基于循环维纳滤波器的声学成像优化方法

针对混响环境中背景噪声干扰导致循环平稳源重建精度不高的问题,基于循环维纳滤波器,结合贝叶斯近场声全息技术,提出了一种声学成像优化方法。通过麦克风阵列在声源的近场测量由声源辐射信号的声压,利用循环维纳滤波器对测量值进行去噪,从而实现对循环平稳信号的盲提取,再应用贝叶斯近场声全息技术在空间上重建循环平稳源。首先,通过仿真分析,系统地评估了盲信号提取算法的有效性。然后,通过开展声源重建实验,进一步验证了该声学成像优化方法的可行性。

远近场混合循环平稳信源定位方法

提出一种基于对称均匀线阵与二阶循环统计量相结合的远近场混合源定位新方法。该方法首先将均匀线阵划分为两个对称子阵,获得仅包含方位角信息的旋转矩阵,以此为基础,构造谱峰搜索函数,实现远场源和近场源角度的同时估计,将获得的方位角信息代入二维MUSIC谱函数,实现近场源距离估计。所提算法计算复杂度低,估计精度较高,且无需参数配对及二维搜索。均方根误差的仿真结果验证了该算法的有效性。

基于循环平稳度准则的多路雷达信号识别算法

在日益复杂的电磁环境中分选识别出雷达信号,是电子对抗发挥功用的先决因素。关于雷达信号调制样式与信号参数的先验信息有限,难以为信号分选提供充足的情报支撑,且信号交叠严重制约着信号分选的效能。将上述需求转换为盲源分离问题,通过Givens变换构造高阶分离矩阵,将适用于两路信号的基于3阶循环量的循环平稳度(DCS)盲源分离算法拓展到适用于具有不同循环平稳频率的多路信号。通过理论推导证明了该方法的可行性,并推导出构造Givens矩阵参数确定的方法。利用循环平稳理论提取雷达信号在循环平稳域的特征,结合DCS分离准则进行仿真验证。仿真结果表明,该算法能够实现对多路雷达信号的有效分选。