基于盲信号分离的高分辨测向算法研究

文章首先介绍了一种基于快速定点的盲分离算法，该算法可以对来自不同方向上的统计独立信号进行有效的分离，并且不需要预先知道信号的方向和阵列的结构流形，因此该算法被称为盲分离算法。该算法不仅有传统的波束形成的优点，即在有用信号方向形成主波束，并且还能够在干扰方向形成很好的零点，所以该算法是波束形成技术和零点形成技术的结合，可大大提高信干比。在盲分离的基础上，文章提出了一种高分辨。测向算法，该算法在高信噪比的情况下，具有与MUSIC、ESPRIT和最大似然算法相似的分辨率，而在低信噪比的情况下，体现了该算法的优越性，具有很好的分辨率。     

智能天线中的干扰抑制算法研究

介绍了2种用于智能天线中的抑制干扰波束形成算法,与传统的Capon波束形成算法相比,该算法不仅能够在干扰信号方向形成零点,并且还可以在指定方向形成零点,可以更好地提高接收信号的信干比。从稳健性而言,该2种算法要高于传统的Capon波束形成算法。     

强干扰下的盲波束形成算法

针对恒模波束形成算法在干扰信号功率较强的情况下不能收敛到期望信号的问题,提出了一种基于独立分量分析的盲波束形成算法。该算法应用独立分量分析的方法来分离阵列接收信号,通过期望信号来向约束分离向量使其收敛到期望信号,算法在强干扰信号情况下能够收敛到期望信号、对非恒模信号有效并且运算量适中。理论分析和仿真实验表明提出的算法在强干扰和幅相误差存在的情况下相比恒模算法性能优越。     

基于峰度自然对数最大化的信号盲分拣算法和盲波束形成

该文基于峰度自然对数最大化准则,提出了一种自适应一元信号盲分拣算法,提出的算法可以用于一元信号盲分离和进行盲波束形成,与基于峰度值最大化准则的KMA算法相比,收敛速度快,有较强的稳健性,将非线性函数引入学习速率的调节,算法自动选取学习步长,避免了人工选取学习速率不当而导致算法发散。同时,提出了两种复数抽气算法,配合一元信号盲分拣算法可以依次分离多个信号源,仿真试验验证了算法的有效性。用提出的算法在四元线阵上盲分离两个水声信号,结果发现,一元信号盲分离实现的盲波束形成波束图与最优波束接近。     

干扰抑制技术在通信侦察中的应用

介绍了两种用于智能天线的抑制干扰波束形成算法,与传统的Capon波束形成算法相比,介绍的算法不仅能够在干扰信号方向形成零点,并且还可以在指定方向形成零点,从而更好地提高接收信号的信干比。从稳健性而言,介绍的两种算法要高于传统的Capon波束形成算法。     

一种具有快速收敛特性的盲自适应波束形成算法

本文提出了一种基于信号的周期平稳特性的具有快速收敛特性的盲波束形成新方法。该盲算法应用了ＲＬＳ技术,仿真实验证明该算法的收敛速度快于Ｃａｓｔｅｄｏ 等人提出的随机梯度算法     

一种具有快速收敛特性的盲目适应波束形成算法

本文提出一种基于信号的周期平稳特性的具有快速收敛特性的盲波束形成新方法,该盲算法应用于ＲＬＳ技术,仿真实验证明该算法的收敛速度快于Ｃａｓｔｅｄｏ等人提出的随机梯度算法。     

宽带恒定束宽盲波束形成算法

针对传统盲源分离算法对宽带阵列信号适用性较差的问题,提出一种基于时频分析的宽带恒定束宽盲波束形成算法。该算法首先将接收信号变换到时频域上并提取出单源点。然后,对单源点聚类并求解信号在不同频点上的导向矢量。最后,通过提出一种信号来向未知的空间响应变化约束方法,实现宽带恒定束宽盲波束形成。该算法避免了将宽带盲波束形成转换为卷积混合的盲源分离,因而不存在时域盲源分离算法中系统参数随滤波器阶数急剧增加的问题,也不存在频域算法中排序和幅度模糊的问题。仿真结果表明,算法能够较好地实现宽带信号的盲分离,且输出信干噪比高于时域、频域以及时频域盲源分离算法,实测数据的处理结果验证了该算法的实用性。      

一种基于正交加权约束的GPS抗干扰盲算法

针对GPS信号C/A码的周期重复特性,联合CAB算法和子空间技术提出了一种盲自适应波束形成方法。该算法通过将CAB算法的权矢量和控制矢量约束到干扰导向矢量的正交补空间内,使之在期望信号方向上产生高的增益,并在干扰方向上形成零陷。该方法具有盲处理、收敛速度快和低计算复杂度等优点。仿真结果证明了算法的有效性。     

一种分离小阵元数阵列信号的新方法

 小阵元数阵列在利用波束形成技术完成信号分离的任务时,受到阵元数、多径等条件的限制,性能会大幅度下降甚至失效.利用自适应对消和波束形成相结合的处理方法,通过置零点波束形成再级联自适应对消,在信号方向已知的条件下,可以大幅度提高阵列信号处理的性能,有效的进行信号分离.仿真实验证明了该方法的有效性.     

SMI-LSCMA盲自适应多波束形成算法研究

提出一种基于协方差矩阵求逆(SMI)和最小二乘恒模(LSCMA)的恒模阵列盲多波束形成算法。该算法由SMI算法决定LSCMA算法的初始权向量,充分利用SMI结合LSCMA算法的所有优点,在干扰信号较强时,确保权向量收敛至弱期望信号。并且有稳定的SINR输出,具有良好的信号分离提取性能。仿真结果证明了SMI-LSCMA算法具有较强的稳健型和较快的收敛速度。     

盲分离算法在听音波束净化中的性能分析

波束形成作为一种空域滤波技术,可以对听音信号进行净化,但效果不理想,盲分离技术的出现,给听音波束的净化带来新的方法,但由于受到水声环境的限制,盲分离算法在水声信号处理方面的应用还受到许多约束.对几种常用盲分离算法进行分析,并仿真检验其在听音波束净化方面的性能.     

基于数字波束合成的空间信号分离研究

自适应波束形成可以实现空间信号分离。在基于子阵平滑技术的同频信号测向的前提之下,给出了在主瓣和零点约束及阵列静态噪声功率输出最小条件下的波束形成方法,并给出了求解加权矢量的算法。仿真结果表明：本文提出的空间信号分离的方法是有效的。     

一种基于恒模算法的多用户盲波束形成新方法

提出了一种适用于多用户的盲波束形成新方法.该方法基于最小二乘恒模算法,当最小二乘恒模算法收敛于某一信号后,我们导出了算法的权向量与其它用户波达方向的关系,进而在不同用户的波达方向上形成初始增益,从而实现对所有用户的波束形成.文中给出了算法的并行和串行实现方案.     

基于波束形成的长短时记忆网络语音分离算法研究

在利用深度学习方式进行语音分离的领域,常用卷积神经网络(RNN)循环神经网络进行语音分离,但是该网络模型在分离过程中存在梯度下降问题,分离结果不理想。针对该问题,该文利用长短时记忆网络(LSTM)进行信号分离探索,弥补了RNN网络的不足。多路人声信号分离较为复杂,现阶段所使用的分离方式多是基于频谱映射方式,没有有效利用语音信号空间信息。针对此问题,该文结合波束形成算法和LSTM网络提出了一种波束形成LSTM算法,在TIMIT语音库中随机选取3个说话人的声音文件,利用超指向波束形成算法得到3个不同方向上的波束,提取每一波束中频谱幅度特征,并构建神经网络预测掩蔽值,得到待分离语音信号频谱并重构时域信号,进而实现语音分离。该算法充分利用了语音信号空间特征和信号频域特征。通过实验验证了不同方向语音分离效果,在60°方向该算法与IBM-LSTM网络相比,客观语音质量评估(PESQ)提高了0.59,短时客观可懂(STOI)指标提高了0.06,信噪比(SNR)提高了1.13 dB,另外两个方向上,实验结果同样证明了该算法较IBM-LSTM算法和RNN算法具有更好的分离性能。     

遗忘因子法改善盲自适应波束形成性能

绝大多数通信信号都具有循环平稳特性,利用信号的循环平稳特性可以进行真正的盲自适应波束形成,CAB类算法就是其中的一种,它的运算量较小,但鲁棒性不够强。文献中提到一种基于特征空间的盲波束形成算法,该算法将估计的导向矢量约束在信号子空间,提高了算法的收敛速度和鲁棒性。但当循环频率存在误差时,上述算法的性能将急剧下降。本文提出一种改进算法,在估计循环相关矩阵时引入遗忘因子可以大大降低算法对循环频率误差的敏感性,计算机仿真验证了理论分析的正确性。     

基于空时频输出矩阵的盲波束形成算法

针对现有的卷积盲源分离方法（如时频分析方法）在宽带信号的分析中计算量较大的问题,提出一种在分数阶傅里叶域滤波基础上的盲波束形成算法。算法首先对接收到的信号作分数阶傅里叶域的峰值滤波,然后计算空时频输出矩阵,最后提出一种信号来向未知的空间盲波束形成算法。该算法充分利用线性调频信号在分数阶傅里叶域能量聚集的特性提高输出信噪比,并减少了运算量。仿真结果表明,算法能够实现宽带信号的盲源分离,且输出性能较之时频方法有一定提高。     

多径信道中基于盲波束成形的CDMA多用户检测和伪码估计

在分析阵列天线接收的多径CDMA信号的基础上,发掘阵列信号子空间与扩频用户伪码序列的关系,对传统的子空间波束成形器结构做了改进,提出一种新的基于盲波束成形的伪随机码序列盲估计算法。算法采用复独立分量分析法迭代,得到盲波束成形器系数,能在波达方向未知的情况下,估计各个用户的扩频序列。本文同时提出一种基于盲波束形成的异步多径CDMA信号多用户检测算法,可以在未知各个用户扩频码和波达方向的先验知识条件下,完成多径异步CDMA信号的多用户检测。算法由于同时利用了扩频增益和阵列天线分集增益,相比于单天线多用户检测算法性能有所提高。理论分析和仿真结果验证了算法的可行性。      

基于优化恒模算法的盲波束成形

提出一种基于优化恒模算法的盲波束成形,主要针对统计梯度恒模算法的收敛速度及收敛性能进行分析。采用最优步长策略,给出一般搜索方向下步长的最优值;通过对接收信号的空间分析,对权向量作信号子空间投影优化取值;采用准牛顿法的搜索方向,确保近似海色(Hession)矩阵的正定性。仿真结果表明,优化恒模算法的盲波束成形复杂度较低,收敛准确,收敛速度快和稳定性高。     

基于SMI－CMA联合自适应算法的性能分析

恒模算法(CMA)被广泛地应用到盲自适应波束形成中，除了传输信号波形具有恒定的包络外．CMA不需要先验知识。基于SMI—CMA算法的恒模(CM)阵列级联的结构，由SMI算法决定CMA的初始权向量．系统可以分离多个同信道信源，在干扰信号较强时，仍有稳定的SINR输出，具有较好的收敛速度。仿真结果也证明了SMI—CMA算法具有较强的稳健型和较快的收敛速度。