盲信号分离算法研究

介绍了一种基于快速定点的盲分离算法，该算法可以对来自不同方向上的统计独立信号进行有效的分离，并且不需要预先知道信号的测向和阵列的结构流形，因此该算法称为盲分离算法。另外该算法不仅有传统的波束形成的优点，即在有用信号方向形成主波束，并且还能够在干扰方向形成很好的零点，所以该算法是波束形成技术和零点形成技术的结合，可大大提高信干比，另外该算法还有收敛快的特点，对于每一个信号大约迭代10次后就可以收敛。     

基于斜投影的波束形成算法

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。     

基于斜投影的波束形成算法

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。     

智能天线中的干扰抑制算法研究

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。     

高角度分辨率的信源分离算法

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。     

强干扰下的盲波束形成算法

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。     

基于空时频输出矩阵的盲波束形成算法

针对现有的卷积盲源分离方法（如时频分析方法）在宽带信号的分析中计算量较大的问题,提出一种在分数阶傅里叶域滤波基础上的盲波束形成算法。算法首先对接收到的信号作分数阶傅里叶域的峰值滤波,然后计算空时频输出矩阵,最后提出一种信号来向未知的空间盲波束形成算法。该算法充分利用线性调频信号在分数阶傅里叶域能量聚集的特性提高输出信噪比,并减少了运算量。仿真结果表明,算法能够实现宽带信号的盲源分离,且输出性能较之时频方法有一定提高。     

抗干扰自适应天线阵波束形成零陷算法

针对传统的功率倒置算法应用在卫星信号接收时,不能在有用信号方向上形成主波束,不具有提高信噪比的功能,提出一种新的波束形成零陷算法,提高了该功能。通过软件仿真验证,结果表明提出的新算法克服了功率倒置算法在有用信号方向不能形成主波束的不足,不仅能在干扰方向形成更深的＂零陷＂,而且具有更高的输出信噪比。     

高信噪比低信干比环境下盲自适应波束形成

本文针对通信双方是合作方这一特点，利用信号的周期平稳性，提出了一种能够适应于高信噪比、低信干比环境的盲自适应波束形成算法，采用了特征向量识别的方法，较好地解决了CAB、CCAB等方法存在的主特征向量误判的问题。该方法不需要系统提供波束指向和估计目标信号方向、具有对系统误差的稳健性，能够较好地抑制干扰。模拟实验验证了本文的方法。     

基于快速运动目标定位的改进MUSIC算法

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。     

干扰抑制技术在通信侦察中的应用

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。     

宽带恒定束宽盲波束形成算法

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。      

基于改进的盲源分离算法抗主瓣SMSP干扰

针对基于最大信噪比的盲源分离算法在信干噪比较差环境中无法有效分离信号和干扰的情况，提出了一种改进的基于最大信噪比的盲源分离算法，使用经过小波阈值去噪后的观测信号作为新的观测信号，重新构建最大信噪比目标函数，实现在高信噪比条件下的干扰分离。通过计算机仿真，在频率分集阵列-多输入多输出雷达系统中实现了在高信噪比条件下弥散干扰的分离。结果表明：相比于原始算法，改进后的算法能够很好地实现目标与干扰信号的分离。     

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。     

基于盲波束形成的麦克风阵列语音增强方法

考虑到语音信号方向向量估计误差对传统波束形成语音增强性能的影响,该文提出一种盲波束形成语音增强方法。由于采用阵列四阶互累积量和线性约束最小方差波束形成器相结合,使得该方法对语音信号方向向量误差具有一定韧性。此外,采用多通道后置滤波去除盲波束形成器输出端的残留噪声。仿真结果表明,在语音信号波达方向等先验信息未知的情况下,该文提出的盲波束形成语音增强方法仍具有较好的噪声抑制性能。     

基于JADE盲源分离的主瓣抗干扰算法研究

主瓣干扰对现代雷达的检测性能影响越来越严重。本文通过抗干扰方法的分析给出了基于四阶累积量的特征矩阵近似联合对角化(JADE)的盲源分离算法,首先在目标和干扰所在的大致方位形成两个和波束数据,然后利用JADE盲源分离算法对两个和波束数据进行处理,最后通过多脉冲相干积累脉冲压缩原理分离出目标信号。通过仿真结果可知:此方法在分离目标信号和压制干扰时,分离结果比较纯净,分离效果很好;并且信噪比越高,分离结果越纯净。并利用实验数据验证了方法的有效性和优势。     

基于波束形成的长短时记忆网络语音分离算法研究

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。     

一种基于正交加权约束的GPS抗干扰盲算法

针对GPS信号C/A码的周期重复特性,联合CAB算法和子空间技术提出了一种盲自适应波束形成方法。该算法通过将CAB算法的权矢量和控制矢量约束到干扰导向矢量的正交补空间内,使之在期望信号方向上产生高的增益,并在干扰方向上形成零陷。该方法具有盲处理、收敛速度快和低计算复杂度等优点。仿真结果证明了算法的有效性。     

一种基于ESPRIT的盲波束形成方法

基于特征空间波束形成算法(ESB)是常用的一种自适应波束形成算法,已提出的ESB算法大多假设期望信号方向精确已知。本文在期望信号方向未知情况下,提出了一种基于子空间的波束形成方法。计算机仿真结果验证了该算法的有效性。     

一种改进的基于波束空间的酉-ESPRIT算法

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。