基于盖氏圆方法的宽带信源数目估计

针对低信噪比和小快拍数情况下宽带信号源数目较难精确估计的问题,提出了一种基于盖氏圆方法的宽带信号源数目估计算法(GDECSM)。盖氏圆方法通过利用盖氏半径对矩阵特征值范围的限定关系,能有效区分信号子空间与噪声子空间,在宽带信号源数目估计中能够产生良好的检测效果。仿真实验表明,与基于AIC准则的宽带信源数目估计算法(AICCSM)相比,GDECSM算法在低信噪比和小快拍数时都具有更高的检测概率,运算复杂度也有所降低。     

基于传播算子的宽带近场源二维参数估计算法

针对宽带线性调频近场源参数估计问题,提出一种基于非相干子空间算法的方向角和距离二维参数估计算法.该算法将宽带信号分解成若干个窄带信号,对每个窄带信号构造MUSIC谱函数,并通过谱峰搜索法估计方向角和距离二维参数,使用传播算子(Propagator Method,PM)直接估计接收信号的噪声子空间,构造谱函数,而不需要进行奇异值分解,可有效降低非相干子空间算法的计算量.该算法具有较高的估计性能,仿真实验证明了算法的有效性.     

采用信号相邻采样点联合估计的欠定盲源分离算法

两步策略是当前欠定盲信号分离的基本方法,混叠矩阵的估计是恢复源信号的先决条件。考虑在混合矩阵已经估计的前提下,通过矩阵子空间的方法估计源信号,并且利用信号相邻采样点的相关特性,联合判断任意时刻信号的归属,提高欠定盲源分离算法的抗噪能力。通过仿真实验显示了该算法的性能及实用性。     

基于ICA与MUSIC相结合的未知源数目DOA估计算法

从阵列入射信号具有统计独立和空域独立这两个方面出发,利用ICA和MUSIC算法相结合,进行未知源信号数目的DOA估计,在算法迭代的过程中,得到源信号数目的同时也得到了源信号的DOA．通过仿真实验表明,该算法能对未知源数目的信号进行DOA估计,并且在低信噪比和存在弱信号的情况下仍然有效．     

一种基于ICA与空间谱相关系数最大化的源数目估计算法

为提高在低信噪比和存在小信号情况下的源信号数目估计正确率,提出了一种利用ICA估计出的信号和利用空间谱分离出的信号的相关系数最大化为依据的源数目估计方法。该方法综合利用源信号的统计独立特性和阵列结构信息,降低了算法对噪声和信号强弱的敏感。计算机仿真结果表明,在低信噪比和存在弱信号的情况下,该算法可以高精度的估计出源信号数目。     

采用信息理论准则的信号源数估计方法及性能对比

为了从机械系统观测混合信号中有效评估信号源的数目,以及解决数据点较大时贝叶斯信息准则(BIC)难以计算的问题,在剖析了3种信源数目估计准则(赤池信息准则(AIC)、最小描述长度(MDL)以及贝叶斯信息准则(BIC))的原理和算法的基础上,提出了基于对数函数修正的改进贝叶斯准则(IBIC)。该准则利用对数运算将BIC目标函数中的多参数指数运算转换为乘积运算,在不降低计算精度的条件下,显著改善了BIC准则的计算效率和工程应用性能。仿真实验分析表明:AIC与MDL具有近似的源数估计性能,对非线性调制成分非常敏感;从能量角度分析,提出的新准则容忍非线性调制成分(非线性调制信号能量占观测信号总能量)能量比为5.15%,较AIC(0.07%)与MDL(0.08%)具有更好的鲁棒性能。壳体结构试验台声源数目估计实验表明,3种方法均可有效评估声源数目。本研究对于模态阶数选择、系统复杂度分析以及基于机械系统信号源分离的状态监测与故障诊断具有学术意义和工程应用价值。     

空间特征的累量域估计算法与共信道相干源波达方向估计

提出了一种基于累积量的多用户空间特征估计算法,并将该算法用于智能天线系统中的多用户相干源波达方向（ＤＯＡ）估计。该算法构造了累量域空间特征矩阵,通过对空间特征矩阵的特征分解得到用户信号的空间特征估计,基于空间特征的估计,利用前后向平滑空间特征协方差矩阵估计共信道多用户信号的ＤＯＡ,并将各用户的ＤＯＡ自动分组,仿真实验验证了算法的有效性。     

一种信号数目估计的小波包分解优化算法

分析了入射信号数目估计的信息理论准则·针对在低信噪比以及数据快照数目较小的情况下,Akaike信息准则(AIC)和最小描述长度MDL都不能正确估计入射信号数目的问题,提出了采用小波包分解方法对MDL准则进行优化的算法,称之为wpMDL算法·考虑子带分解具有预测偏差小和模式隔离等特点,采用基于一维小波包分解的"伪二维"子带分解算法,不仅有效地改善了MDL准则的估计性能,而且计算量比二维分解降低了·仿真结果验证了提案算法的有效性,无论是对信噪比的变化还是数据快照数目的变化,wpMDL算法都能正确地估计入射信号的数目·     

基于电磁矢量阵列的非相关分布源DOA估计

提出了一种基于电磁矢量阵列(EMVSA)的非相关分布源(UD)DOA估计算法.建立了电磁矢量阵列非相关信号源模型(EMVSA-UD),同时考虑了分布源空域和极化域的分布特性,从而充分利用了分布源的信息.提出基于电磁矢量阵列的非相关分布源近似子空间算法(EMVSA-UD-ASSE),近似利用了信号子空间和噪声子空间的正交性,算法不需要进行特征值分解,避免了对UD确定有效信号子空间维数Me的困难.计算机仿真结果表明,EMVSA-UD合理,EMVSA-UD-ASSE稳定有效.     

确定盲分离中未知信号源个数的奇异值分解法

在信号源少于传感器观测到的混合信号时,未知信号源数目的估计一直是已有盲分离算法中一个未解决的问题,通过理论分析,提高并证明了在信号源盲分离问题中,可以通过计算混合信号数据矩阵的秩数来确定信号源的个数,存在观测噪声时,可以通过计算混合信号数据矩阵的奇异值分解进行估计未知信号源数目,给出了实际的计算方法,并通过计算实例证明了该方法的正确性和有效性,从而解决了盲分离中信号源个数的估计问题,为盲分离技术的应用进一步奠定了基础。     

采用PARAFAC的欠定盲分离中机械振源数估计方法

针对复杂机械系统振源数未知的欠定盲源分离(UBSS)问题,为提高欠定盲源分离的性能,提出一种基于平行因子分析(PARAFAC)和核一致诊断(CORCONDIA)的欠定盲源数估计算法.该算法利用二阶非平稳源分离的基本思想,将中心化传感器数据分成不重叠的数据块,计算各数据块的单一时延协方差矩阵并叠加成三阶张量,即平行因子模型.利用核一致诊断算法估计PARAFAC模型的最佳组分数,从而得到机械系统的振源数.仿真实验结果表明:该算法可从非平稳欠定混合信号中准确估计振源数目.将所提算法应用于多机振动源实验,结果进一步验证了该方法的有效性.     

联合特征值和特征子空间投影的信源数估计

高分辨空间谱估计算法中信源数的准确估计是必要前提.文中结合矩阵重构和特征子空间投影方法,提出一种适用于弹载阵列系统的信源数估计算法.将阵列阵元分成相同的2组,求得这2组阵元接收数据的互协方差矩阵并重构信源数估计矩阵,对重构的矩阵特征分解,联合特征子空间投影和特征值加权的方法构造判决函数来估计信源数.理论分析与仿真结果表明:重构矩阵的信号子空间特征值呈平方倍增大,噪声功率得到抑制;算法有效提高了少量快拍数据和低信噪比条件下信源数估计的正确率.     

一种基于Toeplitz矩阵重构的波达方向估计新算法

为了提高空间谱中信号与噪声的区分度以及改善传统Toeplitz矩阵重构算法在进行波达方向(direction of arrival,DOA)估计时的精度,本文提出一种新的基于Toeplitz矩阵重构的DOA估计算法。首先将观测数据估计的自相关矩阵预处理得到数据向量,并基于数据向量进行Toeplitz矩阵重构;再对重构后的矩阵进行奇异值分解,得到信号子空间和噪声子空间;最后同时利用信号子空间和噪声子空间进行空间谱估计。结果表明:无论是相干源还是非相干源的DOA估计,该算法估计精度均优于传统Toeplitz算法,在非相干源的DOA估计精度性能与多重信号分类(multiple signal classification,MUSIC)算法一致,并在处理相干信源个数能力与传统Toeplitz算法相同。     

超高斯与亚高斯混合信号的盲分离研究

基于信息最大化和自然梯度法原理,提出了一种超高斯与亚高斯混合信号的盲分离方法,该方法联合利用t分布密度模型和混合双曲正割函数密度模型对源信号概率密度函数进行估计,并采用峰度信息作为参数来选择密度模型及相应的非线性函数．对超高斯与亚高斯混合信号有较好的分离效果。用语音信号和心电信号仿真验证了算法的有效性。     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

基于KM-PCA稀疏信号的盲源分离算法

欠定盲信道估计是欠定盲源分离的关键组成部分,其估计精度直接影响到源信号的估计精度.基于充分稀疏假设,在K均值聚类的基础上,提出一种新的欠定盲信道估计算法——K均值与主成分分析方法(KM-PCA算法).该算法首先对观测数据进行K均值聚类,然后对聚类分析结果分别进行主成分分析,修正其聚类中心,从而提高混叠矩阵的估计精度.采...     

基于盖氏圆与TAM的电力系统谐波检测

电力系统中谐波检测是无功补偿、谐波滤除等电能质量分析与控制的前提。针对传统电力系统中谐波检测方法存在的问题,结合盖氏圆和TAM算法进行谐波检测。该算法以信号空间为模型,首先用盖氏圆检测出信号源数,然后结合信号子空间和噪声子空间的正交性以及子空间的旋转不变性,估计出信号的频率,最后由全最小二乘法(TLS)计算得到信号的幅值。仿真实验与实际数据分析结果表明:该方法速度快、精确度高,具有一定的应用前景。     

基于支撑矢量机的信源数估计

为了改善在低信噪比、小快拍、色噪声环境下盖氏圆准则信源数估计算法的估计性能,提出了基于支撑矢量机(SVM)的信源数估计算法.基于支撑矢量机的信源数估计算法应用天线阵列接收数据协方差矩阵经特征值分解后,噪声的特征矢量与天线阵列的阵列流型正交的特性,通过盖氏圆算法提取信号和噪声的分类特征,再构造和训练两类分类矢量机,将天线...