一种基于子空间分析的快速信源个数估计方法

针对阵列信号处理中传统信源个数估计方法如基于Akaike信息论准则方法(AIC)、最小描述长度准则方法(MDL)等特征值分解类算法计算量大,且在小快拍数、低信噪比时性能下降甚至无法正确估计的问题,提出了一种基于子空间分析的快速信源个数估计方法。该算法首先利用多级维纳滤波器(MWF)对信号进行快速的子空间估计,然后计算阵列信号协方差在子空间匹配滤波器中的投影值,通过分析其正交性来估计信源个数。研究结果表明,该算法不但在小快拍数、低信噪比时相较于传统特征值分解类算法具有更优异的性能,并且计算量大大降低。     

用改进的盖氏圆半径法进行信源数目估计

确定空间窄带信号源个数在高分辨率测向中起着至关重要的作用。对信源数目估计而言,需要具体知道特征值的数值,只需根据它的分布便可以估计出特征值的位置。将盖氏圆盘定理应用于阵列天线超分辨测向算法中,通过对协方差矩阵进行变换,将噪声圆盘和信号圆盘分开,并对传统的盖氏圆盘估计进行了改进。同时在均匀圆阵条件下,进行了计算机仿真,并对仿真结果进行了分析,结果表明此方法能准确估计出被测信源个数。     

一种信源数目估计的改进算法

在空间色噪声环境下,实际信源数接近于阵元数时,现有源数估计算法结果会产生误差过大,文章提出了一种基于四阶累积量的盖尔圆改进算法。首先对阵列接收的数据构造四阶累积量矩阵,并去除了矩阵的数据冗余,虚拟地增加阵元数,然后利用数据协方差矩阵的特征值梯度大小趋势对盖尔圆半径进行修改,最后完成源数目的个数估计。理论仿真实验表明本文算法较好地解决了实际信源数接近阵列阵元数时,信源数估计误差过大的问题。     

改进白化的MDL快速独立分量分析算法

采用主分量分析法(PCA)进行的白化处理,可能会错误估计信号子空间维数,且未考虑噪声影响。提出了一种基于最小描述长度(MDL)准则信源个数估计改进白化的盲分离算法。通过信源个数估计确定信号子空间的维数,区分信号与噪声子空间,并估计噪声平均方差,对信号特征值进行修正,进而减小噪声影响,提高算法分离性能。仿真表明,在信噪比高于5 dB时,MDL估计正确估计概率趋近于1,改进白化的MDL快速独立分量分析(FastICA)算法比经典FastICA算法分离性能有较为明显的提高。     

低信噪比下基于L型阵列的信源个数和DoA估计

低信噪比（signal-to-noise ratio,SNR）或小接收快拍数条件下,经典波达方向（direction of arrival,DoA）估计算法存在估计误差较大的缺点。针对该问题,充分利用L型阵列接收数据的自、互相关信息,给出一种适用于低SNR和小接收快拍数据环境的信源个数及DoA估计算法。该算法首先利用接收数据互协方差矩阵所得自相关矩阵的特征值,给出了一种信源个数估计方法;进而提出了一种新的二维DoA估计方法。计算机仿真验证了该算法在低SNR及小接收快拍数情况下的有效性。     

一种信源个数与波达方向联合估计的新算法

针对多级维纳滤波器(MSWF)用于子空间估计时信号特征矢量泄漏到噪声子空间的问题,提出了一种新的信号子空间估计算法,该算法不需要训练信号和信源个数的先验知识.随后,给出了一种信源个数的后判断方法,最终完成信源个数及方向的同时估计.整个算法不需要协方差矩阵的计算和特征值的分解,具有较低的计算复杂度.在均匀线阵且信号互不相关情况下,改进后的算法用于波达方向估计时拥有与基于特征分解方法近似的性能.仿真结果验证了该方法的有效性.     

未知信源数量DOA估计方法

针对传统阵列天线来波方向（Direction of Arrival,DOA）估计算法需要准确获取信源数量的问题,提出了一种未知信源数量类多重信号分类（Multiple Signal Classification,MUSIC）DOA估计方法。首先根据阵列天线的多个快拍数据估计输入信号自相关矩阵;其次对信号自相关矩阵进行特征值分解,并使用重构相关矩阵的方式实现信号分量的抑制;最后结合传统MUSIC谱估计算法实现未知信源数量条件下的DOA估计。仿真实验表明,所提算法的复杂度较低,且DOA估计误差性能接近传统MUSIC算法。     

电磁矢量阵列的四元数Toeplitz矩阵重构算法

对于电磁矢量阵列的相干信源波达方向估计,针对空间平滑算法解相干时减少阵列有效孔径的问题,提出了一种四元数Toeplitz矩阵重构算法。首先,根据四元数的正交特性建立了信号接收模型,很好地保持了电磁矢量阵列的阵元输出信号两分量间的正交性,同时保证了波达方向角信息和极化信息都能包含在重构矩阵中;然后,在阵列各阵元接收数据与参考阵元接收数据的相关函数基础上,构成Hermitian Toeplitz矩阵,从而实现解相干。该算法与空间平滑算法相比增加了相干信源估计个数,且在低信噪比和入射角度接近时具有更好的估计性能,通过仿真实验得到了验证。     

基于虚拟阵列的非圆信号DOA估计

针对传统的子空间类波达方向（Direction of Arrival,DOA）估计算法只适用于入射信号个数少于天线数的局限性,利用现代通信系统中常用的非圆信号实值特性,提出了一种虚拟阵列多重信号分类法（Virtual Array Based Multiple Signal Classification,VA-MUSIC）。该方法通过对阵列输出信号进行共轭重构和合并,获得虚拟阵列来增加阵列的有效孔径。更进一步,结合空间平滑技术有效地解决了相干信号的DOA估计问题。与传统的MUSIC算法相比,新算法不仅可以增加最大可估计信源数,而且在DOA估计精度、信号源角分辨能力等方面均有明显的优势。计算机仿真验证了该算法的有效性和优越性。     

一种低复杂度的ESPRIT新算法

该文提出了一种基于QR分解的Power-ESPRIT (以下简称QP-ESPRIT算法) 新算法。首先使用采样数据协方差矩阵的幂(Power)获得噪声子空间的估计,然后对噪声子空间进行QR分解并使用R矩阵估计信源个数,提出了无特征分解的信源个数检测算法SDWED算法。进而,信号子空间的特征向量就可以由Q矩阵确定,从而应用ESPRIT算法获得信源波达方向的估计。该算法不需要预先知道信源个数的先验知识以及分离信号与噪声特征值的门限。在确定信源个数和子空间估计的同时,本文算法与传统的基于奇异值分解算法相比,具有近似性能时却拥有较低的计算复杂度。仿真结果证明了该方法的有效性。     

基于TOEPLITZ重构的压缩感知嵌套阵列DOA估计

针对传统稀疏阵列波达方向（DOA）估计算法在小快拍数、低信噪比和多信源数等条件下的估计精度不高的问题,提出了一种基于TOEPLITZ重构的压缩感知嵌套阵列DOA估计方法。首先利用TOEPLITZ重构方法将虚拟阵列的输出信号向量构建成满秩协方差矩阵,然后利用信号在空间域的稀疏性,将阵列协方差矩阵进行稀疏表示,通过噪声子空间和信号子空间的正交关系构建权值向量,对稀疏向量进行加权约束,最后通过求解最优化方程获取入射信源的DOA估计。仿真结果表明,本文方法比传统稀疏阵列DOA估计算法在低信噪比、小快拍数和多信源数下具有更好的DOA估计性能。     

未知信源数目的DOA估计方法

针对信源数目未知情况下的DOA估计问题,该文提出了两种基于稀疏表示的DOA估计方法。一种是基于阵列协方差矩阵特征向量稀疏表示的DOA估计方法,首先证明了阵列协方差矩阵的最大特征向量是所有信号导向矢量的线性组合,然后利用阵列协方差矩阵的最大特征向量建立稀疏模型进行DOA估计;另一种是基于阵列协方差矩阵高阶幂稀疏表示的DOA估计方法,根据信号特征值大于噪声特征值的特性,通过对协方差矩阵的高阶幂逼近信号子空间,利用协方差矩阵的高阶幂的列向量建立DOA估计的稀疏模型进行DOA估计。理论分析和仿真实验验证,两种方法都不需要进行信号源数目的估计,具有较高的精度、较好的分辨力,对相干信号也具有优越的适应能力。     

基于特征值分解的频移键控信号检测与识别

提出一种基于协方差矩阵特征值分布特性的频移键控(FSK)信号检测方法以及基于信源数估计技术的FSK识别方法.根据噪声协方差矩阵特征值的直线分布特征,利用直线拟合度构造了信号检测判定准则.给出了常用的信息论(AIG)、最短描述长度(MDL)及盖氏圆盘算法(GDE)信源数判定准则的定义,并根据特征值分布特征提出了一种最大斜率准则(MSR).仿真表明,MSR准则对于FSK识别更有效.同时,给出了检测及识别参数的设置方法.仿真结果证明了检测及识别方法的有效性.文章将阵列信号处理中的方法应用于单通道信号的分析中,为FSK信号的检测与识别提供了一种新的思路.     

空间任意阵的多宽带信源定位算法性能研究

针对宽带信号非平稳特性,以及常用宽带DOA估计算法要求信源个数是已知的情况,提出一种新的基于空间任意阵的非平稳信号DOA估计算法。首先,通过短时傅里叶变换将信号转为频域表示,然后构造阵列频域数据模型,最后利用短时功率谱矩阵的联合对角化特性实现宽带信号的波达方向估计。本文对提出的算法进行了理论分析,并在常见阵型（如线阵、十字阵）上进行了仿真和性能分析,仿真结果表明该算法可高分辨率地估计出DOA,并且估计误差小。相对于已有的MUSIC谱估计方法,该算法无需进行信源个数估计,更具实用性。      

基于TLS的改进子空间投影算法

针对经典MUSIC算法在信源相干、低信噪比、小快拍数等非理想环境下性能失效的问题,提出了一种改进的基于TLS的加权子空间投影算法。首先对阵列接收的数据协方差矩阵进行重构处理,以达到解相干目的;其次充分利用子空间信息,基于总体最小二乘拟合方法对特征值进行拟合修正,基于修正MUSIC算法思想,利用校正后的噪声特征值和信号特征值分别对噪声子空间和信号子空间进行加权处理,得到改进后的噪声子空间和信号子空间,并将两者结合得到新的空间谱函数;最后进行谱峰搜索,完成信号源的波达方向估计。仿真结果表明,改进后的算法既适用于相干信号环境,在低信噪比、小快拍数及信号入射角度间隔较小的情况下,又能有效估计出信源的波达方向。     

宽带信号源个数估计频域bootstrap方法

针对宽带和非平稳信号,在未知信源类型及其它任何统计特性条件下,基于bootstrap方法,利用样本频域协方差矩阵的特征值特性,结合多假设检验过程,提出一种新的信源个数估计方法.理论分析和仿真实验表明该算法的有效性.     

基于线性噪声特征值的信源数估计

为了提高信源数目估计的准确性,本文通过对采样协方差矩阵特征值的分析,得出噪声子空间对应的特征值近似线性而信号子空间对应的特征值不在该直线上的性质,根据此性质提出一种简单有效的基于最小二乘直线拟合的信源数估计算法,可以在低信噪比的情况下准确估计信号源数目。     

HHT和SVM在4-UCA信源数估计中的应用

四均匀圆阵(4-UCA)广泛应用在阵列信号处理的来波方向(DOA)估计中,而正确估计出信号源个数有利于提高DOA估计的性能。基于4-UCA,利用HHT自适应分解信号的优点,通过求取阵列间希尔伯特相位相关系数矩阵特征值来对信号源提取特征,并把特征值输入SVM训练分类器,从而将信号源个数估计的问题转换为模式识别中的分类问题来解决。通过采集实际数据实验,结果显示,正定情况下,该方法对信号源个数有较好的识别效果,同时检测性能具有鲁棒性。     

混合信源波达方向估计算法

本文针对非相干混合点信源和分布式信源,提出了一种基于对称均匀线阵的波达方向估计算法。该算法利用点信源和分布式信源协方差矩阵结构的不同,采用空间差分技术将两种信源分离。对于点信源,采用传统MUSIC算法估计其波达方向;对于分布式信源,利用信号子空间的旋转不变性来估计其波达方向。该算法不仅消除了点信源对分布式信源的影响,也无需估计分布参数,大大降低了计算复杂度。且采用2N+1个阵元的对称均匀线阵可估计出 2N 个混合信源,其中分布式信源最多为 N 个,有效减小了阵列的孔径损失。仿真结果表明该算法的性能优于广义特征值分解的算法。      

相干语音信号的两阵元DOA估计新算法北大核心CSCD

针对语音信号非平稳性、非调制性及高分数带宽比的特点,提出一种新的基于两阵元的相干语音信号DOA估计算法。该算法先从接收信号中选出低频部分能量较大且功率谱分布较均匀的帧为最优帧,并分解为互不重叠的窄带分量,利用希尔伯特变换将各窄带转换成解析信号,将信号的不同频率等效为虚拟阵列的各个阵元,对虚拟阵列接收信号去相干处理后进行DOA估计。本文从信源个数、划分窄带数、信噪比等方面对提出的算法进行仿真实验研究,仿真结果及分析表明该算法对高信噪比的相干语音信号DOA估计具有一定的适用性,克服了两阵元只能估计单声源的不足,实现了多个相干声源的DOA估计。