基于分数低阶统计量的水下目标定向新方法

针对传统方法对阵列信号处理所研究的噪声采用高斯分布的模型来进行描述,当噪声存在显著的尖峰时,不能得到满意结果的问题。利用稳定分布对实际中所遇到的具有较大脉冲特性的随机噪声进行建模,分析了共变在阵列信号处理中的不足,利用已有的矢量水听器模型建立一种水下目标定向系统,提出了一种基于分数阶相关的水下目标定向算法。仿真表明这种算法是一种在高斯和分数低阶α-稳定分布噪声条件下具有良好韧性的水下目标定向算法,相对共变而言,分数阶相关具有更宽的噪声特征指数范围,更适用于实际应用。     

α稳定分布噪声下基于梯度范数的VSS-NLMP算法

针对α稳定分布噪声环境下的自适应滤波问题,提出一种新的基于梯度范数的变步长归一化最小平均p范数(variable step size normalized least mean p norm, VSS-NLMP)算法。该算法首先对梯度矢量进行加权平滑,以减小梯度噪声的影响,然后利用梯度矢量能够跟踪自适应过程的均方偏差这一特点,利用梯度矢量的欧氏范数控制步长的变化。给出了新算法的迭代过程,然后对其收敛性进行分析,仿真结果表明本算法较现有变步长NLMP算法有更好的性能。     

一种新的自适应波束形成技术

提出了一种新的自适应波束形成技术——基于分数低阶矩的自适应波束形成算法。该算法充分利用对称稳定过程的特点,对冲击噪声和干扰有较强的抑制作用,弥补了传统的基于二阶统计量的自适应波束形成器不能应用于冲击噪声和干扰环境的不足。计算机仿真验证了该算法的可行性和有效性。     

基于分数低阶统计量的正交小波盲均衡算法

对于服从分数低阶Alpha稳定分布的非高斯信号,其二阶和高阶统计量都是不存在的。当环境噪声为这种噪声时,基于高阶统计量的常数模盲均衡算法(CMA)的均衡性能很差。为了克服环境噪声服从分数低阶Alpha稳定分布时,CMA的性能缺陷,提出了一种基于分数低阶统计量的正交小波盲均衡算法。该算法利用分数低阶统计量来抑制Alpha稳定噪声,根据最小分散系数准则优化盲均衡算法的权向量,并对均衡器输入信号进行正交小波变换,通过降低均衡器输入信号的自相关性来加快收敛速度。水声信道仿真结果表明,该算法性能明显优于CMA。     

基于Delta算子的自适应信号处理

Delta算子方法是信号处理与控制理论交叉学科的前沿研究领域之一,在高速信号处理和数字控制设计方面具有广阔的应用前景。简要综述了Delta算子理论在自适应信号处理中的应用现状与存在问题,涉及基于Delta算子的模型描述与稳定性分析、自适应滤波与估计、自适应算法性能分析与实现以及2D信号处理等方面。最后指出了有待进一步研究的课题方向。     

Alpha稳定分布噪声下基于特征值之差频谱感知算法

针对基于特征值的谱感知算法在脉冲噪声的环境下感知性能不佳的问题,分析矩阵全部的特征值,引入矩阵特征值的几何均值,提出了基于分数低阶协方差矩阵的最大特征值与特征值几何均值之差(difference between maximum eigenvalue and geometric mean of eigenvalue, DMGM)的频谱感知算法。选择了Alpha稳定分布噪声模拟脉冲噪声环境,理论分析与仿真实验结果表明,在不增加算法复杂度的前提下,DMGM算法与其他算法相比,更适用于脉冲噪声环境,在低信噪比条件下具有更好的感知性能。     

基于自适应Metropolis算法的 α 稳定分布参数估计

基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法的α稳定分布参数估计具有良好的性能,但不合适的提议函数常导致算法不收敛或混合性能不好。针对提议函数难以选择的问题,提出了一种基于自适应Metropolis算法的非对称α稳定分布参数估计新方法。该方法利用Markov链的历史信息自动调整提议函数的协方差矩阵,使其不断地逼近目标分布,从而获得更好的估计结果。理论分析和仿真结果表明,此方法不仅能准确地估计出α稳定分布的4个参数,而且具有良好的鲁棒性和灵活性。     

1/f过程与稳定分布过程的关系

1/f过程与稳定分布都是近来引入到通信及信号处理领域中的新模型.通过建立1/f过程的散粒噪声模型,借助Campbell定理获得了1/f过程的概率分布,证明了所得分布服从稳定分布.这一结论对于深入理解这两类过程具有一定的意义.     

基于特殊阵列的相干信源二维测向新方法

基于特殊天线阵列,提出了一种有相干源存在情况下的二维波达方向(DOA)估计的新方法。该方法利用天线阵列结构的特点来构建一个特殊的协方差矩阵,再根据2-D ESPRIT方法实现二维DOA估计。该方法不需采用空间平滑技术,也不需谱峰搜索,而且参数可以实现自动配对。最后计算机仿真验证了该方法的有效性。     

基于MATLAB的阵列信号处理仿真方法

介绍如何使用MATLAB构建阵列信号处理系统模型,包括相干信号模型,幅度和相位误差模型,针对不同模型,实现协方差矩阵产生方法,波达方向估计的子空间方法,自适应波束合成器的权值求解算法和方向图、阵列增益等系统参数的仿真.这些仿真模型和方法,对于各种复杂的阵列信号处理研究,具有重要的基础作用.     

基于矢量传感器阵列的“矢量-空间”预处理算法

首先建立了位于反射界面附近的三维圆柱形矢量传感器阵列的数学模型;基于此阵列的“矢量-空间”域,提出了一种新的相干信号预处理算法,并分析了算法的性能。数值仿真验证了在不同的阵列参数下算法的有效性。理论推导和数值仿真表明此算法具有减少整个阵列空间孔径的损失,增加平滑相干信号的数目等优点。     

基于稳定分布的多目标全部贷款组合优化模型

贷款业务是商业银行最主要的资产业务,其利息收入是商业银行最重要的利润来源,而贷款利息收入水平取决于商业银行贷款配置的合理性.本文针对贷款收益率具有的偏态、过度峰态及厚尾特性,建立了基于稳定分布的多目标全部贷款组合优化模型.本文的创新与特色一是在稳定分布情况下考虑收益和尺度参数的基础上,通过追求贷款组合的偏斜指数最大使分布向大于收益率均值方向偏斜来提高贷款组合的超额收益,弥补了现有研究忽略偏度的弊端.二是同时考虑了包括"存量"与"增量"在内的全部贷款组合的风险,改变了流行的现有研究对于巨额"存量"贷款风险缺少控制可能引发重大损失的弊端.三是将现有研究在主观给定贷款组合收益下单纯地控制贷款组合风险完善为同时控制贷款组合风险和收益的"均值-尺度参数-偏斜指数"多目标全部贷款组合优化模型,满足了银行对风险和收益的不同偏好,达到了既控制风险、又追求效益的风险与收益兼顾的目的.     

基于虚拟阵元信号重构的嵌套阵稳健波束形成

由于嵌套阵中部分阵元间距远大于信号半波长,可能导致高旁瓣和栅瓣等问题.因此,通过利用均匀子阵进行信号波达方向(direction of arrival,DOA)估计,重构出虚拟阵元的接收信号,从而构建一个虚拟的稠密均匀阵列,大幅增加了波束形成算法自由度.通过估计信号功率,重构虚拟均匀阵列的干扰加噪声协方差矩阵(inte...     

基于DSP与FPGA的实时数字信号处理系统设计

针对测速雷达实时数字信号处理系统的设计问题,提出了一种基于DSP与FPGA的设计新方法。实时信号处理系统中,低层的信号处理算法处理速度要求高,但运算结构相对简单,适用于FPGA进行硬件实现。而高层处理算法控制结构复杂,通信机制强大,适用于DSP软件编程处理。首先简单介绍了该系统所使用DSP的特点,然后对系统的硬件结构及其软件处理进行了详细说明,最后通过实验结果验证了设计新方法的有效性。     

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。     

基于延时相关处理的ESPRIT算法

为了提高旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法的分辨力和测角精度,充分利用非零延迟相关函数中信号入射角度的信息,提出了基于延时相关处理的ESPRIT算法。根据所有阵列间延时相关信息,构造新的阵列输出矩阵,并且得到新的协方差矩阵。对新的协方差矩阵进行特征值分解得到特征向量,通过将特征向量划分得到含有入射角度信息的子阵,最终求得信源的入射角度。仿真结果表明,该算法的分辨力和测角精度均优于原ESPRIT算法,并且在小角度间距情况下也有较好的分辨性能。     

新的空时二维谱估计信号模型

针对现有空时二维谱估计算法在信号数增大时均不同程度出现性能上的恶化直至失败的问题,总结了目前通用的空时二维谱估计信号模型,提出了“时域副流形”的概念及相应的信号处理方法。该算法通过时域投影对信号进行预处理,先从时域上对信号进行粗分,从而以较小的代价换取大信号数情况下算法性能的改善。理论分析与仿真结果证明了算法的有效性。     

评"基于小波变换的多分辨信号波达方向估计法"

从信号泄漏和空间模糊的角度出发,详细分析了一种基于小波分解的多分辨信号波达方向估计方法(WD MDoA)并指出其缺陷。WD MDoA方法的基本思路是通过小波变换,把接收的阵元数据在空间上分解成多个子带,然后对每个子带进行波达方向估计。分析表明:对于WD MDoA方法,把接收的阵元数据在空间上被分解成多个子带后,如果某个子带外存在其它来波信号时,对该子带进行波达方向估计会产生虚假估计。因此,WD MDoA方法存在着较大的缺陷,计算机仿真结果验证了这个结论。     

基于非圆信号的MIMO阵列方位估计方法

给出了多输入多输出（multiple-input multiple-output, MIMO）阵列的阵列信号模型。针对信号为非圆信号的形式,提出了一种在MIMO阵列中基于非圆信号的共轭多重信号分类方法（multiple-input multiple-output conjugate multiple signal classification, MIMO CMUSIC）。这种方法充分利用非圆信号的特点,从阵列接收数据构造共轭对称的Toeplitz矩阵得到伪协方差矩阵,然后用常规MUSIC方法进行处理。仿真结果表明,与常规MUSIC方法相比,在只需要一次或者少次快拍下,此方法在MIMO阵列中能够分辨多个目标,性能远优于常规的MIMO MUSIC方法。