高斯色噪声背景下的单通道信源数目估计算法

目前信源数目估计算法大都是基于多通道接收模型且对高斯色噪声抑制能力较差,而实际应用中单通道接收模型及色噪声环境非常普遍,因此研究色噪声背景下的单通道信源数目估计算法意义重大。针对现有算法的缺陷提出了一种基于构建信号时间快拍和四阶累积量矩阵的单通道信源数目估计算法。首先通过构建信号时间快拍实现单通道接收信号的升维得到矢量化空间,然后以此组信号空间构造出四阶累积量矩阵,并从理论上验证了该四阶累积量矩阵能有效抑制高斯白噪声及高斯色噪声的影响,最后对该矩阵进行奇异值分解并通过信息论准则估计出信源个数。仿真实验和实际信号实验都表明本文算法能较好地解决单通道信源数目估计问题,且能有效抑制高斯色噪声。      

稀疏重构混合源参数估计方法

针对近远场混合源定位问题,本文提出了一种基于稀疏信号重构的信源参数估计算法。该算法首先通过对接收信号的协方差矩阵进行稀疏重构估计出远场信源参数,接着采用协方差分离技术将近场源和远场源分离,最后利用均匀线阵的对称性和稀疏信号重构估计近场信源参数。该算法避免了二维谱峰搜索和近场源参数配对,也无需构造高阶累积量,降低了计算复杂度。仿真结果表明,该算法的空间分辨能力和混合源参数估计精度均高于基于子空间的混合源参数估计方法。      

基于二阶统计量的四维近场源定位

本文针对近场窄带信源频率、仰角、方向角和距离四维参数的估计问题，提出了一种基于二阶统计量的近场源四维参数估计方法。该方法利用中心对称的十字阵列和多重旋转矢量不变技术估计信源参数，无需谱峰搜索，同时避免应用四阶累积量，减轻了算法的计算量。仿真实验证明了该算法的有效性。     

一种联合估计近场源四维参数的方法

该文提出了一种近场窄带信源频率、仰角、方位角和距离四维参数的联合估计方法。该方法利用特征值及其相应特征向量和四阶累积量估计信号参数,不需要进行谱峰搜索,并且适用于加性高斯噪声环境。计算机仿真实验证明了该方法的有效性。     

一种信号频率及二维到达角联合估计新方法

提出了一种窄带信源频率、俯仰角及方位角联合估计新方法.该方法选择特定序号阵元输出计算的高阶累积量构造4个矩阵,然后在累积量域构造三面阵,并分析了该三面阵低秩分解的唯一性,接着利用分解得到的4个对角阵联合估计信源参数.该方法无须参数配对,无须谱峰搜索,适用于任意加性高斯噪声环境.仿真结果表明该算法是有效的.     

相关噪声环境下相干源2D-DOA估计方法

解决相关噪声环境下相干信源的二维波达方向估计问题,克服最常用的子空间类算法,如MUSIC算法、ESPRIT算法等的不足,将四阶累积量和空间平滑方法相结合,提出了一种新的CSS算法。该算法采用两个平行的均匀线阵作为阵列传感器,通过特殊定义的四阶累积量矩阵对接收空域数据进行平滑处理,实现了相关噪声环境下对相干信源的二维波达方向的估计,并且所估计信源的二维波达方向能够自动配对,最后通过蒙特卡罗实验证明了所提CSS算法2D-DOA性能的有效性。     

基于四阶累积量的共形阵列波达方向估计算法

由于共形天线阵列流形的多极化特性(Polarization Diversity),共形阵列天线的信源方位估计需要与信源的极化状态联合进行。分析总结共形阵列天线波达方向(DOA)估计特点的基础上,针对窄带远场非高斯独立信源,提出了一种共形阵列天线盲极化DOA估计算法。该算法利用四阶累积量对阵列口径的扩展性,结合旋转不变子空间(ESPRIT)算法,在信源极化状态未知条件下实现了共形阵列天线的高分辨DOA估计。所提算法的方位估计不需要天线单元方向图以及信源极化状态的任何信息,适用于多种常用共形载体(锥面、柱面以及球面共形载体),具有较为广泛的应用环境。以柱面共形阵列天线DOA估计为例,详细推导了算法机理,给出了算法步骤,计算机Monte Carlo仿真实验验证了所提算法的有效性。     

一种基于高阶累积量的近场源四维参数联合估计算法

本文提出了一种新的多个近场窄带信源距离、频率及二维到达角四维参数联合估计算法.首先基于特定序号阵元输出计算的高阶累积量构造4个矩阵,接着结合这些矩阵的结构特点构造3个新的矩阵,然后基于新构造矩阵分解得到的特征值和特征向量联合估计信源参数.与现有的方法相比,本文给出的方法有效提高了阵列孔径利用率,参数自动配对.仿真结果表明该算法是有效的.     

一种基于平行因子分析的近场源定位新方法

本文提出了一种基于平行因子分析的近场窄带信源频率、距离及二维到达角联合估计新算法.首先给出一种新的十字阵列;然后结合Toeplitz矩阵的结构特点,选择特定序号阵元输出计算的高阶累积量巧妙构造5个Toeplitz矩阵;接着在高阶累积量域构造平行因子分析模型,分析了该模型低秩分解的唯一性,并从其分解得到的矩阵中联合估计信源参数.与现有方法相比,该算法有效降低了阵列的孔径损失,无须参数配对.仿真结果表明该算法是有效的.     

一种近场无源定位方法

提出了一种近场方位和距离联合估计的无源定位算法.根据阵列信号协方差矩阵的Toeplitz特性,重构出只与信源方位角相关的近似远场协方差矩阵.对该协方差矩阵做子空间分解,通过方位估计的求根MUSIC算法得到对信源的方位角估计值;对信源距离的估计,定义了一种新的空间谱函数,仅通过一次一维搜索便可以得到所有距离谱峰;再将方位和距离配对进行简单的配对操作即完成信源的定位.最后通过计算机仿真验证了该算法的有效性.     

基于高阶ESPRIT的单声矢量水听器近场声源定位

为避免传统近场定位算法需要三维搜索,计算量大的问题,该文结合高阶累积量提出一种适用于单矢量水听器近场声源定位的旋转不变子空间(ESPRIT)算法。首先通过定义一系列的四阶累积量矩阵,获得了3个不变性矩阵,然后从这些不变矩阵中提取近场源的位置信息,该方法可以得到目标的方位角、俯仰角和距离的封闭形式的解。最后通过仿真验证了本算法的有效性。     

2D DOA Estimator for Multiple Coherently Distributed Sources Using Modified Propagator

In this paper, we propose a new algorithm for estimating the two-dimensional (2D) nominal direction-of-arrivals (DOAs) of multiple coherently distributed (CD) sources by utilizing three parallel uniform linear arrays (ULAs). The proposed algorithm firstly shows that some rotational eigenstructures exist approximately for three pair of shifted ULAs. And then a modified propagator method is used to estimate three rotational invariance matrices which denote the rotational eigenstructures. Finally, the nominal angular parameters of CD sources are obtained from the eigenvalues of the rotational invariance matrices. Without spectrum searching, the estimation and eigendecomposition of the sample covariance matrix, our approach is computationally more attractive compared with the earlier algorithms. In addition, it can be applied to the scenario with multiple sources that may have different angular distribution shapes. Simulation results illustrate the performance of the algorithm.     

基于联合对角化的近场源三维参数估计

提出了一种基于联合对角化的近场源频率、到达角（DOA）和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于白化后的接收数据构造一组高阶累积量矩阵,利用联合对角化方法来得到高阶累积量矩阵的对角结构信息以及对角化矩阵来分别估计阵列流形和信号源的频率,进而由阵列导向矢量结合对应的信号源频率联合估计信号源的到达方向和距离。与基于高阶累积量的类 ESPRIT方法相比,算法可以提高阵元利用率,具有更好的估计效果,同时不需要谱峰搜索且各参数自动配对,计算机仿真结果验证了该方法的有效性。     

Extended-aperture angle-range estimation of multipleFresnel-region sources with a linear tripole array using cumulants

This paper presents a cumulant-based algorithm to achieve aperture extension for estimating the directions-of-arrival (DOAs) and the ranges of multiple Fresnel-region sources using a linear tripole array. The proposed algorithm defines two cumulant-based matrices, from which the DOA and the range of each source are estimated from the source's tripole steering vector using the ESPRIT technique. These are then used as coarse reference estimates to disambiguate the cyclic phase ambiguities induced from the spatial phase factors when the inter-sensor spacing exceeds a half wavelength. The algorithm does not require two-dimensional searching or parameter pairing, and can resolve 3(L−1) sources with L tripoles. The extension of the proposed algorithm by formulating multiple cumulant matrices and using parallel factor (PARAFAC) analysis is also presented. Simulation results are provided demonstrating the significant improvement in the performance over that of several existing algorithms.     

一种新的基于二阶统计量的的近场源定位算法

该文提出了一种基于二阶统计量的近场窄带信源频率、距离及到达角三维参数联合估计新算法。该算法首先基于特定序号阵元输出计算的二阶统计量构造3个矩阵,接着结合这些矩阵的结构特点构造2个新的矩阵,然后利用其特征值和特征向量估计信源参数。与现有基于二阶统计量的算法相比,该文算法节省1个阵元,且仅需计算3个二阶统计量矩阵,此外参数自动配对。仿真结果表明该算法是有效的。     

基于互相关抽样分解的分布式非圆信号DOA快速估计

在非相干分布式非圆信号波达方向(DOA)估计中,针对利用信号非圆特性后输出矩阵维数扩展带来的较大运算量问题,该文提出一种基于互相关抽样分解的DOA快速估计算法。该算法仅需要从子阵间的扩展互相关矩阵中抽样出少量行元素和列元素,构成两个低维子矩阵,进而通过低秩近似分解便可快速地同时求出左右奇异矢量,即分别对应两个子阵的信号子空间,避免了计算整个互相关矩阵及其奇异值分解运算;最后利用两个子阵信号子空间的旋转不变性通过最小二乘得到DOA估计。仿真分析表明,当行列抽样数大于信源数的两倍时,所提算法与直接基于互相关矩阵奇异值分解的非相干分布式非圆信号DOA估计算法性能相近,但复杂度得到了大幅度降低;而相比于传统的低复杂度非相干分布源DOA估计算法,所提算法利用信号非圆特性具有更高的估计性能。     

一种无须参数配对的近场源定位新算法

本文提出了一种适用于高斯白噪声环境的近场窄带信源定位新算法.该算法利用阵元输出计算的3个二阶统计量矩阵在二阶统计量域构造平行因子分析模型,分析了该模型低秩分解的唯一性,并从其分解得到的多个矩阵中联合估计信源距离、频率及到达角.该算法无须参数配对,无须谱峰搜索,计算简单.仿真结果表明该算法是有效的.     

Householder transform based joint diagonal zero diagonalization for source separation using time-frequency distributions

We present a new combined joint diagonalization and zero diagonalization algorithm for separating the source signals by using time-frequency distributions (TFD). The proposed algorithm is based on the Householder transform, which exactly guarantees the orthonormality of the diagonalizer and/or zero diagonalizer. As an application, we show that blind separation of correlated sources can be achieved by applying the proposed algorithm to spatial quadratic TFD matrices corresponding to auto-source terms and/or cross-source terms. Computer simulations are provided to demonstrate the performances of the proposed algorithm and compare it with the classical ones to show the performance improvement.     

一种利用结构特点实现复数域联合对角化解盲源分离新算法研究及应用

联合对角化方法是求解盲源分离问题的有力工具.但是现存的联合对角化算法大都只能求解实数域盲源分离问题,且对目标矩阵有诸多限制.为了求解更具一般性的复数域盲源分离问题,提出了一种基于结构特点的联合对角化（Structural Traits Based Joint Diagonalization,STBJD）算法,既取消了预白化操作解除了对目标矩阵的正定性限制,又允许目标矩阵组为复值,具有极广的适用性.首先,引入矩阵变换,将待联合对角化的复数域目标矩阵组转化为新的具有鲜明结构特点的实对称目标矩阵组.随后,构建联合对角化最小二乘代价函数,引入交替最小二乘迭代算法求解代价函数,并在优化过程中充分挖掘所涉参量的结构特点加以利用.最终,求得混迭矩阵的估计并据此恢复源信号.仿真实验证明与现存的有代表性的对目标矩阵无特殊限制的复数域联合对角化算法FAJD算法及CVFFDIAG算法相比,STBJD算法具有更高的收敛精度,能有效地解决盲源分离问题.     

Algebraic Joint Zero-Diagonalization and Blind Sources Separation

This paper adresses the problem of the joint zero-diagonalization of a given set of matrices. We establish the identiflability conditions of the zero-diagonalizer, and we propose a new algebraical algorithm based on the reformulation of the initial problem into a joint-diagonalization problem. The zero-diagonalizer is not constrained to be unitary. Computer simulations illustrate the behavior of the algorithm. Moreover, as an application, we show that the blind separation of correlated sources can be performed applying this algorithm to a particular set of spatial quadratic time-frequency distribution matrices. In this case, computer simulations are also provided in order to illustrate the performances of the proposed algorithm and to compare it with other existing ones.