一种基于盲源分离的DOA估计方法

方位估计和信号恢复分别是水下目标跟踪和识别的前提. 基于平均时间延迟相关矩阵提出了一种复数域盲源分离方法, 在此基础上实现了DOA估计和信号恢复. 实验结果表明, 该方法在同等条件下完成同样的方位分辨要优于多重信号分类(Multiple signal classification, MUSIC)方法.     

水下运动阵列多目标检测和方位估计一体化方法

水下多目标的远程检测和方位估计是是水下阵列信号处理的两个关键问题。传统的方法是将这两个方面分开处理,先通过某种检测方法来检测目标个数,然后再利用某种方位估计方法来确定各个目标的方位。这样前面目标检测的结果的好坏就直接影响到后面目标方位估计的性能。针对低信噪比下传统检测方法的性能差且不能同时给出方位估计的问题,提出了一种基于水下运动阵列合成孔径技术的多目标检测和方位估计一体化新方法SATDE。该方法充分利用水下运动阵列合成孔径技术来提高阵增益和角度分辨率,并利用体现信号能量的MVDR空间谱函数来确定目标的个数及方位。仿真结果表明,对于相干信号来说,提出的方法在低信噪比下的检测性能显著优于AIC和MDL等传统方法,并且可以同时给出正确的方位估计。     

盲源分离与波束形成融合抑制方向性强干扰研究

针对强干扰严重影响线列阵声纳弱目标检测的问题,融合盲源分离（Blind source separation,BSS）与波束形成提出了一种抑制方向性强干扰的方法.首先在干扰方位形成波束得到干扰信号估计,然后对阵列接收信号的每个子带采用盲源分离方法得到分离信号和解混矩阵估计,并通过对分离信号和干扰信号进行子带谱相关抑制干扰,再将抑制干扰后的分离信号重构回阵元域信号,最后采用波束形成方法完成目标方位估计.利用模拟器数据和海试数据对方法进行了验证,结果表明,该方法能有效地抑制方向性强干扰,明显提高了弱目标信号的空间谱能量,增强了声纳检测弱目标的能力.     

一种实用的盲波束形成和DOA估计方法

基于子空间分解的原理对相关文献的方法进行了改进.用平均时间延迟协方差矩阵的奇异值分解代替传感器数据矩阵的奇异值分解,大大地提高了运算速度,使模型和算法能更有效地应用于实际情况.同时仿真实验和海上实测数据结果表明,该方法能很好地实现方位估计和信号恢复,而且性能更佳.     

盲源信号分离及其发展

盲源信号分离是信号处理学界和神经网络学界所共同关注的一个热点研究问题,主要介绍了盲源信号分离的基本数学原理和基本模型、求解问题的步骤;以基于高阶累积量和信息论准则的各种典型学习算法为主要对象,对其各种典型方法的数学理论以及特点做了分析,介绍了现在的研究进展,并指出进一步的研究方向。     

卫星导航多干扰源直接定位方法

卫星导航信号到达地面时非常微弱,容易受到各种干扰,给用户带来一定的影响;针对此种情况,面向卫星导航系统多干扰源定位场景,传统两步定位算法受参数估计精度影响较大, DPD_MVDR算法虽然改进了MUSIC算法需要估计目标数这一缺点,但由于使用固定网格分辨率,定位精度与计算复杂度二者无法兼得;针对上述问题,提出一种改进DPD_MVDR的直接定位方法,在直接定位这一关键技术上运用自适应网格细化,其最大优势在于只对干扰源位置附近的网格实现多级细化,能很好地兼顾定位精度与计算复杂度,避免了传统穷举搜索带来的巨大计算复杂度。首先使用DPD_MVDR算法在粗网格下进行位置初始估计,然后在估计位置处进行迭代自适应网格细化,在降低计算复杂度的同时,提高定位精度。仿真表明,改进算法在100 m网格分辨率下计算复杂度明显降低且较DPD_MVDR算法定位精度得到明显提高;适用于对定位精度和定位实时性均有一定要求的场景。     

联合频域盲语音分离排序算法

提出了一种新的频域盲分离排序算法。算法对不同频率点采用不同的排序算法:频率较低部分采用比较分离信号相邻频率点和谐波频率点之间幅度相关性相结合的排序算法;中频部分采用基于语音信号方位估计的排序算法;频率较高部分采用相关比较和方位估计结合的排序方法。仿真结果表明,该排序算法的鲁棒性和精确性较现有的单纯利用分离信号相关性的排序算法或者基于语音信号定位的排序算法有了一定的增强。     

基于稀疏性盲源信号估计算法研究

随着欠定盲信号分离技术的日益发展,在独立分量分析的基础上发展出来许多新的算法,本文介绍了基于稀疏性的欠定盲源分离技术,其解决了欠定情况下的源信号估计问题。     

噪声中的复信号盲源分离算法

复信号分析是信号处理技术常见的问题之一,在盲信号分离及处理技术中特别是卷积混合问题或频域分析等均需要建立与之相应的复值分析模型。然而在以往的分析中,由于此类问题往往是基于无噪声的约束条件,因此局限了该技术在实际中的应用。针对这一问题,将复值盲源分离问题推广到含噪声的一般环境中。通过分析高斯噪声协方差的一般特征,利用高斯噪声协方差的参数信息,导出了一种在噪声环境下盲源分离的不动点算法,该算法可以在噪声环境中通过观测信号估计与之对应的有效分离矩阵,使得复值信号在噪声环境中混合中仍然能成功分离出源信号。仿真结果表明了所研究方法的可行性与有效性。     

二维矢量传感器阵波达方向估计方法研究

针对应用中矢量传感器阵列高精度的目标方位估计问题,为对空域信号检测,提出了一种利用单个已知信源的数据协方差矩阵进行阵列误差校正的方法,修正了三种空间谱估计算法,并将应用于实测数据分析.数值实验结果表明,矢量传感器阵列的分辨能力有显著提高,波达方向的估计精度也更加精确.通过比较,MUSIC算法与Capon波束形成对阵列误差十分敏感.校正后,Capon波束形成的目标定位性能优于常规波束形成和MUSIC算法,更加实用有效,对实际应用中目标方位估计方法地选取有一定的指导意义.     

基于改进MUSIC算法的宽带信号DOA估计

现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时,存在DOA估计结果偏差大、运算复杂度高等问题,难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率,提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征,利用S变换处理阵列接收信号,得到多分辨的时频谱矩阵,同时构建时频域的阵列信号数据模型,结合信号功率谱矩阵呈联合对角化结构的特点,设计基于S变换的子空间谱估计公式。在此基础上,通过谱峰搜索进行DOA估计,实现多源宽带信号的声源定位。仿真结果表明,在信噪比范围为-15～10 dB的条件下,该算法的估计成功率始终保持在90%以上,相比TCT、CS＿TCT、CWT＿MUSIC算法,其具有较优的估计性能,并且无需预估信号源数。     

低信噪比条件下的高分辨DOA估计算法

提出一种基于多级维纳滤波器（MSWF）的信号波达方向（DOA）估计算法。通过测试信号子空间的估计值与噪声子空间的正交性实现DOA粗估计,通过测试MSWF分解的互相关函数实现信号DOA的精估计。仿真实验表明,在低信噪比条件下,该算法比已有的子空间类算法有更好的分辨率和误差性能。     

互耦条件下宽带信号盲校正DOA估计

结合均匀线阵的窄带互耦模型和宽带信号的频率分集思想,分析并推导互耦条件下的宽带数据接收模型,在该模型的基础上,提出一种基于辅助阵元的宽带接收信号预处理算法。经过预处理后,在利用基于相干信号的处理方法构造聚焦矩阵时,无需考虑互耦效应,即可在互耦系数未知的情况下,直接进行聚焦运算和宽带信号来波方位估计。仿真结果表明,该算法不仅能明显降低计算复杂度,且预处理后的角度估计精度在信噪比大于10 dB时,接近于互耦系数精确已知条件下的估计精度。     

一种改进的信号子空间聚焦宽带DOA估计算法

信号子空间聚焦（FSS）算法可实现宽带相干信号的波达方向（DOA）估计,但其在短快拍条件下存在估计精度差、分辨率低的问题。提出一种改进的信号子空间聚焦（MFSS）算法。根据波长间隔与阵元间距的匹配度选取最佳参考频点及子频带,通过Hankel矩阵奇异值分解重构子频带的协方差矩阵,并利用信号子空间聚焦法构造聚焦协方差矩阵,使用Root-正交传播算子实现DOA估计。实验结果表明,相比FSS、MTOPS、LR-MUSIC算法,MFSS算法复杂度较低,能够有效提高估计精度和速度。     

一种针对单快拍DOA估计的子空间搜索近似消息传递算法

压缩感知（Compressed sensing,CS）技术应用于单快拍波达方向（Direction of arrival,DOA）估计中可以实现相关信号的超分辨估计,但会遇到感知矩阵高相干性以及对噪声敏感的问题.本文提出一种基于近似消息传递的子空间搜索算法以解决上述问题.该算法首先通过近似消息传递算法得到一个粗解,随后利用该粗解划分子空间,最后在子空间中寻找精确解.仿真结果验证了所提算法的有效性.文章最后通过理论分析了该算法性能并讨论了算法在信号数未知时的扩展应用.     

基于子空间和稀疏贝叶斯学习的低信噪比下波达角估计方法

为研究低信噪比条件下阵列信号处理中的波达角(Direction of arrival,DOA)估计问题,分析了低信噪比条件下信号子空间和噪声子空间的特征值表现,探讨了随机观测对子空间特征值的影响。提出了在低信噪比条件下对接收信号先进行子空间分离,后进行随机观测的降维处理方法,并将稀疏贝叶斯学习应用到DOA中,降低了DOA估计的复杂度,同时保证估计的精度。仿真实验表明,本算法在低信噪比条件下性能良好,对非相干源和相干源均有良好的估计性能。     

基于分值函数估计的自然梯度盲分离算法

分值函数估计的准确性是影响自然梯度盲分离算法收敛速度和稳定性的一个重要因素.提出了一种通过函数逼近直接估计分值函数的方法.用一组正交多项式的线性组合来逼近分值函数,其性能用均方误差来衡量.线性组合的系数向量可运用分值函数的性质,通过最小化均方误差自适应学习得到.将估计到的分值函数代入自然梯度迭代公式中就得到新算法.实验...