结合子空间投影的幅度相位估计波束形成算法

在医学超声成像中,幅度相位估计(APES)波束形成算法能够更稳健地估算期望信号幅度,但其以牺牲较少量分辨率为代价.针对此问题,提出基于幅度相位估计并融合子空间投影技术的自适应波束形成算法.首先通过幅度相位估计算法初步计算加权向量,然后将加权向量向回波信号的期望信号子空间投影,以此来抑制噪声和干扰,改善成像的分辨率和对比度.经仿真分析,所提出的子空间投影与幅度相位相融合的算法在成像的分辨率、对比度和稳健性方面均优于原始的幅度相位估计算法.     

基于蚁群算法的子阵级自适应多波束形成

在大型阵列信号处理中,可以在子阵级进行数字波束扫描形成多波束,降低硬件成本和系统复杂度,其中子阵划分的优劣直接决定信号处理的性能.针对子阵级多波束形成的问题,提出了一种基于蚁群算法的子阵划分最优策略,该策略将蚂蚁的迁移路径作为子阵划分方案,以峰值旁瓣电平为优化目标进行迭代搜索,使得子阵级自适应形成多波束方向图的旁瓣性能...     

一种基于GSC框架波束域快速稳健自适应波束形成算法

GSC框架是自适应波束形成降秩算法的统一模型,一般通过构造降秩矩阵来降低算法的运算量,但是降秩矩阵大多通过特征分解来获得,给算法带来了大量额外的运算量。针对此问题,提出了一种波束域的快速稳健自适应波束形成算法,通过转换矩阵将输入信号从高维度的阵元域转换到低维度的波束域,然后在波束域运用子空间类算法,用信号子空间来构造阻塞矩阵、降秩矩阵和映射矩阵,既降低了计算量,又解决了基于GSC框架的自适应算法在信噪比较高时由于期望信号相消导致性能严重下降的问题。仿真结果证明了提出的算法有很好的波束形成性能,验证了算法的有效性。     

基于罚函数和特征空间的子阵级自适应波束形成

基于线性约束最小方差(LCMV)准则的自适应波束形成算法在实际中得到了广泛的应用,但当其应用到子阵级时,自适应方向图主瓣变形且旁瓣升高,抗干扰性能严重下降.针对这些问题,提出一种基于罚函数和特征空间的子阵级自适应波束形成算法,引入罚函数对自适应方向图进行约束使其逼近期望的静态方向图;同时在干扰子空间约束波束响应为0,对干扰信号进行抑制.该算法在有效抑制干扰的同时,能够使主瓣保形并保持较低的旁瓣,还能获得较好的输出信干噪比.通过阵列方向图及输出信干噪比的计算机仿真验证该算法的有效性.      

一种基于特征子空间扩展的自适应波束保形方法

基于特征空间(ESB)自适应波束形成算法，提出了一种扩展信号子空间的自适应波束保形方法(SESB)，该方法通过扩展信号子空间、舍弃噪声子空间，克服了当干扰信号和期望信号同时存在时，期望信号大范围的变化造成波束畸变这一缺陷，计算机仿真和分析证明该方法运算量小，具有良好的波束保形能力和稳健性。     

基于自适应捕获算法的数字多波束抗干扰系统的应用

 针对宽带多星多波束应用现状和场景,提出了数字多波束抗干扰捕获算法和高稳健性接收机整机设计实现方法。该方法基于卫星接收机,以惯导提供的航向、俯仰角和横滚角为条件,确定单约束的导向矢量,推导出空时自适应处理结构的数字多波束改进型捕获算法。仿真实验表明,改进后的算法实现了多波束数据的合理应用,能够稳定载波相位,增强空间增益,提高空域分辨率。     

半盲算法在自适应波束形成中的应用

文章介绍了半盲算法在自适应波束形成中的应用,根据半盲算法的原理,先运用基于子空间的正交投影波束形成方法确定初始权值,目的是得到次优权值,再用最小二乘恒模算法(LSC-MA)进行迭代。通过计算机对三种自适应波束形成算法的仿真对比,证明了半盲算法收敛稳定,可抑制干扰,恢复期望信号,从而也证实了该算法的可行性,有效性。     

多输入多输出智能天线中的自适应波束形成算法

基于传统的LMS算法,提出了一种新的MIMO智能天线自适应波束形成算法,即LMS-MIMO算法.与传统的LMS算法相比,LMS-MIMO算法在发射端和接收端同时采用了智能天线技术.仿真结果表明,LMS-MIMO算法性能明显优于LMS算法,并且随着发射和接收天线阵元数目的增加,其系统性能得到了进一步改善.     

稳健的主模式抑制自适应波束形成算法

为了提高算法在各种信号环境下的鲁棒性,该文对主模式抑制算法的权值计算结构进行了详细分析,指出抑制系数对信号能量的保留作用有重要的影响。提出了一种对抑制系数的改进机制,利用改进后的算法计算的权值对信号能量的保留作用增强,提高了算法在高信噪比情况下的增益。实验结果表明:与传统算法相比,改进后的算法在保持了低信噪比稳健性的同时,其在强信号环境下的算法增益提高了若干dB,并且该算法在不同信号环境中,提高了信号失配的鲁棒性。     

稳健的主模式抑制自适应波束形成算法

为了提高算法在各种信号环境下的鲁棒性,该文对主模式抑制算法的权值计算结构进行了详细分析,指出抑制系数对信号能量的保留作用有重要的影响。提出了一种对抑制系数的改进机制,利用改进后的算法计算的权值对信号能量的保留作用增强,提高了算法在高信噪比情况下的增益。实验结果表明:与传统算法相比,改进后的算法在保持了低信噪比稳健性的同时,其在强信号环境下的算法增益提高了若干dB,并且该算法在不同信号环境中,提高了信号失配的鲁棒性。     

基于多DSP的自适应数字多波束形成的并行算法及其实现

在深入研究自适应DBF（数字波束形成）算法的基础上,针对由TigerSHARC201处理器构成的多DSP并行处理系统,提出了一种基于自适应数字多波束形成的并行处理算法。笔者给出了该算法在多DSP并行处理系统上的算法映射,基于此映射方案,比较了SMI、HTP和MTP三种典型DBF算法,并对MTP算法进行了改进。系统试验证明了该并行处理算法具有很好的并行性及实时性,且改进的MTP算法的性能较传统MTP算法有显著提高。     

基于免疫算法的智能抗干扰方法

通过对瓦斯监控系统干扰问题的分析,提出一种基于免疫算法的智能化抗冲击干扰方法。为了提高干扰信号的识别准确性,提取出免疫疫苗,用于识别干扰信号。根据正常信号平稳变化的特性,对检测到的受冲击干扰信号处利用总有界变化模型进行平滑处理,滤除冲击干扰信号。仿真实验结果表明,该方法可以有效滤除干扰冲击信号,提高监控系统报警准确性。     

一种基于子空间分解的语音增强算法

提出了一种基于卡亨南-络维变换方法的语音信号增强处理算法,该算法提供了在语音信号失真和残留噪声之间进行控制的机制,无需对噪声进行任何假定,克服了以往语音增强算法中对语音信号的噪声特点的限制,可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理.     

基于子空间追踪的稀疏信号重构算法

信号重构算法是压缩感知理论中的重要环节,其优劣影响压缩感知的重构效果.基于子空间追踪算法,对经稀疏表示和测量矩阵压缩后的信号进行重构验证,理论分析和实验结果表明,子空间追踪算法能使信号在较高压缩比下保持良好的重构效果.     

基于子空间法的主动脉压力脉搏波重建

有创测量中心主动脉压力波形(central aortic pressure waveform, CAPW)存在一定的风险且花费较大.通常用外周动脉压力波形(peripheral arterial pressure waveform, PAPW)来代替CAPW,而PAPW与CAPW有差异性.虽然盲系统辨识方法能够实时重建与动态辨识中心主动脉压力波形,但该方法在模型定阶上还需改进,因此本文提出了基于Hankel矩阵的秩定阶结合子空间方法用外周动脉压力波形重建中心主动脉压力波形.临床数据验证算法的结果表明,实测的与估计的CAPW的均方根误差约为5.87mmHg,波形匹配度约为74.70%;动物数据进一步验证算法,结果表明实测的与估计的CAPW的均方根误差约为8.82mmHg,波形匹配度为54.57%.实验验证了该方法的有效性.     

一种语音增强算法的研究

采用基于子空间的方法，对语音信号进行增强处理，该算法提供了在语音信号失真和残留噪声之间进行控制的机制。克服了以往语音增强算法中对语音信号的噪声特点的限制，可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理。     

基于多尺度张量类标子空间的人脸识别算法

提出一种基于多尺度张量类标子空间的人脸特征提取算法,提高人脸识别对光照的鲁棒性,同时不破坏原始数据固有的高阶结构和数据之间的相关性。采用多尺度小波变换组建人脸三维张量样本,将三维人脸张量空间投影到低维张量子空间,对高维人脸进行降维和特征提取,应用多线性主成分类标算法对样本进行类标号,同时使用最近邻算法完成人脸识别。利用CAS-PEAL-R1东方人脸库进行评测,实验结果表明,该识别算法比经典的主成分分析、线性判别分析和多尺度Gabor识别算法具有更好的识别效果。     

基于FSYAST子空间算法的盲自适应多用户检测

为解决传统算法因引入特征值估计误差而导致检测性能下降的问题,在分析基于信号子空间跟踪的最小均方误差(MMSE)多用户检测器(MUD)的基础上,提出了一种改进的信号子空间盲线性MMSE多用户检测器,并应用FSYAST子空间跟踪算法进行信号子空间跟踪.仿真结果表明,提出的盲自适应多用户检测器性能接近于奇异值分解(SVD)子空间多用户检测器性能.     

基于阵列天线的改进步长抗干扰算法

在空间电磁对抗环境错综复杂的情形下,所接收的导航信号很容易被干扰,信号极易因被干扰而无法正常接收。针对以上问题,基于阵列天线,对抗干扰算法进行了研究,为简化运算,避免求逆问题,提出迭代逼近的方法对权值进行更新。针对固定步长在权值收敛时的局限性,为了改善算法的动态输入范围,提高收敛速度,提出了一种新的变步长的功率倒置算法。该算法以输入信号的瞬时能量值为基础构造步长的更新模型,有效解决了因步长选取不当产生的矛盾问题。仿真实验表明,相比较于固定步长的抗干扰算法,本文所提的变步长算法可以有效提高权值收敛速度,并对干扰形成更深的零陷,具有较好的干扰抑制能力。     

基于子空间旋转算法的实桥损伤识别

子空间旋转算法就是基于结构模型参数的损伤识别方法之一. 子空间旋转算法基于结构的有限元模型, 利用矩阵变换的方法, 将损伤位置和损伤程度问题区分开来, 实际应用表明, 只需利用一阶频率和振型, 就可以识别桥的主要损伤位置和损伤程度.