非平稳色噪声背景下非相关与相干信源数估计算法

在空间色噪声背景下传统基于信息论准则的信源数估计算法性能将下降,且无法实现非相关信源与相干信源并存时信源数估计。针对该问题,提出了非平稳色噪声背景下非相关与相干信源数估计算法。该算法利用特征值总体最小二乘线性拟合,估计得到非相关信源和相干信源组数的联合估计,然后通过空间差分平滑剔除非相关信源,最后利用线性拟合技术实现相干信源数估计。仿真结果表明,与基于信息论准则的信源数估计算法相比,所提算法能实现非相关与相干信源数的联合估计,检测信源数可以超过阵元数,尤其对于角度相近的信源,信源数估计性能更优。     

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。     

战场多目标混合声信号源数盲估计算法研究

为了适应战场的实际应用环境,解决传统的MDL准则信源数估计算法在有色噪声条件下失效的问题,提出了基于MDL函数值比值的信源数目估计算法,但此算法在低信噪比下信源数的检测概率较低。针对这一问题,用样本特征值平方和与样本特征值之和的比来代替MDL函数中的样本特征值算术平均的方法来改进MDL准则函数,从而得到基于改进的MDL函数值比值算法。该算法可以有效提高信源数所对应的MDL函数值与非信源数对应的MDL函数值之间大小的差距,从而进一步提高低信噪比条件下MDL比值法的估计性能。通过仿真试验和实测数据的验证试验,袁明所提出的两种算法是有效的和可行的。     

一种新的基于霍夫变换的信号源个数估计方法

确定信源个数是许多阵列信号处理算法的基础。提出了一种利用霍夫（Hough）变换估计信源个数的新方法。该方法通过Hough变换将观测数据的采样协方差矩阵的排序特征值点投影到Hough参数空间，通过检测Hough参数空间中积累的峰值来估计噪声特征值的数目，从而确定信源的个数。仿真结果证明了新方法的检测性能要优于著名的AIC和MDL准则，并且新方法在低信噪比下也能获得较高的检测概率，为低可观测目标的检测提供了一条有效的途径。     

基于高阶累积量的信源数目估计方法

信源数目确定在许多高分辨阵列信号处理中具有至关重要的作用.提出了一种基于阵列输出4阶累积量信息的信源数目估计方法.通过构造阵列输出的4阶累积量矩阵,根据4阶累积量矩阵特征值分布并采用最小描述长度(MDL)准则估计信源数目.由于信号高阶累积量具有盲高斯特性,该方法能有效地抑制色噪声干扰,可实现色噪声背景下的信源数目估计.仿真分析验证了该方法的有效性.     

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。     

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。