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。     

一种盲源分离初始化方法的研究与仿真

针对盲源分离的初始化问题,提出一种盲源分离初始化方法.该方法首先对接收到的混合信号进行小波稀疏分解,然后选取稀疏性最好的分解系数组,并在其星图中通过聚类方法寻求聚轴来估计混合矩阵.最后,采用这一混合矩阵估计值对FastICA算法进行初始化.仿真实验表明,该初始化方法能避免盲源分离算法收敛时陷入局部最小,加快算法收敛,同时使盲源分离算法的分离精度提高10～26dB.     

基于四阶累积量切片的宽带传播算子测向方法

四阶累积量的盲高斯性改善了高斯噪声存在情况下的方位估计算法性能,四阶累积量切片同样具有盲高斯性,结合改进的传播算子法(MPM)不但可以降低算法的运算量,还可以改善算法的性能。首先利用旋转不变方法(RSS)对宽带信号进行聚焦处理,聚焦处理后的矩阵输出再求其四阶累积量切片矩阵,对该矩阵利用改进的传播算子法得到测向结果。论述了四阶累积量切片适用于改进的传播算子法的原理,并通过仿真验证了算法在盲高斯噪声、运算量及测向性能方面的优越性。     

基于四阶累积量的测向方法研究

针对MUSIC-LIKE方法能很好地扩展阵列孔径但计算量较大的问题,基于均匀线阵提出了一种快速提取阵列无冗余数据的新方法。该方法基于四阶累积量孔径扩展的原理,摒弃了原MUSIC-LIKE算法在均匀线阵DOA(direction of arrival)估计中的大量冗余数据,从而大大降低了矩阵运算的维数,降低了计算量。经过处理后的四阶累积量具有和二阶统计量类似的形式,因而可以将大多数业已成熟的基于信号二阶统计特性的阵列信号处理方法应用于四阶累积量中,计算机仿真证明了算法的有效性。     

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。     

BSSLAB:基于SCILAB的盲源分离仿真软件包

盲源分离问题由于其在无线通讯、语音增强系统和医学信号处理等领域内应用广阔且具有极大的理论研究价值,近来受到人们的广泛关注。简要介绍了盲源分离的基本原理及其算法框架,然后基于科学计算软件SCILAB,开发了盲源分离软件包BSSLAB。讨论了仿真软件包的结构和功能。该软件包方便、实用,为盲源分离算法的仿真研究提供了良好的软件环境。     

色噪声下双基地MIMO雷达DOD和DOA联合估计

针对双基地多输入多输出(multiple input multiple output,MIMO)雷达在色噪声环境中的收发角度估计问题,提出了一种基于改进四阶累积量的角度估计算法。该算法首先构造回波信号的四阶累积量矩阵,然后根据四阶累积量矩阵的形成规律,在保证虚拟阵列孔径有效扩展的前提下去除其中的冗余项,达到矩阵降维的目的。最后将降维后的矩阵特征分解得到噪声子空间,再利用四阶累积量的多重信号分类(multiple signal classification,MUSIC)算法实现最终的收发角度估计。所提算法不仅可以有效抑制高斯色噪声,并且能够减小四阶累积量矩阵的维数,降低计算的复杂度,仿真结果验证了该算法的有效性。     

基于累量域的近场源三维参数联合估计算法

提出了一种无须参数配对的近场源三维参数联合估计算法。通过对阵列输出信号的四阶累积量构造矩阵进行一定的变换构造处理得到一个新的矩阵,仅需一次特征分解并利用其相应的特征值及特征向量就能估计出距离、方位、频率等三维参数。该算法无须谱峰搜索,适于任意高斯噪声环境,参数估计结果能自动配对。并且该算法无须利用阵列的中心对称结构,因而有效地避免了阵列孔径损失。最后,计算机仿真结果证实了该方法的有效性。     

未知信源数目条件下的水下多源方位估计

在水下多源探测与跟踪系统中,信号源数目估计不准确对波达方向估计以及整个系统性能会产生严重影响.研究了未知信源数目条件下的水下多源方位估计问题,应用全空间加权修正.算法和投影分解修正算法,实现了信源数目未知时目标方位的准确估计.理论分析和计算机仿真实验研究了这两种方法的性能,结果表明这两种方法有良好的估计效果,而且后者相对于信号源数目精确已知时的MUSIC算法在低信噪比时具有更高的稳健性.     

面向非圆信号的四阶累积量直接定位方法

针对现有基于四阶累积量的直接定位方法阵列孔径扩展不充分以及数据冗余等问题，提出了一种针对最大非圆率信号的四阶累积量直接定位方法。基于移动阵列在多个时隙对目标观测的定位场景，该方法构造了一系列去冗余四阶累积量矩阵。结合辐射源信号的非圆特性，利用阵列接收数据和共轭数据来构成扩展数据模型，实现了阵列孔径扩展，使等效阵元数增加，从而提升定位性能，并通过重新构造快速提取无冗余数据，大大降低矩阵运算维度。由于结合了信号的四阶累积量与非圆特性，该算法适用于信源个数大于阵元数与阵列色噪声的复杂环境。理论分析与仿真结果表明，该算法具有计算量小、高估计精度以及高分辨率等优势，并在高信噪比条件下能够达到相应克拉美罗界。     

基于互质阵虚拟阵列空间平滑的相干信号DOA估计方法

针对相干信号波达方向(direction of arrival, DOA)以空间平滑方法为基础的算法中阵列孔径损失严重以及低信噪比环境下算法估计性能较差等问题,提出一种无需信源数先验信息的互质阵列相干信号DOA估计方法。首先,对互质阵列得到的协方差矩阵矢量化,在虚拟阵元空洞位置内插天线零元,重构协方差矩阵为Toeplitz矩阵,拓展阵列孔径。然后,对重构阵列进行前后向空间平滑处理,消除信号相干性,提高算法估计性能。最后,将前后向平滑矩阵类比均匀对称阵列的协方差矩阵,设计代价函数转化为凸优化问题,通过谱峰搜索进行DOA估计。理论分析及仿真结果表明,该方法无需入射信号信源数,计算复杂度低,且在低信噪比环境下相干信号DOA估计数、估计分辨率以及估计精度都得到了明显改善。     

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。     

SIMO信道的卷积盲分离新算法

提出了一种"逐次替代"卷积混叠盲信号分离方法。针对观测信号数目多于源信号数目的混叠情形,基于最小均方误差准则,将问题转化为求解一个关于信道参数和源信号的优化问题。通过代价函数对未知参数求导数,分别得到关于信道参数和源信号的两个表达式,通过对两个表达式的相互逐次替代来寻求源信号。由此给出了"逐次替代"卷积混叠盲分离方法。逐次替代盲解卷算法无需设置迭代步长,容易编程实现。仿真表明,该算法对于FIR SIMO情形能得到较好的效果。     

盲源分离技术在通信侦察系统中的应用

针对如何快速、准确地对无线电通信信号进行截获、分离和识别是现代通信侦察的瓶颈,盲源分离对于解决这些难题具有独特的优势。给出了基于盲源分离的无线电通信侦察系统模型,从DoA估计和调制样式识别两方面讨论了盲源分离技术在该领域的应用情况。通过具体的仿真实验,证明了盲源分离应用于通信侦察的正确性和可行性。     

基于原子范数的多跳频信号时频参数估计

针对现有多跳频信号参数估计方法构造的基字典与信号不匹配的问题,提出了基于原子范数的时频参数估计方法。首先定义无限原子集合并建立原子范数最小化模型,再利用其对偶问题完成对信号的估计,最后根据对偶多项式在单位圆上的绝对值完成信号频率的估计,通过统计频率分量的个数完成了信号跳变时刻的估计。仿真结果表明该算法在多跳频信号条件下能够得到比现有算法更高的估计精度和性能。     

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。     

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。     

基于导向矢量信号的未知信源数DOA估计算法

针对多重信号分类（multiple signal classification, MUSIC)算法、旋转不变子空间（estimation of signal parameters via rotational invariance technique, ESPRIT)等大多数空间谱估计算法需要进行准确的信源数估计,且当信源数估计出现误差时性能易受影响的问题,提出了一种基于导向矢量信号的未知信源数波达方向（direction of arrival, DOA）估计算法。该算法通过引入导向矢量信号,以自适应波束形成中最大信噪比准则下最优权矢量对应的准最大信噪比作为来波方向估计参数,从而避免了大多数空间谱估计算法中的信源数估计并实现了各个信号来向的准确估计。对该方法进行了计算机仿真验证,仿真实验结果表明该算法是有效的。