基于信号子空间的广义回归神经网络频率估计

对淹没在噪声中的载波信号的频率估计可以通过对信号协相关矩阵求取特征向量,分离出信号子空间和噪声子空间,并可基于信号子空间找到与之线性相关,或者基于噪声子空间找到与之正交的载波信号。但要使这两个子空间的矢量函数在某个频率点上得到波峰,仅仅利用噪声子空间的算法,如MUSIC往往需要对一段较大频率范围的频域进行细致搜索,既耗费了大量的时间又会因为搜索步长的选取而造成对识别精度的影响。本文提出一种基于信号子空间的广义回归神经网络频率估计算法,利用广义回归神经网络其极强的非线型拟合和并行计算特性在信号子空间矢量与频率点之间建立良好的非线型映射关系,以达不失估计精度而又提高估计速度的目的。     

欠采样环境下信号多频率估计

在信号欠采样环境下，本文基于时延技术和ＭＵＳＩＣ算法提出了一种新的信号多频率估计方法，只要合适地选取时延器的延迟时间，频率估计是无模糊的。计算机模拟实验表明此方法是可行的。     

基于多层核空间的BPSK信号频率估计方法

在强噪声背景下,针对BPSK调制信号,提出了一种新的频率估计技术.该估计器的设计是基于多层分类核主成分分析及改进核主成分分析,并利用不同的特征空间距离测量法.基于多层核主成分提取估计器需要将调制信号的训练样本根据各自的频率进行分层.为了获得精确的频率估计,估计器首先根据分层结构,提取样本信号的特征从而来获得被观察信号的初始频率.基于该初始估计,来建立最佳的分层处理结构,并根据训练样本的特征空间的最优选择实现特征提取函数的改进.在仿真结果中作了上述两个算法的比较来验证理论的应用.同时该结果也显示在低信噪比下的估计器的卓越性能.     

基于子空间和投影分离的三维正弦信号频率估计算法

本文提出了一种基于子空间和投影分离的三维正弦信号的频率参数估计算法.算法核心思想在于将三维采样数据阵理解为散布在某一维上的二维切片矩阵列,以此来实现对三维采样数据阵列的降维处理,并通过构造投影矩阵来实现信号中各分量的分离,算法可实现信号各分量三维参数自动配对.在整个估计过程中,算法所用矩阵都维持原采样数据阵规模,因而算法整体运算量较小.计算机仿真结果表明所提算法在性能及运算复杂度上均要优于三维情况下的IMDF算法及HOSVD算法.     

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。     

基于子空间旋转不变性的加性有色噪声中谐波频率的估计

噪声中的谐波恢复问题是信号处理领域的一个典型问题,在众多领域中有着广泛的应用。本文主要研究加性有色噪声中谐波频率的估计问题,提出了一种基于子空间旋转不变性的谐波频率的高分辨率估计方法。利用观测信号的自协方差函数构造了一个协方差矩阵,通过对协方差矩阵的特征值进行理论分析,结合子空间旋转不变性,得到了加性有色噪声中谐波的频率和协方差矩阵之间的一种内在联系。利用这个性质可以估计加性有色噪声中谐波的频率。本文方法对于有色噪声的模型无任何假设,而且对于噪声的分布也没有限制,对于高斯和非高斯有色噪声都适用。仿真实验验证了本文所提算法的有效性。      

信号频率和到达角联合估计新方法

提出了一种类L型阵,并运用快速子空间法得到噪声子空间,然后进行频率、到达角二维搜索。此方法阵元结构简单,物理易实现;无需特征分解,计算量大大降低;参数估计精度较高,与多抽头MUSIC方法相当。仿真试验证明了此方法的可行性。     

基于噪声子空间映射的二维波达角快速估计算法

为了降低二维MUSIC(Two Dimensional Multiple Signal Classification,2-D MUSIC)算法的计算量,提高算法的实时处理能力,基于噪声子空间映射思想提出了一种适用于任意平面阵列结构的二维波达角(Direction Of Arrival,DOA)快速估计算法.新算法利用空间角度划分及非线性变换将信号子空间与噪声子空间的正交性等价地压缩至某个角度分片内,使得真实DOA在该角度分片内产生虚拟镜像,通过搜索该角度分片得到虚拟DOA,最后利用数学式直接计算得到真实DOA.理论分析和实验结果表明新算法能够成倍地提高DOA估计的速度,同时具有比MUSIC算法更高的空间分辨率.     

一种新的频率步进信号速度估计方法

该文介绍了频率步进信号处理的基本原理,分析了相对运动速度对频率步进信号的影响,在此基础上提出了一种新的频率步进信号的速度估计方法,通过计算机仿真验证了上述方法的有效性。     

基于子空间域噪声特征值估计的语音增强方法

传统信号子空间语音增强方法中均采用语音活动检测方法估计噪声,当噪声统计特性发生变化或信噪比较低时使用语音活动检测不能准确的估计噪声.本文给出一种基于子空间域噪声特征值估计的语音增强方法.结合语音存在概率对带噪语音协方差矩阵在每个特征向量上的特征值递归平滑得到噪声估计,可以在每一帧内更新噪声特征值.该方法不需要区分有声段和无声段,能够更加准确的反映当前时刻的噪声水平,具有鲁棒性.实验结果表明本文方法要优于传统的子空间语音增强方法.     

白噪声背景下基于MUSIC算法的信号频率检测仿真

描述了在白噪声干扰下使用MUSIC算法对信号进行特征分解频率估计的原理方法,并且通过对一个正弦信号和多个正弦信号的MATLAB仿真试验结果,讨论了算法的特点并且对虚假峰的成因做出了解释。     

一种解耦合二维MUSIC算法研究

针对目前多信号环境中信号的测频测向问题,利用非均匀时延,解开频率和信号到达角之间存在的耦合,在此基础上实现了解耦合的二维MUSIC算法。可同时测量信号频率和到达角,计算量小,并保持了MUSIC算法测量精度高的特点。仿真结果证明了该方法的有效性。     

基于两种神经网络方法分析的DOA估计算法比较

许多高分辨率波达方向估计算法如MUSIC和ESPRIT估计都是以子空间概念为基础并且需要输出相关矩阵的特征值分解,由于数量估计的特征值分解计算,因此提出的PCA和MCA是分别基于信号子空间和噪声子空间的估计算法,算法稳定、收敛,且有自组织特性。仿真实验表明两种神经网络DOA估计算法具有不同的性能。     

阵列天线阵元位置误差的一种有源校正方法

针对等间距直线阵,在子空间基本原理的基础上结合遗传算法,提出了天线阵元位置误差的一种有源校正方法。其优点在于只需要一个校正信号源,而信号源的方向也不必准确已知,所以更加易于工程应用。由于充分利用了遗传算法的全局寻优特性,该方法收敛速度更快,而且适用于任意阵列形式。计算机模拟结果表明,采用该方法完成误差校正后,用MUSIC算法能实现对信号DOA较为准确的估计。     

基于噪声子空间跟踪的OFDM盲信道估计

基于子空间分解的OFDM信道估计算法利用信号子空间和噪声子空间的正交性可以对信道参数进行盲估计,但是子空间分解的运算量大,使盲信道估计算法的实用化受到限制。本文在噪声子空间自适应跟踪的基础上进行OFDM盲信道估计,显著降低了运算量。仿真结果表明,在适当选择学习因子后可以实现对噪声子空间的快速跟踪,在噪声子空间跟踪的基础上得到的信道估计性能接近于子空间分解法。     

基于降维噪声子空间的二维阵列DOA估计算法

为提高波达方向(Direction Of Arrival,DOA)的估计速度,该文基于子空间的正交性原理,利用噪声子空间及其共轭的交集进行奇异值分解(SVD)实现噪声子空间的降维,并基于降维噪声子空间与导向矢量及其共轭的双正交性提出一种2维阵列快速DOA估计算法.理论分析和仿真实验表明:该算法不受实际阵型的限制,能将传统MUSIC谱的角度范围压缩至原来的一半,从而将DOA估计的计算量降至传统方法的50％,并具有与MUSIC算法相当的角度分辨率.     

近场动目标多普勒频率、距离及方位估计算法

针对近场多动目标的定位问题,提出一种近场动目标多普勒频率、距离及方位三维参数估计算法。采用多重信号分类（MUSIC）算法估计回波信号频率,以各个频率估计为参考对信号进行时域滤波,从而实现各目标回波信号的分离。使用二维MUSIC方法由每个目标的回波信号估计其距离与方位。该算法能精确估计近场动目标多普勒频率、距离及方位参数,计算机仿真结果证明了其有效性。     

智能天线技术中DOA估计的MUSIC算法噪声分析

本文分别从噪声子空间和数理统计的角度对MU SIC算法进行了噪声分析,通过MATLAB仿真给出了不同信噪比情况下MU SIC算法的谱分辨能力图。     

采用频率步进信号的多目标三维空间定位算法

频率步进信号是发射载频步进变化的子脉冲串合成的大带宽信号,具有较高的距离分辨率,阵列天线是借助阵列信号处理的空间谱估计提高方位分辨率。提出了一种利用频率步进信号和十字接收阵列对多目标进行三维空间定位的新方法。该方法充分利用了频率步进信号的特点,通过空时域MUSIC算法和自适应波束形算法对多目标的方位和距离二维参数进行估计,最后应用简单的关联算法,实现多目标三维坐标的估计。该方法仅需要一维谱峰搜索,计算量适中,能实现目标的方位和距离估计结果的自动配对,且有较高的分辨率。计算机仿真试验结果证实该方法的有效性。