一种含参数的概率密度核估计的独立分量分析算法

分析了盲源分离算法中互信息准则与概率密度核函数的关系,利用广义高斯模型,提出了一种基于含参数的核概率密度估计的独立分量分析算法。该算法利用观测样本求峰度,通过分段函数给出相应高斯指数值,并刺用样本数据进一步修正源信号的概率密度函数。实现对分离信号评价函数的精确估计。在此评价函数基础上,采用互信息最小化准则,推导出分离矩阵的迭代更新规则。所提算法在一定程度上解决了ICA算法中信号评价函数估计的难题,且能对任意源混合信号进行有效盲分离,仿真实验验证了算法的性能。     

短波信道探测中窄带干扰的去除算法

对于短波信道传播特性的弱信号探测,信号干扰噪声比低,如何减小干扰就显得十分重要。由于基于传统傅里叶变换去干扰算法在去窄带干扰时对幅度和相位的估计不够准确,提出了一种基于傅里叶变换和概率密度相结合的窄带干扰去除算法。仿真结果表明,该算法能很好地去除窄带干扰。但上述算法在去除实测信号中的窄带干扰时性能不佳,所以提出一种改进的傅里叶变换和概率密度相结合的窄带干扰去除算法。实验结果表明,改进后的算法能去除实测信号中的窄带干扰,为解决低信噪比条件下探测信号的参数估计奠定了基础。     

非圆信号与圆信号混合入射的DOA估计算法

利用非圆信号的非圆特性可以提高波达方向估计算法的性能,然而现有算法大多不适用于非圆信号与圆信号混合入射这样具有一般性的情况。通过分析混合入射信号的导引矢量所需要满足的约束条件,指出现有算法在信源数较多或低信噪比及低快拍数时会产生伪峰这一现象, 并分析产生原因,同时给出一种改进的方法。通过仿真可以看出,改进算法在保证可以同时估计所有信号波达角的基础上,还可以较好地抑制伪峰的产生,并且相对于传统算法提高了精度。     

有色非高斯数据PSD/PDF建模的MLE/DC方法

AR模型、混合高斯模型分别可以很好地拟合样本的功率谱和概率密度。AR模型参数估计可以使用最大似然估计法(MLE);而在各高斯分量概率密度互不重叠的条件下,使用动态簇算法(DC)则可快速而精确地估计出混合高斯模型参数。使用MLE/DC参数估计方法,并在两种方法间建立一定耦合,即可对有色非高斯数据进行准确的功率谱和概率密度建模,进而实现数据的预白与高斯化。     

平方根递推更新GMP-PHDF

传统高斯混合粒子概率假设密度滤波器(Gaussian mixture particle probability hypothesis density filter,GMP PHDF)采用先验状态转移概率密度作为重要性密度函数,会出现粒子退化问题。而递推更新高斯滤波器依据测量函数梯度渐进式地进行状态更新,可获得更为接近于真实分布的后验估计,但其协方差矩阵易非正定而导致递推中断。对此,本文首先分析平方根递推更新高斯滤波器(square-root recursive update Gaussian filter,SR-RUGF)的实现思路,并给出基于容积卡尔曼滤波(cubature Kalman filter,CKF)的SR RUGF实现步骤。在此基础上,利用SR RUGF为GMP PHDF构建重要性密度函数,进而提出基于平方根递推更新的GMP-PHDF(square-root recursive update GMP-PHDF, SRRU-GMP-PHDF)算法。仿真结果表明,算法可以很好地利用量测信息,获得更高精度的估计结果。     

基于卷积粒子滤波的交互式多模型算法

针对噪声分布未知环境下的非线性目标跟踪,提出了基于卷积粒子滤波的交互式多模型算法。该算法利用卷积粒子滤波器并行地运行多个模型,对前一时刻每个模型的状态后验概率密度进行交互,从交互后的概率密度中采样作为当前时刻滤波器的初始粒子,对当前时刻每个模型的状态后验概率密度进行加权作为系统输出。与基于粒子滤波的交互式多模型算法相比,算法消除了对量测噪声分布的依赖,提高了效费比,理论分析和仿真结果证明了该算法的有效性。     

一种信号源数目的盲估计方法

源数目估计在阵列信号处理,特别是盲处理技术中具有重要意义.本文通过分析信号空间的构成,给出了一种基于特征值估计的源数目盲估计方法.分析了算法在不同信号传递(瞬时混合和卷积混合)形式、不同信噪比下的估计精度.仿真研究了传感器数目对源数目估计的影响.结果表明,该算法具有较好的估计能力和可靠性.     

逆合成孔径成像激光雷达高分辨成像算法

逆合成孔径成像激光雷达发射的激光信号具有极高载频、超大带宽和极短波长的特性,传统的距离-多普勒算法不再适用。在对回波信号特征进行分析的基础上,利用重排Wigner分布和Radon变换对光外差探测后的信号进行时频分析,估计出目标的径向速度,实现对回波信号的精确运动补偿。最后利用改进的距离-多普勒算法,完成对目标的超高分辨二维成像。仿真验证了成像算法的有效性,并通过与微波波段逆合成孔径雷达的比较,证明了逆合成孔径成像激光雷达可以实现对运动目标更快速、更高分辨的成像。     

带约束的卷积语音信号频域盲分离方法

在实际的室内环境中,多通道的语音混合是一个卷积混合信号,在频域利用ICA进行分离时,不同频点上分解出的源信号的次序不确定,需要用后处理方法确定源的对应关系。提出了一种利用波达方向(DOA)作为约束条件的频域盲源分离方法,可以在线地解决频域中的次序不确定性,并且不需要已知传感器及源信号位置等先验知识。仿真结果表明,该方法能够有效地分离卷积混合语音信号,比现有相关的方法更精确。     

基于级联MUSIC的面阵中的二维DOA估计算法

提出了适用于面阵中的基于级联多重信号分类(multiple signal classification,MUSIC)方法的二维波达方向(direction of arrival,DOA) 估计算法。该算法仅采用级联的一维搜索即可实现二维DOA的联合估计,避免了经典二维MUSIC算法的复杂计算量,复杂度大大降低,同时角度估计性能非常接近经典二维MUSIC算法。此算法可以实现二维角度的自动配对,角度估计性能优于传播算子算法(propagator method,PM)以及借助于旋转不变技术的信号参数估计算法。同时,该算法可以很好地估计出相同方位角(或仰角)的信源。结合算法的高性能及低复杂度,该算法拥有更广泛的适用范围,其优越性得到验证。     

一种基于四阶累积量的相干信号测向算法

利用四阶累积量估计相干信号的来波方向(DoA)需要获得修正阵列的方向矩阵。提出了一种估计修正阵列方向矩阵的改进算法,它减少了计算量,通过模式激励和空间平滑,实现均匀圆阵对来自不同独立信号源的相干信号的DoA估计,并利用虚拟阵列流形的中心对称性,将复矩阵的特征分解转换为实矩阵的特征分解,减少了计算量。相比基于自相关矩阵的算法,所提出方法提高了阵元利用率,有效地抑制了高斯噪声,不需要对模式激励后的数据进行白化处理,仿真结果表明,在低信噪比和多个独立信号源存在的条件下,有更明显的优势。     

针对任意非高斯信号的快速固定点盲波束形成方法

峭度最大化盲波束形成算法的性能受步长调节参数的选择影响很大,尤其是在信道和信号参数未知的条件下,很难选择合适的步长。针对以上问题,提出了两种新的不需要步长调节参数,而且同样适用于任意非高斯信号的快速固定点的盲波束形成算法。首先通过白化对数据进行预先处理,然后以峭度最大化和波束形成器的权值正交化来构造代价函数,采用复数近似牛顿方法对代价函数优化,得到新的盲波束形成算法。与峭度最大化盲波束形成算法相比,该算法误差小、收敛速度快,不需要任何步长调节参数,更适用于信道和信号未知的环境。仿真实验验证了算法的有效性。     

一种新的基于峰度的盲源分离开关算法

盲源分离(BSS)算法通常需预先假设源信号的概率密度函数(PDF)，并由此获得关键的激活函数(AF)，进而从混合信号中分离出源信号。但若假设的概率密度函数与真实概率密度函数差异较大，源信号将不能被正确分离。基于峰度的盲源分离开关算法无需假设源信号的概率密度函数，可直接对独立分量分析(ICA)中的激活函数进行自适应学习。计算机仿真证明，该算法可有效进行盲源分离。     

基于自适应评价函数的独立成分分析算法

简要介绍独立成分分析（ICA）及其模型，然后在极大似然估计的框架下，基于两类参数模型--Gaussian混合密度模型和Pearson系统模型，研究了具有对称分布（包括超高斯分布与亚高斯分布）和非对称分布源混合信号的盲分离问题，给出了一种有效的基于灵活评价函数的ICA新算法，该算法在一定意义上实现了对源信号概率分布的真正全“盲”。与原有的ICA算法相比，该算法具有更广泛应用范围。模拟实验验证了算法的有效性。     

基于改进遗传算法的独立分量分析算法

针对现有独立分量分析算法的分离效果依赖于非线性对比函数的选择,并且无法有效地分离超高斯和亚高斯混合信号这一现象,提出了一种基于遗传算法的独立分量分析算法,该算法采用直方图法根据信号的样本序列来估计信号的概率分布,解决了信号问互信息的计算问题,然后通过遗传算法最小化信号间的互信息,实现了对线性混叠信号的分离;同时,针对标准遗传算法存在的一些缺点如局部搜索能力差、容易出现早熟收敛等,提出了一种改进遗传算法,提高了遗传算法的寻优能力.对模拟信号的分离结果表明,基于改进遗传算法的独立分量分析算法的性能优于FastICA算法,对亚高斯和超高斯信号的混合信号具有优异的分离能力.模拟仿真实验结果同时也证实了改进遗传算法的寻优能力.     

基于高斯混合模型的光纤罗经误差概率分布建模

针对船用光纤罗经误差的概率分布不完全符合高斯分布的情况, 提出了一种基于高斯混合模型(Gaussian mixture model, GMM)的光纤罗经误差概率分布函数(probability distribution function, PDF)建模方法。该方法使用多个高斯分布的线性叠加来拟合光纤罗经误差的概率分布, 并结合一种鲁棒性的期望最大化(expectation maximization, EM)算法来估计GMM中的参数。仿真分析和实测数据验证, 相比于使用单一的高斯分布, 基于所提方法建立的光纤罗经误差概率分布更加符合该导航设备误差的实际概率分布。     

基于最大后验概率的单星多目标无源定位算法

为提高单星无源定位精度和速度,同时满足小型化和低功耗的要求,提出了基于最大后验概率和旋转长基线干涉仪的无源定位算法。核心思想是利用最大后验概率原理解决多辐射源信号去交织难题;利用旋转干涉仪天线基线和目标辐射源来波方向瞬时变化减小测向定位模糊,从而实现了利用单个旋转长基线干涉仪系统对多辐射源目标快速高精度定位。仿真表明,该算法可行性强,定位精度高、速度快,具有很高的应用价值。     

利用概率估计和支持矢量机的信号调制分类

提出了一种常用数字通信信号调制分类算法。针对MASK、MFSK和MPSK调制,选取截获接收机输出信号的瞬时幅度、时频脊线和差分基带信号作为分类特征,利用概率密度估计算法求取分类特征的分布函数,通过构造支持矢量机分类器确定分布函数的峰值个数,从而在多种噪声背景下实现了信号调制类型的自动分类。仿真实验表明,当信噪比大于5 dB时识别率可达80%以上。