宽带体制下混响和目标空时分布特征研究

传统的空时自适应处理（Space-Time Adaptive Processing,STAP）利用窄带混响和目标在空时平面的可分辨特征抑制窄带混响。对宽带混响和目标在空时平面分布特征进行研究,并通过理论推导,得出带宽对混响和目标空时分辨特征的影响公式。结果表明：宽带混响和目标在空时平面分布特征部分重叠,导致传统STAP效果不佳。在此基础上,借鉴STAP思想,并利用线性调频（Linear Frequency Modulation,LFM）信号在分数阶Fourier变换域上的聚焦性,分析了在空-分数阶Fourier域三维空间上抑制宽带LFM混响的可行性。  

遗传算法在分数阶Fourier变换域极值优化中的应用

分数阶Fourier变换采用线性调频基,因此,线性调频（Linear Frequency Modulation,LFM）信号在分数阶Fourier域平面能够聚焦,并形成峰值。为了克服传统步进式搜索法在LFM信号峰值搜索中效率低下的缺点,将遗传算法引入到分数阶Fourier变换极值搜索中。仿真结果表明,该方法优于传统的步进式搜索法。  

混响的混合高斯概率密度建模

混合高斯模型能够有效地拟合混响背景的一维概率密度分布。常用的混合高斯概率密度模型参数估计方法是EM迭代算法,但这种算法的主要缺点是估计精度过分依赖于初始值。而GreedyEM算法通过往混合模型中不断地加入高斯分量,能很好地解决这一问题。文章将多维图象处理中的GreedyEM算法加以合理简化,并给出模型自动定阶方法,从而成功应用于水声混响的一维混合高斯模型建模中。实验结果表明:应用新算法能从混响接收数据中准确拟合其概率密度曲线,并且能适应不同的数据长度,具有很好的通用性。