低信噪比下的信号源个数估计方法

针对低信噪比下信号源个数估计问题,改进基于特征向量与阵列流形正交性的这种目前信号源个数估计效果很好的算法。该改进主要在于引入一个更能去噪的门限准则,结合原来的盲波束形成方法,最后得到一种基于阵列信号处理的信号源个数估计算法。仿真结果证实在低信噪比下,文中所提方法在等功率信号入射时比原方法有效,而且在不等功率信号入射时效果也比原方法好。     

一种任意信号源盲分离的高效算法

提出了信号源盲分离的DBBSS算法.利用随机变量概率密度函数非参数估计的核函数法,对混合信号的概率密度函数及其导数进行估计,并由此估计信号的评价函数(score function).解决了现有信号源盲分离算法中,普遍存在的非线性函数只能凭经验选取,以及混合信号同时包含超高斯信号和亚高斯信号时,算法失效的问题.该方法非常简单,可以直接应用于所有以非线性函数代替评价函数的信号源盲分离算法.仿真结果验证了算法的有效性.     

不确定信号源个数的语音分离

介绍了两种语音分离的算法--独立成分分析(ICA)方法和稀疏混合模型方法.在信号源个数小于或等于观察信号个数的情况下,使用独立成分分析方法;在信号源个数大于观察信号个数的情况下,使用稀疏混合模型方法.在各种情况下,进行了大量实验,结果表明,在信号源个数不确定的情况下能较好地分离出原始的语音信号.     

高阶累积量在欠定盲源分离中信源数目估计的应用

源数目估计在盲处理技术中具有重要意义,欠定条件下信号源数目的估计是已有盲分离算法中一个未解决的难题.通过利用高阶累积量的扩展特性提高估计的分辨性能,研究并分析了在通信侦查中基于高阶累积量的源教估计方法的优化过程,并将此过程应用在通信侦查中欠定条件下的信号源个数估计问题中.最后给出了详细的计算方法,通过仿真实验证明了该过程的正确性和有效性,同时还研究了噪声和样本对不同信号模型的影响.     

基于峰度自然对数最大化与奇异值分解的超定盲信号分离

提出了一种多个信号源的超定盲信号分离算法,该方法利用奇异值分解来确定信号源的个数,并把天线阵的接收数据影射到正交的信号子空间中进行降维处理,再通过峰度自然对数最大化准则,对多个信号源按峰度减少的顺序依次进行分离.学习速率用非线性函数进行调节,避免了人为选取不当而导致的算法发散.该算法收敛速度快,且有较强的稳健性.计算机仿真验证了算法的有效性.     

一种基于直线特征的信源个数估计新算法

在空间谱估计技术中,估计信号源个数是一个关键问题,其漏警或虚警会直接影响到测向算法的准确度.然而现有的信号源估计方法在低信噪比、色噪声环境下估计成功概率低且运算复杂,针对该缺点,文中提出一种基于直线特征的信源个数估计新算法.在低信噪比、色噪声环境下通过计算机仿真表明了该算法的正确性和有效性.     

电磁矢量传感器及其阵列累量域虚拟导向矢量的线性无关度

通过研究多个导向矢量之间的线性无关性讨论电磁矢量传感器及其阵列累量域观测的唯一性问题。导出了累量域电磁矢量传感器及其阵列线性无关虚拟导向矢量个数的上界和下界。这些结论对确定电磁矢量传感器及其阵列累量域可分辨非高斯信号源个数具有一定的参考价值。给出的仿真实验结果验证了文中的分析和推导。     

基于峰度自然对数最大化的信号盲分拣算法和盲波束形成

该文基于峰度自然对数最大化准则,提出了一种自适应一元信号盲分拣算法,提出的算法可以用于一元信号盲分离和进行盲波束形成,与基于峰度值最大化准则的KMA算法相比,收敛速度快,有较强的稳健性,将非线性函数引入学习速率的调节,算法自动选取学习步长,避免了人工选取学习速率不当而导致算法发散。同时,提出了两种复数抽气算法,配合一元信号盲分拣算法可以依次分离多个信号源,仿真试验验证了算法的有效性。用提出的算法在四元线阵上盲分离两个水声信号,结果发现,一元信号盲分离实现的盲波束形成波束图与最优波束接近。     

基于最大比合并的超定盲源分离

主要研究了超定盲源分离问题,即观测信号个数大于源信号个数情况下的盲源分离.首先给出一种将超定分离转化为多组适定分离的方法,接着通过分析广义Rayleigh商问题最优解和基于四阶累积量代价函数收敛解之间的关系,提出了一种基于最大比合并(MRC)的盲源分离算法(MRC-FastICA).该算法利用多组FastICA来获得同一源信号的多个估计信号,然后利用MRC得到最终的分离信号.理论分析和实验结果表明该算法能够获得分集增益,比传统算法有更好的信干噪比(SINR)性能.     

基于CS和OMP的宽带LFM信号源个数估计算法

多分量LFM信号源个数估计是进行后续信号处理的基础。考虑到压缩测量值较好地保留了原信号的特征信息,基于压缩感知部分重构的思想,提出了一种基于压缩感知和OMP分解的信源个数估计算法,算法在基于OMP的信号重构算法上改进而来,以归一化残差为迭代终止的条件,引入一种自适应阈值选择策略,根据迭代分解次数进行信号源个数估计。仿真结果表明,在信噪比为-3db左右、压缩比大于0.25的情况下,该算法进行信源个数估计的成功率高于90%。     

A novel blind estimation algorithm

In this paper, we propose a cumulant-based blind signal estimation algorithm for estimating the channel matrix in an n-sensor m-source system. The only available information is the output of the n sensors. The algorithm first deduces the number of sources, which may be greater than or equal to the number of sensors, from the output cumulant matrix. Then, by suitably arranging the elements within that matrix, the entries of the original channel matrix are estimated row by row. Simulations results are given to illustrate the performance of the algorithm     

基于Friedman检验的非参数协作频谱感知方法

协方差矩阵频谱感知方法在天线相关性低时感知性能较差,该文针对这一问题提出一种基于Friedman检验的非参数协作频谱感知方法。分布式放置的感知节点具有空间分集的特性,因此在同一时刻感知节点上的信号功率不完全相同。利用这一特点,提出通过比较各感知节点的信号功率水平来实现频谱感知。由于采用了非参数化表示,该方法对噪声不确定性稳定,且适用于任意统计分布的噪声。另外,推导了所提方法判决门限的理论表达式,结果显示判决门限与采样点数无关,因此在采样点数变化的情况下无需重新设置判决门限。仿真结果验证了上述理论分析的有效性。     

Fast algorithm for minimum-norm direction-of-arrival estimation

The original minimum-norm direction-of-arrival estimator, proposed by Kumaresan and Tufts, employs the noise-subspace projection matrix, calculated by the eigendecomposition of spatial covariance matrix. The present authors propose a novel noneigenvector fast algorithm, which calculates the required minimum-norm function using the special power basis instead of eigenvector basis. The proposed algorithm provides a substantial saving as compared with computational loads of the eigendecomposition-based minimum-norm algorithm in cases when the number of multiple sources is much lower than the number of array sensors. Some computer simulation results, verifying the high performance and accuracy of the proposed algorithm, are presented     

共轭增强ESPRIT算法

提出了共轭增强ESPRIT（CA-ESPRIT）算法，利用阵列输出的延迟相关函数及其共轭形成伪阵列输出，从而得到伪协方差矩阵，对其进行特征分解，用ESPRIT算法得到波迭方向。仿真实验表明，新算法可对多于阵元数的信号进行测向，其测角精度和分辨能力优于ESPRIT算法，运行时间小于有相同阵列扩展能力的MUSIC—like算法。     

A complex mixing matrix estimation algorithm in under-determined blind source separation problems

This paper considers the complex mixing matrix estimation in under-determined blind source separation problems. The proposed estimation algorithm is based on single source points contributed by only one source. First, the problem of complex matrix estimation is transformed to that of real matrix estimation to lay the foundation for detecting single source points. Secondly, a detection algorithm is adopted to detect single source points. Then, a potential function clustering method is proposed to process single source points in order to get better performance. Finally, we can get the complex mixing matrix after derivation and calculation. The algorithm can estimate the complex mixing matrix when the number of sources is more than that of sensors, which proves it can solve the problem of under-determined blind source separation. The experimental results validate the efficiency of the proposed algorithm.     

用于非圆信号二维测向的扩展Root-MUSIC算法

利用双平行线阵的阵列结构,提出了用于非圆信号二维测向的扩展root-MUSIC(ERM)算法.ERM算法估计得到的俯仰角与方位角一一对应,自动配对,无需搜索,其可测向信号数大于子阵阵元数,方位测角精度优于同样基于双平|亍线阵的二维测向波达方向矩阵法(DOAM),俯仰测角精度在低信噪比下优于DOAM算法,俯仰角兼并时算法仍有效.     

Séparation de fronts d’ondes par redressement du facteur de Choleski de leur matrice interspectrale

A new algorithm is described which allows to extract from their cross spectral matrix the wave fronts received by an array of sensors. The sources are ponctual, uncorrelated, and the attenuation factors between each source and the different sensors are assumed identical. The algorithm uses the equality of the moduli of the columns in the complex gain matrix between sources and sensors. No plane wave assumption is needed, in contrast with most methods proposed up to now.     

基于均匀圆阵的相干源三维参数估计算法

基于均匀圆阵,提出了一种宽频段信号频率和二维到达角联合估计的新方法—CTDS算法。通过对构造的波达矩阵进行特征分解,该算法能精确地估计具有相同数字频率的相干信号的三维参数,无需多维谱峰搜索,具有计算量小,三维参数自动配对的优点。另外,算法通过增加延迟抽头级数解相干,因此避免了通常的降维解相干算法引起的阵列孔径损失,同时减少了所需的阵元数。计算机仿真结果验证了算法的有效性。     

基于凸优化的Khatri-Rao子空间宽带DOA估计

该文基于凸优化工具,提出一种新的Khatri-Rao子空间宽带到达角(DOA)估计方法。首先,利用Khatri-Rao子空间的概念,构造各频点的虚拟阵列导向矢量。再利用凸优化方法针对虚拟阵列导向矢量构造聚焦矩阵,从而利用虚拟阵列所增加的维数,在尽量减少聚焦对噪声影响的同时,获得良好的聚焦效果。仿真结果表明,相对于已有的Khatri-Rao子空间宽带DOA估计方法 FKR-RSS,该方法具有更好的估计精度和目标分辨力。对于信号源数大于阵元数的情形,该文方法优势更加明显。