色噪声背景下基于特征空间的信源估计新方法

准确估计信源数目是很多高分辨算法得以实现的前提条件。传统的信源估计方法大多是在白噪声背景下,以数据协方差矩阵的特征值序列作为研究对象,按照某种标准设定门限来进行判决估计信源数目。而在实际情况中白噪声很难满足,从降一维特征空间的投影矩阵角度出发,获得数据协方差矩阵的局部数据的投影差值序列,从而有效避开了噪声主要能量的影响,对空间色噪声也有一定的抑制效果。仿真结果表明在色噪声背景下,利用该方法可以在多信源情况下准确估计信源数目。

基于高分辨信源估计的机载前视阵列雷达三维成像方法

结合阵列信号的信源数和波达方向估计技术,本文提出了一种适用于机载前视阵列雷达的三维成像方法.在前视阵列二维成像基础上,该方法首先对多个连续观测图像进行预处理,将脉冲阵列信号近似表示为多个正弦信号的和,然后利用阵列信号高分辨技术估计正弦信号的个数和频率,进而最后确定对应散射体的位置和幅度以实现三维成像.与传统三维匹配滤波成像方法不同,该方法利用宽带信号的匹配滤波实现沿航向的高分辨,利用多个连续观测图像构成的阵列信号实现高度向的高分辨;而且,由于仅需要几十个脉冲回波,该方法对载机飞行轨迹限制相对较少,载机可以实施相对灵活的机动飞行.与干涉测高三维成像方法相比,即使有多个散射体投影到同一个像素中,该方法也可以检测并分别恢复出每个散射体.另外,该方法利用待检测像素的数据直接估计杂波相关矩阵,在杂波严重非平稳情况下也能有效地实现三维成像.

基于压缩感知的被动雷达导引头信源数估计方法

随着雷达反摧毁技术的发展,被动雷达导引头面临着在雷达和诱饵形成的不完全重合信号中进行超分辨测向的挑战,需要单快拍测向技术。现有测向技术大多假设信源数已知,而传统的信源数估计方法在单快拍时性能大幅下降甚至失效。为解决这一问题,提出了一种基于压缩感知的单快拍信源数估计方法。该方法首先将被动雷达导引头阵列测向模型稀疏表示,其次通过子空间算法和压缩感知算法相结合进行降阶和解相干处理,然后提出一种改进的正交匹配追踪算法,研究残差的变化规律,最后构造目标函数估计信源数。仿真实验表明,该方法在单快拍、阵元数少、信号相干的极端情况下估计成功率较高。

基于改进式特征值二次对角加载的信源数估计方法

针对应用阵列天线进行信号接收时的信源数估计问题,提出一种基于改进式特征值二次对角加载的信源数估计方法。对天线阵列观测信号协方差矩阵进行特征值分解;对特征值进行一次对角加载,对角加载量取所有特征值的几何平均值,将原始特征值与对角加载值相加,取代原始特征值;重新计算特征值对角加载量,并进行二次对角加载,使加载后的特征值满足噪声特征值的最大最小值之比不超过2的条件,在此基础上,使用信息论准则类方法和随机矩阵理论类方法实现信源数的估计。仿真实验结果表明,该信源数估计方法具有可行性。

基于DMR-WF与信息论准则的信源数估计

针对信息论中的AIC和MDL准则无法估计色噪声条件下的信源个数问题,提出了一种将信息论准则与DMR白化滤波器(DMR-WF)相结合的信源个数估计方法。所提方法利用阵列天线ULA接收到的色噪声样本协方差矩阵构造出DMR-WF矩阵,再利用DMR-WF对ULA接收的包含色噪声信号的样本协方差矩阵进行白化变换,获得白化后的信号样本协方差矩阵,经过特征值分解后得到的特征值分别利用AIC和MDL准则得出信源个数的估计。实验结果证明,上述方法能够实现AIC和MDL准则在色噪声条件下的信源个数估计问题,且在低信噪比和小快拍数条件下均具有较好的估计性能。

基于源数估计的机械源信号盲分离方法研究

传统的机械源分离方法往往事先假设源信号的个数已知,否则无法进行机械源信号分离。然而,在实际中源信号的个数往往是是未知的。针对此不足,结合变分贝叶斯独立变量分析和自相关测定,提出一种机械源数的最佳估计方法,它是通过比较不同模型的信度来确定出信源的个数。仿真和实验结果表明该方法是有效的,并具有很好的鲁棒性。

基于特征波束形成的强弱信号波达方向与信源数估计方法

该文针对强弱信号并存时信源数和弱信号波达方向难以准确估计的问题,提出了一种基于特征波束形成的强弱信号波达方向与信源数同时估计方法。首先估计空域协方差矩阵,对其特征分解后按特征值从大到小调整特征矢量;然后从第1个特征矢量开始,由提出的估计式得到各特征波束的空间谱;最后,通过计算各空间谱的最大值与旁瓣谱峰平均值的比例判断有无信源,最大谱峰对应的角度即为该信源的波达方向估计。与RELAX和JJM方法相比,所提方法无需迭代步骤,无需强信号波达方向精确的先验知识,具有运算量小和弱信号估计精度高的优点,仿真和实测数据处理结果证明了方法的有效性和优越性。

一种未知信源数的高分辨DOA估计算法

众多性能优良的超分辨波达方向(DOA)估计算法通常需要预先判定信源数目,然而,现有的信源数估计算法在有限采样快拍条件下,估计性能随着信噪比的降低而下降,错误概率也相应增加,最终导致DOA估计失败。该文提出一种超分辨的DOA估计算法,此算法不需要预判信源个数和进行特征值分解,同时在时变环境中,针对快拍数较少的情况下,依然保持较高的角度分辨能力,可以被认为是综合了Capon法和MUSIC法的优点。通过对实验数据和实测数据的计算机仿真及性能分析可得,与传统算法相比较,该算法有很好的鲁棒性和可行性。

基于信息论准则的信源个数估计算法改进

基于信息论准则(AIC准则,MDL准则)的信源数估计算法及其改进算法在低快怕数和低信噪比情况下大多得不到较好的估计性能。从最基本的MDL准则出发,充分考虑AIC准则与MDL准则估计的优缺点,通过引入影响因子对准则的代价函数进行改进,这样的改进在低快怕数与低信噪比下都能得到较好的估计性能,且具有估计一致性、算法复杂度低等优点。仿真试验验证了该改进算法的有效性。

利用数据最小冗余拟合的信源数估计方法

针对低信噪比和小样本条件下难以正确估计信源数目问题,提出利用数据最小冗余拟合检测的信源数估计新方法.该方法首先采用子空间跟踪算法估计训练样本集的一维噪声子空间,然后根据对噪声子空间的谱峰搜索结果构造出信号的冗余阵列流形,最后通过检测该流形对阵列数据的最小冗余表示来估计信源数.仿真试验检验了所提方法的有效性.

独立源与相干源并存的信源数估计

大多数子空间类谱估计算法,需要预先估计信源个数,而且当信号源相干或强相关时,不能直接应用基于信息论的估计方法。针对接收信号为独立源与相干源并存的情况,提出一种新的基于矩阵重构的信源数估计算法。算法利用各个阵元接收数据与参考阵元接收数据的互相关信息,构造一个Toeplitz等效协方差矩阵解相干。理论分析证明,相比于复信号解相干的常规Toeplitz矩阵重构方法,算法节省一半的阵列孔径,而且对噪声发散性有一定抑制作用。基于此构造矩阵采用特征子空间投影与特征值加权的方法构造判决函数来估计信源个数,仿真结果表明,算法在独立源和相干源并存的情况下,能准确估计出信源个数,性能优于空间平滑Akaike信息论准则法和空间平滑最小描述长度法。

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.

基于去特征处理的信源数估计算法

在实际测向系统中,由于阵列中各阵元的相互干扰,阵列接收的噪声为空域相关色噪声,由于系统热噪声和散弹噪声的存在,导致阵列接收的噪声同时包含空域相关色噪声与白噪声。传统针对空域相关色噪声的信源数估计算法在白噪声背景下的估计性能往往下降。针对这一问题,提出了一种基于去特征处理的信源数估计方法。该方法对数据协方差矩阵进行去特征处理,得到一组与特征值相对应的新数据协方差矩阵,利用新数据协方差矩阵在信号和噪声子空间上的投影矩阵构造判决函数,进而实现信源数估计。仿真实验及对比数据表明该方法在包含有白噪声成分的色噪声背景下能够有效进行信源数估计,其突出优势表现在小快拍数、低信噪比条件下仍能准确估计信源数,而没有明显增加算法的运算量。

战场多目标混合声信号源数盲估计算法研究

为了适应战场的实际应用环境,解决传统的MDL准则信源数估计算法在有色噪声条件下失效的问题,提出了基于MDL函数值比值的信源数目估计算法,但此算法在低信噪比下信源数的检测概率较低。针对这一问题,用样本特征值平方和与样本特征值之和的比来代替MDL函数中的样本特征值算术平均的方法来改进MDL准则函数,从而得到基于改进的MDL函数值比值算法。该算法可以有效提高信源数所对应的MDL函数值与非信源数对应的MDL函数值之间大小的差距,从而进一步提高低信噪比条件下MDL比值法的估计性能。通过仿真试验和实测数据的验证试验,表明所提出的两种算法是有效的和可行的。

基于模糊C类均值聚类的信源数估计方法

信源数估计的性能直接影响着高分辨测向的精度。为提高估计方法的性能,提出一种基于模糊C类均值(fuzzy C-means,FCM)聚类的信源数估计方法。在此方法中,信号的协方差阵的特征值及其差值,对协方差阵酉变换得到的盖氏圆半径及其差值作为FCM聚类过程中的样本指标。最终判断样本归属时,引入容错概率的概念。在接受一定程度容错的前提下,提高了算法的性能。在不同噪声类型下进行仿真的结果表明,所提出的信源数估计方法性能较好。

空间非平稳噪声下的信源数估计算法

针对空间非平稳噪声环境下信源数估计问题,分析了利用特征向量正交性估计信源数方法存在的不足,并讨论了常见对角矩阵在消除非平稳噪声时存在的问题,提出了一种新的信源数估计算法。该算法先利用特殊构造的对角矩阵进行变换消除非平稳噪声影响,然后将Bootstrap和假设检验理论相结合估计信源数。该算法无需噪声分布模型假设,在低信噪比下有较好的估计性能,有一定实用价值。

动态信号源数目盲估计方法研究

针对目前盖氏圆盘准则(GDE)及其改进方法难以精确计算出变化的瞬时信号源数目的问题,提出了基于滑动窗口(SW)和相关系数(CC)相结合改进盖氏圆盘准则的GDE-SW-CC动态信号源数目盲估计方法。首先利用盖氏圆盘准则的盖尔圆半径在信号数量增长过程中不断更替变化的特性,将新盖尔圆半径减去旧半径得出整体信源中半径变化最大的动态段。其次采用滑动窗口算法对动态段进行分段精估计,得到每一个滑动窗GDE的判断阈值。然后将GDE的判断阈值作为滑动窗口的特征量,并计算它们之间的相关系数,根据相关系数的峰值位置区分动态窗口信号圆盘与静态窗口信号圆盘得到瞬时信号源数目。最后,通过计算机仿真以及实测数据实验验证了本文方法的有效性、通用性和实用性。计算机仿真对比实验结果表明,相比现有静态GDE,所提方法能快速判读信号的源个数并定位出动态变化的时间区域;在此基础上,结合所提方法与集合经验模态分解(EEMD)进行了欠定盲源分离情形下的动态源信号数目估计仿真实验,结果表明调整因子为0.2以上即可得到正确的估计;实测数据实验得出结果与仿真结果基本吻合,尤其当信号源数目减少时,GDE的估计正确概率从95%降低到4%,所提方法的估计正确概率从95%增高到97%。

高斯色噪声背景下的单通道信源数目估计算法

目前信源数目估计算法大都是基于多通道接收模型且对高斯色噪声抑制能力较差,而实际应用中单通道接收模型及色噪声环境非常普遍,因此研究色噪声背景下的单通道信源数目估计算法意义重大。针对现有算法的缺陷提出了一种基于构建信号时间快拍和四阶累积量矩阵的单通道信源数目估计算法。首先通过构建信号时间快拍实现单通道接收信号的升维得到矢量化空间,然后以此组信号空间构造出四阶累积量矩阵,并从理论上验证了该四阶累积量矩阵能有效抑制高斯白噪声及高斯色噪声的影响,最后对该矩阵进行奇异值分解并通过信息论准则估计出信源个数。仿真实验和实际信号实验都表明本文算法能较好地解决单通道信源数目估计问题,且能有效抑制高斯色噪声。

基于特征子空间投影的信源数估计方法

为了适应实际测向系统的环境,针对常规信源数估计方法在色噪声背景下估计性能变差的问题,提出了基于特征子空间投影的信源数估计方法。首先对特征向量分组,获得只含有噪声部分和既含有噪声又含有信号部分的特征子空间。阵列的导向矢量阵与噪声子空间正交,而与信号子空间张成的是同一个空间。根据这个原理,将协方差矩阵在不同特征子空间上进行投影,得到存在差异的投影数据。最后对投影数据进行求方差处理,得到投影方差,将其作为信源数估计的依据,进而实现信源数估计。仿真实验和实测数据测试表明了该算法的正确性和有效性。

基于移位协方差矩阵Otsu算法的信源数目估计

针对阵列信号处理中信号源数目估计的问题,提出了一种基于移位协方差矩阵的Otsu类间方差法。与协方差矩阵相比,移位协方差矩阵克服了噪声自相关过程中零位极大值的影响,提高了协方差矩阵的信噪比,移位协方差矩阵的信号特征值与噪声特征值差别更为明确,更有利于信源数目的估计。由于零均值且独立同分布噪声的移位协方差理论值为0,所以移位协方差矩阵针对零均值独立同分布α稳定分布噪声同样具有较强的抑制能力。利用Otsu类间方差法对移位协方差矩阵的特征值进行分类,可以更加明确地区分信号特征值与噪声特征值。理论分析和仿真实验结果均表明,基于移位协方差矩阵的Otsu类间方差法具有比传统信源数估计方法更好的估计性能。