自相关矩阵的时空二维估计方法

当不相关信号源入射到均匀线阵，线阵阵元输出信号是空间广义平稳的，其自相关矩阵是赫尔米特托普尼兹矩阵，作者利用阵列信号的空间平稳性质，提出了自相关矩阵的时空二维估计方法。通过大量的模拟实验，验证了时空二维估计方法比常规的时间最大似然估计方法有明显的优越性，它以微弱的计算量换来了估计性能的大幅度改善。     

基于子空间迭代的快速高分辨技术

本文应用子空间迭代技术于多源定向问题中，可以快速得到信号或噪声子空间，而无需对原协方差矩阵做特征分解。理论分析与计算机模拟表明：该方法性能与Ｍｕｓｉｃ相近，然而计算量却大大减小。     

基于特征分解的高分辨时—空二维信号谱估计

本文提出一种基于特征分解的高分辨时-空二维信号谱估计方法。该方法对时-空二维信号相关阵进行特征值分解,构造相互正交的信号子空间和噪声子空间,利用其正交性,得到高分辨的时-空二维信号谱。该方法用于相控阵雷达,可以精确地提取空间目标的方位信息和速度信息。计算机模拟表明了算法的有效性。     

下期部分文章预告

<正>~~     

空时二维谱估计算法的分析与仿真

文中首先介绍了阵列信号模型,分析了空时二维谱估计的原理。指出可以充分利用空域与时域处理的特点来提高空间谱估计算法的性能。相对于一维谱估计而言,二维谱估计的最大优点在于可以处理信源数大于阵源数的信号参数估计问题。通过仿真结果可以看出,算法可以很好的估计入射信号的频率和方位角,验证了所提算法的有效性。     

语音增强:使用burg谱先验信噪比估计消除"音乐噪声"

针对谱衰减增强算法中存在的"音乐噪声"问题,提出一种新的估计先验信噪比的方法.文章深入分析了谱衰减算法中"音乐噪声"的产生原因和抑制机理,并基于对先验信噪比的平滑,准确性和分辨率三者之间的关系以及它们对增强算法的影响等方面的综合考虑,选择burg方法结合直接判决准则进行估计,从而得到更加接近于真实情况下的先验信噪比.实验证明,在最小均方误差(MMSE)和对数谱最小均方误差(LSA-MMSE)增强算法中使用文章提出的先验信噪比估计,可以有效抑制"音乐噪声",同时,语音失真也进一步降低.     

小波包-最大熵谱估计及其在水轮机故障诊断中的应用

充分利用小波包(WP)的时频局部化分析能力和最大熵谱估计(MESE)的频谱细化优点,提出了一种新的谱分析方法——小波包一最大熵谱估计(WP-MESE)。该方法能对振动信号进行多分辨分解,提取故障特征信息,进而进行精确的频谱分析;并运用此法有效地提取了水轮机轴系动态特性信息。实践证明该法是提取微弱故障信息并进行早期诊断的有效方法。     

基于递推算法的严格最大熵谱估计

提出了一种基于递推算法的严格最大熵谱估计方法,所获得的AR模型系数的估值,使反映前、后向预测误差的能量以及前、后向预测误差与信号之间的正交关系的一个综合目标函数极小化,即可以同时满足最大熵谱估计的4个近似等价条件。并利用Levinson递推算法,使计算更简单且计算量比直接求解自相关函数矩阵小。计算机仿真分析表明,当数据长度较短时,文中的方法在谱峰偏移、谱峰分裂及谱分辨率等方面均比Burg法优越,具有良好的估计质量。     

基于分数低阶统计模型的自适应滤波器组谱估计方法

 本文研究了一些自适应滤波器组谱估计方法(AFSE)在对称alpha-stable噪声(SαS)环境下的性能.提出了三种新的基于分数低阶统计模型(FLOS)的自适应滤波器组谱估计方法(AFSE_-FLOS).这些新方法是基于分数低阶协方差(FLOC),因此在对称alpha-stable噪声环境下比基于二阶和一阶统计模型的方法估计性能好.计算机仿真结果表明这些基于分数低阶统计模型的新方法在对称alpha-stable噪声环境下的性能比对应的基于二阶和一阶统计模型的方法性能好,在高斯噪声环境下,与其对应的方法性能相似.     

基于小波分析与MUSIC法的联合算法对信号DOA的估计

文中在对传统MUSIC法的分析的基础上,引入小波多分辨分析的方法,提出了一种新的算法.该算法可以解决在低SNR环境,且阵元数目有限的情况下,对于传统的MUSIC法不能够准确分辨出DOA的问题.同时,该算法同样可以解决在SNR较高,但信号DOA相隔很近,传统的MUSIC法也不足以分辨开来的问题.加入小波多分辨去噪后,则在相同条件下可以有效将DOA分辨出来,理论分析和仿真结果表明,该算法能在不增加阵元数的情况下,有效提高信号的SNR,从而提高了阵列天线的性能.