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。     

基于非圆信号的波束域共轭MUSIC方法

针对非圆信号形式,对传统的波束域MUSIC方位估计方法进行重构,提出了波束域共轭MUSIC方法来进行相干信号的波达方向估计.该方法充分利用非圆信号的特性,从阵列接收数据构造共轭对称的Toeplitz矩阵,将其作为伪协方差矩阵,使用波束域MUSIC算法进行处理来得到目标的方位估计值.该方法可以避免常规波束域MUSIC方法使用空间平滑预处理后损失阵列孔径,而导致可测的信号源数减少的问题.仿真表明,该方法在较少快拍数下,无需空间平滑就可以检测多个相关信号,其性能优于使用空间平滑技术的常规波束域MUSIC方法.     

稳健的Capon波束形成

针对期望信号假定导向矢量与真实导向矢量存在误差时,常规自适应波束形成将有较大的性能损失,提出了一种稳健的自适应波束形成算法来克服这种误差敏感性。该方法分两步完成,首先估计出实际的导向矢量,然后再用该估计结果求出最优权。通过Lagrange乘子法得到简单的闭式解,它不属于对角加载系列的方法,因而不存在加载量的确定这一问题。最后通过计算机仿真验证了所提方法的有效性与优越性。     

波束域特征空间自适应波束形成算法

波束空间法是阵列自适应处理的一种重要的降维方法,可使运算量大大降低;而特征空间法只需较少的数据采样数就可以加速波束形成的收敛。将波束空间处理与特征空间处理结合起来,给出了基于特征空间的波束域自适应波束形成算法。新算法降低了自适应处理中对数据采样数的要求,并且具有更好的信噪比特性和稳健性。仿真结果证明了算法的优越性。     

基于MVDR的阵列信号波束域预处理算法

针对基于常规波束形成(CBF)的波束域方法在波束覆盖区域外存在方位不定强干扰源时多目标方位估计(DOA)失效的问题,提出采用最小方差无畸变响应(MVDR)的波束域预处理算法。该算法根据阵列接收数据自适应调整阵元权值,在波束覆盖区域外干扰源方位形成零陷,从而减小干扰对波束输出结果的影响。分析表明靠近波束覆盖区域的强干扰源对波束转换增益的影响有限。该算法进一步提高了波束域处理方法的抗干扰能力,仿真结果验证了该算法的有效性。     

基于多载波信号的确定型自适应阵列波束形成方法

确定型波束形成方法利用单次采样数据完成波束形成,不需要信号的统计特性.该类方法在雷达系统中均需要两个步骤:波达方向估计和波束形成.一般为了保证系统稳定性,需要保持一定的主瓣宽度,其代价是牺牲部分波束形成自由度.研究了确定型波束形成算法在多载波扩频通信系统中的应用,提出了利用多载波调制信号的频率分集特性完成波束形成,不需要波达方向估计过程,也不需要牺牲波束形成自由度以保证系统稳定性,同时还获得相干多径合并.给出了相应的仿真实验及相关分析,验证了算法的有效性.     

基于时频分布的跳频信号盲分离方法

根据跳频信号的非平稳特性,提出一种基于时频分布的跳频信号盲分离方法。该方法利用不同源信号时频特征的差异,通过对混合信号的一组时频分布矩阵联合近似对角化来实现信号的盲分离。理论分析和仿真结果表明,这种方法在未知任何先验参数的情况下,能够有效分离多个跳频网台,而且具有较强的噪声抑制能力。     

基于EMD的混合信号盲分离方法

针对通信侦察中的共信道混合信号盲分离问题,提出了一种基于经验模式分解(EMD)的信号分离方法。首先求出混合信号的功率谱,其次利用EMD求出混合信号中单个分量的瞬时频率,判定混合信号中属于MFSK信号的谱峰,最后设计带通滤波器分离出单载波信号的谱峰,剩下的信号即为MFSK信号。详细地论述了此种分离方法的基本原理及实现过程。计算机仿真结果表明,该方法对于频谱不混叠的混合信号具有较好的分离效果。     

V-BLAST系统的特征波束形成技术

针对特征波束形成技术与V-BLAST结合的系统,从最小化系统差错性能角度出发,在独立同分布衰落信道中和发射端已知信道均值矩阵信息的情况下,推导了特征波束形成的功率分配算法,同时设计了能够充分利用该功率分配方法的接收检测算法。仿真和分析表明,在发射端所知信道信息有限的情况下,该功率分配算法和排序检测算法能显著改善V-BLAST系统的性能,优于传统的V-BLAST检测算法。     

一种基于径向基函数网络的盲波束形成方法研究

针对阵列信号处理的特点 ,提出了一种基于径向基函数网络 (RBFNN)的盲波束形成方法。该方法把高阶累积量可消除高斯噪声干扰这一特性和神经网络可并行计算的结构优势有机地结合起来 ,利用高阶累积量估计阵列的导向矢量 ,引入径向基函数网络逼近波束形成的权矢量 ,实现盲波束形成。理论分析和仿真实验表明 ,提出的算法能有效地提高运行速度 ,对系统误差也具有很强的鲁棒性。     

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。     

宽带相控阵雷达中波束形成问题的研究

多功能宽带相控阵雷达可以灵活地切换于多种工作模式和实现高分辨成像,成为相控阵雷达发展的重要方向。工作在成像模式时,系统采用具有一定带宽的信号,传统窄带波束形成的方法在宽带相控阵雷达中不再适用。对宽带相控阵雷达中波束形成问题进行了讨论,对波束方向图的畸变给出了定量分析和实验结果。在此基础上,提出了频域宽带波束形成方法中频率柜划分的依据。     

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。     

基于相对梯度的鲁棒的盲源分离算法

针对有噪环境中通信信号的盲分离问题,说明了在有噪环境中,对观察信号进行白化处理后得到的混合矩阵为正交矩阵,并在此基础上给出了正交分离矩阵的迭代公式。另外,为了消除噪声影响,改善算法的分离性能,根据噪声的概率密度模型,提出了一种改进方法。该方法对分离信号进行迭代,从而得出鲁棒的盲源分离算法。仿真结果表明,提出的分离算法相对著名的EASI算法,其性能有很大改善。在信噪比为20 dB时,本算法获得的干信比比EASI算法低10 dB。     

阵列天线通道误差的盲校正

基于特征值分解的高分辨率DOA估计MUSIC算法,在理想阵列条件下性能很好,但对噪声扰动和系统误差都很敏感,噪声扰动和系统误差会严重恶化这一类算法的性能,使其分辨率下降。提出一种基于MUSIC算法的盲校正方法,需要在阵列周围满足远场条件的地方布置一个RF信号源,不需要知道信号源的方位角,就可以精确校正阵列天线的通道误差。仿真结果证明这种方法有效,校正结果理想。     

基于子空间原理的共形阵列多参数联合估计算法

由于共形载体表面曲率变化的影响,共形阵列流形中的信源方位与极化状态产生“耦合”,为多维参数联合估计带来较大难度。针对该问题,利用交叉电偶极子对天线单元在锥面和柱面载体上合理布阵,建立了其快拍数据模型,并提出一种信源方位和极化状态的联合估计算法。算法利用锥面和柱面等单曲率结构的特殊性合理设置坐标系,从而避免了多维角度搜索,有效降低了运算量,并且很容易推广到其他多种单曲率几何结构的共形载体中。Monte Carlo仿真验证了算法的有效性。     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。