基于JADE算法的盲DOA估计

研究了复杂多径环境下DOA估计问题,提出了基于JADE盲源分离算法的一种新方法.该方法在信号方向矢量没有任何先验知识的情况下,通过JADE盲辨识技术对阵列流型矩阵进行估计,并将多径环境下的方向矢量看成是由多个复正弦信号线性混合而成,进而利用频谱分析的方法实现信号的DOA估计.经过仿真验证,新方法可以对来波方位相同的2个信号进行分辨,且在多径环境下的稳定性要优于Toplitz近似算法,在信源数(含相干多径信号)大于阵元数时仍然可以使用.     

动态变化混叠模型下盲源分离中的源数估计

在进行欠定盲分离时,特别是对于源信号数目及混合矩阵动态变化的情况,常规的欠定盲分离及源数估计方法不能对源信号数目的变化时刻做出判断,因此很难实现动态变化的源信号数目实时和准确的估计。针对这个问题,提出了一种动态变化混叠模型下欠定盲源分离中的源数估计方法。首先,建立动态变化混叠情形下盲源分离的数学模型及动态标识矩阵。其次,基于构建的动态标识矩阵统计和判断动态源信号数目的变化情况。最后,通过分段时间内多维观测矢量采样点聚类区间局部峰值统计,实现动态变化混叠模型下盲源分离中的源信号数目的有效估计。仿真结果表明,该方法能有效实现动态变化混叠模型下欠定盲源分离中的源数估计,并且信号估计效果良好。     

利用盲源分离算法实现DOA估计

提出一种基于快速盲源分离算法实现波达方向（DOA）估计的方法。构造了具有对角化结构的相关矩阵组,引入解盲源分离问题的联合对角化代价函数,采用一种快速的复数域乘性迭代算法求解代价函数,得到混迭矩阵逆的估计,进而实现DOA估计。与同类算法相比,该算法具有更广的适用性和更精确的DOA估计性能。仿真实验结果验证了算法的快速收敛性和优越的估计性能。     

基于声矢量阵的信源数目检测和方位估计算法

大多数高分辨方位估计算法往往需要估计信源数目或假设已知，本文提出一种基于声矢量阵的信源数目检测和方位估计算法。该算法在解析振速模型的基础上，将基于二阶统计量的盲源分离技术应用于矢量阵数据通道的盲源分离，利用信号与噪声的声压和解析振速之间相关性的差异，依据相关系数评价准则实现信源数目的准确检测和方位估计。计算机仿真试验结果验证了算法的有效性。     

基于欠定盲源分离的同步跳频信号网台分选

针对同步跳频(FH)网台分选问题,该文提出一种基于时频域单源点检测的欠定盲源分离(UBSS)分选算法.该算法首先对观测信号时频变换,利用自适应阈值去噪算法消除时频矩阵背景噪声,增加算法抗噪性能,然后根据信号绝对方位差算法进行单源点检测,有效保证单源点的充分稀疏性,并通过改进的模糊值聚类算法完成混合矩阵和2维波达方向估计,降低噪声和样本集分布差异对聚类结果的影响,提高估计精度.最后采用变步长的稀疏自适应子空间追踪(SASP)算法对源信号进行重构恢复.仿真实验表明,该算法在低信噪比(SNR)条件下,跳频信号波达方向估计和恢复精度较高,能够有效完成同步跳频信号的盲分离.     

基于盲源分离的近场源参数估计

研究了基于盲源分离的近场源波达角和距离估计问题。首先利用盲源分离方法估计出阵列流形矩阵,然后利用优化算法对波达角和距离参数进行估计。该方法无需频域搜索和参数配对,且未利用Fresnel逼近进行参数估计,适应源信号不在Fresnel区域内的情形。计算机仿真验证了所给算法的有效性。      

阵列方向矩阵Moore-Penrose逆的波达方向估计

针对弱信号且源数未知情况下的波达方向估计问题,传统方法是先估计源数目再进行波达方向估计,但源数目估计的误差会造成波达方向估计精度下降。本文提出一种阵列方向矩阵的Moore-Penrose逆和MUSIC（MUltiple SIgnal Classification）算法的联合波达方向估计方法,充分利用Moore-Penrose逆的盲源数波达方向估计和MUSIC算法的高精度的优势。该方法无需预先估计源数目就可进行波达方向估计。通过仿真实验并与传统方法比较,表明本文提出的方法具有更高的精度,特别是在低信噪比情况下,具有更强的鲁棒性。      

基于欠定盲源分离的同步跳频信号网台分选

针对同步跳频(FH)网台分选问题,该文提出一种基于时频域单源点检测的欠定盲源分离(UBSS)分选算法。该算法首先对观测信号时频变换,利用自适应阈值去噪算法消除时频矩阵背景噪声,增加算法抗噪性能,然后根据信号绝对方位差算法进行单源点检测,有效保证单源点的充分稀疏性,并通过改进的模糊值聚类算法完成混合矩阵和2维波达方向估计,降低噪声和样本集分布差异对聚类结果的影响,提高估计精度。最后采用变步长的稀疏自适应子空间追踪(SASP)算法对源信号进行重构恢复。仿真实验表明,该算法在低信噪比(SNR)条件下,跳频信号波达方向估计和恢复精度较高,能够有效完成同步跳频信号的盲分离。     

基于阵列结构的盲源分离算法

利用源信号的统计独立性提出了一种由混合信号和分离信号估计混合矩阵的算法,避免了一次矩阵求逆运算。同时,利用天线阵列的结构信息提出了一种直接重构混合矩阵的算法,该算法不需要估计源信号的载频和入射角。仿真结果表明,所提算法与基于来波方向估计的盲分离算法性能相当,在信号入射角间隔较大时,所提算法性能优于普通的盲分离算法,并且大大减少了运算量。     

盲解卷积与窄带阵列模型结合的信号分离算法

在水声制导技术中,提出了一种高效分离算法,实现了对多目标源信号的分离,为系统后端对多目标定位提供了技术支持。窄带信号条件下,把盲分离与阵列信号处理结合起来．借助阵列模型把接收的混合信号变成解析信号,然后利用瞬时复值盲分离算法进行分离获得源信号的解析信号,取实部后便是实源信号。从而将实数的卷积混合转化为复数的瞬时混合,在盲分离阵列模型的基础上,通过复数盲分离的手段完成盲解卷积。解卷积恢复的多目标源信号十分有利于多目标特征识别与定位。通过构建正弦信号盲解卷积仿真实验,对文中提出的盲解卷积方法进行了验证。结果表明了该方法的正确性。     

多径信道中基于盲波束成形的CDMA多用户检测和伪码估计

在分析阵列天线接收的多径CDMA信号的基础上,发掘阵列信号子空间与扩频用户伪码序列的关系,对传统的子空间波束成形器结构做了改进,提出一种新的基于盲波束成形的伪随机码序列盲估计算法。算法采用复独立分量分析法迭代,得到盲波束成形器系数,能在波达方向未知的情况下,估计各个用户的扩频序列。本文同时提出一种基于盲波束形成的异步多径CDMA信号多用户检测算法,可以在未知各个用户扩频码和波达方向的先验知识条件下,完成多径异步CDMA信号的多用户检测。算法由于同时利用了扩频增益和阵列天线分集增益,相比于单天线多用户检测算法性能有所提高。理论分析和仿真结果验证了算法的可行性。      

结合ICA和复数神经网络的二麦阵列盲源分离技术

为了降低语音信号盲源分离算法的延时,提高其准确性和稳定性,本文结合传统盲源分离技术和深度神经网络的优势,提出了一种基于ICA独立分量分析和复数神经网络的二麦阵列盲源分离技术。本文将复数递归神经网络和独立分量分析方法有机融合,提出一种基于时频域的双通道复数神经网络,同时解决了独立分量分析中的排列问题。所提方法利输入混合信号利用复数域神经网络计算初始化分离矩阵,神经网络输出采用复数域形式,利用复数学习标签估计复数矩阵,然后采用独立分量分析方法获得目标分离矩阵。实验数据表明,所提方法相较于其它独立分量分析方法提高了盲源分离的实时性和准确性。      

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.     

一类基于非线性PCA准则的复数信号盲分离算法

在阵列信号处理过程中，经常遇到复数信号盲分离问题。例如，卷积混合型的源信号的盲分离；声纳信号盲分离。本文提出了一类基于非线性准则的复数信号盲分离算法。将非线性函数引入学习过程，由算法自动调节学习速率。计算机仿真实验验证了算法的有效性，文中给出了验证结果。     

互耦条件下均匀线阵DOA盲估计

阵元间存在互耦时,经典的波达角(DOA)估计算法性能急剧下降甚至失效。针对互耦条件下均匀线阵DOA估计问题,该文提出一种基于盲源分离的DOA盲估计算法。首先,利用源信号的统计特性,由盲源分离方法估计广义阵列流形矩阵;然后,利用均匀线阵互耦矩阵带状、Toeplitz矩阵的特点,将DOA估计问题转化为多个可分离非线性最小二乘问题,由多个1维频域搜索得到DOA的估计。该算法无需高维搜索或多维迭代,对互耦自由度要求更低,互耦自由度未知时仍旧适用,稳健度高。数值仿真验证了该文算法的有效性。     

基于EMD和ICA的单通道语音盲源分离算法

针对单通道语音信号盲分离的问题,结合盲源分离和经验模式分解的优点．提出了一种基于经验模式分解的单通道语音信号源数估计和盲源分离方法。对语音混合信号进行经验模式分解,利用贝叶斯算法估计语音源数目,根据源信号数目重组多通道语音混合信号,并采用独立分量分析实现语音信号的盲分离。仿真实验表明,使用此法能有效地估计通道语音信号源数和分离盲源。     

极化分集下的共形阵列波达方向估计

提出了一种基于双馈源共形阵列的极化分集信号盲极化波达方向(Direction of Arrival,DOA)估计方法.通过投影和旋转变换,分析并给出了双馈源共形阵列下正交极化分集信号的等效导向矢量,将信号空间划分为两个正交极化信号子空间,实现了正交极化信号的盲极化分离.在此基础上给出了基于多重信号分类(Multiple Signal Classification,MUSIC)的极化信号的DOA估计算法.该算法无需估计极化参数,能够实现任意共形阵列对正交极化分集信号的DOA估计,最大估计信号数目能够超过阵元个数.仿真实验验证了该算法具有很好的估计性能.     

基于相位旋转的高阶多路MPSK信号的盲分离

本文针对高阶多路混合MPSK信号的盲分离问题,分析了MPSK接收信号的特性,给出了源信号个数估计定理,在对观测信号进行删余预处理后,利用改进的混合聚类算法估计出源信号数目,然后提出了一种相位旋转算法,消除接收信号中的公共因子,去除相位角不趋于零的元素,将高阶多路MPSK信号盲分离转化为BPSK信号盲分离,利用BPSK盲分离算法即可实现多路MPSK信号的盲分离.仿真结果验证了该算法的有效性.     

基于约束NMF的盲源分离算法

非负矩阵分解(NMF)是解决非独立源信号混合的盲分离的另一条新途径.该文提出一种基于约束NMF的盲源分离算法,在对NMF估计得到的源信号施加最小相关约束的基础上,对混合矩阵估计施加行列式约束,实现NMF的唯一分解.与已有算法相比,本算法放宽了对混合矩阵的稀疏性要求,大幅提高了信号分离质量.该算法仍适用于独立源信号分离问题.     

一种充分利用变量结构的解卷积 混合盲源分离新方法

 针对卷积混合盲源分离问题,提出一种基于接收信号不同延时下自相关矩阵组的联合块内对角化方法.为了求解表征联合块内对角化近似程度的基于最小二乘的三二次代价函数,给出基于梯度下降法的三迭代算法.该算法在充分利用混迭矩阵的块Toeplitz结构和源信号相关矩阵的块内对角化结构的基础上,交替估计代价函数中的三组待定参数,搜索代价函数最小点,从而得到混迭矩阵的估计,实现信道的盲均衡和源信号的盲分离.分析了三迭代算法的收敛性能,证明即使存在估计误差时,该算法依然全局渐进收敛.仿真结果表明,与其他经典的两步算法相比,提出的一步算法能够更好地估计混迭矩阵并恢复出源信号,有效地解决了卷积混合盲源分离问题.