通道与振速通道信号的相关特性,首先通过计算两者的互相关函数来提取目标信号的特征信息,然后通过短时积分与傅里叶变换将互相关函数从时域转换到频域,最后在频域提取信号的特征参量,并进行方位估计。仿真研究表明,当目标处于远距离且低速运动时,所提算法的方位估计性能与互谱声强法基本一致;而当目标处于近距离且高速运动时,算法的方位估计性能大大优于互谱声强法。     

自适应非线性BSS及其在齿轮故障诊断中的应用

基于核函数的非线性盲信号处理（BSS）在信号处理中有着广泛的应用,但传统的非线性盲信号处理的学习速率是固定的,如果学习速率选择的不合适,则算法难以收敛或者不能收敛。针对这一不足,结合模拟退火的思想,提出了一种基于核函数的自适应非线性盲信号处理算法。仿真和实验结果表明,该方法改善了原有算法的收敛性能,分离效果良好,算法具有更好的消噪和信号特征提取能力。     

多途环境下的单通道水声信号盲源分离

提出了一种适用于多途环境下的单观测通道水声信号盲源分离方法。该方法首先利用自相关估计多途时延,使经各途径到达的多途信号同相叠加,信号能量得到增强,而噪声由于随机性能量不会增加,进而提高信噪比。然后采用间隔重采样的方法,虚拟多接收通道,解决单通道的欠定问题。仿真分析表明该方法可以有效解决多途环境下的舰船辐射噪声与环境噪声分离,而且在不同信噪比下有较稳定的分离性能。