利用分数低阶空时矩阵进行冲击噪声环境下的DOA估计

研究冲击噪声环境下的信号DOA估计问题。在对称α稳定(SαS:Symmetric-αstable)分布冲击噪声假设下,定义了一个阵列接收数据的广义分数低阶空时矩阵。理论分析表明,对广义分数低阶空时矩阵进行奇异值分解可获得噪声子空间估计。与信号空间DOA估计技术相结合,提出一种新的基于信号空间分解的DOA估计算法。该算法在低信噪比下对强冲击噪声具有更好的抑制作用。计算机仿真证明了算法的有效性。

脉冲噪声下基于自适应特征值分解的时延估计新方法

依据分数低阶统计量理论和噪声特征,提出一种鲁棒性自适应特征值分解(RAED)时延估计方法,扩展了自适应特征值分解(AED)时延估计方法的使用环境.该算法在脉冲噪声环境下,组合两个接收信号,使其共变矩阵最小特征值对应的特征向量为信道的估计,并基于广义归一化最小平均p范数(广义NLM P)方法自适应得到该特征向量,从而获得时延估计.计算机仿真表明该方法在脉冲噪声环境下具有较好的鲁棒性.

基于分数低阶矩的空时最大似然DOA估计

为了提高现有基于分数低阶空时矩阵类算法的估计精度和其在低信噪比时的解相干性能,在对称α稳定分布噪声条件下,提出改进分数低阶空时矩阵用于独立信源DOA估计,基于分数低阶矩的空时最大似然算法用于相干信源DOA估计.仿真结果表明:针对独立信源,改进的分数低阶空时矩阵进行DOA估计的成功概率高于分数低阶空时矩方法;针对相干信源,分数低阶矩的空时最大似然算法的估计成功概率比SS-FLOM算法高,均方根误差比SS-FLOM算法小;新方法克服了空间平滑类算法严重损失阵列孔径的弊端,节省阵元.

基于矩阵对角加载与泄漏迭代的广义最小平均p范数波束形成方法

在简要介绍稳定分布统计特性的基础上,依据泄漏梯度下降原理、矩阵对角加载方法,通过对最小平均p范数加以改进,提出了一种稳定分布噪声下基于矩阵对角加载与泄漏迭代的广义最小平均p范数波束形成方法,并探讨了算法性能。

盲源分离技术在水声信号中的应用研究

通过研究α稳定分布,提出海洋噪声、舰船辐射噪声等符合低阶α稳定分布,在进行对称α稳定分布且独立的随机源信号进行盲分离处理时,若仍然采用高斯分布将不收敛。本文设计了分数低阶矩阵盲源分离算法,最后通过实验对比本文所设计算法和时延分离算法。实验结果表明:本文所设计的算法对于α稳定分布且有独立的随机信号,具有较好的收敛性,能够有效实现盲源信号分离。通过从复杂的海洋噪声中仍能较好地提取出船舱辐射噪声的实验,说明即使信噪比发生变化,源信号分离后相似系数较分离前仍然有稳定地提高。

脉冲噪声环境下基于矩阵差分的远近场混合源定位

为了提高脉冲噪声环境下基于二阶协方差矩阵差分(COV-MD)的远近场混合源定位算法的估计性能,本文提出了基于分数低阶协方差矩阵差分(FLOC-MD)和基于压缩变换协方差矩阵差分(CTC-MD)的远近场混合源定位算法。所提出的算法首先利用一维MUSIC谱峰搜索获得远场源信号的方位角估计,然后利用矩阵差分法实现远近场信号源的分离得到扩展的近场源分数低阶协方差矩阵(或压缩变换协方差矩阵),最后在利用类旋转不变方法(ESPRIT-Like)估计得到的近场源方位角的基础上,再次利用一维MUSIC谱峰搜索获得近场源距离的估计。计算机仿真结果表明:CTC-MD算法和FLOC-MD算法在强脉冲和低信噪比情况下的估计性能都要明显优于COV-MD算法和其他基于二阶统计量的远近场混合源定位算法,同时CTC-MD算法的性能要好于FLOC-MD算法并且不依赖于脉冲噪声的先验信息。

非高斯噪声下基于MD准则与Givens旋转的EP信号提取方法

传统的诱发电位(EP)提取与分离方法中,通常认为EP信号中混入的自发脑电(EEG)等噪声属于高斯分布。近年来一些研究表明了EEG信号具有一定的非高斯特性。α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的EEG噪声。本文提出一种适用于EP信号分离提取的基于最小分散系数准则与旋转变换的算法。计算机模拟和分析表明,在分数低阶稳定分布背景噪声条件下,这种算法是一种具有良好韧性的EP信号分离提取方法。