共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
采样协方差矩阵求逆(SMI)的波束形成方法在少快拍数、高信噪比和相干信源情况下波束形成性能下降。对角线加载技术能改善方向图畸变,但是加载量的确定一直是一个比较困难的问题。该文提出基于斜投影的波束形成算法,它对接收信号斜投影,可有效消除干扰,进而提高波束形成的鲁棒性。仿真结果表明:该算法在高、中、低信噪比下都具有较好的波束形成性能;且在少快拍数和相干信源情况下仍具有较好的波束形成性能。该算法只需要期望信号的方向矢量和接收信号,是一种性能优越且鲁棒的波束形成算法。 相似文献
3.
采样协方差矩阵求逆(SMI)的波束形成方法在少快拍数、高信噪比和相干信源情况下波束形成性能下降。对角线加载技术能改善方向图畸变,但是加载量的确定一直是一个比较困难的问题。该文提出基于斜投影的波束形成算法,它对接收信号斜投影,可有效消除干扰,进而提高波束形成的鲁棒性。仿真结果表明:该算法在高、中、低信噪比下都具有较好的波束形成性能:且在少快拍数和相干信源情况下仍具有较好的波束形成性能。该算法只需要期望信号的方向矢量和接收信号,是~种性能优越且鲁棒的波束形成算法。 相似文献
4.
介绍了2种用于智能天线中的抑制干扰波束形成算法,与传统的Capon波束形成算法相比,该算法不仅能够在干扰信号方向形成零点,并且还可以在指定方向形成零点,可以更好地提高接收信号的信干比。从稳健性而言,该2种算法要高于传统的Capon波束形成算法。 相似文献
5.
传统的波束形成算法在期望信号和干扰信号来向相近的情况下性能下降,不能很好地完成信源分离,针对此问题提出了一种高角度分辨率的信源分离算法。首先选取一种适合任意阵型的AR模型预测方法进行阵列扩展,然后利用基于独立分量分析的鲁棒性分离算法完成信号分离,通过结合阵列扩展和盲源分离的优点,本文提出的分离算法在不增加实际阵元数目的前提下具备比原阵列更高的角度分辨率。实际数据测试表明提出的算法能够在9元均匀圆阵上分离方位角来向间隔为0.5度的信号。 相似文献
6.
针对恒模波束形成算法在干扰信号功率较强的情况下不能收敛到期望信号的问题,提出了一种基于独立分量分析的盲波束形成算法。该算法应用独立分量分析的方法来分离阵列接收信号,通过期望信号来向约束分离向量使其收敛到期望信号,算法在强干扰信号情况下能够收敛到期望信号、对非恒模信号有效并且运算量适中。理论分析和仿真实验表明提出的算法在强干扰和幅相误差存在的情况下相比恒模算法性能优越。 相似文献
7.
8.
9.
10.
针对MUSIC算法对接收信号信噪比要求高,同时在目标源方位快速变化的情况下稳定性差的问题,提出一种基于宽带导向的MUSIC自适应波束形成方法 STMU(Steered MUSIC)。该方法首先构造时延后的频域协方差矩阵,利用特征分解方法求取具有正交性的噪声子空间,利用噪声子空间自身的正交特性获得来波方向波束,从而进行波达方向的估计。从系统测试运行的数据结果可以看出,MUSIC算法能够被STMU方法优化,在低信噪比环境下,针对宽带信号有明显的分辨率提升作用;当目标源方位快速变化的时候,MUSIC信号处理方法明显弱于STMU的信号处理方法,尤其体现在方位分辨率与信号检测方面。 相似文献
11.
介绍了两种用于智能天线的抑制干扰波束形成算法,与传统的Capon波束形成算法相比,介绍的算法不仅能够在干扰信号方向形成零点,并且还可以在指定方向形成零点,从而更好地提高接收信号的信干比。从稳健性而言,介绍的两种算法要高于传统的Capon波束形成算法。 相似文献
12.
针对传统盲源分离算法对宽带阵列信号适用性较差的问题,提出一种基于时频分析的宽带恒定束宽盲波束形成算法。该算法首先将接收信号变换到时频域上并提取出单源点。然后,对单源点聚类并求解信号在不同频点上的导向矢量。最后,通过提出一种信号来向未知的空间响应变化约束方法,实现宽带恒定束宽盲波束形成。该算法避免了将宽带盲波束形成转换为卷积混合的盲源分离,因而不存在时域盲源分离算法中系统参数随滤波器阶数急剧增加的问题,也不存在频域算法中排序和幅度模糊的问题。仿真结果表明,算法能够较好地实现宽带信号的盲分离,且输出信干噪比高于时域、频域以及时频域盲源分离算法,实测数据的处理结果验证了该算法的实用性。 相似文献
13.
14.
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 总被引:1,自引:0,他引:1
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。 相似文献
15.
16.
17.
在利用深度学习方式进行语音分离的领域,常用卷积神经网络(RNN)循环神经网络进行语音分离,但是该网络模型在分离过程中存在梯度下降问题,分离结果不理想。针对该问题,该文利用长短时记忆网络(LSTM)进行信号分离探索,弥补了RNN网络的不足。多路人声信号分离较为复杂,现阶段所使用的分离方式多是基于频谱映射方式,没有有效利用语音信号空间信息。针对此问题,该文结合波束形成算法和LSTM网络提出了一种波束形成LSTM算法,在TIMIT语音库中随机选取3个说话人的声音文件,利用超指向波束形成算法得到3个不同方向上的波束,提取每一波束中频谱幅度特征,并构建神经网络预测掩蔽值,得到待分离语音信号频谱并重构时域信号,进而实现语音分离。该算法充分利用了语音信号空间特征和信号频域特征。通过实验验证了不同方向语音分离效果,在60°方向该算法与IBM-LSTM网络相比,客观语音质量评估(PESQ)提高了0.59,短时客观可懂(STOI)指标提高了0.06,信噪比(SNR)提高了1.13 dB,另外两个方向上,实验结果同样证明了该算法较IBM-LSTM算法和RNN算法具有更好的分离性能。 相似文献
18.
19.
20.
针对酉-ESPRIT算法估计精度较高但是对信噪比水平变化比较敏感的问题,提出了一种改进的用于DOA估计的酉-ESPRIT算法。该算法首先对观测数据在变换域中进行预处理使信号能量更集中,然后进行波束变换,在波束空间中估计信号的到达方向。文中采用的波束形成矩阵使用较少的波束数可以在更广范围内搜索信号以避免漏掉有用信号,因此减少了运算量。通过计算机仿真试验可知,无论在白噪声还是色噪声背荣下,与酉-ESPRIT算法相比,本算法不仅减少了计算量,并且具有更小的信噪比门限,提高了酉-ESPRIT算法的鲁棒性。 相似文献