基于二阶统计量的无线电引信信号盲分离

采用二阶盲辨识方法对无线电引信信号进行分离。首先对信号进行预白化处理，求取白化矩阵。然后对多个不同延迟的信号相关矩阵采用Givens旋转的方法进行联合对角化，求取酉矩阵。通过白化矩阵和酉矩阵求得混合矩阵的估计，完成对信号的分离。最后通过计算机仿真，对多个在频域无法正确分离的无线电引信信号进行了盲分离，仿真结果非常理想，说明基于二阶盲辨识的无线电引信信号分离算法是正确的。     

分数阶傅里叶域的阵列信号盲分离方法

本文提出一种基于分数阶傅里叶域阵列平均的盲信号分离方法,它在变换域中引入加权函数来降低噪声及减少各源信号间的相互干扰。和传统盲信号分离方法相比,该方法不需要矩阵的白化和联合对角化,并且复杂度低,运算量小,抗干扰性能好。     

循环累积量矩阵联合对角化盲源分离算法

循环累积量兼有高阶统计量和循环不稳两者的优点,可抑制任何平稳高斯或非高斯噪声以及非平稳的高斯噪声,文中利用循环累计量的这一性质,提出的基于循环累积量矩阵联合对角化盲源分离算法,对接收的每路数据分别运用矩阵联合对角化法处理,实现对具有相同循环频率源信号有效的分离的目的。仿真试验表明该算法能够有效的提取有用信号。     

联合对角化技术在空间谱估计中的应用

在实际工程应用中,传统空间谱估计方法受噪声、干扰及采样效应等因素影响,其性能明显退化.为了克服这些因素对方位估计结果的影响,提高算法性能,本文将空时相关矩阵组代替传统的采样协方差矩阵,利用联合对角化这一新的数学工具,研究了一种基于Jacobi旋转正交联合对角化的空间谱估计方法.通过对空时相关矩阵组进行联合对角化,得到了联合对角化矩阵和对角化后的矩阵组,最终利用联合特征值和特征向量得到修正的阵列协方差矩阵,并对空间谱估计处理器进行修正.仿真结果表明,在不同的信噪比、快拍数等条件下,基于联合对角化的空间谱估计算法较传统方法具有更高的分辨力和更低的均方根误差,能有效降低方位估计的信噪比门限,进而改善传统空间谱估计方法的方位估计性能.     

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.     

基于联合对角化的抗人工噪声干扰算法

针对无线通信中通信双方采用人工噪声物理层安全算法通信时,窃听方因受到人工噪声干扰无法有效窃听的问题,提出基于联合对角化的抗人工噪声干扰算法。该算法首先对接收信号进行信号源数目预估计,并对其进行预处理;其次通过构造四阶累积量矩阵,并对其进行特征值分解以估计混合矩阵,进而将通信信号、人工噪声与环境噪声信号分离,最终提取出窃听信道中较弱的通信信号以达到抗噪声干扰的目的。理论分析和仿真结果表明,该算法在窃听方受到合法通信方发射的人工噪声干扰时,能够有效分离出目标信号,且在一定信噪比条件下与传统盲源分离方法相比分离效果更佳。     

基于分数阶Fourier变换累积量的目标检测算法

传统的信号检测和噪声分离方法只限于在时域或是频域进行,如果信号和背景噪声有很强的时频耦合,就难以在时频域得到好的检测结果。对此提出了分数阶Fourier变换累积量算法,该算法具有解除时频耦合和抑制噪声的特性,当选择合适的旋转角度使之与处理信号相匹配,就可以在分数阶Fourier域获得较好的检测结果。仿真结果表明,分数阶Fourier累积量算法的检测性能优于分数阶Fourier变换和4阶累积量算法,展现了分数阶Fourier变换累积量算法有优越的信号处理性能。     

基于循环平稳特性的时频分析法欠定盲源分离

基于二次时频分布的算法是解决欠定盲源分离问题的一种有效方法。不同于传统算法,针对循环平稳信号,借助分段平均的周期图法求解谱相关密度函数,并利用其实现Wigner-Ville时频分布的重构。计算信号时频分布矩阵并找出自源时频点,利用自源时频点对应的时频分布矩阵构建新的3阶张量模型。利用平行因子分解,直接实现源信号的分离。该算法不需要假设任意时频点的源数目,不大于混合信号数目。仿真实验结果表明,所提出的方法可以有效地抑制噪声,并且只需要一步即可实现源信号的恢复,避免“两步法”造成的误差叠加,提高了盲源分离的效率和性能。     

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。     

复解析小波变换的圆阵波达方向估计方法

针对多重信号分类的圆阵高分辨波达方向估计方法不稳定问题,提出了复解析小波变换的圆阵波达方向估计方法。该方法通过复解析小波变换将圆阵拾取数据转换为一定频带复解析数据,在时域对复解析数据进行时延补偿,并采用多采样点累积处理方式对时延补偿后复解析数据构造协方差矩阵,对协方差矩阵进行特征分解,并对分解所得各子空间特征向量进行累积求和,获得各子空间获空间谱,对各子空间合成空间谱进行极大值判决处理,提高目标子空间空间谱在最终合成空间谱中的比重。数值仿真及实测数据处理结果均表明,相比频域多重信号分类方法,通过时域多点累积处理和极大值判决处理,最低信噪比的宽容性得到了5 dB以上的改善。     

一种基于时频分析的多跳频信号盲源分离算法

针对多个无人机遥控信号的分离问题,提出一种基于时频分析进行数据处理的多跳频(frequency hopping, FH)信号盲源分离(blind source separation,BSS)算法。利用不同跳周期的跳频信号驻留时间的差异性,改进时频脊 线的提取;利用小波变换检测改进后时频脊线的突变点,求脊线最大驻留时间即为跳频信号中的最小跳周期;分离 出不同跳周期的跳频信号,并基于时频能量值的不同,对不同信号幅度的跳频信号进行盲源分离。结果表明：与同 类算法相比,该算法在不依赖多通道数据的采集及混合矩阵估计等情况下,可实现单通道情况下多跳频信号的盲源 分离,具有一定的工程应用价值。     

一种基于空间时频分布的波达方向估计方法

基于信号空间时频分布的到达角（DOA）估计算法利用Cohen类分布构造时频分布矩阵代替传统的阵列协方差矩阵，既适用于平稳信号的场合又适用于时变、非平稳信号的情形。如何在时频分布矩阵中选择合适的时频点是此类算法的关键。分析了信号项选择和联合对角化的原理，并通过无约束最优化方法在时频平面上寻找单信号项的时频点，通过时频MUSIC方法对线性调频信号进行DOA估计，仿真结果证实了该方法的有效性。     

基于双谱熵模型的故障模式识别

提出利用双谱计算信号的双谱熵,并作为特征参量进行故障模式识别的方法。分析了振动信号双谱的特征,在子空间分布概率下,推导了基于能量分布的双谱熵计算方法。在理论推导分析的基础上,进行了某齿轮箱在4种工况下的振动信号提取实验,建立了齿轮箱故障模式识别BP神经网络。最后将双谱熵特征参量作为输入,对设置了4种故障工况的齿轮箱进行了故障模式识别,成功地判别了4种工况,验证了方法的有效性。     

非线性调频模态分解-同步提取变换方法及其在滚动轴承故障诊断中的应用

传统同步提取变换（SET）方法在处理多分量非平稳复杂信号时,各相邻分量的瞬时频率差要大于窗函数频率支撑范围的2倍,否则时频结果易发生频率混叠,而工程信号常常难以满足。此外,在处理高噪的复杂信号时,其时频分辨率往往不理想。针对此不足,将非线性调频模态分解(VNCMD)引入SET中,提出一种VNCMD-SET的故障诊断方法。利用VNCMD通过结合解调手段以及变分模态分解的联合优化方案来有效处理频率临近甚至交叉的非平稳信号,对故障信号进行分解重构,对该重构信号进行SET处理。将所提方法与传统SET方法进行对比研究,并进行实验验证。仿真和实验结果表明：VNCMD-SET方法明显优于传统SET方法,克服了传统SET方法的不足;VNCMD-SET方法能有效提取出故障信号的频率特征,且不发生混叠,同时具有一定的抗噪性能。     

双谱在可控震源地震信号预处理中对时延估计的应用

在可控震源浅层地震勘探信号预处理中，鉴于高阶统计量具有屏蔽高斯噪声的优点，文中使用双谱作为数学工具估计Chirp信号的时间延迟，压制噪声，仿真结果证明双谱方法有很好的时延估计效果，其精度高于相关方法。     

双谱幂次水下检测空中高速运动声源方法

提出一种水下检测空中高速运动声源的方法。采用波数积分方法对空气中运动声源激发的水下声场进行建模,仿真分析了水下接收信号的时域波形。并利用信号的时频域临近连续性和高阶谱抑制高斯噪声的特点,以信号的双谱替换DFT得到双谱幂次检测器,利用该检测器在高斯背景下检测空中声源水下噪声。仿真和实测数据处理结果表明,所提出的方法切实可行。