Estimation of underdetermined mixing matrix based on support vector machine

In underdetermined blind source separation (BSS), a novel algorithm based on extended support vector machine (SVM) is proposed to estimate the mixing matrix in this paper, including the number of the active sources. Instead of traditional clustering algorithms, it mainly takes the modulus of observations and the number in each direction of arrival, without any prior knowledge about the sources except for sparsity, and it is not sensitive to the initial values. Simulations are given to illustrate availability and robustness of our algorithm.     

一种基于子空间距离准则的源数目估计算法

 源数目估计是阵列信号处理中的一个重要课题,也是声纳探测领域的一个难题。通过研究特征子空间分析方法,提出了一种新的源数目估计算法。该方法在盲源分离结果的基础上,基于信号子空间和噪声子空间正交的原理,建立了子空间代价函数来估计观测空间的源数目。同时,通过仿真和水池实验,对该方法的性能做了研究,并与基于信息论准则中最小长度描述准则的源数目估计算法进行了比较。仿真和水池实验结果表明,该源数目估计算法能得到准确的源数目,并具有较好的抗噪性,在水声环境中具有更好的稳健性。     

Dynamic Direction of Arrival Estimation with an Unknown Number of Sources

Aiming at source number determination and direction of arrival(DOA) estimation under the case of time-varying source number,a method of DOA estimation with an unknown number of sources was proposed.Firstly,an algorithm based on crossvalidation technique was introduced to determine the number of sources.Then dynamic DOAs of source were estimated using an algorithm based on blind source separation(BSS) under the case that number of sources were unknown in advance and it was timevarying.The effectiveness of the proposed method was validated by simulation of time-invariant and time-varying numbers of source.Compared with other conventional methods,the proposed method has superior evaluation performances The proposed method can estimate m(the numbers of sensor) DOAs while other conventional methods estimate less than m DOAs.The R_(mse) of the proposed method in the case of low signal-to-noise ratio(SNR)(equal or lower than 30 dB) is smaller than 0.2 while R_(mse) of other conventional methods are greater than 0.8.     

采用PARAFAC的欠定盲分离中机械振源数估计方法

针对复杂机械系统振源数未知的欠定盲源分离(UBSS)问题,为提高欠定盲源分离的性能,提出一种基于平行因子分析(PARAFAC)和核一致诊断(CORCONDIA)的欠定盲源数估计算法.该算法利用二阶非平稳源分离的基本思想,将中心化传感器数据分成不重叠的数据块,计算各数据块的单一时延协方差矩阵并叠加成三阶张量,即平行因子模型.利用核一致诊断算法估计PARAFAC模型的最佳组分数,从而得到机械系统的振源数.仿真实验结果表明:该算法可从非平稳欠定混合信号中准确估计振源数目.将所提算法应用于多机振动源实验,结果进一步验证了该方法的有效性.     

一种改进的盖氏圆盘估计信源数方法

 信源数估计是空间谱估计中的关键技术,研究符合实际应用环境的稳健的信源数估计方法具有十分重要的现实意义.基于空间谱估计中用于估计信源数的传统盖氏圆盘法,结合Toeplitz去相干算法在此提出了一种改进的盖氏圆盘法(T-GDE).该方法先对接收数据协方差进行Toeplitz预修正,再对得到的修正矩阵进行盖氏圆盘法估计信源数,使得新的盖氏圆盘法可用于低信噪比条件下的相干信源数估计.并通过仿真实验验证了其有效性.     

一种基于Toeplitz矩阵重构的波达方向估计新算法

为了提高空间谱中信号与噪声的区分度以及改善传统Toeplitz矩阵重构算法在进行波达方向(direction of arrival,DOA)估计时的精度,本文提出一种新的基于Toeplitz矩阵重构的DOA估计算法。首先将观测数据估计的自相关矩阵预处理得到数据向量,并基于数据向量进行Toeplitz矩阵重构;再对重构后的矩阵进行奇异值分解,得到信号子空间和噪声子空间;最后同时利用信号子空间和噪声子空间进行空间谱估计。结果表明:无论是相干源还是非相干源的DOA估计,该算法估计精度均优于传统Toeplitz算法,在非相干源的DOA估计精度性能与多重信号分类(multiple signal classification,MUSIC)算法一致,并在处理相干信源个数能力与传统Toeplitz算法相同。     

基于内插阵列变换的相干源测向方法研究

利用内插阵列变换和前/后向空间平滑技术在阵列信号处理中的优点,提出了一种对相干信源进行超分辨测向的有效方法.该方法首先在不同的内插区间将均匀圆阵虚拟成等距均匀线阵,使其阵列流型具有Vandermonde矩阵形式,然后使用基于前/后向空间平滑技术的MUSIC算法对相干信号的波达方向进行有效地估计.该方法的主要优点在于,当相干信源数多于阵元数时仍可有效地估计出相干信源的二维波达方向,并且可实现全方位、无模糊的角度估计.计算机仿真证明了其有效性.     

一种具有自动聚类检测功能的欠定型盲信号混叠矩阵估计算法

针对源信号个数未知情况下的欠定稀疏分量分析模型,提出一种具有自动聚类检测功能的混叠矩阵估计算法。提出实现源信号个数的判定的观测信号自动检测聚类方法,同时利用主成分分析对超直线进行估计,从而实现混叠矩阵的精确估计。仿真实验结果表明,该算法适用范围广,是一种快速精确且稳健的混叠矩阵估计算法。     

一种色噪声背景下的信源方位估计快速算法

针对实际环境中相干信源普遍存在的情况,提出一种基于对称均匀线阵的波达方向(DOA)分步估计方法。该算法在未知噪声协方差矩阵为复对称Toeplitz(色噪声)结构的情况下,利用空间差分方法和相干信源Toeplitz矩阵重构方法相结合,来处理同时存在相干(或相关)和独立信源的情况。首先利用常规谱估计算法估计独立信源;然后用差分的方法将其排除掉,同时可以排除色噪声信息;然后用Toeplitz重构的方法将剩下的相干信源恢复为满秩,进而可以利用传播算子的方法进行DOA估计。与传统的去噪、解相干算法相比,该算法在提高阵列信源过载能力的同时,可明显减小算法的运算量。计算机仿真结果证明了新算法的有效性和正确性。     

基于交换机制的自适应蚁群聚类算法

在研究了基本聚类模型的基础上,模拟蚂蚁寻找食物源的行为,提出了一种基于蚁群最优化的自适应聚类分析的新方法。与之前的蚁群聚类不同,引入交换机制增强蚁群的觅食能力以提高聚类性能。该算法可以不用预先输入聚类数目,在仿真实验中该方法获得了比GCA算法和Kmeans算法更好的表现,表明这种基于交换机制的聚类算法具有较好的聚类性能。     

基于素数的多源模式匹配方法的研究

模式匹配是获取不同模式间语义关联关系的技术,是数据集成过程中的关键操作.随着可检索在线数据库数量的迅速增加,大规模的模式匹配工作的需要使多源模式匹配方法成为模式匹配领域研究的重点.针对现有多源模式匹配方法的缺陷,本文提出了一种基于素数的多源模式匹配方法,并提出了具体算法-PMSM.该方法将素数理论引入模式匹配过程中,使单纯的字符匹配转换为素数计算,提高了匹配效率,同时保留了现有多源模式匹配方法的优点.实验证明,PMSM切实可行.     

阵列误差下宽带信号DOA估计自回归迭代算法

本文基于MMSE准则提出一种新的在随机阵列误差条件下宽带信号波达方向(DOA)估计算法,并分析了随机阵列误差对算法的影响。将含有阵列误差的宽带信号通过窄带滤波器组转化为窄带信号,在MMSE准则下采用自回归迭代方法恢复窄带信号的稀疏表示,由此得到信号源个数和DOA估计。新算法不仅有超分辨率能力,而且不需要预先知道信号源个数,此外还能对相干信号进行DOA估计,对阵列误差有比相干子空间法更好的稳健性。计算机仿真验证了算法的有效性和稳健性。     

基于稀疏特性的欠定盲信号分离算法

在源信号在非充分稀疏条件下,提出了一种改进的两步法欠定盲源分离算法.与现有的大多数稀疏分量分析算法法都是假设源信号是充分稀疏不同,该算法放宽了源信号的稀疏性.与此同时,该算法能够估计出聚类空间的个数,能够克服源信号个数未知的情况.模糊划分矩阵的应用更加有利于源信号的分离.仿真结果表明了该算法的有效性.     

基于GS算法的天线方向图零陷加宽方法

为了自适应数字波束形成(ADBF)中应用Gram-Schmidt(GS)算法使天线方向图自适应零陷加宽,通过构造附加离散个干扰源的数学模型重构干扰信号子空间,并修正阵列快拍数据的协方差矩阵,进而对协方差矩阵GS正交化.在干扰噪声较大时,适当调整附加干扰源的位置和个数,得到期望的零陷宽度.算法简单易行,在传统GS算法基础上所增加的运算量很小.仿真证明了该方法的有效性.     

用于高分辨率测向的噪声子空间抽取算法

高分辨率测向是有广阔应用前景的技术，当前的一个主要问题是其计算量巨大，噪声子空间抽取算法（ＮＯＳＥ）首先利用最小二乘法求得噪声子空间中的一组基或这组基的一个子集，然后形成空间谱并估计可能的波达方法。最后，再利用一次最小二乘法检测信号数目并确定真实波达方向。在存在相干源时，ＮＯＳＥ可利用空间平滑技术去相干后进行检测和估计。与标准的高分辨率测向算法（多信号分类算法ＭＵＳＩＣ）相比，ＮＯＳＥ不但运算量大为减少，而且分辨率也有提高，文中的信号数目的检测方法基于对波达方向的估计，具有简单准确的特点，可以推广到多种算法中去。     

一种高精度的近场与远场混合源定位算法

提出了一种高精度的近场和远场混合信号源定位算法．此算法利用混合源阵列流形的对称性特点,从阵列流形里分离出到达角（directionofarrival,DOA）信息,并实现对所有近场与远场信号源DOA的估计．基于得到的DOA估计值,根据近场与远场源距离参数位于不同区间的特点实现对近场及远场源的分类,以及对近场源距离参数的估计．此算法由于充分利用了数据协方差矩阵的信息,并且基于多项式根值方法形成了一个统一的DOA估计器,所以获得了一个高精度的DOA估计性能,且进一步提高了近场源range参数的估计精度．此外,此算法不需要构造高阶累积量,不需要进行二维搜索,不需要进行参数配对;所有的实现过程仅需一维搜索,计算量小,实现简便．数值及与现有算法的对比实验验证了所提出算法的有效性及优越性．     

基于进化算法和水质模型的河口污染物溯源方法

近年来河口地区水体污染突发事件日益增多，快速识别污染源发生的位置、时间和总量，对于防控措施的制定具有重要的研究价值。为此本文基于河口地区潮流动力特征，通过变量解耦、优化遗传算法和水质扩散模型，提出了一套适用于河口地区的溯源方法。通过引入基于拉格朗日方法的大尺度粗筛，明确溯源范围，再基于考虑权重系数的遗传算法和适应度指标法，进一步优化污染源位置和发生时间，最后基于解耦模型实现泄露总量的判定，确保了计算效率和和预测精度。模型进一步应用于福建省泉州湾河口地区的污染源识别，研究结果表明，模型在单观测点信息源的情况下，仍具有良好的鲁棒性和溯源准确性，若观测点增加，通过交叉验证可消除观测误差的影响，给出更为准确的溯源结果，证实该方法不受限于实测数据源的多少，具有较好的推广和应用性。该方法可以辅助河口及海岸地区水污染的快速溯源和调查取证，协助相关部门采取必要措施减轻水污染造成的的不利影响。     

基于宏块条互相关的MPEG-2 VBR视频统计复用

针对ＭＰＥＧ－２编码ＶＢＲ视频业务,提出了一种简便的统计复用方法,该方法对不同业务中宏块条码率样本进行互相关,根据互相关函数局部极小值所对应的码率样本偏移量,将不同业务的宏块条起始位置相对平移,并实现业务累加,从信元丢失率的角度与帧平移法统计复用进行了对比,结果表明,本方法的信元丢失率明显减小,并且随复用业务数量的增加,复用效果进一步提高。     

正交匹配追踪反卷积声源识别方法

OMP-DAMAS波束形成声源识别方法能够显著缩减主瓣宽度,降低旁瓣水平,获得极高的分辨率和定位精度。基于数值仿真多个声源激励下的识别成像图和偏差值探究其结果随声源频率、迭代次数和信噪比等参数的变化规律。结果表明:OMP-DAMAS能够有效提高分辨率和定位精度,适用于中高频声源的识别并且对噪声具有较好的适应性。当声源频率大于2 300Hz,信噪比高于0dB时,OMP-DAMAS均能准确识别声源,获得清晰的成像结果。其重构的声源个数取决于迭代次数,在信噪比较高时可以通过设置合适的动态范围以避免旁瓣污染。上述结论对反卷积OMP-DAMAS波束形成技术的运用具有指导意义。进一步,基于多个扬声器的声源识别试验验证了该方法的有效性。     

联合特征值和特征子空间投影的信源数估计

高分辨空间谱估计算法中信源数的准确估计是必要前提.文中结合矩阵重构和特征子空间投影方法,提出一种适用于弹载阵列系统的信源数估计算法.将阵列阵元分成相同的2组,求得这2组阵元接收数据的互协方差矩阵并重构信源数估计矩阵,对重构的矩阵特征分解,联合特征子空间投影和特征值加权的方法构造判决函数来估计信源数.理论分析与仿真结果表明:重构矩阵的信号子空间特征值呈平方倍增大,噪声功率得到抑制;算法有效提高了少量快拍数据和低信噪比条件下信源数估计的正确率.