一种无孔径损失的空间差分平滑方法

提出一种无孔径损失的空间差分平滑方法.该算法通过差分技术将相干信号与独立信号分开处理,从而在相干信号和独立信号同时存在的情况下,有效的提高了阵列可检测信号源的数目,最大限度的利用了阵列的孔径.尤其当混合信号中相干源数目较大、信噪比(SNR)较低时,该文方法在检测数目和性能上优于空间差分平滑(SDS)方法.计算机仿真结果验证了该方法的有效性和优越性,并且在信噪比较低时仍可以精确进行DOA估计.     

相干信源波达方向估计的加权空间平滑算法

提出了一种用于空间相干源DOA估计的加权空间平滑算法(WSS，weighted spatial smoothing)。常规的空间平滑算法没有利用子阵输出的互相关信息，而且对相干信源的分辨力较差。WSS算法充分利用了子阵输出的自相关信息和互相关信息，将主阵协方差矩阵的所有子阵阵元数阶的子矩阵进行加权平均，以期提高常规空间平滑算法的分辨性能。文中以加权平滑后等效的信源协方差矩阵的对角化为约束条件，推导了加权矩阵的理论表达式。计算机仿真结果表明，WSS算法与常规空间平滑算法相比具有更高的分辨性能和更低的信噪比门限。特别是在于阵划分较多时其优越性更加明显。     

基于加权子空间投影的改进空间平滑DOA估计算法

为了更准确地估计相干信源波达方向（DOA）,提出了一种基于加权子空间投影算法的改进空间平滑估计方法。通过对阵列协方差矩阵的自相关子矩阵以及关于主对角线对称位置互相关子矩阵分别进行互相关处理,得到一种新的空间平滑矩阵,以进行解相干预处理。为了改善估计性能,构造一种对子空间进行加权投影的算法,进行DOA估计。仿真实验结果表明,该改进算法尤其是在低信噪比、小快拍数及相干信源间隔很近时能更加有效地进行DOA估计,提升了分辨性能。     

加权空间平滑TLS-ESPRIT算法性能分析

针对常规TLS-ESPRIT算法不能处理相干信源测向的问题,在空间平滑TLS-ESPRIT算法的基础上,提出了加权空间平滑TLS-ESPRIT算法。通过对原始阵列进行特殊结构的子阵划分,直接利用子阵输出的自相关和互相关信息求得加权矩阵,充分利用阵列输出的自相关和互相关信息,提高了信号子空间与噪声子空间的正交性,从而实现相干信源的解相干。仿真结果表明,新算法在不同信噪比和快拍数下,都优于空间平滑TLS-ESPRIT算法,对相干信号的DOA估计具有更好的处理效果。     

一种改进的全阵空间平滑技术

在处理相干信号源的方法上,传统的空间平滑方法如前后向平滑、加权前后向平滑等都是非常有效的方法.然而,已有的空间平滑算法在信噪比较低或相干源的波达方向角(DOA)相邻很近时无法精确估计,而且都必须以牺牲孔径为代价.因此当信号源数目较大时,传统的空间平滑方法是无效的.针对这些问题,提出了一种新的实相干信号的估计方法,在信噪比较低时仍可以准确估计邻近的相干源,而且没有孔径损失.仿真结果验证了该方法的优越性.     

基于加权空间平滑的单次快拍DOA估计算法

针对均匀线性阵列的相干信源波达方向估计问题,提出了两种基于加权空间平滑的单次快拍DOA估计算法.第一种改进算法对阵列接收的单次快拍数据构造伪协方差矩阵,对伪协方差矩阵进行特殊结构的子阵划分,运用嵌套的空间平滑算法求得加权矩阵,通过加权求和方法同时实现信源间的解相干和波达方向估计.第二种改进算法是在第一种算法的基础上,利...     

相干信号MUSIC谱估计的空间平滑技术

相干信源DOA估计是阵列信号处理的一个研究热点。以MUSIC算法为代表的子空间类高分辨DOA估计算法对于非相干或相关程度较小的空间信源具有良好的分辨性能,且运算量较小。但它们优良的分辨性能却会随空间信源间的相关程度的增加而逐渐恶化,直至失效。本文对空间前向平滑技术和前/后向空间平滑技术了深入的研究和仿真,仿真结果表明该算法对相干信源的DOA有较好的估计性能。     

一种互耦和相干源条件下的DOA估计方法

空间平滑算法是一种常用的解相干处理方法,而阵元间互耦的存在会导致空间平滑算法失效,从而无法准确估计相干源DOA。针对这个问题,文中提出了一种新的DOA估计方法。该方法基于信号子空间和噪声子空间的正交性原理,利用入射信号源中的独立信号源可以有效估计出互耦矩阵,再通过估计的互耦矩阵对接收数据协方差矩阵进行互耦补偿,克服了互耦对空间平滑算法的影响,从而保证了相干源DOA能准确估计。计算机仿真实验表明了该方法的有效性。     

一种基于波束空间的非相关信号源DOA估计方法

针对非相关信号源的到达角估计,本文基于波束空间信号输出协方差矩阵的对角阵特性,建立了信号到达角估计的最小化代价函数.采用DFT波束形成矩阵,借助于矩阵分解变换,保持了阵列流形的Vandermonde结构,并由此将代价函数转换为二次函数形式,得到信号源到达角的精确估计.仿真结果表明该算法具有更快的运算速度,更低的分辨力门限及高的估计精度.     

一种空间相关性与隶属度平滑的FCM改进算法

针对传统的模糊C均值(Fuzzy C-Means, FCM)及其改进算法对样本进行聚类时存在对噪声敏感及边界样本聚类不够准确等问题,该文提出一种基于空间相关性模糊C均值聚类改进算法。首先分析样本的空间分布特征及相互影响,设计样本的影响值来改进聚类中心计算方法及距离计算函数,然后结合邻域信息,通过在邻域内样本隶属度求和过程中引入一控制参数来重新定义模糊隶属度矩阵,从而实现邻域样本的隶属平滑。理论分析和实验表明,改进算法对含有大量噪声的样本及图像中各区域边界值的处理有较好的效果。     

空间平滑差分方法

针对相干信号源超分辨空间谱估计中存在的问题，本文提出了空间平滑差分方法。利用常规超分辨方法估计不相关源和相关源的空间谱，利用空间平滑差分方法估计相关源和相干源的空间谱，这样可以重复利用接收阵列输出数据，兼顾不相关信号源和相干信号源的空间谱估计，因而可以估计更多的信号源。     

基于四元数的改进空间平滑解相干算法

针对常规的四元数空间平滑算法解相干时没有充分利用各子阵的互相关信息导致信号波达方向估计分辨率较差的问题,提出了一种基于四元数的改进空间平滑解相干算法。首先,利用四元数的正交结构可以很好地保持极化敏感阵列各阵元两分量输出信号之间固有的正交特性,建立了四元数接收信号模型。然后,在常规的空间平滑算法的基础上推导了改进的空间平滑解相干算法。该算法利用了阵列各子阵接收信号的全部互相关和自相关信息,在信号波达方向相近和信噪比较低的情况下,具有比常规空间平滑算法更优的波达方向估计性能。最后,通过计算机仿真验证了改进算法的有效性。     

一种新的去相关算法—随机空间增益法

本文提出了一种以空间增益随机变化的方法来去掉相关信源之间的相关性,以获得对相关信源的DOA的估计.该算法隔裂了天线阵元的损失数与相关信源数的直接关系,减少了天线阵元的开支,并且具有算法简单,运算量小的特点.理论分析与计算机仿真表明该算法切实可行、有效并且易于实现.     

DOA估计的一种改进MUSIC算法

讨论了在移动通信环境中采用协方差差分和迭代空间平滑以进行信号来波估计(Direction Of Arrival)的一种改进MUSIC算法.首先简要回顾了经典MUSIC算法,给出阵列接收信号模型,然后详细分析了经典MUSIC算法估计相干信号所存在的问题,在常规空间平滑算法(SS)的基础上提出了一种改进算法,最后给出计算机仿真结果并验证了新算法的有效性。     

双向长短时记忆模型训练中的空间平滑正则化方法研究

双向长短时记忆模型(BLSTM)由于其强大的时间序列建模能力,以及良好的训练稳定性,已经成为语音识别领域主流的声学模型结构。但是该模型结构拥有更大计算量以及参数数量,因此在神经网络训练的过程当中很容易过拟合,进而无法获得理想的识别效果。在实际应用中,通常会使用一些技巧来缓解过拟合问题,例如在待优化的目标函数中加入L2正则项就是常用的方法之一。该文提出一种空间平滑的方法,把BLSTM模型激活值的向量重组成一个2维图,通过滤波变换得到它的空间信息,并将平滑该空间信息作为辅助优化目标,与传统的损失函数一起,作为优化神经网络参数的学习准则。实验表明,在电话交谈语音识别任务上,这种方法相比于基线模型取得了相对4%的词错误率(WER)下降。进一步探索了L2范数正则技术和空间平滑方法的互补性,实验结果表明,同时应用这2种算法,能够取得相对8.6%的WER下降。

     

修正的虚拟空间平滑算法

对虚拟空间平滑方法进行了修正,提出了一种适用于直线信号(如调幅、二进制相移键控信号等)的修正虚拟空间平滑解相干方法.该方法无需对信号初始相位作特别假定,并可在不损失阵列有效孔径和工作阵元的情况下完成信号解相干,经其预处理后的特征子空间分解信号波达方向(DOA)估计方法的性能要优于传统空间平滑方法.     

基于空间平滑的矩阵分解算法

本文研究了协方差矩阵分解算法解相关的问题,提出了一种修正的矩阵分解算法-基于空间平滑的矩阵分解（SSMD）算法。SMMD算法能在低信噪比条件下的估计相干信源,且估计精度比原修正的算法高,计算量比原修正算法小,最后通过大量的计算机仿真实验来说明矩阵修正算法的性能。     

针对相干信号DOA估计的改进MUSIC算法

针对相干信号波达方向(Direction of Arrival, DOA)估计,提出了一种改进的多重信号分类(Multiple Signal Classification, MUSIC)算法。首先,利用信号协方差矩阵的两个最大特征值所对应的特征向量,构造出两个Toeplitz矩阵;然后,利用前后向空间平滑思想得到这两个矩阵的无偏估计并求和;最后,利用MUSIC算法从中估计出相干信号DOA。和已有方法相比,该方法无需损失阵列孔径且具有更优的DOA估计性能。     

基于累积量的二维DOA估计的特征向量算法

本文提出一种基于累积量的二维ＤＯＡ估计特征向量算法,算法能同时确定目标的仰角与方位角;空间平滑累量使算法能更有效抑制高斯空间有色噪声。本文证明了,通过对累积选择,算法还可抑制非高斯空间白噪声,仿真实验证明了该算法明显估于ＭＵＳＩＣ算法。