非均匀噪声下频率及二维到达角的联合估计

提出一种适用于L型阵列的频率及二维到达角联合估计新算法.算法通过不同子阵的互协方差矩阵构建平行因子模型,应用三线性交替最小二乘算法求解,无需参数配对及多维搜索,可有效抑制非均匀噪声.均方根误差的仿真结果验证了该算法的有效性.

非均匀噪声图像的小波去噪

目前的小波阈值去噪一般考虑单幅均匀噪声样本,针对非均匀噪声模型,提出基于邻域估计法的逐点阈值去噪算法;并将多幅均匀噪声样本的联合去噪法推广到非均匀噪声模型下。其中,阈值函数的选取是:基于信号方差和噪声方差的自适应的逐点Bayes阈值;对多幅非均匀噪声样本采用阈值去噪与加权平均结合的方案,加权系数由各象素点的噪声方差确定,并比较了图像域和变换域两种加权方法的性能。

一种非均匀噪声下的DOA估计算法

通用协方差差分算法用来实现对空间非均匀噪声环境下相干信号的波达方向(DOA)估计,该算法可以完全消除空间非均匀噪声,且适用于低信噪比环境,但该算法的DOA估计结果存在伪峰。针对这一问题,提出了一种改进的算法。改进算法通过对通用协方差差分(GCD)算法的信号协方差矩阵进行变换,再用特征分解的方法得到信号的DOA估计值。改进的算法可以完全消除伪峰,理论分析和仿真实验验证了改进算法的有效性。

非均匀噪声下的多阵列频域数据直接定位算法

实际多阵列无源定位系统中,多个阵列分散分布以及单个阵列各阵元之间的差异会造成接收噪声功率分布不均匀,进而导致直接定位算法精度下降。针对上述问题,本文提出了一种非均匀高斯白噪声场中的多阵列频域数据直接定位算法。该算法首先利用阵列输出协方差矩阵对噪声协方差矩阵进行估计,然后再用估计结果预白化阵列输出协方差矩阵,从而减弱了非均匀噪声对直接定位算法的影响,最后利用预白化后的阵列输出协方差矩阵进行直接定位。仿真表明在非均匀噪声下该算法的定位精度较传统的直接定位算法更高,且能较为准确的估计各阵列噪声协方差矩阵。

非均匀噪声环境下基于MISC阵列的自适应波束形成方法

针对现有基于干扰加噪声协方差矩阵(Interference plus Noise Covariance Matrix,INCM)重建的自适应波束形成算法在非均匀噪声的情形中对于噪声功率估计不够准确的问题。本文在噪声非均匀的情况下,提出了一种基于最大阵元间距约束(Maximum Inter-element Spacing Constraint,MISC)阵列的自适应波束形成算法。通过矩阵补全技术,估计无噪声协方差矩阵和非均匀噪声协方差矩阵,然后利用无噪声协方差矩阵估计入射信号的波达方向(Direction of Arrival,DOA)与功率,最后重建INCM。得益于矩阵补全技术对非均匀噪声功率的准确估计和MISC阵列虚拟差分优化阵提供的高自由度,本文算法能够在非均匀噪声下更加准确地重建INCM。仿真实验结果验证了所提算法的有效性。

非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题,提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先,该算法利用迭代最小二乘方法得到噪声协方差矩阵估计,然后对数据协方差矩阵进行"去噪"处理,利用子空间旋转不变技术实现非相关信源DOA估计;其次,基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑,利用求根MUSIC算法估计相干信源DOA。相比于传统算法,该算法能估计更多的信源数,在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。

非均匀噪声条件下的互质阵列欠定DOA估计方法

针对基于互质阵列的欠定DOA估计方法在非均匀噪声条件下性能下降的问题,该文提出一种基于协方差矩阵重构和矩阵填充的鲁棒DOA估计方法。首先,将接收数据协方差矩阵分解,得到包含非均匀噪声项的对角阵;然后,选取对角线元素中的最小值,替换其余对角线元素,进而得到重构后的数据协方差矩阵;最后,对重构后的协方差矩阵进行扩展和矩阵填充,结合子空间方法进行DOA估计。理论分析和仿真结果表明,相对于现有方法,该文方法有效地抑制了非均匀噪声的影响,有更好的DOA估计性能。

非均匀噪声环境下宽带近场源定位的两种改进方法

研究了宽带近场信号源基于最大似然方法和相关信号子空间方法在非均匀噪声下的被动定位算法 ,并进行了比较。这两种算法均可在传感器任意分布的情况下有效地进行信号源定位。最大似然法采用了迭代的方法来估计噪声的协方差矩。而信号子空间法给出了聚焦阵构造的新方法。

非均匀噪声环境下基于矩阵补全的DOA估计方法

针对传统的信号波达方向(DOA)估计算法无法适用于实际应用中非均匀噪声、数据不完整等情况的问题,提出了一种结合矩阵补全理论和最大似然交替投影算法的DOA估计方法。在背景噪声为非均匀噪声的情况下,该方法通过对只有部分元素已知的阵列协方差矩阵进行矩阵补全,将稀疏矩阵重构为无噪声协方差矩阵,然后利用最大似然交替投影算法实现对DOA的估计。实验仿真表明:该DOA估计方法能够有效恢复不完整数据并抑制非均匀噪声的影响,而且在低信噪比条件下,仍具有较好的DOA估计性能。

非均匀噪声下基于稀疏重构的声矢量传感器阵列方位估计方法

为解决非均匀噪声情况下声矢量传感器阵列方位估计性能恶化的问题。提出基于加权最小二乘(weighted least squares,WLS)的稀疏信号重构法和基于加权协方差矩阵拟合(weighted covariance matrix fitting,WCMF)的稀疏信号重构法。定义一个虚拟的声矢量传感器阵列流形矩阵,并重构包含稀疏信号功率和噪声功率的协方差矩阵。为估计稀疏信号功率和每个通道输出的噪声功率,基于WLS法和稀疏信号加权最小化法,构造了关于稀疏信号功率和噪声功率的代价函数。在此基础上,为了进一步提高稀疏信号功率和噪声功率的估计精度,基于WCMF准则对构造的代价函数进行改进。应用泰勒级数展开式将关于稀疏信号功率和噪声功率的非线性代价函数转化为线性函数,并采用循环迭代算法估计稀疏信号功率和噪声功率,待迭代终止时,对稀疏信号功率谱峰搜索,即可实现对目标的方位估计。仿真结果表明,与现有非均匀噪声下的估计方法相比,所提方法提高了非均匀噪声情况下声矢量传感器阵列的方位估计精度。

一种空间非均匀噪声环境下的DOA估计

针对空间非均匀噪声环境下的DOA(波达方向)估计问题,在中心对称分布的非均匀线性阵列上应用改进的恢复噪声协方差算法[6]得到一种新的DOA估计方法。由于非均匀阵列的阵列孔径更大,因此该方法可以估计空间相距更近的独立信号,另外该方法使用了平滑预处理技术,因此可以估计包含一对相干信号的信源,且所需的分辨信噪比门限更低。利用仿真实验验证了该方法的有效性。

空间各向同性均匀噪声场中的子阵输出噪声相关性

阵列分子阵后由于子阵存在方向性,导致子阵输出噪声相关系数以及相关半径难以准确估计,从而严重影响阵列性能。针对这一问题,提出了共线子阵在空间各向同性均匀噪声场中输出噪声相关系数的解析计算方法。将噪声相关性计算公式中的波束响应项用子阵加权向量表示,再利用共线子阵的对称性对双重积分进行化简,最终得到不含积分项的解析解。利用该方法,分析了子阵不同参数对输出噪声相关性以及子阵波束形成的影响,结果表明,子阵阵元数、子阵的波束指向角以及子阵中心间距的对输出噪声相关性有重要影响,而子阵波束的旁瓣对噪声相关性的影响较小。数值仿真验证了噪声相关性计算方法的有效性以及相关结论的正确性。

非均匀噪声分布心电信号的奇异值小波消噪法

针对一般消噪法对噪声非均匀分布心电信号消噪存在的不足,提出基于奇异值分解和小波阈值消噪相结合的消噪方法。该方法利用矩阵的奇异值分解将噪声非均匀分布的心电信号正交分解为噪声分布相对均匀的分量,在正交子空间中对每个分量进行小波阈值消噪,重构消噪后分量,得到消噪后的心电信号。研究结果表明:本方法有效地克服了因噪声分布不均匀而造成的小波阈值选择矛盾的缺点,有效地消除了大噪声区域的噪声,又完好保存小噪声区域的心电特征信息,且消噪后的信号与无噪信号之间的欧氏距离最小。

非均匀噪声背景下的欠定DOA估计方法

针对非均匀噪声背景下欠定波达方向(direction of arrival,DOA)估计问题,结合互质阵列的结构优势,提出了基于全变分范数最小化的DOA估计方法。首先利用连续差联合阵列与连续波程差一一对应的特性,构造出新的阵列接收数据,阵列孔径得到扩展;然后将其转化为一个联合优化问题,在代价函数中利用全变分范数和L1范数惩罚项分别对角度的稀疏性和噪声项进行约束;最后通过求解相应的凸优化问题以及多项式求根得到DOA的高精度估计。与现有方法相比,所提方法不仅无需进行预白化处理,而且考虑了连续角度域内的所有角度信息而不是对角度域进行离散化,有效避免了模型失配对估计性能的影响,提高了估计精度和分辨率。仿真实验验证了所提方法的有效性与优越性。

非均匀噪声背景下信源数估计算法

针对非均匀空间色噪声背景下,基于信息论的信源数估计算法性能将急剧下降的问题,提出了基于修正协方差矩阵的SORTE信源数估计算法。该方法通过构造特殊对角矩阵将非均匀噪声从数据协方差矩阵中剔除,从而克服非均匀噪声对信源数估计的影响;然后利用修正协方差矩阵对应特征值的二阶统计信息,构造SORTE判决函数从而实现信源数估计。仿真结果表明:该方法在非均匀噪声背景下能够实现信源数的一致估计,且在低信噪比、短快拍时仍然具有良好的估计性能。

多幅非均匀噪声图像的联合去噪法的应用及仿真

小波去噪是小波变换的重要应用领域之一。对多幅被空间非均匀噪声污染的图像样本提出逐点加权平均与自适应逐点阈值去噪相结合的联合去噪方法,并比较先加权平均(Average)后阈值去噪(Threshold)和先阈值去噪(Threshold)后加权平均(Average)两种不同的方案。仿真实验结果表明:逐点加权平均与自适应逐点阈值去噪相结合的联合去噪方法,对含非均匀噪声的多幅图像拷贝具有良好的去噪效果。

非均匀噪声下的嵌套阵列DOA估计

针对嵌套阵列的欠定波达方向(DOA)估计在非均匀噪声背景下性能失效的问题,提出一种基于Toeplitz矩阵重构的嵌套阵列DOA估计算法。首先,计算接收数据的协方差矩阵,分解出包含非均匀噪声项的对角阵,选取对角线元素最小值替换其他元素,对协方差矩阵进行重构;然后将抑制非均匀噪声后的接收信号进行积处理,对阵列进行扩展,利用处理后的接收信号重构Toeplitz矩阵,通过特征值分解,结合MUSIC算法实现DOA估计。理论分析和仿真结果均表明:本文方法对非均匀噪声实现有效抑制,增加了阵列孔径,提高了阵列自由度,并相对于现有方法拥有更好的DOA估计性能。

非均匀噪声下基于双剔除门限的恒虚警目标检测算法

为了解决雷达检测算法在非均匀噪声环境下目标检测性能严重下降的问题,在分析实际回波杂波分布特性的基础上,提出了一种基于双剔除门限的恒虚警目标检测算法,通过双剔除门限将极大极小干扰信号从参考窗口中剔除,实时精确估计背景噪声功率.经过与各检测算法仿真对比,该算法在多目标干扰、遮挡和杂波边缘干扰等非均匀背景噪声环境下仍具有最优的检测性能和鲁棒性.结果表明,所提出的目标检测算法在非均匀噪声环境下具有良好的检测性能.

非均匀噪声环境下分布式IVI-CFAR检测算法

为了解决传统分布式VI-CFAR(variability index-constant false alarm rate)和OS-CFAR(order statistic constant false alarm rate)算法在多杂波干扰环境下检测性能严重下降的问题,提出了一种分布式IVI-CFAR(improved VI-CFAR)检测算法。在VI-CFAR的基础上,引入双参考窗和双参量,通过各子参考窗参量与对应门限的比较,判断子参考窗中参考单元的分布情况,从而选择相应的参考单元集和检测器估计背景噪声功率。经过仿真对比,在单杂波和多目标干扰环境下,分布式IVI-CFAR算法检测性能接近于分布式VI-CFAR和OS-CFAR算法;在多杂波干扰环境下,分布式IVI-CFAR算法检测性能优于分布式VI-CFAR和OS-CFAR算法,采用"OR"融合规则时,检测性能最优。结果表明,提出的分布式IVI-CFAR算法在非均匀噪声环境下,均具有较优的检测性能。

基于交替迭代的均匀噪声消除算法

均匀噪声消除在数学上可以表示为一个带有无穷范数L∞约束的最小化问题,但无穷范数的不可微性会造成数值处理困难。为此,利用交替迭代算法求解该问题。引入一个凸示范性函数,根据变量分离的原则将原问题转化为2个具有解析解的最小化子问题。在此基础上,分别对不同的子问题进行求解,从而得到交替迭代公式。实验结果表明,对于一维逆热传导问题和二维逆源问题,交替迭代算法在精度和时间方面都有较好的性能提升效果。