基于稳健联合分块对角化的卷积盲分离

针对卷积盲分离问题,提出一种新的矩阵联合分块对角化(Joint block diagonalization,JBD)算法.现有的迭代非正交联合分块对角化算法都存在不收敛的情况,本文利用分离矩阵的特殊结构确保其可逆性,使得算法的迭代过程稳定.在已知矩阵分块结构的条件下,首先,将卷积盲分离模型写成瞬时形式,并说明其满足联合分块对角化结构;然后,提出联合分块对角化的代价函数,依据代价函数的最小化等价于矩阵中每个分块的范数最小化,将整个分离矩阵的迭代更新转化成每个分块的迭代更新;最后,利用最小化条件得到迭代算法.实数和复数两种情况下的算法都进行了推导.基本实验验证了新算法在不同条件下的性能;仿真实验中对在时域和频域都重叠的信号的卷积混合进行盲分离,实验结果验证了新算法具有更好的分离性能和更稳定的分离能力.

基于矩阵联合分块对角化的通信信号监测

在非协作通信和军事通信对抗中,接收机需要对接收到的多个通信信号进行分离,以提取出有用的信号,这可以归为通信信号卷积盲分离问题。首先构建信号模型,并将问题转化为多个矩阵的联合分块对角化。然后提出一种新的非正交矩阵联合分块对角化算法,使用最速下降法得到迭代算法,并分析了算法的可能优化策略和计算复杂度。最后仿真实验验证了新算法的有效性和可靠性,在无须计算最优步长等条件下能够获得比现有算法更快的收敛速度。

基于循环相关联合对角化的雷达信号到达角估计方法研究

雷达信号到达角的估计是现代电子侦察的关键部分.为提高战场环境下雷达信号到达角估计的准确程度,提出一种基于循环相关联合对角化的估计方法.该方法主要通过对截获的混合信号的循环相关矩阵联合分块对角化,利用联合对角化的结果优化信号空间谱,遍历搜索空间谱最大值所对应的角度信息,获得雷达信号的到达角.该方法在不依赖信号源稀疏性的情况下,解决了欠定条件下的雷达信号到达角估计问题,仿真实验验证了该方法的可行性和优越性.

基于特征函数和矩阵代数的卷积直扩信号分离

针对多个直接序列扩频信号在多径信道传输后的卷积盲分离问题,提出了一个基于特征函数和矩阵代数的卷积盲分离方法。首先利用多传感器的条件,构建生成信号模型,且证明此模型符合独立子空间分析的基本条件;接着通过引入独立子空间分析的定义,证明直扩信号源的特征函数的Hessian矩阵满足块对角化性质;然后利用矩阵代数中矩阵分解的方法,将多个矩阵的联合块对角化问题转化为求取某个矩阵代数的可交换代数的一般性矩阵问题。当这个一般性矩阵被对角化时,卷积盲分离问题求解简化为求取一组齐次线性方程组的一个随机解。理论分析还表明,当噪声信号为高斯白噪声且具有相同的能量时,算法对于噪声具有非常强的鲁棒性。最后通过计算机仿真和与现有算法的比较,验证了新算法的有效性和可靠性,且具有更好的分离性能和相对更少的约束条件。新算法的不足之处是所需传感器数目较多,但在大规模传感器条件下能满足要求。