SAVSTMV波束形成算法研究

矢量阵常规波束形成(Vector array Conventional Beam Forming,VCBF)能够消除普通单线阵左右舷模糊现象,但VCBF波束宽度受到"瑞利限"的限制,不能分辨同一波束内的多个目标。矢量阵导向最小方差(Vector array STeered Minimum Variance,VSTMV)波束形成算法是一种宽带自适应波束形成算法,具有高分辨力和抗干扰性能。VSTMV波束形成直接在阵元域进行,计算量较大且稳健性差,不利于实时实现和应用。提出一种分子阵VSTMV波束形成算法(Sub-Array Vector array Steered Minimum Variance,SAVSTMV),可有效降低计算量,算法稳健性更强。通过理论研究和仿真计算,证明该算法比矢量阵常规波束形成算法具有更好的性能,有利于实际应用。     

改进的超波束形成算法探讨及性能研究

为进一步提高超波束形成(Hyper Beam Forming,HBF)算法的性能,在传统的HBF基础上提出一种改进的HBF(Improved Hyper Beam Forming,Im-HBF)算法。将基于半阵指向性函数高阶运算修正到基于全阵指向性函数的高阶运算。仿真结果表明,Im-HBF算法具有更窄的主瓣,并且对端射来波信号栅瓣抑制能力更强,进一步提高了对目标的检测能力。同时,Im-HBF算法对指数n具有更为广泛的适用性,当指数n2时也能获得优于常规波束形成(Conventional Beam forming,CBF)的波束性能。     

压缩波束形成声源识别的改进研究

凭借空间分辨率高、旁瓣衰减能力强等优势,压缩波束形成声源识别算法备受关注。传统方法直接最小化声源分布向量的l_1范数,重构声源分布与真实声源分布之间存在一定偏差,声源无法被直接准确量化。为改善该问题,给出迭代重加权l_1范数最小化方法,其迭代求解声源分布,且每次迭代中对声源分布向量进行加权。仿真及试验结果均证明:所给方法能有效降低传统方法的重构偏差,能直接用主瓣峰值准确量化声源强度,且空间分辨率更高、旁瓣衰减能力更强。     

平面阵波束形成算法效率比较

二维平面阵声呐系统所采用的阵元个数、形成波束的数量都较一维线阵声呐系统高一个数量级,数据处理量巨大,对信号处理机的实时处理能力要求非常高。如何提高二维波束形成算法的效率是工程实现二维平面阵声呐系统的关键,本文讨论了三种二维平面阵波束形成算法,并对这三种算法进行了计算效率和波束性能的对比。     

矢量线列阵波束形成算法的左右舷分辨性能

研究矢量均匀线列阵波束形成算法的左右舷分辨性能。水听器可同步共点地测量声场的声压和质点振速,为一具有指向性的空间共点阵,从而能够解决单线阵声呐的目标左右舷模糊问题。文章分析了采用不同波束形成方法时矢量阵广义Cardiod处理和声强处理的目标左右舷分辨性能,并利用海试数据进行了验证。研究结果表明:自适应波束形成具有比常规波束形成更佳的左/右舷分辨性能,且对矢量阵处理而言,广义Cardioid处理更为稳健和实用。     

盲波束形成算法仿真及水下试验

盲波束形成技术是针对通信信号的统计性质和确定性性质所构成的一类新的波束形成技术.文中首先对高阶累积量法、基于累积量和特征空间的方法以及最陡下降恒模算法这三种盲波束形成算法进行了详细阐述,然后运用这些算法对单信号源均匀线阵、双信号源均匀线阵、单信号源随机扰动阵和双信号源随机扰动阵四种情况进行仿真.结果表明,三种算法可以进行有效的波束形成,基于累积量和特征空间的方法具有最高的输出信噪比.此外,还通过处理实际水下试验数据验证了这三种算法在实际应用中的有效性.     

稳健协方差矩阵重构波束形成算法

针对信号导向向量失配以及接收数据协方差矩阵存在误差会导致传统的自适应波束形成器产生能损失的问题,提出了一种基于干扰加噪声协方差矩阵重构的稳健波束形成算法.该算法通过对信源来波角度范围进行Capon谱估计得出重构信源协方差矩阵,并通过特征分解以及子空间性质得出信源的导向向量,然后利用重构所得信源导向向量计算出信源功率以及...     

MVDR与自适应零限波束形成语音增强算法性能对比

1引言在通信系统中,语音不可避免的受到各种环境噪声的影响,为了提高通信语音的质量,研究和应用各种语音增强算法去除噪声就成为研究热点[1,2]。     

加窗FIM波束形成性能研究

仿真研究了逆波束形成算法中最核心的傅氏积分方法(FIM)及其两种加权形式,并与常规波束形成(CBF)的仿真结果进行了比较.     

基于混合采样的压缩感知重构算法

为了提高图像的重构质量和缩短重构时间,同时保持较高的压缩比,提出了一种基于混合采样的压缩感知重构算法。将图像划分为感兴趣区域和非感兴趣区域,对感兴趣区域采用恢复质量较好的正交匹配追踪算法,对非感兴趣区域采用恢复时间较短的分段正交匹配追踪算法。感兴趣区域图像中除感兴趣区域外,其他部分灰度置零以增加采样率和图像稀疏度。实验表明,该方法可以较好恢复图像感兴趣的区域,并保持较高压缩比。     

基于SCAD的压缩感知阈值迭代算法的收敛性分析

基于SCAD罚函数的压缩感知在有噪声稀疏信号重建中具有优良的理论及应用效果,开展其快速重建算法研究有着重要的意义,阈值迭代算法是解决压缩传感问题最有效的算法之一.本文研究了基于SCAD罚函数的压缩感知阈值迭代算法的收敛性问题,给出了算法收敛到稀疏解的充分条件,并证明了迭代估计值以指数阶速率收敛于最优值.进一步,本文给出了基于AMP改进的SCAD阈值迭代算法的收敛性分析.     

盲波束形成算法及其C语言实现

阵列信号处理作为信号处理的一个重要分支，在通信，雷达，声呐，地震勘探，射电天文等领域获得了广泛应用和迅速发展。波束形成技术是阵列信号处理中的一个主要问题，它使阵列方向图的主瓣指向所需的方向，盲波束形成算法，可以在不知道阵列流形，信号和干扰方位的情况下，仅根据各个阵元的观测数据，恢复出信号．本文主要讨论应用VC 语言实现和比较了几种基于累积量的盲波束形成算法的性能。     

一种基于压缩感知的全变分图像去噪算法

针对传统图像去噪方法的不足,提出了一种基于压缩感知的全变分正则化图像去噪算法,利用基于压缩感知算法中的TVAL3算法对含噪图像进行图像重构和噪声去除.通过对比该算法与OMP(Orthogonal matching pursuit,OMP)与SP(Subspace pursuit,SP)算法的峰值信噪比和重构时间,发现在采样率为0.4和0.8时,该算法的峰值信噪比提高都在3dB以上,时间方面也有明显提升;随着采样率的提升,算法所需的迭代次数越来越少;采样率为0.4时,所需的迭代次数为78次,但采样率在0.8时,迭代次数减少到57次,所需时间越来越短.实验结果表明,该算法的重构效果明显优于其它压缩感知重建算法,能够很好地进行图像重构和噪声去除.     

改进的基于压缩感知的鲁棒性水印算法

目的 为了提高水印算法的抗攻击能力,提出一种改进的基于压缩感知的鲁棒性水印算法。方法 为了确保嵌入的水印信息在载体中分布均匀,对彩色载体图像的R, G, B分量进行N×N不重复分块后得到Rij, Gij, Bij,按照下标值不同的原则,随机选择3个颜色分块构成嵌入块;为了提高水印的鲁棒性和检测的成功率,对水印信息采用循环嵌入的方式;详细论述水印的嵌入和提取流程,并通过仿真与其他3种算法进行实验结果对比。结果 水印提取不需要原始图像的参与,具有盲检测性,水印的循环嵌入策略极大地提高了水印鲁棒性和水印检测成功率。仿真实验结果表明,重建的水印图像具有较小的失真度,算法能够很好地抵抗一系列的几何攻击。结论 算法具有较好的鲁棒性和不可感知性,实现较简单,在版权保护及信息安全领域具有一定的参考价值。     

基于NSCT和压缩感知的数字图像水印算法

目的依据压缩感知理论具有很好的计算保密性,提出一种基于NSCT和压缩感知的数字图像水印算法,以解决图像的鲁棒性、不可感知性及保密性之间矛盾。方法首先将水印图像分块压缩感知获得测量值,然后再将载体图像NSCT分解,对低频分量Fibonacci置乱后非重叠分块,对每块进行LU分解、奇异值分解,将每个分块的水印测量值按不同的嵌入强度对应嵌入载体奇异值矩阵中,经过一系列逆变换得到含水印图像。结果该算法在水印的嵌入和提取仿真实验结果中峰值信噪比大于40 d B,重建的水印图像与原图像相似度极高,且能抵抗剪切、高斯噪声、椒盐噪声、高斯低通滤波和JPEG压缩等类的攻击。结论该算法既具有很好的鲁棒性又兼有较强的不可见性,具有切实的可行性。     

自适应波束形成中的敏感性分析

通过Bryn[3]和Mermoz[17]的工作,最佳基阵的理论已为水声界所熟知。他们的工作与其他检测及估值问题的关系已在文献[7]中讨论过了。最佳基阵处理系统利用信号场和噪声场的详细信息。由于这些信息在事先不能确切知道,因此人们自然就想到自适应波束形成器,自适应波束形成器通过某种现场的测量来不断地调节其参数。正由于自适应处理器是不断调节的,因此很自然会问:如果信号场、噪声场及系统参数相对于它们的假设值或估计值有一个小的变化,那末自适应处理器的性能对这些变化的敏感性有多大?     

关于波束形成

本文综述了时域和频域常规波束形成的算法,指出了其中存在的问题。最后选择了适合需要的频域波束形成法。     

一种新的稳健CAB盲波束形成算法

通过限制估计的方向向量与真实的方向向量之间的误差范数的边界,提出了一种新的稳健CAB（周期自适应波束形成）盲自适应波束形成算法。该算法克服了方向向量失配引起的自适应波束形成器的性能劣化问题。计算机仿真试验表明,较采用传统对角加载技术的R-CAB盲波束形成算法和WCPO-CAB算法而言,该算法进一步提高了稳健性和输出信干噪比。     

基于SOC规划的稳健盲波束形成算法

通过限制估计的方向向量与真实的方向向量之间的误差范数的边界,提出了一种基于二阶锥（Second Order Cone,SOC）规划的稳健四阶累积量盲自适应波束形成算法。该算法相较于采用传统对角加载技术的高阶累积量盲波束形成算法和WCPO-RCUM算法而言,进一步提高了稳健性和输出信干噪比。计算机仿真实验表明,该算法具有很好的稳健性。