基于HySime算法的端元个数估计

基于最小误差的高光谱信号识别(hyperspectral signal identification by minimum error,HySime)是一种估计高光谱端元个数的算法,该算法首先使用多元回归估计信号和噪声相关矩阵,然后使用信号相关矩阵的特征向量子集来表示信号子空间。为了科学评估HySime算法,分别对不同信噪比的高斯白噪声、高斯有色噪声模拟高光谱数据以及马蹄湾村真实高光谱数据的端元个数进行估计。实验表明HySime算法自适应性强,稳定性好,在解算过程中不需要输入任何参数,就能准确估计高光谱数据的端元个数。

信源个数估计的空间平滑方法

针对小快拍数和阵元噪声功率不等时噪声特征值分散严重,导致Akaike信息论准则(AIC)和最小描述长度准则(MDL)估计信源个数效果差的问题,提出了基于空间平滑的AIC方法(SSAIC)和MDL方法(SSMDL),该方法利用前后向平滑有效降低噪声特征值的分散程度,从而提高正确估计概率,并证明了SSMDL方法的一致性.仿真结果表明该方法在小快拍和阵元噪声功率不等情况下可以显著提高正确检验概率.

Underlay认知下时频重叠信号的分量个数估计

针对在低信噪比环境,underlay频谱共享方式下时频重叠信号的信号分量个数估计性能低的问题,提出了一种时频重叠信号的信号分量个数的估计新方法.该方法首先利用动态延时构造出虚拟阵列信号,然后利用噪声奇异值变化不大的特点构造特征量和估计准则,从而估计出underlay频谱共享方式下时频重叠信号的信号分量个数.仿真结果表明,所提方法在低信噪比和高频谱重叠率条件下,比现有方法的估计性能更好.

基于协方差矩阵变换的相干源个数估计

正确地估计信号源个数是高分辨阵列信号处理的一个重要组成部分,本文提出了一种相干源个数估计的方法。这种方法是先采用空间平滑技术对信号源去相关,然后对阵列协方差进行酉变换,最后用基于协方差矩阵变换的信息论准则和盖氏半径(Gerschgorin Radii)两种方法估计信号源个数。计算机仿真结果证实了方法的可行性。

基于循环累积量的共信道多信号检测和信号源个数估计算法

信号检测和信号源个数估计是处理共信道多信号问题的基础,针对时频重叠的共信道多信号检测和信号源个数估计提出了一种基于四阶循环累积量的算法。算法首先计算接收信号的四阶循环累积量,循环频率轴上其模值在和信号载频相关的循环频率处会出现离散谱线,然后采用基于形态学的方法对离散谱线进行提取,根据离散谱线的个数进行信号检测和信号源个数估计。算法不需要设定阈值,可同时进行信号检测和信号源个数的估计。对于最多3个BPSK、QPSK和MQAM任意类型等功率混合,在信噪比为5dB左右信号检测和信号源个数估计的正确率大于90%,并且算法对频谱重叠度具有较好的鲁棒性。

基于矩形面阵的信源参数和信源个数估计新方法

雷达系统中,矩形阵列能够同时对空间信源的仰角和方位角进行估计,针对二维DOA估计中MUSIC算法进行特征值或奇异值分解而导致计算复杂度的增加,提出了一种基于多级维纳滤波器的信源参数估计方法。该方法能够对信源的方位角和俯仰角进行估计,同时还能够对信源数进行有效估计,具有估计精度高,计算量小等特点,适合实时处理的需求,仿真实验证明了该算法的有效性。

一种新的基于EEF准则的空间声源个数估计算法

针对指数嵌入族(Exponentially Embedded Families,EEF)准则在快拍数小于阵元数情况下无法估计声源个数的问题,本文提出一种新的空间声源个数估计算法.首先通过球麦克风阵列采集空间声场高阶信息,建立球阵列信号模型,将声源个数估计扩展到三维空间.继而将观测信号空间分解为信号子空间和噪声子空间,利用最小均方差(Minimum Mean-Squared Error,MMSE)方法估计观测信号空间及噪声子空间的协方差矩阵,确保矩阵估计的一致性和准确性.在此基础上改进似然比函数,同时引入新的自由度计算,使得算法在快拍数小于阵元数的情况下能有效估计声源个数.仿真结果表明,在进行空间声源个数估计时,相对于EEF准则,新的算法不仅适用于快拍数小于阵元数情况,同时提高了估计准确率.

采用特征向量夹角联合概率密度函数的信源个数估计方法

针对传统信源数估计算法如基于Akaike信息论准则方法、最小描述长度准则方法及盖氏圆盘方法等存在低信噪比时性能下降甚至完全不能正确估计信源个数的问题,提出一种基于协方差矩阵特征向量之夹角联合密度函数的信源数估计方法.该方法采用样本协方差矩阵特征分解后噪声子空间的一特征向量与其他特征向量求夹角余弦,然后求这些特征向量之夹角余弦的联合概率密度函数值,最后将两相邻密度函数值相除与阈值比较确定信源个数.数值模拟与水池实验表明该方法在低信噪比时性能远远好于以往算法,在阵列信号处理中具有一定的应用价值.

复杂信号环境中非圆信号的个数估计

针对阵列接收信号中可能同时包含有圆信号和非圆信号,因而很难直接分别估计两类信号源个数的情况,提出了一种基于阵列扩展协方差矩阵特征值分解的解决方法。该方法通过分析观测数据扩展协方差矩阵的结构,特别是其特征值的分布规律,直接得到了复杂信号环境中圆信号和非圆信号个数的估计结果。通过仿真实验验证了各种阵列参数变化时新方法的可靠性。

宽带相干多辐射源个数估计及长基线测向算法

在现代电子对抗中,针对诱饵背景下宽带相干多辐射源的测向问题,本文提出了基于单基线的宽带多辐射源个数估计及测向算法。首先,根据两个天线接收信号谱线共轭相乘产生的新信号谱线结构特征,对辐射源的个数进行估计;在辐射源个数已知的情况下,采用基于宽带信号相位谱的分数延时估计算法,间接地估计出各个辐射源发射的信号到达两个天线的时差,进而利用估计出的这些时差对各个辐射源进行测向。此方法设备简单,仅需要两个天线阵元组成的单基线系统。仿真结果表明,在一定条件下可以准确估计出宽带相干多辐射源的个数,并且能够同时对空间多个辐射源进行精确测向。

基于空间时频分布的欠定混合信号源个数估计

针对欠定混合信号的源个数估计问题,提出了一种基于空间时频分布与奇异值分解的估计算法,把所有自源时频点对应的空间时频分布矩阵组成三阶张量,把欠定混合问题转化为超定问题,通过对三阶张量对应的矩阵进行奇异值分解估计出源信号的数目,该方法不需要假设源信号是稀疏的或独立的,理论分析和仿真结果验证了算法的有效性。

一种基于子空间分析的快速信源个数估计方法

针对阵列信号处理中传统信源个数估计方法如基于Akaike信息论准则方法(AIC)、最小描述长度准则方法(MDL)等特征值分解类算法计算量大,且在小快拍数、低信噪比时性能下降甚至无法正确估计的问题,提出了一种基于子空间分析的快速信源个数估计方法。该算法首先利用多级维纳滤波器(MWF)对信号进行快速的子空间估计,然后计算阵列信号协方差在子空间匹配滤波器中的投影值,通过分析其正交性来估计信源个数。研究结果表明,该算法不但在小快拍数、低信噪比时相较于传统特征值分解类算法具有更优异的性能,并且计算量大大降低。

基于子带平均的宽带源个数估计方法

本文提出了一种相关宽带源个数估计的方法。该方法首先阵列采样数据分段并进行FFT变换,得到若干个窄带信号,然后分别对每一个窄带信号进行处理,最后对各窄带的处理结果进行加权综合来得到宽带源个数的估计结果,采用空间平滑技术可处理相关宽带源。计算机仿真结果证实了方法的可行性。

基于l_1稀疏正则化的信源个数估计新算法

针对现有信号源个数估计相关算法在低信噪比和较少快拍数下存在欠估计的问题,提出一种适用于空间平稳噪声下基于l1稀疏正则化的信源个数估计新算法。该算法利用信号协方差矩阵特征值分解得到的特征值序列的稀疏性,选取合适的正则化参数对信号源个数进行估计。理论分析和仿真实验表明,所提算法可以在较低信噪比的空间平稳噪声条件下,实现对较少快拍数下阵列接收数据信源个数的精确估计。

基于小波与SSWIA的单通道混合信号个数估计算法

针对单通道混合信号个数估计这一问题，提出了一种基于小波与方正弦波差值算法（SSWIA）的单通道混合信号个数估计算法。该算法条理清晰，通过对接收的混合信号数据进行小波变换及小波降噪来提取其码元跳变点的时间序列，而后将时间序列用SS．WIA处理后得到含有信号码元信息的谱线。同时，文章验证了在大数据量情况下，采取合适的降噪阈值若损失了部分码元信息对算法的性能没有影响。最后，仿真验证了此文算法的有效性且性能较Teager能量算子高。

符号动力系统中周期轨的个数估计

本文讨论符号动力系统的周期轨问题,给出了n周期轨的个数的估计,对小周期的周期轨个数做了具体计算。

伪协方差函数的宽带信号源个数估计法

提出了一种计算简单且有效的宽带信号源个数估计估计算法。该方法利用不同频率互协方差函数所构造的矩阵,从理论上证明了对窄带盖氏圆盘法改进可以用于对该矩阵求解,从而获得宽带信号个数的估计值。分析了该方法在相关和不相关宽带信号下的表现,证明了在CSSM类方法失效的情况下该方法能很好地应用。仿真结果证实了所提方法不仅可以用于估计大于阵元数目的宽带信号个数,而且计算负担更小,便于实际应用。

一种基于多重特征融合的信源个数估计方法

针对加权盖尔圆估计准则不能充分利用增广加权盖尔圆矩阵信息的不足,在该准则基础上提出一种融合多重特征的信源个数估计方法。利用阵列天线的接收信号构建增广加权盖尔圆矩阵,从中获取用于描述信源个数的盖尔圆心值、盖尔圆半径和加权盖尔圆半径等多重特征构建高维特征向量,并将其标记后代入支持向量机中,训练可进行信源个数估计的分类器数学模型。实验结果表明,该方法不仅能够在信源数只比阵元数少一个的情况下准确估计信源个数,其在低信噪比和小快拍数的环境下也同样具有良好性能。

基于稀疏系数位置特征的LFM雷达信源个数估计算法

信源个数估计是多信源信号处理的基础,对后续信号的捕获分析关系重大。依据稀疏系数在不同测量矩阵、相同稀疏字典下位置信息相同的特点,提出一种新的信源个数估计算法,突破了传统算法最优门限阈值随信噪比变化的桎梏,实现了信源个数的准确估计。仿真结果表明,算法在保证估计性能的同时降低了运算复杂度。

基于邻域源个数估计的欠定混合盲分离方法

针对欠定盲源分离问题,从理论上分析矩阵对角化方法存在的不足。在混合矩阵已知的基础上,提出时频邻域源个数精确估计和矩阵对角化方法的源信号估计算法。通过度量不同的时频邻域内源信号估计结果的协方差矩阵的对角化程度,同时估计当前多源邻域内源信号数目及其时频波形。最后通过对混合矩阵求伪逆完成源信号的估计。理论分析和仿真结果表明该算法能够提高源信号的估计性能,并提高对源信号数目的适应能力。