空间非平稳噪声下的信源数估计算法

针对空间非平稳噪声环境下信源数估计问题,分析了利用特征向量正交性估计信源数方法存在的不足,并讨论了常见对角矩阵在消除非平稳噪声时存在的问题,提出了一种新的信源数估计算法。该算法先利用特殊构造的对角矩阵进行变换消除非平稳噪声影响,然后将Bootstrap和假设检验理论相结合估计信源数。该算法无需噪声分布模型假设,在低信噪比下有较好的估计性能,有一定实用价值。     

基于相关TOP矩阵的相干信源数盖氏圆估计方法

大部分高分辨波达方向估计算法都是以特征子空间分解为基础的,所以正确估计信号源数对算法结果有效性起着至关重要的作用。该文提出了一种基于均匀线形阵列的相关Toeplitz矩阵构造方法,并结合盖氏圆半径法形成一种相干信源数估计的盖氏圆改进方法,将接收阵列各阵元与参考阵元输出信号做相关,得到一组相关向量,应用相关Toeplitz矩阵构造算法构造阵列输出的Toeplitz矩阵,从而得到去相干的盖氏圆估计矩阵,最后再应用盖氏圆准则完成相干信源数估计。仿真结果表明,本文所用相关Toeplitz矩阵构造算法达到了去相干的作用,扩展了盖氏圆半径法的应用范围,使得盖氏圆准则在不损失阵列有效孔径前提下,能够有效估计相干信源数目。     

信源数目过估计下相干信号的修正MUSIC算法分析

在简要介绍阵列信号处理中广泛采用的MUSIC算法的基础上,分析了信源数目过估计情况下的MUSIC算法测向性能,针对信源数目过估计下MUSIC谱会出现虚假信号的问题,提出了一种适合于相干信号的改进MUSIC算法,仿真结果证实了改进算法的可行性和有效性。     

色噪声背景下基于声矢量阵列孔径扩展的相干目标波达方向估计

在目标波达方向(DOA)估计中,更大的阵列孔径往往能够获得更高估计分辨率和估计精度.然而,在色噪声背景或相干目标情况下,子空间类DOA估计算法性能急剧下降.针对这个问题,采用2个分置且相互垂直的均匀线性矢量阵列,通过阵列之间的协方差矩阵前向/后向平滑进行解相干预处理,并消除有色噪声的干扰;然后利用传播因子方法(PM)得...     

局部平稳高斯色噪声混响模型下的宽带信号检测算法

针对高斯色噪声混响模型下的宽带信号检测问题,研究了AR模型参数对混响局部平稳性的影响并仿真实现了满足要求的混响数据.提出了采用分段匹配滤波和分段预白化匹配滤波器实现混响背景下的宽带信号检测.首次分析了实测的正反线性调频和双曲调频信号产生的混响数据的局部平稳性,结果表明,高斯色噪声混响模型可以准确地描述这2种信号产生的混响.仿真和实测混响数据下的宽带信号检测结果表明,采用分段匹配滤波器和分段预白化滤波器可以在低信混比下检测信号,其中分段预白化滤波器可在信混比大于-19 dB(实测混响)条件下检测双曲调频信号,其性能优于分段匹配滤波器.     

非平稳非高斯测量噪声条件下改进差分粒子滤波算法研究

针对非平稳非高斯测量噪声(NSNGN)条件下差分粒子滤波(DDPF)算法状态估计精度低、易发散的问题,提出了一种改进DDPF(IDDPF)算法. IDDPF算法采用高斯混合密度函数近似估计测量噪声,替代传统算法中测量噪声的高斯密度函数近似估计,采用似然函数的对数最大化法求解高斯混合密度函数模型参数,并将该模型应用于粒子权值计算,避免了高斯密度函数近似估计噪声模型所易于导致的粒子退化问题;通过建立水下目标纯方位角跟踪系统模型,将IDDPF算法应用于闪烁测量噪声条件下水下目标纯方位角跟踪问题的求解。50次Monte Carlo对比仿真实验结果表明：在NSNGN条件下IDDPF算法具有跟踪响应快、估计精度高、鲁棒性较好等优点。     

适于非均匀线阵解相干的DOA估计算法

在研究用非均匀线阵实现对相干信号源方位估计问题的基础上,提出了一种改善方位估计的阵列设置方法和非相干与相干信源分开估计的DOA估计方法。在阵元数一定的情况下,该方法可使阵列对非相干信号源的分辨力较直均匀线阵(ULA)有较大的改善,还克服了一般稀布线阵方位估计模糊和去相关能力差的缺点,而且还具有很好的信源过载能力和估计性能。计算机仿真证明了该方法的正确性和有效性。     

基于正则相关矩阵的信源数快速估计方法

针对阵列雷达的信源数快速估计问题,提出了一种基于正则相关矩阵的信源数快速估计方法。该方法将阵列雷达的接收通道划分为两个分离的二级子阵,利用此二级子阵的接收信号构造正则相关矩阵,并得到该矩阵的正则相关因子,根据虚警概率选定相关因子门限,超过门限的相关因子个数即为信源数。仿真结果表明:该方法在降低运算量、提高实时性的同时,避免了噪声统计特性假设失配带来的判决失效问题,具有较强的环境适应性。     

基于四阶累积量的信源数估计新方法

针对在基于四阶累积量的空间谱估计方法中,基于信息论准则的信源数估计方法完全失效的问题。提出了一种新的信源数估计方法,该方法利用与特征值互补的集合的数值的特点,降低了噪声对应特征值的发散度,然后再利用信息论准则估计信源数。该方法具有计算复杂度低的优点,适用于空间色噪声,仿真分析证明了该算法的有效性。     

基于盖尔圆准则的信源数目估计改进算法

针对最小信息准则(Akaike Information Criterion,AIC)存在的非渐进一致性估计的缺陷,以及盖尔圆准则(Gerschgorin Disk Estimator,GDE)可能出现无序特征值导致检测错误的问题,提出了一种基于盖尔圆准则和最小信息准则的GDE-AIC信源数目估计算法。该算法利用盖尔圆半径与噪声模型无关的特性构造似然函数,将其引入AIC准则模型中,克服了AIC准则非渐进一致性估计的缺点,且适用于空间色噪声的环境。在仿真实验中,将该算法与AIC算法及GDE算法等进行对比,结果表明,该方法稳定性好,适用于白噪声与色噪声,且在低信噪比时仍具有良好的估计性能。     

基于改进的K-均值聚类信源数目估计算法

针对盖尔圆盘法在低信噪比和少快拍数背景下进行信源数目估计时会出现错误判断的问题,提出了色噪声背景下改进的K-均值聚类信源数目估计方法.求出数据相关矩阵后按照信号和噪声的类均值对信号特征值和噪声特征值进行K-均值聚类,然后不断更新类均值直到信号特征值收敛.计算机仿真实验证明了该方法在低信噪比和少快拍数时的估计成功概率高于盖尔圆盘法.     

时变环境对信源数估计及盲源分离的影响分析

针对信号来波方向突变、源信号个数及信号样式发生变化,对辐射源个数估计及盲源分离(blind source separation,BSS)结果的影响进行分析。源信号个数的估计采用基于信息论准则的估计方法,采用自适应盲分离算法 进行信号盲分离。实验结果表明：混合矩阵发生突变时,使用接收数据进行信源数估计,无法正确估计信源数;当 混合矩阵未发生突变,而信号样式发生突变时,源数估计算法能准确估计来波方向数;若混合矩阵不变,在某一来 波方向信号样式的改变,对信号的盲分离不会产生不利影响,可将该来波方向不同的信号样式分开;若混合矩阵不 变,阵列接收信号中信号个数的改变,对信号分离结果没有明显的不利影响。分析结果表明：该研究对评估信源数 估计算法和盲源分离算法在实际环境中的应用效果具有一定参考价值。     

平稳白噪声背景中信号波形的盲分离与恢复

针对现有的盲分离算法在噪声背景中分离性能下降的问题,分析了一定约束条件下白噪声背景中的盲分离输出结果,分析显示盲分离输出信号可以近似看作源信号与高斯白噪声的叠加。Lee滤波器是一种基于边缘保持的非线行滤波器,能滤除高斯白噪声而保持信号的边缘特性。通过Lee滤波器对上述特定约束条件下白噪声背景中的盲分离输出信号进行滤波,可改善盲分离输出信号的波形,并以调制信号为例进行了仿真验证。     

高斯色噪声背景下双基地MIMO雷达的多目标定位

针对雷达实际环境中的高斯色噪声背景,提出了基于ESPRIT-like的双基地MIMO雷达多目标定位方法。首先利用接收信号构造四阶累积量,然后根据新的联合导向矢量的特殊结构,对四阶累计量数据实施行抽取运算,提取出发射和接收"扩展"旋转不变因子,并基于ESPRIT-like方法估计出目标的发射角和接收角,最后利用复矩阵法实现了目标收发角度的配对。理论和仿真实验表明:该方法不受接收阵元数目的限制,不需要解相位模糊问题,在低信噪比时,角度估计性能优于已有的相关算法,在高信噪比时,角度估计性能接近于根克拉美罗界。     

基于改进式特征值二次对角加载的信源数估计方法

针对应用阵列天线进行信号接收时的信源数估计问题,提出一种基于改进式特征值二次对角加载的信源 数估计方法。对天线阵列观测信号协方差矩阵进行特征值分解;对特征值进行一次对角加载,对角加载量取所有特 征值的几何平均值,将原始特征值与对角加载值相加,取代原始特征值;重新计算特征值对角加载量,并进行二次 对角加载,使加载后的特征值满足噪声特征值的最大最小值之比不超过2 的条件,在此基础上,使用信息论准则类 方法和随机矩阵理论类方法实现信源数的估计。仿真实验结果表明,该信源数估计方法具有可行性。     

任意阵列的相干源估计算法研究及仿真

相干信号源的测向是空间谱估计的一个难题.文中介绍了一种基于内插阵列技术的空间平滑算法,可在一定程度上解决任意阵列的相干源测向问题,并指出了这种方法需要注意的问题.通过理论分析和计算机模拟,证明了这种方法的可行性.     

基于垂直矢量阵的相干信号方位估计算法

为了实现相干信号源的空间方位估计,将计算到达角瞬态成像（CAATI）算法引入矢量线阵,提出了基于垂直矢量阵的CAATI算法。该方法不仅具有CAATI算法所需快拍数少、运算量小、精确度高的特点,并且兼具矢量传感器可以同步、共点测量声场中的声压和振速信息的性能,因而利用一维线阵即可实现目标的空间方位估计,实时性好,且有效降低了实际应用中的硬件要求。仿真分析了点源与非点源目标的方位估计性能,结果表明提出的方法切实可行。     

卡尔曼滤波噪声相关时的改进算法

文中通过对基本卡尔曼滤波算法要求系统噪声与量测噪声不相关限制了其应用进行分析,借鉴Kalman早期论文中的思想,运用Lagrange条件极值定理推导了在噪声相关情形下卡尔曼滤波全套算法,拓展了其应用范围,同时对改进算法进行仿真,结果与基本卡尔曼滤波算法进行比较证明达到预期效果,最后对信息融合的研究趋势进行了展望.     

基于ANM的宽带非相干子空间DOA估计方法

针对被动探测系统中,经典的宽带信号波达方位(DOA)估计方法在单快拍下无法获得统计结构,导致无法直接有效估计方位的问题,提出了基于最小原子范数(ANM)来修正传统的宽带非相干子空间(ISM)DOA估计方法。该方法首先将宽带信号划分为若干子带,在每个子带上通过将ANM重构成半正定规划(SDP),构造并恢复出最优的Toeplitz矩阵。该矩阵经过特征分解,能够获取准确的信号子空间和噪声子空间,从而得到误差较小的估计角度;最后将各子带的估计角度均值作为宽带信号方位估计结果。仿真结果和分析表明,所提方法提高了宽带信号的方位估计性能。     

时变噪声统计估计的自适应UKF目标跟踪算法

针对目标跟踪中非线性滤波精度下降甚至发散的问题,提出了一种时变噪声统计估计的自适应无迹卡尔曼滤波(Unscented Kalman Filtering,UKF)算法.首先将系统模型和滤波算法修正为适于噪声非零均值时的情况,然后根据极大后验估计原理,推导出一种次优的时变噪声统计估计器,其系数通过指数加权的衰减因子计算得到,最后与传统UKF算法结合形成自适应的滤波算法.仿真结果表明,该算法保证了滤波收敛性,能够对目标进行有效跟踪,而且滤波精度显著提高.