高斯色噪声背景下的单通道信源数目估计算法

目前信源数目估计算法大都是基于多通道接收模型且对高斯色噪声抑制能力较差,而实际应用中单通道接收模型及色噪声环境非常普遍,因此研究色噪声背景下的单通道信源数目估计算法意义重大。针对现有算法的缺陷提出了一种基于构建信号时间快拍和四阶累积量矩阵的单通道信源数目估计算法。首先通过构建信号时间快拍实现单通道接收信号的升维得到矢量化空间,然后以此组信号空间构造出四阶累积量矩阵,并从理论上验证了该四阶累积量矩阵能有效抑制高斯白噪声及高斯色噪声的影响,最后对该矩阵进行奇异值分解并通过信息论准则估计出信源个数。仿真实验和实际信号实验都表明本文算法能较好地解决单通道信源数目估计问题,且能有效抑制高斯色噪声。      

基于噪声子空间特征值重构的DOA估计算法

该文针对非等功率信号波达方向(DOA)估计问题,提出一种基于噪声子空间特征值重构(Eigenvalue Reconstruction of Noise Subspace, ERNS)的超分辨算法。算法对接收信号自相关矩阵进行特征值分解,通过重构噪声空间特征值以及引入虚拟信源来构造新的接收信号自相关矩阵,对该矩阵进行特征值分解得到新的噪声空间特征值。当虚拟信源与实际信源入射方向相同时,新噪声空间特征值与重构后噪声空间特征值保持不变,利用这一特性来估计信源入射方向。该文给出算法的原理及实现步骤,并通过仿真进行原理验证与性能分析,仿真结果表明与其他子空间算法和MUSIC 算法相比,ERNS算法能够提高弱信号估计成功的概率。     

非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

改进白化的MDL快速独立分量分析算法

采用主分量分析法(PCA)进行的白化处理,可能会错误估计信号子空间维数,且未考虑噪声影响。提出了一种基于最小描述长度(MDL)准则信源个数估计改进白化的盲分离算法。通过信源个数估计确定信号子空间的维数,区分信号与噪声子空间,并估计噪声平均方差,对信号特征值进行修正,进而减小噪声影响,提高算法分离性能。仿真表明,在信噪比高于5 dB时,MDL估计正确估计概率趋近于1,改进白化的MDL快速独立分量分析(FastICA)算法比经典FastICA算法分离性能有较为明显的提高。     

相关噪声环境下相干源2D-DOA估计方法

解决相关噪声环境下相干信源的二维波达方向估计问题,克服最常用的子空间类算法,如MUSIC算法、ESPRIT算法等的不足,将四阶累积量和空间平滑方法相结合,提出了一种新的CSS算法。该算法采用两个平行的均匀线阵作为阵列传感器,通过特殊定义的四阶累积量矩阵对接收空域数据进行平滑处理,实现了相关噪声环境下对相干信源的二维波达方向的估计,并且所估计信源的二维波达方向能够自动配对,最后通过蒙特卡罗实验证明了所提CSS算法2D-DOA性能的有效性。     

基于TLS的改进子空间投影算法

针对经典MUSIC算法在信源相干、低信噪比、小快拍数等非理想环境下性能失效的问题,提出了一种改进的基于TLS的加权子空间投影算法。首先对阵列接收的数据协方差矩阵进行重构处理,以达到解相干目的;其次充分利用子空间信息,基于总体最小二乘拟合方法对特征值进行拟合修正,基于修正MUSIC算法思想,利用校正后的噪声特征值和信号特征值分别对噪声子空间和信号子空间进行加权处理,得到改进后的噪声子空间和信号子空间,并将两者结合得到新的空间谱函数;最后进行谱峰搜索,完成信号源的波达方向估计。仿真结果表明,改进后的算法既适用于相干信号环境,在低信噪比、小快拍数及信号入射角度间隔较小的情况下,又能有效估计出信源的波达方向。     

基于噪声空间加权重构的相干信号DOA估计

针对传统相干信号DOA估计算法在低信噪比、少快拍数以及阵列通道幅相误差下存在的角度分辨力差和测角性能不稳定问题,本文提出一种基于噪声空间加权重构的相干信号DOA估计算法。该算法首先利用共轭重构对阵列接收信号协方差矩阵作解相干处理;然后在信源大致方位内对导向矢量作定积分,计算积分矢量与整个噪声子空间正交基矢量的交空间基矢量,并以此对噪声子空间进行加权;最后运用加权重构后的噪声子空间建立算法空间谱函数,谱峰搜索估计得目标的DOA。计算机仿真结果表明,本文所提算法易实现低信噪比、少快拍数以及通道幅相误差下相干信号的DOA估计。     

利用空间平滑差分算法进行DOA估计

针对色噪声背景下的相干信源波达方向估计问题,提出了一种空间平滑差分算法。该算法通过对空间平滑矩阵进行差分运算来对消色噪声,并采用PM算法进行方向估计。在去除噪声、减小计算量的同时,可估计较多的信源。由于算法对非相关信源和相关(或相干)信源同时估计,因此减小了算法实际实现的复杂度。计算机仿真结果证明了空间平滑差分算法理论的正确性和有效性。     

电磁矢量阵列的四元数Toeplitz矩阵重构算法

对于电磁矢量阵列的相干信源波达方向估计,针对空间平滑算法解相干时减少阵列有效孔径的问题,提出了一种四元数Toeplitz矩阵重构算法。首先,根据四元数的正交特性建立了信号接收模型,很好地保持了电磁矢量阵列的阵元输出信号两分量间的正交性,同时保证了波达方向角信息和极化信息都能包含在重构矩阵中;然后,在阵列各阵元接收数据与参考阵元接收数据的相关函数基础上,构成Hermitian Toeplitz矩阵,从而实现解相干。该算法与空间平滑算法相比增加了相干信源估计个数,且在低信噪比和入射角度接近时具有更好的估计性能,通过仿真实验得到了验证。     

一种改进的基于奇异值分解的信源数目估计算法

信源数目估计问题在盲源分离中具有重要的意义。研究了传感器数目大于信源数目时的源数估计问题。首先分析了用奇异值分解法进行信源数目估计的优势与不足,然后提出了一种改进的基于奇异值分解的信源数目估计算法。该算法首先对含噪混合信号进行奇异值分解,然后检测信号分量与噪声分量之间的转折点,将信号分量与噪声分量区分开来,从而得到信号源的数目。实验仿真表明,该算法在低信噪比以及采样点数较少时仍然具有好的性能。     

利用DBSCAN和概率密度估计的欠定盲源分离混合矩阵估计

针对欠定盲源分离中混合矩阵估计精度不佳的问题,本文提出了一种结合带噪声的基于密度的空间聚类（combining density-based spatial clustering of application with noise, DBSCAN）和概率密度估计的混合矩阵估计算法。首先,通过向量转换方式获得单声源时频点检测准则,并基于此准则从混合信号中检测出单声源点。其次,利用基于密度的空间聚类算法对单声源点进行聚类,由此估计出声源个数以及各类别所属的单声源点。再次,利用概率密度估计获得各类别的聚类中心,并构成混合矩阵。所提混合矩阵估计方法不需要提前设定声源个数,并且避免了由于数据分布不均所造成的聚类效果差的问题。最后,采用压缩感知技术实现源信号恢复,从而从混合信号中分离出各个声源信号。实验结果表明,本文所提的混合矩阵估计方法在声源个数未知的情况下,能够准确估计出混合矩阵;并且分离出的信号具有较高的质量。     

基于有限新息率的非瞬时扩散点源参数估计方法

扩散现象在农业真菌传播、大气污染等现实场景广泛存在,扩散源参数估计也因此在农业、工业等实际应用中具有重要意义。目前针对扩散源参数估计提出的方法大多针对理想的瞬时点源信号,对于非瞬时的实际扩散过程存在模型失配问题,极大地限制了算法的实际应用场景。为了解决模型不匹配的问题,同时有效估计扩散源持续时间参数,该文将扩散源信号模型拓展为脉宽可变信号,并提出相应的非瞬时点源模型的参数估计算法。该算法中,利用无线传感网络采样得到实际测量值,找到一个组合系数将实际测量值线性组合为指数函数,再根据有限新息率(FRI)采样理论对组合后的数据用零化滤波器方法求解扩散源参数。仿真结果表明,在信噪比20 dB,位置参数重构MAE能够达到0.008左右,脉宽参数能够达到0.1左右,持续时间参数能够达到0.05左右,这验证了非瞬时点源参数估计的准确性。同时我们分析了传感器个数等因素对参数恢复性能的影响。     

Application of underdetermined blind source separation in ultra-wideband communication signals

Aiming to the estimation of source numbers, mixing matrix and separation of mixing signals under underdetermined case, the article puts forward a method of underdetermined blind source separation （UBSS） with an application in ultra-wideband （UWB） communication signals. The method is based on the sparse characteristic of UWB communication signals in the time domain. Firstly, finding the single source area by calculating the ratio of observed sampling points. Then an algorithm called hough-windowed method was introduced to estimate the number of sources and mixing matrix. Finally the separation of mixing signals using a method based on amended subspace projection. The simulation results indicate that the proposed method can separate UWB communication signals successfully, estimate the mixing matrix with higher accuracy and separate the mixing signals with higher gain compared with other conventional algorithms. At the same time, the method reflects the higher stability and the better noise immunity.     

一种新的基于 EEF 准则的空间声源个数估计算法

针对指数嵌入族（ Exponentially Embedded Families ,EEF）准则在快拍数小于阵元数情况下无法估计声源个数的问题,本文提出一种新的空间声源个数估计算法。首先通过球麦克风阵列采集空间声场高阶信息,建立球阵列信号模型,将声源个数估计扩展到三维空间。继而将观测信号空间分解为信号子空间和噪声子空间,利用最小均方差（ Minimum Mean-Squared Error ,MMSE）方法估计观测信号空间及噪声子空间的协方差矩阵,确保矩阵估计的一致性和准确性。在此基础上改进似然比函数,同时引入新的自由度计算,使得算法在快拍数小于阵元数的情况下能有效估计声源个数。仿真结果表明,在进行空间声源个数估计时,相对于EEF准则,新的算法不仅适用于快拍数小于阵元数情况,同时提高了估计准确率。     

基于线性噪声特征值的信源数估计

为了提高信源数目估计的准确性,本文通过对采样协方差矩阵特征值的分析,得出噪声子空间对应的特征值近似线性而信号子空间对应的特征值不在该直线上的性质,根据此性质提出一种简单有效的基于最小二乘直线拟合的信源数估计算法,可以在低信噪比的情况下准确估计信号源数目。     

一种低复杂度的ESPRIT新算法

该文提出了一种基于QR分解的Power-ESPRIT (以下简称QP-ESPRIT算法) 新算法。首先使用采样数据协方差矩阵的幂(Power)获得噪声子空间的估计,然后对噪声子空间进行QR分解并使用R矩阵估计信源个数,提出了无特征分解的信源个数检测算法SDWED算法。进而,信号子空间的特征向量就可以由Q矩阵确定,从而应用ESPRIT算法获得信源波达方向的估计。该算法不需要预先知道信源个数的先验知识以及分离信号与噪声特征值的门限。在确定信源个数和子空间估计的同时,本文算法与传统的基于奇异值分解算法相比,具有近似性能时却拥有较低的计算复杂度。仿真结果证明了该方法的有效性。     

New source number estimation algorithm based on l 1 sparse regularization

In view of the problems of inefficient in low SNR and less snapshots when using existing sources number estimation related algorithms,a new algorithm based on e₁sparse regularization under space stationary noise was proposed to estimate the number of signal sources.The algorithm estimated the sources number by using the sparse representation of eigenvalues vectors with the suitable regularization parameter.Theoretical analysis and simulation results show that the algorithm can realize an accurate sources number estimation in low SNR and less snapshots.     

A complex mixing matrix estimation algorithm in under-determined blind source separation problems

This paper considers the complex mixing matrix estimation in under-determined blind source separation problems. The proposed estimation algorithm is based on single source points contributed by only one source. First, the problem of complex matrix estimation is transformed to that of real matrix estimation to lay the foundation for detecting single source points. Secondly, a detection algorithm is adopted to detect single source points. Then, a potential function clustering method is proposed to process single source points in order to get better performance. Finally, we can get the complex mixing matrix after derivation and calculation. The algorithm can estimate the complex mixing matrix when the number of sources is more than that of sensors, which proves it can solve the problem of under-determined blind source separation. The experimental results validate the efficiency of the proposed algorithm.     

实现单通道MPSK信号盲分离的MCMC新算法

本文根据单通道接收两路MPSK混合信号在过采样下的基本模型,针对粒子滤波算法在单通道信号盲分离中的性能瓶颈以及高复杂度问题,提出了基于MCMC方法的新算法。该算法对接收信号进行过采样处理,能够利用更多的波形信息,从而有效抑制噪声的影响。新算法利用Gibbs采样估计MPSK调制符号的后验概率,近似实现了贝叶斯最优估计,并利用最小二乘法实现参数的迭代估计。理论分析与仿真实验表明,相对粒子滤波算法,本文提出的新算法在误码率性能以及复杂度方面具有良好的表现。