一种信源数目估计的改进算法

在空间色噪声环境下,实际信源数接近于阵元数时,现有源数估计算法结果会产生误差过大,文章提出了一种基于四阶累积量的盖尔圆改进算法。首先对阵列接收的数据构造四阶累积量矩阵,并去除了矩阵的数据冗余,虚拟地增加阵元数,然后利用数据协方差矩阵的特征值梯度大小趋势对盖尔圆半径进行修改,最后完成源数目的个数估计。理论仿真实验表明本文算法较好地解决了实际信源数接近阵列阵元数时,信源数估计误差过大的问题。     

色噪声背景下的重采样信源数目估计方法

针对盖氏圆信源数目估计方法在低快拍数、低信噪比情况下性能变差的问题,设计了一套能在有色噪声中提高估计准确率的方法。首先,对接收信号样本集多次抽样,利用多个子样本集协方差矩阵的行列变换构建不同酉矩阵,然后对多个酉变换结果取平均,最后通过多次重采样循环迭代得到最优估计值。仿真结果表明,相比传统GDE的统计方法,文中提出的方法能得到更稳定、准确的估计结果,同时计算所需的接收信号快拍数目更少、信噪比更低。     

色噪声环境下MIMO雷达角度估计算法

针对色噪声环境下的MIMO雷达目标角度估计问题,提出一种基于四阶累积量切片的角度估计算法。算法利用MIMO雷达的接收数据计算出四阶累积量,构造出累积量切片矩阵,通过特征分解,结合ESPRIT算法实现了雷达目标的角度估计。同时进行了低复杂度改进,去掉了冗余信息,保留了MIMO雷达阵元扩展能力和目标分辨力,具有自动抑制加性高斯噪声和任意高斯色噪声的能力。最后计算机仿真结果证实了算法的有效性和可行性。     

色噪声背景下相干信源DOA估计的空间差分平滑算法

文中提出了一种色噪声背景下相干信源波达方向(DOA)估计的新算法-空间差分平滑(SDS)算法.SDS算法利用均匀线阵协方差矩阵的Toeplitz分解特性,差分平滑运算,将非相干信源与相关(或相干)信源分开分辨,从而重复利用阵列接收数据,可分辨更多信源.SDS算法可对消空间色噪声,适用于更广泛的未知噪声背景及低信噪比环境.相比常规谱估计算法,SDS算法具有更强的信源过载能力及阵元节省能力,利用少数阵元进行迭代空间平滑运算,还可明显减小SDS算法的计算量.计算机仿真结果证明了SDS算法理论的正确性和有效性.     

高阶累积量在欠定盲源分离中信源数目估计的应用

源数目估计在盲处理技术中具有重要意义,欠定条件下信号源数目的估计是已有盲分离算法中一个未解决的难题.通过利用高阶累积量的扩展特性提高估计的分辨性能,研究并分析了在通信侦查中基于高阶累积量的源教估计方法的优化过程,并将此过程应用在通信侦查中欠定条件下的信号源个数估计问题中.最后给出了详细的计算方法,通过仿真实验证明了该过程的正确性和有效性,同时还研究了噪声和样本对不同信号模型的影响.     

信源数目估计方法的研究

盲信号处理（Blind Signal ProCessing）是近年来信号处理研究的热点之一,＂盲＂是指在没有任何先验信息或者先验信启、不足环境下的假设,因此,该处理方法对环境及信号的应用更加宽泛。盲信源数目是盲分离的首要前提,信源数目的确定更是直接关系到盲分离效果的正确性。本文主要研究了IAC准则,MDL准则和盖式圆准则的盲信源数目估计算法。在不同信噪比情况下,分别对噪声观测信号进行信源数目估计。通过实验证明,盖式圆在含有噪声的情况下,能够相对准确的估计出信源数目,IAC和MDL在低信噪比情况下,不能准确的估计出信源数目。     

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。     

高斯色噪声下的相干信号 DOA 高分辨率估计*

针对高斯有色噪声下的DOA估计问题,提出一种基于高阶累积量稀疏表示的DOA估计方法。该方法利用四阶累积量矩阵中的第一列生成最小冗余向量,利用扩展阵列的最小冗余导向矢量构造过完备字典。然后利用L1范数作为稀疏约束条件,建立最小冗余向量的稀疏模型进行DOA估计。该方法将求解四阶累积量的次数从M4次降为M2-M+1次。同时又能充分利用四阶累积量的优点,对高斯有色噪声具有良好的抑制能力,并使阵列孔径得到了扩展,估计信号个数能大于阵元数目。仿真实验和理论分析验证了该方法比MUSIC-like和MUSIC算法具有更好的性能,不需要任何处理可以直接应用到相干信号。     

基于未知信源数目改进DOA估计的研究

针对智能天线信源数目SH准则和AIC准则算法复杂,具有人为因素干扰,以及传统DOA算法主要针对线阵分析,达不到应有的精度和测量整个空间的目的。首先介绍传统智能算法,阐述了SH准则、AIC准则的原理,同时给出了改进算法模型,以及改进DOA估计的模型。实验结果表明,在白噪声干扰情况下,运用改进准则可以减少人为因素的影响,加快算法速度;改进的DOA估计可以降低白噪声的干扰,在整个空间上对接收信号进行了分析,提高准确率。     

基于空间平滑和盖尔圆准则的信源数目估计方法

基于空间平滑理论和盖尔圆准则，提出了一种能够在色噪声环境下估计相干源结构和数目的方法。该方法首先借助空间平滑技术去除信源的相干性，然后利用盖尔圆准则估计去相干后的信号子空间的维数，经多次平滑和估计得到阵列协方差矩阵的平滑秩图，从而确定信源的相干结构和数目。仿真实验证明了该方法的有效性。     

有色随机噪声背景下互谱TLS-ESPRIT估计方法

现代互谱估计是抑制有色观测噪声的一种有效方法.对旋转不变技术估计信号参量的方法进行了深入的分析,并进而提出了有色声随机信号背景下互谱TLS-ESPRIT估计方法.这种方法的突出特点是几乎不需要任何色噪声的先验信息,并在很低信噪比下工作,避免了以往互谱估计本身所固有的在整个频域上的谱峰搜索,可直接通过特征值确定信号参数估计值.此方法只需两次SVD分解,计算量大大降低.仿真结果表明,该方法具有较好的谱估计分辨率和良好的稳定性.     

基于因子分析的信源数与噪声估计

 空间色噪声环境下的信源数估计是阵列信号处理研究的热点之一.本文引入因子分析(Factor Analysis)模型模拟阵列接收协方差矩阵,在色噪声条件下提出了基于最小均方准则求解构成协方差矩阵的因子,进而构造统计量判断信源数量并完成空间色噪声的估计.通过计算机仿真对比已有的其他方法,验证了本文提出方法的有效性和优越性.     

AWGN信道中非恒包络信号SNR估计算法

本文提出一种利用信号自相关矩阵的奇异值分解(SVD)对加性高斯白噪声(AWGN)信道下非恒包络信号信噪比的盲估计算法,并作了详细理论分析.通过对该算法进行计算仿真,结果表明:该算法性能稳定,对MPSK、MQAM信号在实际信噪比为1~20dB时,估计误差小于0.5dB.     

基于OMP-SVD的多分量单频信号频率估计

压缩感知(CS)是稀疏信号处理的有力工具。研究了多分量单频信号经过压缩采样以及信号重构后的频率估计问题。首先以一个随机高斯矩阵对信号进行观测测量,得到观测值;然后基于正交匹配追踪(OMP)和奇异值分解(SVD)算法,利用这些观测值对原信号进行高精度重构;最后利用重构中得到的非零元素的位置信息估计了原信号频率,并与基于Levinson-Durbin的AR参数模型频率估计算法进行了性能对比。仿真证明了算法能够高效重构原信号,并精确估计原信号频率。     

空间色噪声环境下双基地MIMO雷达角度和多普勒频率联合估计方法

该文提出了一种空间色噪声环境下双基地MIMO雷达角度和多普勒频率的联合估计方法。该方法利用相邻时刻匹配滤波器输出的互相关矩阵构造新矩阵,消除了空间色噪声的影响,通过对其进行奇异值分解(SVD)获得信号子空间,然后将相邻时刻匹配滤波器输出的时间相位差作为时间旋转因子,采用ESPRIT方法获得目标多普勒频率、波离方向(DOD)和波达方向(DOA)的联合估计。该方法没有阵列孔径损失,且所估计参数能够实现自动配对。计算机仿     

信噪比盲估计算法性能比较

为了实现非协作环境下的通信信号信噪比估计,本文在功率谱分析的基础上,提出了一种基于功率谱差分的信噪比盲估计算法,并将其与传统的基于奇异值分解的信噪比盲估计算法进行了比较。理论与仿真结果表明,与传统方法相比,本文提出的算法不但复杂度低,而且在低信噪比情形下仍具有较高的估计精确度和稳健性。     

空间色噪声背景下双基地多输入多输出雷达低仰角估计方法

针对多径效应的影响,该文提出一种空间色噪声背景下双基地多输入多输出(MIMO)雷达低仰角估计方法。首先对双基地MIMO雷达中低仰角目标的多径环境进行建模,同时考虑发射和接收端的镜面反射信号,并用空间色噪声模拟漫反射。然后利用协方差矩阵求差方法消除未知色噪声的影响,在发射端和接收端进行空间平滑对多径信号解相干,即进行空间差分平滑处理。最后利用酉变换旋转不变技术(ESPRIT)算法估计目标的发射角(DOD)和接收角(DOA)。该文指出特殊情况下空间差分平滑协方差矩阵缺秩的问题,并提出一种修正的空间差分平滑方法。该算法对阵元数要求不高,适用于未知噪声背景及低信噪比环境,并且解决DOD与DOA联合估计的角度兼并问题。仿真实验表明了所提算法的有效性。     

基于高斯拟合与切比雪夫不等式的标签数量二次估计算法

针对射频识别技术(RFID)系统中现有标签数量估计算法存在的估计误差大、识别时延长、时间复杂度高的问题,该文提出一种基于高斯拟合与切比雪夫不等式的标签数量2次估计算法(TLNEGC).首先根据碰撞因子与碰撞时隙比例的关系建立碰撞模型,采用高斯函数对碰撞模型中的离散数据点进行拟合逼近获得高斯估计模型;然后利用高斯估计模型...     

适用任意阵列的变换域二维波达角快速估计算法

 MUSIC(Multiple Signal Classification)算法是波达角(the Direction of Arrival,DOA)估计的经典算法之一,但其在二维DOA估计中因需进行二维谱峰搜索而计算量十分巨大.为降低MUSIC算法的计算量,本文在引入变换域DOA概念的基础上提出了一种能够适用于任意阵列结构的二维DOA快速估计算法,即变换域MUSIC(transformed domain-MUSIC,TD-MUSIC)算法.理论分析和仿真实验表明:该算法不但将空间谱峰搜索的范围减小一半而且具有更低维度的噪声子空间,因而其计算量远小于 MUSIC算法.同时,新算法具有比MUSIC更高的空间分辨率.