基于集合经验模态的低SNR下信源数估计方法

针对经验模态分解在提取阵列信号特征时对噪声非常敏感和过低信噪比会使模式混叠更加复杂的问题，提出了一种基于集合经验模态分解和BP神经网络的信源个数估计方法。所提方法在经验模态分解中加入均值为零的高斯白噪声，通过白噪声的频谱均匀分布的特性，使不同时间尺度的信号分量自动映射到相应的IMF上，将提取到的阵列信号瞬时相位特征放入BP神经网络中训练，得到能进行信源个数估计的分类器模型。最后，射频消音室实验证明，即使在低信噪比和信源总数少于或仅少于天线总数一个的极端情况下，所提方法也能获得良好的检测性能。