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。     

声呐盲波束形成的神经网络实现方法

本文首先对两种盲波束形成的方法进行了分析。针对这类方法计算量大,不利于实时实现的缺点,并结合水声环境和水声信号的特性,提出了两种盲波束形成的神经网络实现方法。一种方法采用在线学习的T-H神经网络,盲估计波束形成的权矢量;另一种方法采用离线学习的径向基函数(RBF)网络实现盲波束形成。由于神经网络的并行性和非线性的特点,使得盲波束形成的运算速度得到了明显的提高,易于工程上实时应用。     

宽带盲波束形成与卷积混合盲源分离

盲波束形成是在不知道阵形，目标方位以及阵元响应等信息的情况下，只根据阵元输出恢复源信号。现有盲波束形成对窄带信号研究比较多。而对宽带信号盲波束形成论述较少。本文从信号模型，系统框图。处理的三方面说明盲波束形成与盲源分离近似，并指出卷积混合模型盲源分离完全可以作为解决宽带信号盲波束形成问题的一种通用方法。     

基于相空间重构的浮标搜潜信号盲源分离算法研究

航空反潜是目前最主要的反潜手段之一,相比水面和水下探测手段具有无可比拟的优势.反潜机搭载的被动全向声纳浮标是在大面积海域实现对潜被动探测最主要的搜潜装备.针对单枚被动声纳浮标接收到多个水声目标信号的情况,提出了基于相空间重构的浮标搜潜信号盲源分离算法,该算法首先通过相空间重构和奇异值分解,构造了源信号不同线性叠加的虚拟观测信号,然后与原混合信号作为两路观测信号进行盲源分离.在分离出一个源信号后,重复上述步骤进行盲源分离运算直至分离出全部源信号,最后利用该方法进行盲源分离仿真试验,结果表明该方法对于浮标搜潜信息的盲源分离性能较好.     

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。     

基于两个频点的水声信号盲源分离

实际水声环境中声纳接收到的信号是卷积混合信号。文章中将两个频点盲源分离原理应用到水声信号的盲源分离中，从而有效克服信号频域解卷积过程中的排序和幅度不确定性。仿真实验结果表明该方法对水声卷积混合信号具有良好的分离效果?文章中进一步研究了水声信号在不同信噪比条件下，基于两个频点盲源分离方法的分离性能。     

基于频域分解的水声信号宽带盲波束形成

盲波束形成算法可以在不知道阵的流型、信号及干扰方位的情况下,仅根据各阵元接收的数据恢复信号。由于水声信号为宽带信号,为了充分利用宽带信息,提出利用频域分解的方法获得满足窄带条件的信号,并利用窄带盲波束形成JADE（Joint Approximate Diagonalisation of Eigen-matrices）算法进行处理。对宽带盲波束形成算法进行了理论推导和仿真实验。研究结果表明,盲波束形成算法相对于常规波束形成在信号恢复方面有优越性。     

基于多个时间点联合解相关的卷积盲源分离

实际信号的混合均为卷积混合,且信号是非平稳的。盲源分离的目标就是找到一组分离滤波器,使得源信号的估计信号互相统计独立。结合信号的非平稳性,利用二阶解相关原理,文章阐明了一种在频域实现卷积混合的盲源分离算法,并且考虑了噪声对分离性能的影响。为了避免频点排列次序的不确定性,利用了多阶段盲源分离思想。利用该算法,对两路混合的实录水声信号进行盲分离,得到了两路源信号的估计信号,通过对估计信号的分析,利用信噪比提高率这一标准,验证了该算法的有效性。该算法收敛速度快,精度高,可用于浅海环境下实录水声混合信号的盲分离。     

多途环境下的单通道水声信号盲源分离

提出了一种适用于多途环境下的单观测通道水声信号盲源分离方法。该方法首先利用自相关估计多途时延,使经各途径到达的多途信号同相叠加,信号能量得到增强,而噪声由于随机性能量不会增加,进而提高信噪比。然后采用间隔重采样的方法,虚拟多接收通道,解决单通道的欠定问题。仿真分析表明该方法可以有效解决多途环境下的舰船辐射噪声与环境噪声分离,而且在不同信噪比下有较稳定的分离性能。     

MVDR自适应波束形成技术在水声中的研究进展

高分辨波束形成器比常规波束形成具有更好的方位分辨力与干扰抑制能力。该波束形成器能够提高阵列输出信干噪比,从而提高声呐的探测性能。与多重信号分类、旋转不变子空间等方法相比,最小方差无畸变响应(Minimum Variance Distortionless Response,MVDR)波束形成器输出真实反映了观察方向的信号功率,同时可提供波束时间序列做后置处理,在水声阵列处理领域得到了快速发展和深入研究。对高分辨MVDR技术在水声阵列处理中的研究进展进行了回顾,重点介绍了其宽带处理、稳健性、运动补偿、解相干等国内外的研究热点和最新成果,同时给出其在各种水声阵列处理领域的应用前景。     

自适应非线性BSS及其在齿轮故障诊断中的应用

基于核函数的非线性盲信号处理（BSS）在信号处理中有着广泛的应用,但传统的非线性盲信号处理的学习速率是固定的,如果学习速率选择的不合适,则算法难以收敛或者不能收敛。针对这一不足,结合模拟退火的思想,提出了一种基于核函数的自适应非线性盲信号处理算法。仿真和实验结果表明,该方法改善了原有算法的收敛性能,分离效果良好,算法具有更好的消噪和信号特征提取能力。     

等变自适应算法在声学特征信号分离中的应用

本文介绍了一种高效的盲分离算法——基于独立性的等变自适应分离算法，简称EASI算法(EASI：Equivariant Adaptive Separation via Independence)。为了克服EASI算法依据峭度选择非线性函数的问题，引进了其改进算法。将其运用到声学诊断中，对声混合信号进行频谱分离，得到各声源的特征频谱结构图。EASI及其改进算法经过实验研究，证明了该算法的有效性。     

一种改进的波达方向盲估计算法

文章在一种基于盲分离技术的波达方向估计算法的基础上,提出了一种改进算法。通过对改进算法和原算法在角度估计性能的一系列比较,证明这种改进的算法在角度估计性能的很多方面都要优于原算法,仿真实验和水池实验验证了这一点。     

基于二阶盲辨识的双跨转子故障信号分离研究

将盲分离理论应用于消噪处理,其关键是分离噪声,因此在分离噪声时不损失有效信号,为消噪处理提供了一种新方法。提出了一种基于二阶盲辨识的去除干扰的自提取方法,在原有的自提取算法中引入了梯度变化率的概念,有效降低了噪声。通过仿真和对实际转子振动数据的处理表明,这种算法有效地遏制了噪声,提高采样数据的准确性。     

基于特定听觉特征的盲信号提取方法

针对参考信号波形难以构造等情况,提出一种利用期望源信号听觉特征进行信号盲提取的方法,根据源信号的听觉特征先验知识,将提取信号与期望信号听觉特征向量的接近程度作为度量,使用非线性最小二乘法进行迭代计算分离向量,提取出与期望信号在听觉特征上最为接近的源信号。对这种方法进行了理论推导,并使用不同类型的信号进行了仿真。仿真结果表明,该方法具有良好的效果,且由于仅利用了信号的听觉特征,而不需要参考信号的具体波形,对于不同类型的信号,具有广泛的适应性,具有良好的应用价值。     

基于盲解卷积和聚类的机械弱冲击声信号提取

针对对比函数和紧缩方法的时域盲解卷积算法在分离机械弱冲击信号时,其结果易受解卷积滤波器长度影响的缺点,提出结合分层聚类的改进算法.该算法通过设置一个变长度滤波器组,对获得的多个盲解卷积结果进行聚类分析,解决了单次盲解卷积结果不确定问题,获得了可靠性高的估计信号.计算机仿真和实际环境下故障轴承声信号提取实验验证了算法的有效性.     

用慢特征分析算法实现水声信号盲分离

在常规的水声信号盲处理研究中,通常都是用独立成分分析算法分离线性混合信号,而对于较复杂的非线性混合信号,独立成分分析算法无能为力。针对这种情况,提出将慢特征分析(Slow Feature Analysis,SFA)算法应用于水声信号非线性盲源分离领域。一般而言,对源信号做非线性混合变换后输出混合信号较源信号变化较快,而采用SFA算法可以从复杂的非线性混合信号中提取出变化缓慢的信号,通过仿真实验,分别对简单信号和复杂水声信号的非线性混合信号进行分离,通过将源信号与分离信号对比,发现SFA算法输出信号与源信号高度相似,验证了SFA算法在非线性盲源分离领域应用的有效性和可行性。     

基于误差信号的双模式遗传盲均衡算法研究

DD算法具有收敛速度快,稳态剩余误差小的优点,是一种最常用的盲均衡算法。遗传盲均衡算法是一种新的盲均衡算法,它利用遗传算法来解决盲均衡问题,具有较好的全局优化特性。在综合研究了DD算法及遗传盲均衡算法的特性后,利用误差信号的特性,给出了一种新的双模式遗传盲均衡算法,有效的结合了DD算法以及遗传盲均衡算法的优点,大大提高了算法的运算速度,提升了收敛性能,解决了遗传盲均衡算法运算量大的问题,并通过计算机仿真验证了该算法的有效性。