应用循环平稳特性的宽带信号DOA估计

针对循环平稳宽带信号DOA估计问题,结合信号的循环平稳特性和共轭循环平稳特性,采用子空间分解方法研究宽带信号DOA估计方法. 该方法同时利用宽带信号循环平稳和共轭循环平稳两方面信息构造出扩展循环相关矩阵,采用常规方法得到宽带信号的方位谱,继承了Cyclic MUSIC算法的优点,当处理宽带信号源时不需要估计最佳延时时间. 仿真结果表明该方法具有良好的宽带信号选择能力和分辨能力,能抑制大功率干扰信号,估计性能较好.     

模型误差条件下MUSIC算法的测向成功概率

测向成功概率是特征空间类算法的一项重要性能指标. 该文推导了模型误差条件下MUSIC算法的测向成功概率．通过对空域谱函数进行一阶Taylor展开得到MUSIC算法的测向误差及其统计特性,给出针对单个信源的测向成功和两类整体测向成功的定义,并结合模型误差的统计特性推导了针对单个信源和两类整体测向成功概率的计算公式．针对均匀圆阵和均匀线阵给出了仿真实验,结果表明理论值和仿真实验值能够较好地吻合,验证了理论推导的正确性．     

利用延时相关预处理的信源数估计

为了解决信息论准则估计信源数在有色噪声背景下失效以及盖氏圆方法在低信噪比下性能下降的问题,提出了利用延时相关预处理的信源数估计方法. 首先构造接收数据之间的延时相关矩阵,抑制噪声影响. 再将特征向量按划分规则分组,得到两类不同的特征空间,其中一类只含噪声特征矢量,另一类同时含有噪声和信号的特征矢量. 最后将延时相关矩阵投影到特征空间,通过对投影数据进行处理实现信源数估计. 仿真实验和实测结果表明了该算法的正确性和有效性.     

窄带噪声下的子空间语音增强算法

传统的子空间语音增强方法在推导过程中,一般假定噪声的方差矩阵是满秩的.在窄带噪声或者音调噪声下这一条件就不能满足。本文采用直接对噪声信号进行子空间白化的方法,将传统的子空间语音增强方法推广到了窄带噪声的情况。仿真结果表明了该算法的有效性。     

空间色噪声CDMA系统的一种基于累积量DOA估计算法

传统的DOA估计一般是假设噪声为白高斯的二阶谱估计算法．针对更接近于实际情况的空间色噪声，提出了一种基于累积量MUSIC算法的同步CDMA系统解相干DOA估计算法．该算法不仅能消除多径干扰并且与二阶MUSIC算法相比能更有效抑制空间色噪声，提高估计的准确性．     

基于短记忆原理的分数阶系统时域子空间辨识

针对多变量分数阶系统提出一种基于短记忆原理的时域子空间辨识算法. 该算法能够有效辨识多变量分数阶系统的系数矩阵和分数阶微分阶次. 利用Poisson 矩函数对输入输出信号进行滤波预处理,构造了子空间方法的输入输出矩阵. 通过代价函数将分数阶微分阶次辨识转化为参数寻优问题. 利用分数阶微分的短记忆原理,将分数阶微分阶次和输入输出数据矩阵进行分离,避免了输入输出信号的分数阶微分计算过程. 数值仿真对算法的有效性进行了验证.     

采用分数低阶循环谱相干系数的调制识别

摘要： Alpha稳定分布噪声导致二阶循环谱相干系数失效,使相应的通信信号调制识别算法退化. 针对这个问题,提出了基于分数低阶循环谱相干系数的识别算法. 文中给出了分数低阶循环谱相干系数的相关理论,分析了通信信号的分数低阶循环谱相干系数,在此基础上提取谱相干系数循环频率域特征作为识别特征参数. 用BP神经网络为分类器,实现了通信信号调制方法识别. 仿真结果表明,在Alpha稳定分布噪声下,该识别算法性能优于基于二阶循环谱相干系数的方法. 在高斯噪声条件下,两种识别算法性能相当.     

共形阵列LFM信号DOA和极化参数的联合估计

利用分数阶傅里叶变换(fractional Fourier transform, FRFT)对线性调频(linear frequency modulation,LFM)信号的能量匹配聚焦特性来简化共形阵列的数据模型,根据子空间拟合原理提出一种信源DOA和极化参数的去耦联合估计方法. 直接进行DOA估计涉及求解难度较大的多维多峰参数搜索过程,于是通过重构噪声子空间
和流形矩阵建立了单峰的目标函数,然后用PSO算法估计信源方位角和俯仰角,在此基础上利用ESPRIT实现极化参数估计. 仿真实验表明,去耦参数估计方法能在保证算法性能的前提下简化问题复杂度,有效降低运算量.     

加权邻域重构及其在声目标识别中的应用

摘要： 针对流形学习方法用于声目标识别时易受噪声干扰的情况,提出一种加权邻域重构算法,采用加权迭代方式构造出带噪流形子曲面中最能反映该曲面变化趋势的曲线,通过拓展该曲线对带噪流形子曲面进行重构,利用新曲面计算低维嵌入. 该算法在去除噪声的同时,最大限度地保持了原流形曲面的变化趋势,是一种适用于声目标识别的算法. 在公开数据库和低空飞行目标实际数据中进行实验,结果表明在识别正确率及运行时间上,本文提出的算法相对于其他3 种对比算法均取得了较好的效果.     

基于瞬态极化统计量的微弱信号检测

针对窄带极化雷达系统,研究了微弱信号的检测问题.首先给出了目标散射信号和随机极化波的瞬态Stokes子矢量的表征方法及其统计特征,然后利用信号和噪声的不同特征,基于极化积累的方法给出了极化聚类中心的统计分布函数,进而构造了GLRT检测似然比,据此提出了一种新颖的微弱信号检测算法,同时计算出CFRA表达式和恒虚警下的检测概率的解析表达式,最后通过仿真验证了该检测算法的性能.结果说明：低信噪比下的新算法可以有效地改善雷达系统的检测性能,对于反隐身、预警和空间探测等领域有着指导意义.     

低信噪比环境下语音检测的邻域极值差分信号功率谱分维算法

提出一种邻域极值差分信号功率谱的分形维值算法,并用于低信噪比环境下的语音活动检测. 在时域信号邻域范围内作极值差分检索获得邻域极值差分信号,进一步根据差分信号功率谱估计的最小误差求解分维值.在安静环境下,对正常语音和耳语音的语音信号活动检测(speech activity detection, SAD)性能与盒维相似,明显好于谱熵算法. 多种噪声环境下的SAD检测结果显示,所提算法的误检率远低于谱熵算法,在除白噪声以外各种条件下的误检率均低于盒维算法,且计算量约为盒维算法的5%. 实验表明,该算法在SAD检测和效率两方面具有良好的综合性能.     

非线性阵列Khatri-Rao子空间宽带DOA估计

针对非线性阵列,基于Khatri-Rao子空间概念提出一种新的无预估角宽带到达角(direction-of-arrive,DOA)估计方法. 从Khatri-Rao子空间虚拟阵列导向矢量出发,利用虚拟阵列所增加的维数,以流形分离技术构造与到达角无关的宽带聚焦矩阵,无需预估角且估计性能良好. 采用Root-MUSIC算法避免传统算法中的谱峰搜索过程,降低了计算量. 仿真结果表明,该方法与需要预估角的已有Khatri-Rao子空间宽带DOA估计方法FKR-RSS相比,具有相近的估计精度和目标分辨力. 在信号源数大于阵元数的情况下,其性能优于FKR-RSS.     

一种边缘增强的光谱响应曲线分形维计算方法

提出了一种用于高光谱影像边缘增强的光谱响应曲线差分步长分形维特征值计算方法. 该方法首先对高光谱响应曲线进行差分处理,并利用步长分形维算法计算差分光谱曲线分形维值,最后根据差分分形维值计算高光谱特征影像. 实验结果表明,本文提出的差分步长分形维算法较原始步长法更能保持光谱影像细节并增强边缘,同时减弱噪声影响,可用于高光谱影像特征提取、分析和解译.     

应用形态学滤波的宽带侦察接收机信号检测新方法

针对大瞬时带宽侦察接收机在截获信号时因噪声的非理想特性引起的弱信号漏检问题,提出一种把频谱作为一维灰度图像进行形态学处理的信号检测方法. 对Welch谱进行形态学运算,估计噪声基底并对频谱进行修正,对修正的频谱进行恒虚警处理估计检测门限,根据修正频谱与门限值的比较来判决信号的存在性. 仿真结果表明,该方法能较好地估计噪声基底,在给出的非平坦噪声环境下实现对弱信号的正确检测. 由于计算量小,这一方法适合于硬件实现.     

基于矢量重构的相干信源测向

传统的解相干方法主要有空间平滑和子空间拟合两类,但这些方法或者阵列利用率低或者计算复杂度高,因此寻求计算量小且阵列利用率高的解相干测向方法有重要意义. 该文基于前后向矢量重构理论,提出一种相干信源测向方法. 根据信号导向矢量矩阵与信号子空间张成同一空间,充分利用大特征值对应的特征向量,采用前后向矢量重构方法构造列满秩的数据矩阵,利用总体最小二乘¡旋转不变子空间算法进行波达方向估计. 该方法适用于独立信源和相干信源同时存在的情况,具有良好的实用性,且运算过程简单,计算量小. 理论分析和仿真结果表明了所提方法具有优良性能.     

大规模MIMO系统中基于子空间跟踪的半盲信道估计

基于特征值分解(eigen value decomposition, EVD)或奇异值分解(singular valuedecomposition, SVD)的半盲信道估计算法需要进行重复的EVD或SVD计算,计算量较大,不适用于多小区多用户的大规模MIMO系统. 为此,针对多小区多用户大规模MIMO系统中的半盲信道估计给出了一种快速实现算法. 该算法主要利用最小二乘(least-squares)及线性最小均方误差(linear minimum mean-square error)原理导出一种新的递归计算模糊矩阵的方法,采用快速递归row-Householder 子空间跟踪算法对接收向量的信号子空间的估计进行加速. 仿真结果表明,所提出的算法估计性能良好,并能有效减轻导频污染的影响.