基于特征值多阈值修正的声矢量圆阵信源数检测

为了解决水下远程目标被动探测问题,提出了一种声矢量圆阵的信源数检测方法。该方法构造了声矢量圆阵声压与振速联合处理的协方差矩阵,并借鉴图像处理中双阈值检测概念,对协方差矩阵的特征值进行多阈值修正处理,利用信息论检测准则实现了声矢量圆阵的信源数检测。理论分析和仿真实验结果表明,本文算法可以有效地提高信息论检测准则的检测性能。水池试验结果也表明本文算法具有更好的噪声抑制能力以及更好的目标检测性能,进一步验证了算法的有效性。     

基于移位协方差矩阵Otsu算法的信源数目估计

针对阵列信号处理中信号源数目估计的问题,提出了一种基于移位协方差矩阵的Otsu类间方差法。与协方差矩阵相比,移位协方差矩阵克服了噪声自相关过程中零位极大值的影响,提高了协方差矩阵的信噪比,移位协方差矩阵的信号特征值与噪声特征值差别更为明确,更有利于信源数目的估计。由于零均值且独立同分布噪声的移位协方差理论值为0,所以移位协方差矩阵针对零均值独立同分布α稳定分布噪声同样具有较强的抑制能力。利用Otsu类间方差法对移位协方差矩阵的特征值进行分类,可以更加明确地区分信号特征值与噪声特征值。理论分析和仿真实验结果均表明,基于移位协方差矩阵的Otsu类间方差法具有比传统信源数估计方法更好的估计性能。     

基于解相干TOFS改进算法研究

针对频域子空间正交性测试（TOFS）算法不能处理宽带相干信号波达方向估计（DOA）的问题,提出两种解决方法：一是将修正 Toeplitz协方差矩阵重构技术应用到原TOFS算法中,对各频点协方差矩阵做修正 Toeplitz化预处理,恢复协方差矩阵的秩与目标数目相等,该方法在低信噪比估计精度有所提高,但会导致阵列孔径的减小,当信源数目较多时差较高;是提出一种基于虚拟变换的解相干TOFS改进算法,该方法利用各频点协方差矩阵的特定元素构造虚拟阵列接收数据,而后进行虚拟空间平滑以达到解相干的目的,与现有算法相比,该算法没有阵列自由度损失,且在低信噪比下算法DOA估计精度有了较大程度提高。数值仿真结果验证了该算法的可行性。     

基于数据阵共轭重构的MUSIC角估计算法

介绍了一种利用接收数据及其共轭重构得到新的数据矩阵,然后借助于数据阵奇异值分解实现的修正MUSIC算法,并指出了这将有助于改善协方差矩阵特征值的分布,从而提高信号到达方向(DOA)的估计性能。在相同的信噪比和快拍数条件下,该方法无论是在角估计的均方误差、信号源角分辨能力等方面均优于普通的MUSIC算法,并给出了验证理论分析的计算机仿真结果。     

基于特征值矩阵的循环平稳检测算法

分析循环平稳检测算法,发现循环自相关函数向量在循环统计量计算过程中,信号之间的相关信息未得到充分利用,信息有一定的损失.提出基于特征值矩阵的统计量计算方法,用自相向量的协方差矩阵的特征值矩阵替代协方差矩阵.该方法使循环自相关函数中的信息得到充分利用,计算复杂度降低.仿真结果表明,该算法的检测性能在较低信噪比下优于经典的循环平稳检测算法的检测性能.     

一种改进的二维扩展DOA估计方法

经典的DOA估计方法对目标信号源的分布特性非常敏感,导致DOA估计性能严重恶化,为了降低信源扩展对算法性能的影响,该文利用圆阵协方差矩阵的特点,直接由接收信号协方差矩阵的两条次对角线元计算分布式目标到达角,并提出了两种到达角估计方法,即直接由协方差矩阵的两条次对角线得到两维到达角的闭合解,和另一种利用两条次对角线构造最小二乘方程来估计分布源的两维到达角.计算机仿真结果表明,它们对均匀圆阵小角度扩展信号DOA估计具有良好的性能.     

利用信号non-circular特性的信源个数检测算法

在non-circular信号的情况下，提出了信源个数检测算法．通过使用non-circular信号椭圆协方差不为零的特点将可利用阵元个数加倍．并利用酉变换将快拍数加倍。提高了数据协方差矩阵的估计精度．在此基础上改进了信息论检测准则．仿真实验表明新算法具有收敛速度快、角度分辨力高和可检测信号个数多等优点．     

一种快速的相干信源超分辨方法

提出一种快速的相干信源超分辨方法,信号子空间由空间平滑的Lanczos算法的若干步递推得到．由于该方法只利用到某一信源的训练信号就可实现对所有信号的DOA进行快速估计,不需要对协方差矩阵作特征值分解和多级维纳滤波器的后向递推,所以该方法具有低复杂度和小运算量的特点,更适合实时处理的要求．计算机仿真表明,在低信噪比和小样本的情况下明显优于常规的EPSRIT方法,在高信噪比和大样本的情况下具有和常规ESPRIT方法同样的估计精度．     

无需信源数目的声矢量阵相干源方位估计算法

针对相干源方位估计问题,本文在PVFS（Particle Velocity Field Smoothing）算法的基础上,提出一种新的算法。该算法通过对PVFS算法构造出的协方差矩阵进行特征值分解,利用得到的特征值及特征向量构造新的噪声子空间,然后运用子空间原理实现相干源的方位估计。该算法无需已知相干源的信源数目且不会损失阵列孔径,具有较好的相干源方位估计性能,计算机仿真结果验证了本文算法的有效性。     

利用Gerschgorin半径对CDMA 系统的到达路径数进行估计

文章提出一种对到达路径数进行估计的方法。通过对到达信号的相关矩阵进行单位变换，利用Gerschgorin圆盘理论，根据矩阵变换后的Gerschgorin半径可以实现对多径信号路径数的估计。仿真实验表明该方法即使在较少采样数时，仍能给出准确度较高的估计。     

基于有限长样本数据的信噪比估计

从信号模型上给出了信号子空间是有限维数的说明,并通过仿真说明信号与噪声子空间的特征值在短数据下无法准确获得。提出基于仅由噪声特征值构成的极大似然函数的改进AIC准则,实现了信号子空间的维数的准确估计,从而获得了一种在相对较小样本下更稳健的信噪比估计方法。从不同的信噪比大小与样本数据长度进行仿真验证,结果表明,该方法比原始的子空间方法能适应更低的信噪比和更短的数据样本长度。     

基于判决域半径的码字错误率估计

针对目前典型通信中对错误概率的估计主要是依靠蒙特卡罗仿真的局限性,给出一种利用判决域的半径来估计错误率的方法,将伯努利实验样本用判决域半径样本替换. 由于半径样本所含的信息量更加丰富,可以减少所需的样本数. 同时,由于判决域的几何结构基本上与信噪比(SNR)无关,所以估计错误率时不必随SNR重新测量半径,基于同一组半径样本即可估计出任意SNR下的错误率.     

信源个数估计的空间平滑方法

针对小快拍数和阵元噪声功率不等时噪声特征值分散严重,导致Akaike信息论准则(AIC)和最小描述长度准则(MDL)估计信源个数效果差的问题,提出了基于空间平滑的AIC方法(SSAIC)和MDL方法(SSMDL),该方法利用前后向平滑有效降低噪声特征值的分散程度,从而提高正确估计概率,并证明了SSMDL方法的一致性．仿真结果表明该方法在小快拍和阵元噪声功率不等情况下可以显著提高正确检验概率．     

利用信源先验特征的混合测向算法

基于特征分解的子空间类测向算法均要知道信源个数,但在小快拍数、低信噪比,且信源间的信号强度差异明显的场合中,传统的AIC信息准则和MDL准则均不能准确判断信源个数。这直接恶化了基于特征分解类算法(如MUSIC法)的测向性能。针对该问题,提出了一种利用信源先验特征的混合测向算法。该算法既利用了信源在角度上呈稀疏分布的信息提高了信源数判决的准确性,也利用了信源的非圆特性改进了测向性能。计算机仿真证实了该方法的正确性。     

基于先验信息辅助的8PSK信号信噪比估计

基于最大似然序列估计准则,提出了3种先验信息辅助的8PSK调制信号的信噪比估计方法.与现有硬判决辅助的信噪比估计方法进行了比较,解决了现有方法在低信噪比时估计误差较大的问题.分析了3种方法在Turbo均衡系统中初始迭代以及迭代进行过程中的性能,根据不同的迭代次数,在不同的方法之间进行切换会提高信噪比的估计精度,并降低计算复杂度.新方法只需要利用很少的数据符号就能得到准确的结果,并且能适用较大的信噪比范围.     

改进的三次相位函数法LFM雷达信号参数估计

为了研究对线性调频(LFM)雷达信号的参数估计,提出了利用改进的三次相位函数法对LFM雷达信号进行参数估计.三次相位函数法可提取信号的相位函数的各项系数,并且只需通过二阶非线性变换在信号参数空间形成最大值来进行估计参数,具有较高的精度和良好的低信噪比能力,但是计算量较大.针对三次相位函数法计算量大的问题,提出调频斜率搜索范围设定准则及双尺度调频斜率搜索法,可减少大量计算量,同时保持了低信噪比下的算法精度.仿真测试结果表明,新算法有效地减小了计算量,并且保证了低信噪比下的算法精度,算法性能得到了提高.     

多自由度结构模态阻尼比估计的新方法

本文指出了利用MEM谱值比较求多自由度结构模态阻尼比方法的一些不足。在此基础上提出了一种新的求模态阻尼比的方法。文内给出了新算法的理论和计算方法,给出了计算机仿真和实测振动信号的计算实例,计算结果表明本文的方法是可行的,且具有较高的精度。本文还探讨了自回归模型的定阶问题,在AIC准则的基础上提出一种考虑信号噪声影响的定阶准则。实际应用表明新准则在各种信噪比条件下均适用。     

基于改进3D-ESPRIT算法的三维GTD模型参数估计

三维旋转不变子空间（3D-ESPRIT）算法估计三维几何绕射理论（GTD）的散射中心模型时,参数精度不高,噪声鲁棒性较差,为此,提出一种改进的3D-ESPRIT算法.通过构建原始回波数据的共轭矩阵、对协方差矩阵叠加、取平均、平方处理,可提高对目标原始回波数据的利用率,并增大信号特征值与噪声特征值之间的差距,增大了信噪比,从而提高参数的估计精度.基于不同算法估计得到的三维GTD模型参数,比较了不同算法估计的参数均方差.仿真结果表明,改进算法的参数估计性能及噪声鲁棒性均优于经典3D-ESPRIT算法和改进的免配对3D-ESPRIT算法.     

一种基于Akaike信息准则的极限学习机

为了减小传统的极限学习机网络的规模及提高网络的泛化性能,利用Akaike信息准则作为学习的最优停止准则以选择合适的隐层节点数量,同时利用修正Gram Schmidt算法自动调整网络参数,提出改进的极限学习机网络构造算法。通过与传统极限学习机在通用标杆问题上的实验结果比较表明, 该改进的极限学习机具有更精简的网络结构和更快的学习速度,同时具有良好的学习精度。