基于分布式任意阵列的宽带信源定位方法研究

为提高宽带信源的定位精度,在已知信源个数情况下,提出一种新的基于任意阵列的宽带信源定位方法。首先,针对宽带信号的非平稳特性,可将宽带信号利用短时傅里叶变换在频域表示,利用群延迟函数(Group Delay)实现宽带信号的高精度波达方向(DOA)估计;最后根据质心收缩算法和互功率谱相位法以收缩区域的方式进行信源定位。对提出的算法进行了仿真分析,仿真结果表明本文算法DOA估计精度较高,且误差较小,信源定位精度较高。相对于现有的定位方法,本文算法计算量小,精度更高,更具实用性。

脉冲噪声下相干宽带信源的求根ISM算法

非相干信号子空间方法(Incoherent Signal Subspace Method,ISM)无法处理相干宽带信源且运算量较大,在脉冲噪声下,由于二阶相关矩阵无法收敛,基于ISM算法的波达方向(Direction of Arrival,DOA)估计也将失去韧性,为此对ISM算法进行了改进。首先将等间距线阵输出矩阵在频域进行分解,根据各频率分量对应的归一化功率设置门限值,对大于门限的频率分量构建分数低阶相关矩阵(Fractional Low Order Covariance,FLOC),并进行修正以解相干。再对修正后的各低阶矩进行特征值分解并提取噪声特征矩阵,列多项式求根。最后取算术平均,可得相干宽带信源的DOA估计。通过计算机仿真,改进的ISM算法在脉冲噪声下可处理相干宽带信源的DOA估计,且稳健性较好。

基于正交投影的宽带相干信源空间谱测向算法

提出了一种新的相干信号子空间宽带信源空间谱测向算法,该方法通过角度扫描和数据协方差矩阵的正交投影处理,避免了到达角度的预估计和信源个数估计,从而提高空间谱测向的性能,论述了该算法的原理及其实现过程,并和现有算法进行了对比分析.仿真结果表明,在信噪比较低的情况下本算法有更好的角度分辨率和更低的均方根误差.

用于宽带非平稳信源分离的一种盲波束算法

提出了一种用于分离宽带非平稳信源的盲波束算法。该算法以阵列旋转不变性为基础,利用宽带信源的非平稳特性,将传统的窄带盲波束算法扩展到频域执行;针对在扩展过程中可能出现的通道互换,利用相邻频点序列的互相关系数,对各频点的分离序列进行通道重排,以确保分离出的宽带信源在频域的一致性。该算法还消除了传统盲分离算法中普遍存在的幅度模糊问题,使得分离出的信号没有幅度失真。计算机仿真验证了算法的正确性和有效性。

一种宽带相干信源的无网格超分辨DOA估计方法

由于无网格(grid-less)稀疏重构方法的波达方向(direction of arrival,DOA)估计数学模型为单快拍形式,因此该方法只有在噪声电平趋近于零时才具有优越的性能.为了提高grid-less方法在信噪比(signal-to-noise ratio,SNR)较低时宽带相干信源的估计性能,提出了一种多快拍grid-less DOA估计方法.首先,对多快拍阵列观测矢量实施奇异值分解(singular value decomposition,SVD)获得观测矩阵的时域信号子空间,通过观测矩阵到时域信号子空间的投影实现观测矩阵的降噪;然后,为了不增加多快拍计算复杂度,将降噪后观测矩阵的列向量加权累加处理得到单快拍形式;最后,从理论上证明了本文提出的GL-SVD方法求解的模型是凸的,能够实现宽带信号DOA的精确重构.仿真结果表明,该方法在低SNR以及宽带相干信源情况下的估计精度都高于L 1范数最小化奇异值分解(L 1-norm minimum singular value decomposition,L 1-SVD)和离格稀疏贝叶斯推断奇异值分解(off-grid sparse Bayesian inference singular value decomposition,OGSBI-SVD),且在较小角度间隔的情况下具有更高的估计概率和分辨率.

基于双阵元的宽带相干信源数估计

不同噪声条件下,宽带相干信源数估计是阵列信号处理中的难点问题.本文针对宽带信号的特点,利用虚拟阵列扩展技术,将宽带信号的不同频率成分虚拟为不同间距的虚拟阵元,通过空间平滑削弱信号之间的相干性.但由于噪声的功率谱非严格平坦,虚拟阵列协方差矩阵的噪声特征值发散程度严重,经典的信息论方法完全失效.基于对角加载技术,提出了一种新的加载量,有效地平滑了噪声特征值,减弱了其发散程度,并在此基础上利用比率准则改进了信息论方法,实现了两阵元对多个信源的数目估计.仿真实验表明,改进后的方法在白噪声和色噪声条件下均具有较好的性能,优于盖氏圆方法.

基于模式空间处理的宽带测向算法

基于模式空间处理方法提出了一种不需要角度预估计的宽带空间谱估计算法,将总体最小二乘相干信号子空间算法(TLS-CSM)中的聚焦矩阵的构造方法和频率加权聚焦方法引入模式空间宽带空间谱估计算法中,结合了模式空间算法不需要角度预估计的优点和酉聚焦的无聚焦信噪比损失的特性,大大减小了聚焦过程中的信噪比损失,从而进一步提高了算法的性能。

空间平滑和盖氏半径变换的宽带相干信源数估计

采用空间平滑处理和不同信源数估计准则进行宽带相干信源数估计。该方法针对宽带相干信号,不需要聚焦处理,直接对宽带信号阵列采样输出分段并进行快速傅立叶变换(fast Fourier transform,FFT),得到不同频点处的窄带采样协方差矩阵,然后采用空间平滑处理技术进行解相干处理,接着利用信源估计准则进行信源数估计,对每个频点处的结果进行加权处理得到宽带信源数目。仿真结果表明,通过对信息论准则、基于盖氏半径的似然准则、盖氏圆估计准则的性能的对比,进而得到了一种在色噪声下估计宽带相干信源数的方法。