基于约束独立分量分析的雷达抗主瓣干扰方法

针对雷达受到主瓣压制干扰时,无法有效对目标回波信号进行检测的问题,提出了基于约束独立分量分析(ICA)算法的雷达抗主瓣干扰方法。该方法首先根据雷达发射信号已知的特点,构建了以发射信号为参考信号的接近性量度函数,进而建立了基于约束ICA算法的雷达抗主瓣干扰模型,在此基础上提出了更贴近现实的含噪约束ICA算法,最后提取目标回波信号进行匹配滤波实现峰值检测,达到抗干扰效果。理论分析和仿真实验表明,本算法在强噪声干扰背景下能够有效提取目标回波信号达到抗主瓣干扰的效果,且算法复杂度较低,分离效率优势明显。     

基于组合时频分析的跳频信号盲分离算法

针对混叠跳频信号盲分离中特征矩阵对应的自项时频点选取不准和联合对角化正交约束性问题,提出了一种基于组合时频分析的跳频信号盲分离算法。该算法先提出GaborSPWVD组合时频分析,利用其时频图清晰的优点准确提取具有特征矩阵结构的自项时频点,然后构造自项时频点的空间时频矩阵,并利用最小二乘原则对其进行非正交对角化,最后实现分离矩阵的估计以及多个混叠跳频信号的盲分离。仿真结果表明,该算法不仅能有效实现不相关跳频信号的盲分离,还可以实现相关跳频信号的分离,与TFBSS算法在不同信噪比条件下的分离性能相比具有更好的抗噪能力。     

基于FastICA的二次雷达混扰信号分选改进算法

针对二次监视雷达(SSR)应答信号利用FastICA算法进行分选时,容易出现分选时间较长、计算量较大、分选效果不佳的情况,在FastICA算法的基础上提出改进算法。该算法首先利用投影算法(PA)对权值矩阵W进行初步估计;进而通过负熵的度量进行迭代寻求最佳解,求解得出分离矩阵;最后利用分离矩阵实现对混扰信号进行有效分选。仿真验证表明,该改进算法在复杂环境下有效进行模式信号分选,且其性能在相较同类算法时具有更好的抗噪性能与分选性能。     

基于协方差矩阵重构稳健波束形成算法

提出了一种新的基于协方差矩阵重构的稳健算法.该算法基于最小化输出期望信号空间倒谱,利用多项式拟合估计期望信号的导向矢量;从数据协方差矩阵中减去期望信号部分,得到干扰加噪声协方差矩阵,通过修正方法实现对干扰加噪声协方差矩阵的准确估计,解决了低信噪比时由于信号子空间发生缠绕,导致协方差矩阵估计存在较大误差的问题;理论分析与仿真实验表明了该算法的有效性和稳健性.     

一种基于盲源分离的调幅通信系统抗干扰方法

在电子对抗中,当敌方对我方的通信系统实施干扰,并且电台信号和干扰信号的统计特性又不一致时,可以采用盲源分离的方法将2种信号分开。针对模拟调幅通信系统在受到同频调制信号干扰的情况,采用基于盲源分离理论的方法设计了一种具有抗干扰能力的调幅接收机。     

基于二阶锥规划的相干信号宽零陷自适应波束形成

针对传统自适应波束形成器在相干干扰位置出现快速变化时,输出性能下降,甚至干扰抑制失效的问题,提出了一种基于二阶锥规划(SOCP)的相干信号宽零陷自适应波束形成算法。该算法首先对接收数据协方差矩阵进行Toeplitz重构,然后重构了干扰加噪声协方差矩阵并对其进行零陷展宽处理;接着在保证期望方向波束无失真前提下,约束主瓣宽度和旁瓣电平,使得波束形成器干扰和噪声的输出功率最小;最后将该问题转化为凸优化中的二阶锥规划问题,并使用凸优化工具箱进行快速求解。仿真实验表明,该算法可以在兼顾全部阵列性能指标的前提下,在相干干扰区域形成宽零陷。     

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。     

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。     

基于最小互信息算法的跳频信号接收方法

针对增大发射功率和自适应天线对于跳频系统抑制调频噪声干扰的局限,采用盲源分离理论,提出了基于最小互信息算法的跳频信号接收方法。该方法首先在射频利用盲源分离算法——最小互信息算法将跳频信号与噪声调频干扰分离开,然后对分离得到的跳频信号进行解跳,从而得到发射的信号。由计算机仿真表明,在相同的干扰强度下,与传统的接收方法相比,提出的接收方法具有更低的误码率和更强的抗干扰能力。     

基于协方差矩阵重构的稳健自适应波束形成算法

针对大角度失配和采样协方差矩阵中包含有期望信号时,传统自适应波束形成器性能极剧下降的问题,提出了基于协方差矩阵重构的稳健自适应波束形成算法。该算法将全空域划分成若干互不重叠的区域,分别对应干扰区域和期望信号区域,先利用标准Capon波束形成器及采样协方差矩阵的最小特征值对干扰加噪声协方差矩阵进行重构,再利用MUSIC谱估计法重构出信号协方差矩阵,以其主特征向量估计出期望信号导引向量,最终得到自适应波束形成器的最优权值。仿真实验结果表明,在少快拍和大角度失配情况下算法具有良好的性能。     

基于蝙蝠算法的成对载波多址信号盲分离算法

针对现有PCMA信号盲分离算法存在应用范围受限、复杂度高等问题,提出了基于蝙蝠算法的成对载波多址信号盲分离算法。该算法首先对接收PCMA信号进行载波频率估计并对信号进行正交分解,然后处理得到两路基带混合信号,最后利用独立性判据"峭度"作为适应度函数,使用蝙蝠算法实现了源基带信号分离。该算法在不具备协作通信方发送的信息序列的先验条件下,能够实现对PCMA信号的盲分离。仿真实验表明,该算法具有良好的分离性能且复杂度低并对频率偏移不敏感的特点。     

基于载波相频差异矩阵的单通道盲分离算法

目前欠定条件下盲分离算法的研究集中在稀疏性强的语音信号,适应性较差。且存在分离不完全、残余成分较大的问题。针对该问题提出了一种基于载波相频差异矩阵的单通道盲分离算法。该算法在信号频谱混叠的情况下,利用通信信号的载波相频信息来构建差异矩阵,实现单路到多路的变换。在多通道框架下以基于核密度估计的遗传算法实现多通道盲分离。实验结果表明:该方法对信号稀疏性无严格要求,适应性强,并能较彻底地分离出常规同频通信信号。     

MUSIC算法在GPS干扰检测及抵消中的应用

由于GPS信号的低能级特性,在有些应用场合GPS接收机需采取抗干扰措施。在均匀线性天线阵条件下,文中采用MUSIC算法对干扰进行了抵消,并进行GPS信号捕获的仿真。仿真实验表明,多重信号分类法(MUSIC)对于大干扰噪声比(J/N)的干扰具有较高的到达角度(DOA)估计精度和信号噪声分离度。当GPS信号和干扰信号的DOA相差一定角度时MUSIC算法能够提高GPS接收机的抗干扰性能。     

基于自适应MMSE-LSA与NMF的语音增强算法

针对目前已有的语音增强算法在低信噪比的非平稳噪声环境下存在语音增强性能欠佳、计算复杂度高、语音失真与音乐噪声的问题,提出基于自适应对数谱幅度的最小均方误差(MMSE-LSA)与非负矩阵分解(NMF)的语音增强算法。首先利用自适应MMSE-LSA估计器对含噪语音信号进行增强,以提高输入信号的信噪比,接着对增强后产生的语音失真和残留噪声利用NMF算法进行补偿,既保证语音质量,又尽可能地消除噪声干扰。仿真实验结果表明,语音增强算法与经典的谱减算法、维纳滤波算法相比,不仅提高了输出信噪比,而且降低了音乐噪声,在可懂度和清晰度方面均具有较明显的优势。     

误差影响下滚动轴承多重故障模态特征信号的盲源分离方法

针对旋转机械设备受到测量误差及系统误差等因素影响,导致滚动轴承多故障模态信号难以分离的缺陷,提出一种误差影响下滚动轴承多重故障模态特征信号的盲源分离方法。对故障信号进行白化预处理得到白化矩阵,进而计算白化矩阵的4阶累积量,并构建4阶累积量矩阵;将累积量矩阵对角化,并取前K个较大特征值对应的特征向量作为新累积量矩阵;利用总体最小二乘方法估计最小化新累积量矩阵与目标正交矩阵的误差函数,最大程度地联合近似对角化新累积量矩阵,实现多故障信号的分离估计;为进一步评估该方法的有效性,选用时域相关系数及时频域双谱估计两种评价方法对分离结果进行验证。结果表明,该方法分离出来的信号与源信号相关系数高,并且时频域双谱估计相似,是一种有效分离多重故障的方法。     

基于矩阵重构的多径接收鲁棒波束形成算法

针对存在失配误差时多径信号接收中的信号相消问题,提出了一种新的多径接收鲁棒波束形成算法。算法对信号来波方向进行预估,进行区间划分,基于干扰加噪声协方差矩阵重构,去除了接收数据中的期望信号及其多径相干信号分量,得出了波束形成最优权矢量的显式解;仿真实验表明：当存在失配误差时,算法不仅能够有效地接收多径相干信号,而且可以抑制干扰和噪声,在输入信噪比较高的情况下依然保持较好的性能,得到较高的输出信干噪比;算法在期望信号和多径信号数量较少且分布相对连续的情况下,能有效解决多径信号接收问题,提高了波束形成算法对模型失配误差的鲁棒性。     

基于子空间加权的多重信号分类时延估计算法

针对水下探测通信一体化干扰抑制中时延估计误差对主动干扰抑制性能的影响,以及常规多重信号分类(MUSIC)时延估计方法因数据长度有限、信噪比低使得信号与噪声子空间不完全正交,导致时延估计性能下降的问题,提出了基于子空间加权的MUSIC时延估计方法。该方法通过重构噪声子空间,并利用信号特征值与噪声功率构造加权值,对子空间进行加权,实现对MUSIC时延估计谱的修正。仿真结果表明,所提方法较互相关法、MUSIC算法和SSMUSIC算法具有更高的时延估计精度,以及更优的时延分辨率。     

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。     

梯度自适应格型滤波联合算法的性能分析

针对在非平稳环境下,以最小均方(LMS)为代表的自适应梯度算法跟踪输入信号的能力不强和稳定性不够的问题,设计了一种以梯度自适应格型算法与线性组合器组成的联合处理器,并在白噪声、车载噪声、粉红噪声三种环境下的性能进行了仿真实验.结果显示该处理器在平稳和非平稳两种干扰环境下都只需要约20次迭代运算达到稳定,相对于横向自适应最小均方算法不仅减少了算法总的复杂度,而且对微弱信号的信噪比改善能力更强.研究表明该算法既满足收敛速度快、精度高、稳定性好等要求,又可以节省硬件资源.     

一种基于时分数据调制的加权分数阶傅里叶变换通信方法

加权分数阶傅里叶变换是一种新型物理层保密通信方式,可极大地提高通信系统的抗调制方式识别能力。针对单参数加权分数阶傅里叶变换易被破解的不足,提出一种基于时分数据调制的加权分数阶傅里叶变换通信方法。该方法采用奇偶位不同调制的策略,充分利用旋转因子动态加密,进行时分数据加权分数阶傅里叶变换调制,减弱信道中噪声对信号的影响,从而提高加权分数阶傅里叶变换调制信号的可靠性和安全性。仿真结果表明：基于时分数据调制的加权分数阶傅里叶变换调制信号,能够提高传统加权分数阶傅里叶变换信号的可靠性,显著降低窃听方的破译能力,可进一步增强信息传输的保密性能。