基于线谱频率点的一种频域盲分离方法

研究了卷积混合信号的频率域盲分离问题,为解决不同频率点分离输出信号的次序与幅度模糊性对信号分离造成的不利影响,利用高阶累积量谱线增强技术确定特殊频率点,提出了一种基于少数线谱频率点的频域盲分离方法,并提出多频率点间盲分离信号强相似的次序调整准则和幅度规范化。该方法既能有效分离独立源信号,又能节省运算时间,有利于实时信号分离恢复。使用语音信号和实录舰船辐射水声信号对算法进行了仿真检验,结果表明该方法分离效果较好。     

改进的频域盲分离排序不确定性消除算法

讨论了频域盲源分离算法中的排序不确定性问题.根据相邻频点上同一个信号的频谱幅度相关大于不同信号频谱幅度相关的特点,提出了一个改进的基于相邻频点幅度相关性的排序不确定性消除算法.在两个相邻频点上构造一个幅度相关矩阵,再根据相关性大小将幅度相关矩阵转换为转王矩阵.该方法可以实时处理卷积信号频域盲源分离算法的排序不确定问题,在对每个频‘点进行独立分量分析的同时确定各分量的顺序.该算法效率高、鲁棒胜好.仿真实验表明了算法的有效性.     

基于累积张量分解的雷达信号欠定盲分离算法

针对时域和频域不充分稀疏条件下的雷达信号欠定盲分离问题,提出了基于信号不同时延的累积量与三阶张量分解估计混合矩阵的方法,并通过修正子空间投影算法完成对雷达源信号的恢复。首先将混合信号的四阶累积量表示成三阶张量,利用三阶张量分解获得混合矩阵估计值;通过求解雷达源信号任意时频点处对应的估计矩阵的列矢量,得到该时频点处最优超定矩阵的伪逆并恢复源信号。该算法可以解决复杂电磁环境下时频域同时混叠的雷达信号盲分离问题,仿真结果表明与现有算法相比提高了盲分离中混合矩阵估计性能和源信号恢复性能。     

基于Stacked-TCN的空间混叠信号单通道盲源分离方法

针对空间互联网星地通信场景中的混叠信号分离精度不足问题, 提出了基于深度学习的堆叠时域卷积网络(stacked time-domain convolutional network, Stacked-TCN)分离方法。首先, 对混合信号提取编码特征表示。然后, 通过时域卷积网络训练得到源信号的深层特征掩模, 将每个信号源的掩模与混合信号编码特征做Hadamard乘积, 得到源信号的编码特征表示。最后, 使用1-D卷积, 对源信号特征进行解码, 得到原始波形。实验采用负的比例不变信噪比作为网络训练的损失函数, 即单通道盲源分离性能的评价指标。结果表明, Stacked-TCN方法与其他4种算法相比, 所提方法具有更好的分离精度和噪声鲁棒性。     

一种基于最大熵准则的盲解卷积改进算法

独立源信号的卷积混合比线性混合更接近真实情况。利用非参数概率密度估计方法———Parzen窗函数估计法 ,提出了一种具有良好适应性的盲解卷积改进算法。该算法可以在无需知道信号分布形式的情况下 ,较准确地估计出密度函数值 ,且比传统的最大算法中采用固定的概率密度函数估计更接近信号点的真实概率密度。同时 ,此算法还具有无论对规则、单峰分布还是不规则、多峰分布都可以取得较好的估计的优点。因此 ,在理论上 ,改进算法可以获得比传统算法更优越的分离性能且能广泛地应用于具有各种分布的信号。实验结果证实 ,这一算法能有效地从各种分布的信号包括真实语音、图像等构成的卷积混合信号中恢复出原始信号。与最大熵算法相比 ,改进算法具有更好的分离性和更广泛的适用性。     

基于阵列接收模型的宽带盲源分离算法

针对传统盲分离算法对宽带信号不适用的问题,提出了一种基于阵列接收模型的宽带盲源分离算法。该算法以子带分解的方法实现了瞬时复值盲分离方法在宽带情形下的扩展。针对扩展过程中可能出现的子带间次序模糊及子带内幅度模糊的问题,利用阵列接收情况下分离矩阵与混合矩阵的特点,提出了一种基于波达方向(direction of arrival, DOA)估计的次序调整及幅度去模糊方法。仿真结果表明,该算法不仅能有效地分离宽带信号,而且可准确地恢复出信号幅度。     

基于SCA的欠定跳频网台分选方法

针对组网跳频信号在欠定条件下网台分选效果不佳的问题,提出了一种基于稀疏成分分析(sparse component analysis, SCA)的欠定跳频网台分选方法。在估计混合矩阵时,首先利用观测信号的实部与虚部方向一致性检测时频单源点,在采用S变换构造时频比矩阵的基础上,利用方差法实现了混合矩阵估计;在源信号恢复时,利用改进的子空间投影法得到源信号的时频域分离,最后可通过S逆变换得到时域分离信号,从而实现了欠定条件下的跳频网台分选。仿真结果表明，该方法有效实现了混合跳频信号在欠定条件下的网台分选且适用于跳频同步或异步组网方式,提高了分选性能和抗噪性能。     

扩展联合对角化法的水声信号盲分离技术

分析了舰船噪声阵列声纳观测信号的多途卷积混叠特性和盲源信号分离问题及扩展信号瞬态混合形式下的四阶累积量联合对角化方法。研究了适合多源多途水声信号盲分离技术及波形恢复、修改后的算法对抑制环境噪声的有效性。用仿真信号和水池实验实录信号对修改后的盲分离算法进行了检验,取得了满意的效果。     

基于模糊逻辑的亚高斯与超高斯源混合盲分离

对于同时存在亚高斯和超高斯源信号的盲信号分离问题,提出了适用于两类信号同时存在的合成概率模型,并以此概率模型计算非线性函数得到了分离两类信号的统一算法。同时,引入模糊推理系统在线确定自适应算法的迭代步长,因此学习算法的收敛速度更快,而且稳态误差更小。仿真实验分别通过对语音信号以及人工合成信号的分离,验证算法的有效性,并通过计算分离信号的干扰信号比(interference to signal ratio, ISR),证明提出的算法能够更好、更快地分离亚高斯与超高斯混合信号。     

多时延解相关准则下的非平稳信号在线盲分离

利用一种基于多时延解相关准则的代价函数和自然梯度原则,分别推导出非平稳信号在瞬态线性混合及卷积混合情况下的在线盲分离算法,仅通过对有限个时延样本的相关矩阵进行Frobenius范数最小化运算得到分离矩阵,计算工作量小,无需对样本进行分块处理,可实现对信号的连续跟踪操作。仿真结果表明算法分离精度高,分离过程平稳,在任意混合情况下均能获得良好的分离性能。     

基于迭代连续匹配追踪的高频地波雷达单次快拍DOA估计方法

高频地波超视距雷达在一个相参积累时间内只能获得空域的单次快拍,在单次快拍条件下进行波达方向估计常常性能很差。针对该问题,本文以压缩感知理论为基础,并根据目标信号在探测方位分布的稀疏性,提出单次快拍下目标方位估计方法。该方法首先利用稀疏变换字典将位于连续方位空间的目标信号变换到满足稀疏条件的离散网格点上;然后采用正交匹配追踪方法获得粗略的方位信息;最后根据迭代最小二乘连续匹配追踪算法得到目标的精确方位。理论分析与仿真证明,该方法可以提高在单次快拍下对低信噪比相干信号的方位估计精度,并且完全适用于阵元数较少的小规模高频地波雷达系统。     

基于归一化CRB加权的宽带DOA估计方法

针对宽带信号频域波达方向(direction of arrivals,DOA)估计方法在各子频带能量存在差异时性能下降的问题,提出一种基于归一化克拉美罗界(Cramer-Rao bound, CRB)加权宽带DOA估计方法。首先在各子频带分别计算DOA估计值,然后根据信号在各子频带的归一化克拉美罗界值,对相应子频带的DOA估计值进行加权,从而提高DOA估计精度以及分辨率。仿真实验验证了所提方法的有效性。     

基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

非均匀噪声背景下的欠定DOA估计方法

针对非均匀噪声背景下欠定波达方向(direction of arrival, DOA)估计问题,结合互质阵列的结构优势,提出了基于全变分范数最小化的DOA估计方法。首先利用连续差联合阵列与连续波程差一一对应的特性,构造出新的阵列接收数据,阵列孔径得到扩展;然后将其转化为一个联合优化问题,在代价函数中利用全变分范数和L₁范数惩罚项分别对角度的稀疏性和噪声项进行约束;最后通过求解相应的凸优化问题以及多项式求根得到DOA的高精度估计。与现有方法相比,所提方法不仅无需进行预白化处理,而且考虑了连续角度域内的所有角度信息而不是对角度域进行离散化,有效避免了模型失配对估计性能的影响,提高了估计精度和分辨率。仿真实验验证了所提方法的有效性与优越性。     

基于ESPRIT算法的矢量水听器阵方位估计性能分析

研究了矢量水听器阵利用旋转不变子空间(estimation of signal parameters via rotational invariance technique, ESPRIT)算法估计目标方位的问题,分析了几种处理方式的内在机理,并推导了它们的理论误差公式。针对利用振速分量直接估计方位受声源方位影响较大的问题,提出了一种角度融合的方法来提高方位估计性能。仿真结果表明,理论误差与实际非常吻合,提出的优化融合处理方法提高了目标方位估计的精度,降低了估计误差随方位角度变化波动的程度。     

基于双基地频率和方位联合估计算法研究

提出一种基于双基地频率和方位联合估计的新算法,是基于UN-ESPRIT方法和两个阵列之间的互相关DOA矩阵法,称之为UN-DOAa-ESPRIT算法。该算法可以同时估计目标信号的频率和两个基地(即两个阵列天线)方位角。所估计的参数自动配对,不需要额外的配对运算,而且在不知道的相关噪声环境下同样可以有效地进行估计。数值仿真结果证明了算法的有效性。     

压缩感知视角的鲁棒波达角估计算法

从压缩感知的视角对鲁棒波达角估计进行了探索,通过将可能存在的波达角进行空间离散化,从而将波达角估计问题转换为压缩感知信号支撑恢复问题。同时将阵元存在的增益失配、相位失配和阵元间互耦等非理想因素,通过一阶近似,将其建模成均值为理想流形矩阵的随机矩阵,从而建模了阵列非理想特性和波达角空间离散化带来的误差。基于这种新的随机测量矩阵模型,提出了一种基于压缩感知的鲁棒波达角估计算法,分析表明本文提出算法对阵列模型扰动和角度空间离散化具有良好的鲁棒性。仿真验证了分析结果。     

准平稳信号的Khatri-Rao积联合稀疏分解DOA估计方法

针对准平稳信号的波达方向估计,提出一种基于Khatri-Rao（KR）积的联合稀疏分解算法。该算法借助KR积将阵列接收数据表示成多个虚拟联合稀疏测量矢量模型,通过求解联合稀疏反问题实现波达方向估计,给出了联合稀疏反问题的唯一性条件,解决了当前稀疏分解方位估计不能处理欠定情况的问题。仿真实验验证了算法的有效性,在低信噪比下获得了更高的分辨率。     

双基地MIMO雷达二维方位角及多普勒频率联合估计

提出了一种新的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达二维方位角及多普勒频率联合估计算法。该算法基于m-Capon方法将目标波离方向(direction of departure, DOD)与波达方向(direction of arrival, DOA)相“去耦”,得出了对目标DOD和DOA的估计;然后,在对目标二维方位角的估计的基础上,算法可进一步估计出目标的多普勒频率。因此,其估计出的目标二维方位角与多普勒频率可自动配对。该算法无需预判目标数及对数据协方差矩阵特征值分解,且对目标二维方位角与多普勒频率的联合估计不涉及高维的非线性优化搜索,具有较小的计算量。此外,该算法可适用于发射和接收阵列为任意阵列结构的双基地MIMO雷达系统。计算机仿真结果证明了本文方法的正确性和可行性。     

MIMO雷达嵌套平行阵下基于子空间的目标二维波达角估计

研究了多输入多输出(multiple input multiple output, MIMO)雷达中的二维波达角(direction of arrival, DOA)估计问题,并提出了一种嵌套平行阵下基于子空间的二维DOA估计算法。利用存在嵌套关系的双平行阵(two parallel uniform linear array, TPULA)作为收发阵列,大大增加了自由度(degree of freedom, DOF)。在DOA估计方面,算法利用数据重构增加虚拟脉冲数,并利用酉变换降低运算复杂度,然后分别基于信号子空间和噪声子空间获得了自动配对的二维DOA估计的闭式解。算法复杂度低,而且相比MIMO雷达中传统TPULA下的算法,该算法拥有更好的角度估计性能,并可辨别空间相干目标。仿真结果验证了算法的有效性。