未知相关噪声环境下宽带源波达方向估计的快速算法

提出一种未知相关噪声环境下带源波达方向估计的快速算法。该算法只对信号子空间进行变换,直接由传播算子构造聚焦矩阵,得到一种快速TCT聚焦矩阵。利用阵列相关矩阵的酉相似变换特性估计噪声相关矩阵,提高了未知相关噪声情况下宽带DOA估计的性能。该算法由线性运算求解聚焦矩阵和噪声相关矩阵,无需特征分解,运算量低,而且适用于未知相关噪声情况,具有重要的工程实用价值。     

基于平稳小波变换及奇异值分解的湖底回波分类

提出一种水下目标回波的特征提取方法。该方法根据平稳小波变换的冗余性和奇异值的稳健性,将湖底回波信号的平稳小波变换系数矩阵的奇异值作为特征向量。它本质上是利用平稳小波变换将信号分解到多个子空间,再采用K-L变换实现对子信号的特征压缩。实测数据分析表明,本文方法与子带能量特征法相比: (1)在相同的样本集和类内距条件下,得到的类间距大于后者, (2)不论所选测试样本和训练样本是否属于同次湖试所得,分类正确识别率均高于后者, (3)随样本集的变动,其正确识别率抖动程度远小于后者。因此,该方法能得到更加稳健、有效的特征以及更好的分类效果。     

基于Wigner-Ville分布的宽带回波瞬时多普勒估计方法

研究了基于 Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布的宽带回波瞬时多普勒估计方法。利用时频分析特有的时、频特征分离的特点，通过信号Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布的时频相关，进行回波信号瞬时多普勒的估计，并通过理论证明其等价与传统的多普勒估计方法；在此基础上，本文提出了一种基于互 Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布峰值估计的瞬时多普勒估计方法。通过仿真研究，发现基于互 Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布峰值估计的方法具有更低的估计信噪比门限，大大降低了运算量，有利于工程实时应用。     

一种自适应最小范数算法

运用特征子空间方法的关键在于信号子空间或噪声子空间的估计,实际上有些信号的统计特性随时间变化,于是要求得到参数的实时估计值,为此,需要随时根据新的阵列接收数据对信号或噪声子空间进行更新。本文首先分析了一种自适应子空间估计算法,即MALASE(MaximumLikelihoodAdaptiveSubspaceEstimation)算法。然后,把MALASE算法与传统的最小范数(Mini-Norm)高分辨算法相结合,并应用零点跟踪技术,提出了一种自适应Mini-Norm高分辨算法,可用于对时变的信号波达方向(DOA)进行跟踪估计。计算机仿真结果验证了该算法的有效性。     

基于传播算子的宽带源相干信号子空间测向方法

将窄带传播算子方法引入宽带源测向的相干信号子空间处理中。首先提出一种新的聚焦矩阵的计算方法;该方法不需要进行角度预估,也不需要任何矩阵分解,对信号方向不敏感,运算量小。在此基础上,根据相干信号子空间处理方法的原理,对聚焦的空间协方差矩阵作传播算子方法的处理。整个过程避免了矩阵分解,因而运算量降低,仿真结果证明了该方法的有效性。     

几种自适应IIR陷波器的复数算法及其应用

在自适应IIR陷波器实数算法的基础上,本文提出了三种基于梯度的自适应IIR陷波器的复数算法,并进行了仿真比较。结果表明,这三种复数算法均可检测复信号,并估计信号频率,其中"改进的"简化格型IIR陷波器复数算法收敛速度快、低信噪比下稳定性能好。湖上试验表明该算法不仅实时性好,而且在低信噪比下的检测效果令人满意。     

宽带波达方向估计的克拉美-罗界研究

推导了多源情况下宽带波达分析(DOA)估计的克拉美一罗界(CRB),给出了任意阵列情况下Fisher信息矩阵元素的直接计算公式。将CRB的表达式分成与信号和阵列相关的两部分,深入揭示了CRB的特点和影响DOA估计性能的因素。与信号相关的部分表明DOA估计性能除了与信噪比有关外,还与信号带宽和谱密度有关,当信号在高频部分分布更多的能量时可以获得更佳的估计性能。与阵列相关的部分表明DOA估计结果受阵列几何配置和信号入射方位的影响,不同的阵列会对DOA估计结果产生极大的影响。 CRB的这些特性提供了宽带阵列处理中信号选择和阵列结构设计的一些基本原则。计算机仿真结果验证了理论分析的正确性。     

宽带波束域高分辨方位估计中波束形成矩阵的选择

波束形成矩阵的计算是波束域高分辨方位估计的关键技术。本文针对宽带源方位估计问题，基于恒定束宽波束形成的概念，将窄带波束域高分辨的有关结论引入宽带中，并从数学上证明了波束数目越少，分辨门限越低，仿真实验验证了文中的结论，表明宽带波束域处理有很好的估计和分辨性能。     

高斯噪声中的参数盲估计

一般的盲信号处理方法常忽略噪声的影响,而实际问题中噪声的影响是存在的。本文主要讨论了在协方差矩阵未知的加性高斯噪声中混合系数的盲估计问题。以最大似然估计为基础,本文提出一种求解参数的最优化算法,并给出了混合矩阵和协方差矩阵的计算式。采用高斯混合模型(GMM)来逼近源信号的概率密度函数,简化了算法中的积分,导出了一种实用的期望最大算法(EM)算法迭代式。计算机仿真结果表明,算法不仅能稳定收敛,而且在低信噪比下的性能也很好。     

基于时频阵列模型的波达方向估计

提出一种非平稳信号的波达方向估计方法。该方法将时频分析引入阵列处理,通过参考阵元和两个对称子阵的互时频分布建立起一种时频域的阵列数据模型,用平均的时频阵列数据模型代替传统的阵列模型,采用子空间方法得到多个非平稳信号的波达方向估计。空间平均和时频分析的结合使得该方法具有很好的信号选择性和抗干扰噪声的性能,该方法还具有运算量小和处理非平稳信号的能力。