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。     

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。     

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。     

一种非平稳卷积混合信号的自适应盲分离算法

基于多时延解相关准则并利用自然梯度原则推导出一种非平稳信号在卷积混合情况下的自适应盲分离算法，仅通过对有限个观测时延样本的相关矩阵进行Frobenius范教最小化运算得到分离矩阵，算法计算量低，可实现信号连续处理，适用于在线运算。仿真结果表明算法仅需较低的分离滤波器长度和少量的时延样本即可获得良好的分离性能。     

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。     

基于扩展Infomax算法的变步长在线盲分离

由于扩展的Infomax算法需要一定的样本长度来估计信号的峭度,所以常采用离线批处理的方式,但这种方法不能处理混合矩阵发生变化的情况。通过判断系统混合矩阵是否改变,改进了在线估计峭度的模型,同时为解决在线算法中收敛速度和稳态误差的矛盾,提出了一种新的步长更新算法,该算法根据信号的分离状态与峭度曲线收敛程度的关系,采用峭度方差为参数来控制步长的变化,使得步长的选择与分离状态相结合,减小了稳态误差,仿真结果证实了该算法的有效性。     

基于去噪盲分离的多个直扩信号参数估计

噪声条件下多个直扩信号混合情况下的参数估计是传统算法所无法处理的,为此提出将去噪盲分离算法应用于此问题,达到噪声消除和使多个扩频信号相互分离的目的。首先回顾了在低信噪比条件下估计单个直扩信号参数的循环谱估计技术,并且说明了盲分离算法在估计多个混合直扩信号参数的可行性。然后给出了含噪盲分离的基本模型和一种有效算法移偏快速独立分量分析(fast independent component analysis, FASTICA)。接着引出了一个算法框架--去噪盲分离,证明了经典独立成分分析(independent component analysis, ICA)算法可以统一到这个框架中。仿真结果表明了算法的有效性和实用性。     

基于单个多模天线的非圆信号闭式DOA估计

针对因使用天线阵列而造成的天线互耦和阵元位置未核准问题,利用多模天线多个模式输出间的内在联系,以及完全非圆信号的特殊性质,提出了一种旋转不变型闭式波达方向（direction of arrival, DOA）估计方法。由于该法只需使用单个结构紧凑的双锥天线,无须像传统天线阵列一样进行复杂的阵元空间位置校准,适用于阵列摆放空间受限的应用场合。计算机仿真结果验证了算法的有效性和优越性。     

独立分量提取的在线算法及其应用

独立分量分析(ICA)根据信源统计独立特性对观测信号进行盲分离运算，由于其独特的分离性能而受到广泛关注，但目前其实现的算法普遍采用批处理的形式。文章探讨了在线ICA算法，并将其应用于脑电信号伪迹消除中，实验结果表明，丈中所提出的在线ICA算法具有良好的稳健性和盲源分离性能。     

MPSK混合信号逐步消除前向干扰的单通道盲分离PSP算法

在日益复杂的电磁环境中,时常会遇到信号混叠的情况,如何把混叠信号成功高效地分离开来成为近年来研究的热点。就逐留存路径处理(per-survivor processing, PSP)算法分离两路同频相移键控混叠信号复杂度较高的问题进行了研究,在前人研究的基础上提出多进制相移键控(m-ary phase shift keying,MPSK)混合信号逐步消除前向干扰的单通道盲分离PSP算法。仿真结果表明,在大约0.5 dB的性能损失下,若以每分离一个混合信号所需遍历的状态数M^2(L-1)(其中,M是信号的调制阶数,L是两路混合信号的码间串扰长度),作为衡量PSP算法复杂度标准,所提算法分离两路二进制相移键控混合信号的复杂度较原有的算法降低了4倍,分离两路正交相移键控混合信号的复杂度较原有的算法降低了16倍,大幅度地降低了混叠信号分离的复杂度,提升了同频相移键控的混叠信号的分离效率。     

单通道混合信号的深度联合分离译码算法

针对采用低密度奇偶校验(low density parity check, LDPC)码编码的单通道同频混合信号,提出一种深度联合分离译码算法。采用了Gibbs分离过程中的逐符号分离步骤和译码过程中的逐符号译码步骤之间交替更改变量节点似然软信息的方式,在初期译码步骤输出的软信息模值较小,便于分离步骤对译码步骤的结果及时进行纠正,降低整体误比特率,软信息达到译码门限后开始发挥译码作用并最终和分离步骤达到一致收敛。仿真结果表明,本文提出的深度联合算法能够有效避免传统迭代分离译码算法由于分离过程的误比特率超出软输入软输出(soft input soft output, SISO)译码器纠错能力范围导致算法无法收敛的现象,降低联合分离译码算法的门限并提升整体性能,对于8PSK调制的混合信号在误比特率为10^-3时有1 dB的性能改善^。     

非线性盲源分离的多目标进化算法

针对在非线性混叠盲源分离中代价函数往往具有许多局部最优解,求解其全局最优解非常困难的问题。设计了多目标进化算法来求解代价函数的全局最优解,提出了非线性盲源分离的多目标进化算法。该多目标进化算法根据带权极小极大策略构造了一个同进化代数有关的变适应值函数,使种群中的容许解逐渐增多和保持个体的多样性,避免算法陷于局部最优。数值仿真表明算法是有效的。     

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A-DBSCAN的欠定盲源分离算法

为提升欠定盲源分离问题中混合矩阵的估计精度,在噪声环境下基于密度的空间聚类(density-based spatial clustering of applications with noise, DBSCAN)算法的基础上,提出一种自适应确定输入参数的DBSCAN算法(adaptive DBSCAN, A-DBSCAN)用于混合矩阵估计。针对DBSCAN算法邻域半径(Eps)及邻域点数(MinPts)依赖人为设定的问题,首先利用曲线拟合方法得出Eps,然后通过分析聚类输出类别数与噪声点数关系确定MinPts,并将其与混合矩阵估计模型相结合,最后通过最短路径算法实现源信号恢复。实验结果表明,提出的算法在估计混合矩阵和恢复源信号时,相关性能与对比算法相较均有明显提升。     

基于A-DBSCAN的欠定盲源分离算法

为提升欠定盲源分离问题中混合矩阵的估计精度,在噪声环境下基于密度的空间聚类(density-based spatial clustering of applications with noise, DBSCAN)算法的基础上,提出一种自适应确定输入参数的DBSCAN算法(adaptive DBSCAN, A-DBSCAN)用于混合矩阵估计。针对DBSCAN算法邻域半径(Eps)及邻域点数(MinPts)依赖人为设定的问题,首先利用曲线拟合方法得出Eps,然后通过分析聚类输出类别数与噪声点数关系确定MinPts,并将其与混合矩阵估计模型相结合,最后通过最短路径算法实现源信号恢复。实验结果表明,提出的算法在估计混合矩阵和恢复源信号时,相关性能与对比算法相较均有明显提升。     

基于自适应CKF的恒模盲波束形成算法

针对均匀线阵,利用信号的恒模特性,与容积卡尔曼滤波相结合,提出一种新的盲自适应波束形成算法。通过对恒模算法的优化代价函数进行变换,使其满足系统状态空间模型。利用容积卡尔曼滤波算法进行自适应滤波,以实现抑制干扰和消除噪声。所提算法对状态空间模型中的系统噪声和过程噪声进行了自适应处理,免除滤波噪声参数的设置,增强了算法的通用性,并引入了收敛因子,加速系统的收敛速度。仿真结果表明了该算法的正确性和有效性。