一种波束谱特征加权的水下弱目标检测方法

实际水下被动信号处理中,感兴趣的弱目标往往只在所处理频段的某些频率分量上表现出相对明显的谱特征,现有基于能量累加的后置处理方式存在谱能量小于噪声的目标被平滑的问题,最终导致目标无法被有效检测.针对该问题,本文提出一种新的自适应波束形成后置处理方法,通过Eckan最优滤波器从波束信号谱中提取感兴趣的频谱,从而求取波束谱加...     

基于目标辐射噪声的信号起伏检测算法研究

该文以起伏声场背景下的目标辐射噪声模型分析为前提,针对目标方位估计和窄带线谱的检测问题,提出一种基于信号起伏相位差分对齐的宽窄带综合相干检测算法。利用周期线谱信号与宽带噪声间的时间相关半径与起伏相位均匀性差异,抑制背景噪声的能量干扰;将聚焦波束域输出信号的起伏相位对齐增益结合阵元域处理的空间相干增益,提高对不同来波方向目标的辨识能力。通过仿真分析与海试实验结果验证了该文所提算法可明显增强目标线谱分量的检测信噪比增益和相关目标所在波束方位的相对能量谱级,在抗复杂信道检测、识别领域具有良好的实际应用前景。     

基于信号相位差和后置滤波的语音增强方法

 在复杂的声学环境中,通常噪声场特性和混响强度是未知的,这样就对麦克风阵列语音增强算法的性能提出了较高的要求.本文提出一种基于带噪语音信号相位差和后置滤波的语音增强方法.首先,将麦克风阵列接收信号分帧,利用相邻两个麦克风之间每帧带噪语音信号的相位差,构成该帧改变频率点幅度谱值的比例系数,对该帧带噪语音信号进行掩蔽增强处理,得到预处理信号;然后利用固定波束形成、独立分量分析算法和后置滤波技术对预处理信号进一步处理,从而有效地抑制了噪声.计算机仿真实验结果表明,在存在一定混响的多种噪声场中,该方法均具有较好的噪声抑制能力.     

基于空间演化谱的Chirp信号极化和DOA的联合估计

本文研究了时变幅度Chirp信号的演化谱,提出了分别在时间轴和频率轴上聚集能量的方法,改善了演化周期谱的能量聚集性。同时,基于时变幅度Chirp信号的空间演化谱,提出了一种新的空间极化时频分布,用此空间极化时频矩阵代替自相关矩阵估计信号子空间和噪声子空间。采用L型正交短偶极子阵列,用ESPRIT算法实现了多Chirp信号DOA和极化参量的联合估计,并提出一种新的多信号参量配对的方法。通过仿真将本文的算法其他一些算法进行了比较。     

一种有效的宽带数字侦察接收机信号检测方法

针对宽带数字式搜索接收机信号处理中的高分辨率谱估计和弱信号漏检问题,提出一种有效的处理方法。首先采用数字信道化接收机进行均匀窄带划分,并对各窄带信号进行FFT运算后拼接出整个接收带宽内的频谱,然后采用形态学滤波方法估计起伏的噪声基底并修正,最后根据修正频谱的噪声谱线的分布特征估计出自适应检测门限,并与修正频谱比较完成宽带接收信号的检测。理论分析和仿真试验验证了方法的有效性。      

扩频通信的频谱相关检测方法

基于周期平稳信号特征和频谱相关密度，本文提出了利用频谱相关处理检测扩频通信信号的频谱相关检测方法。这种方法的检测性能常规经典方法，并有更好的抗噪声和干扰的能力。     

基于循环谱能量的自适应频谱检测算法

根据信号循环平稳谱的特征,研究在低信噪比环境下的频谱检测问题,提出一种基于循环谱能量的自适应判决门限频谱检测算法。该算法融合能量检测与循环平稳特征检测的机理,以信号的循环谱能量为检测统计量,加权合并虚警率与检测率,准确估计循环谱特征值,构建了具有噪声自适应能力的频谱检测判决门限。仿真结果表明,该算法可以在低信噪比环境下有效地完成频谱检测,克服了噪声波动对频谱检测性能的影响,对不同调制主信号的感知具有稳健性。与最大—最小特征值算法和盲检测算法相比,该算法分别改善了信噪比4dB和8dB。     

低信噪比条件下基于随机共振的感知方法与性能分析

针对认知网络实际环境中常呈现出噪声高动态变化、低信噪比特征,无法快速准确进行频谱感知的问题,本文将物理学非线性领域中的随机共振理论引入到频谱感知中,提出了一种基于广义随机共振的能量检测算法.该算法引入匹配噪声,通过匹配非线性系统、噪声和信号三者的关系,从而改变能量检测统计量的分布,有效地检测信号的存在性.本文从理论上推导了最佳匹配噪声的表达式,并得到了检测性能、受噪声不确定度的影响、感知时间等方面的重要理论结论.仿真结果验证了理论推导的正确性,表明所提算法能够在信噪比为-20dB等低信噪比条件下较现有能量检测算法提高3dB以上,且具有感知速度快、受噪声不确定度影响小等特点.     

基于传声器阵列的输电线噪声源定位*

结合噪声源定位方法和阵列信号处理技术,设计了一种能提取输电线噪声的传声器阵列,利用该阵列采集了复杂声场条件下的输电线噪声数据,并分析了噪声源的频谱特性和空间分布特征,验证了宽带频域近场聚焦波束形成方法对输电线噪声源定位的有效性.通过实验观测发现,西安上苑330 kV高压输电线噪声源主要为高频随机噪声,其频率集中在2～ 10 kHz范围内,信号能量分布较均匀;在频段为2～8 kHz范围内的噪声信号,增大信号处理的带宽可以提高声源定位的精度,但如果信号处理的带宽超过了输电线的主频范围,定位性能会变差.     

基于最大最小特征值之差的频谱感知技术研究

频谱感知技术是认知无线电系统的关键技术之一,该文基于阵列天线理论,利用并分析接收信号相关矩阵,并以其最大与最小特征值之差作为检验统计量,进而判断主用户是否存在,实现频谱感知。理论分析和仿真结果均表明,此方法的感知性能明显优于能量检测算法,并且有效地解决了噪声不确定度对检测性能的影响。     

一种空-频联合最优滤波的被动宽带检测方法

常规宽带能量检测在多目标、强干扰环境下输出信噪比(SNR)降低,检测性能大幅度下降。针对此问题,该文提出一种将子阵导向最小方差(STMV)宽带空域自适应波束形成与频域Eckart滤波结合的空-频联合最优滤波宽带检测方法。该方法首先通过子阵导向最小方差波束形成进行空间自适应处理,利用自适应波束形成的干扰抑制能力在空域实现最优滤波;然后通过最大似然估计实时估计信号和噪声的功率谱,构造Eckart滤波对自适应波束形成的输出分配不同权重进行加权滤波,从而实现频域信噪比最大化。所提方法通过空-频联合最优滤波,降低空域旁瓣干扰和频带内噪声的影响,使得输出信噪比最大,从而有效地改善目标宽带检测能力,提高被动声呐的宽带检测性能。仿真和试验数据处理结果验证了该方法的有效性。     

宽带阵列信号处理的最佳时频空加权网络

针对宽带阵列信号，采用Nyman—Pearson准则，推导出在宽带平稳信号和噪声假设下进行检测的最佳时、频、空加权网络。同时推导出了系统的处理增益，仿真结果验证了最佳加权网络相对于采用均匀加权的常规处理具有较高的处理能力。     

基于稀疏约束和SRV约束的宽带自适应波束形成

针对传统的宽带MVDR自适应波束形成中,抑制干扰的同时会抬高旁瓣电平,且过多的线性约束会导致波束输出的SINR性能下降的问题,提出了一种基于SRV约束和稀疏约束的低旁瓣、高增益宽带自适应波束形成方法.该方法在窄带MVDR自适应波束形成基础上,通过增加波束图稀疏约束来降低波束的旁瓣电平,同时利用空间响应偏差(SRV)约束将窄带算法推广到宽带MVDR 自适应波束形成中,极大地降低了算法的复杂度,改善了波束输出的SINR 性能.与传统方法相比,该方法在降低宽带波束的旁瓣电平的同时,还具有良好的干扰抑制效果.数值仿真实验验证了该方法的有效性.     

一种表征EDFA放大宽谱光源的噪声估测方法

光纤放大器作为分布式光纤传感系统实现超长距离、超低损耗传输必不可少的光学器件,其噪声特性对于系统整体性能有着至关重要的影响。微分干涉型分布式光纤传感系统中必须使用宽谱光源,同时探测终端也需采用宽谱探测,因此研究EDFA在宽光谱系统中的噪声对于传感系统整体性能的提升有着重要意义。文中研究了EDFA增益对宽谱光源波长与功率的响应关系,得出了可描述这一关系的增益响应曲线,并依此提出了一种可表征EDFA放大宽谱光源的噪声的估测方法,总结了EDFA放大宽谱光源时的噪声规律。     

时空域联合的水下未知线谱目标检测方法

水下线谱目标被动检测中,目标辐射线谱信号的方位、频率、个数等信息通常未知,且线谱检测性能容易受到宽带干扰及背景噪声的影响。针对此问题,该文提出一种时空域联合的未知线谱目标检测方法(STJD)。首先,利用线谱信号的相干特性,构建了一种能够自主匹配未知线谱信号的时空域联合滤波器,用以滤除接收信号中的宽带背景干扰及噪声。之后,对滤波信号进行常规频域波束形成得到空时2维波束输出,其具有相对纯净的线谱谱峰。在此基础上提取线谱并利用线谱信息计算空间方位谱,进而实现对线谱目标的检测。理论推导及仿真结果表明该文方法能够对未知线谱信号进行最小均方误差意义下的时空滤波,并能充分地利用线谱信息进行线谱目标的被动检测。与已有基于线谱特征的线谱目标检测方法相比,该文方法对信噪比(SNR)的要求较低,在多目标、多线谱等复杂情况下具有较好的线谱目标检测性能。     

宽波束高频雷达的超分辨率时-空级联处理

针对在宽波束高频雷达目标探测中传统傅立叶变换频谱分析方法多普勒分辨率较低的问题,提出了一种全超分辨率的时-空域级联信号处理方法.首先利用多重信号分类(MUSIC)算法获得频域超分辨率谱估计,构造出相应于各信号频率的信号子空间,将原始信号向各子空间进行投影变换以获得相应于各信号频率的阵列快拍,然后利用其进行空域超分辨率谱估计,获得相应的到达角.利用该方法能有效地采用短相干积累时间进行多目标的频率-到达角参数估计,从而有效地提高了宽波束高频雷达的目标探测和跟踪性能.数值仿真实验验证了该方法的有效性.     

On Broadband Adaptive Beamforming in the Presence of Correlated Interferences

A novel approach of unitarily interpolated array MVDR （UIA-MVDR） is proposed, aiming at avoiding the signal cancellation caused by broadband signal-correlated interferences. UIA-MVDR belongs to the classic approaches of spectral averaging. However, it is distinguished from the conventional interpolated array MVDR （IA-MVDR） by two points： 1） It imposes a unitary constraint on the transform matrices. 2） It only optimizes the worst-case performance of array manifold approximation. As a result, the restriction on the order of Bessel function expansion is released, so that very accurate approximation can be achieved even in the case of small or middle arrays. Compared with many related approaches, UIA-MVDR destroys the correlation more completely and then achieves better performance. Its excellent performance in both correlated and uncorrelated broadband interferences suppression is confirmed via a n umber of numerical examples.     

基于多途模型匹配的浅海噪声源聚焦定位方法

 本文在建立符合水声相干多途信道特点的阵列信号模型的基础上,提出了基于多途模型匹配的浅海噪声源聚焦定位方法.该方法在本质上利用了基于模型和数据匹配的相干处理思想,充分利用了多途信道信息,生成与实际声传播特性相匹配的空间聚焦导向矢量,从而有效克服了多途效应的影响,提高了定位精度.进而结合基于最差性能优化的稳健聚焦处理器设计方法,对空间聚焦导向矢量实施约束,并划归为具有单一非线性约束的二次最小化问题,求解最优权矢量,修正得到新的空间谱形式.通过对空间谱、定位误差、-3dB波束宽度及主峰与最大旁瓣比性能进行对比分析,讨论了约束参数选取与失配误差程度之间的关系,并证明了新算法在存在失配误差的情况下,可有效提高MVDR(Minimum Variance Distortionless Response)高分辨算法的稳健性,保持较尖锐的谱峰及较强的背景起伏抑制能力.