基于频域ICA的波达方向估计方法

为降低阵元数目和提高相干多径入射信号的波达方向(DOA)估计精度。提出了一种基于频域独立分量分析与波束零点形成相结合的DOA估计方法。该方法综合利用阵列结构信息和目标信号的统计独立特性,与常规算法相比,降低了算法对阵元数目和精度的依赖,并能实现对相干多径入射信号的DOA估计。计算机仿真结果表明,该算法具有少阵元、收敛快、误差小的特点。     

一种基于FastICA的运动目标检测新方法

独立分量分析是一种新颖的自源分离技术，目前已经在语音识别、图像处理、通信系统和医学信号处理等领域得到了广泛的关注。简单介绍了独立分量分析的基本理论和算法，用快速独立分量分析(FastICA)方法进行运动目标检测的试验，试验结果表明这是一种鲁棒性较强的运动目标检测方法。     

一种改进的FastICA算法及其应用

独立分量分析是基于信号高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已经广泛应用到语音信号处理、图像处理及信息通信等方面。目前应用较多的快速独立分量分析（FastICA）利用了牛顿迭代法原理,具有较快的收敛速度,但对初始值的选择比较敏感。为克服其缺点,改进其优化学习算法,在牛顿迭代方向增加一维搜索,使改进后的算法的收敛性不依赖于初始值的选择。将改进的FastICA算法应用到运动目标检测中,取得稳定性较强的结果。     

改进的快速独立分量分析方法研究

快速独立分量分析算法硬件实现困难,基于Huber M估计函数的独立分量算法硬件实现容易,但是该算法稳健性有待提高。针对这一问题,提出了一种硬件实现容易,而且具有很好稳健性的改进的快速独立分量分析算法。该算法硬件实现容易,且具有很好稳健性的Tukey双权函数作为原算法代价函数中的非线性函数,通过牛顿迭代方法对代价函数进行优化,得到改进的快速独立分量分析算法。仿真实验证明,该算法是有效的,且稳健性较好。     

ICA算法在fMRI中的应用

独立分量分析（ICA）是信号处理领域新近发展起来的一种很有应用前景的方法,而脑功能磁共振（fMRI）信号的有效分离与识别是一个正在研究和实验之中的技术领域。近年来,ICA已被成功地应用于fMRI数据的处理,成为分析IMRI数据的一种很有效的方法。本文介绍了ICA在分析fMRI数据方面的应用,以及多种ICA算法在fMRI信号盲源分离中 的应用,分析了三种算法的问题,给出了本人对此研究的展望。     

基于EEMD和ICA的单通道列车信号盲分离

针对列车混合故障的诊断,提出了一种基于集合平均经验分解（EEMD）和独立分量分析（ICA）的盲分离诊断方法。通过EEMD算法将混合信号分解为包含不同源信号特征的本征模态函数（IMF）,组成新的多维信号;用主成分分析准确估计源信号个数,解决了单通道信号盲分离的欠定问题;利用快速独立分量分析（Fast-ICA）算法实现了信号的盲分离。实验信号分别采用仿真信号和列车实验信号进行实验,实验结果表明,该算法可以有效地分离出列车的单故障信号。     

基于主分量分析的宽带DOA估计自聚焦算法

提出了一种基于主分量分析(PCA)的CSM类宽带DOA估计自聚焦算法,利用子空间投影变换将信号分离后应用PCA算法快速估计信号DOA,通过不断更新聚焦方向实现自聚焦.与已有算法相比,该算法不受DOA初始值的影响,有更好的聚焦精度.聚焦矩阵更新过程中无需再做奇异值分解,用PCA迭代算法替代特征分解过程,计算量小.仿真实验结果表明,该算法以较小的计算代价实现了较好的估计精度.     

基于NBICA的盲反卷积方法

在线性系统假设下,根据地震记录估计地震子波和反射系数序列是一个典型的盲反卷积过程。针对带状独立分量分析反卷积方法对噪声敏感的缺点,提出一种的基于高斯矩的噪声带状独立分量分析反卷积方法,并利用邻近道间的相关信息实施子波提取。实验结果表明,对于带噪地震数据的盲反卷积,该算法性能更优。     

小波消噪和ICA在语音信号分离中的应用

为了消除语音信号分离中仍存在的部分混叠声音,提出一种基于小波消噪和独立分量分析（ICA）结合的信号分离方法。该方法将小波变换和独立分量分析结合,利用小波变换的去噪作用,滤除原始语音信号中的噪声后作为ICA的输入信号,采用FastICA算法在小波域进行独立分量分析,对输入信号实施分离。实验结果表明,该方法大大调高了传统独立分量分析对语音信号的分离效果。     

改进的FastICA算法在图像盲分离中的应用

在系统研究独立分量分析基本原理、快速算法的基础上,提出了一种改进的独立分量分析快速算法。引入了一种综合考虑峰度和偏度的新的简单目标函数,并对独立分量分析的快速算法流程提出了改进。改进的算法在图像盲分离中得到了应用。实验结果表明,该算法显著提高了独立分量分离效果。     

基于离散多项式变换的宽带线性调频信号波达方向估计

为了解决宽带信号处理的问题,研究了一种宽带线性调频(LFM)信号的波达方向(DOA)估计方法。该方法采用离散多项式变换(DPT)将宽带的LFM信号变换成窄带的,经过变换后,即变换为单个正弦信号和新的噪声。这样可将时变的方向向量转化为时不变的方向向量,再采用常规的窄带信号处理方法--多信号分类(MUSIC)算法,对信号的波达方向进行估计。理论分析和仿真结果表明,该方法能够精确地估计信号的波达方向;不仅计算量小,易于实现,而且估计性能好。     

一种强干扰环境下的离格稀疏贝叶斯DOA估计方法

强干扰的环境下,基于传感器阵列的波达方向(Direction of arrival,DOA)估计是阵列信号处理中的重要问题。虽然对于网格点目标现有方法的DOA估计精度较高,但对于离格点目标现有方法的DOA估计性能会严重下降。本文提出一种离格情况下的DOA估计方法,首先设计一种鲁棒的正交零陷矩阵滤波法(Robust orthogonal matrix filter with nulling,ROMFN),它结合了正交零陷滤波法(Orthogonal matrix filter with nulling,OMFN)和最差性能下的鲁棒自适应波束形成,在对离格点目标达到滤波效果的同时只需设计较少的网格点。此外,新的矩阵滤波法保留了高斯白噪声的特性,避免了噪声白化的预处理过程。其次基于离格点稀疏贝叶斯推断(Off-grid sparse Bayesian inference,OGSBI)和ROMFN,形成一种强干扰下DOA估计的新方法。与现有方法相比,仿真结果表明该方法可以在不同的网格间距、不同的信噪比和干噪比下获得更高的估计精度。     

基于稀疏表示的OFDM信号的DOA估计

针对正交频分复用（OFDM）, 宽带信号波达方向(DOA)估计问题, 提出一种基于宽带信号协方差矩阵稀疏表示的DOA估计方法。该方法是在协方差矩阵主对角线下对左下角三角形元素按各条对角线取平均值后形成一个新的向量, 然后将该向量写成冗余字典形式。在冗余字典下对信号进行稀疏性约束形成二阶锥约束优化问题, 再用工具箱SeDuMi来实现DOA估计。理论分析和仿真结果表明, 该方法在低信噪比和少快拍数下分辨率很高, 是一种有效的宽带信号DOA估计算法, 此方法优于基于高阶累积量算法和宽带聚焦算法的DOA估计方法。     

雷达阵列中前后向平滑协方差矩阵估计应用

在雷达阵列中的DOA估计中,在保证性能前提下实现算法简化,一直是人们追求的目标。前后向平滑是阵列信号处理中协方差估计的一种算法,而当该算法应用于波束空间的阵列信号处理时,可以用实数运算代替复数运算,从而减少运算量。分别介绍了奇数和偶数维条件下,算法的实现方法,并分析了相应的运算量同各个参数的关系。同传统前向平滑比较表明,该算法可以减少50％左右的运算量。     

DOA estimation based on fourth order cumulant beamforming for nonuniform linear array of DIFAR sonobuoys

The Directional Frequency Analysis and Recording (DIFAR) sonobuoy has been widely used in underwater target localization because it can capture more information than the Low Frequency Analysis and Recording (LOFAR) omnidirectional sonobuoy. Recently, array processing for fields of DIFAR sonobuoys has attracted considerable attention in order to enhance the direction of arrival (DOA) estimation performance and accuracy. DIFAR sonobuoys may become irregularly spaced due to the deployment method and the drift experienced once deployed, resulting in a nonuniform array. In this paper, we demonstrate the fourth-order cumulant beamforming (FOC-BF) technique to estimate the DOA for a nonuniform linear array of DIFAR sonobuoys. FOC-BF was compared with the conventional beamforming (CBF) through simulation works. The results show that FOC-BF provides better spatial spectrum with lower sidelobes than CBF. Furthermore, FOC-BF provides superior DOA estimation accuracy over CBF at very low signal to noise ratios (SNR).     

宽带信号DOA估计自回归迭代算法

基于最小均方误差(MMSE)准则提出一种宽带信号波达方向(DOA)估计算法。将宽带信号通过窄带滤波器组转化为窄带信号,采用自回归迭代方法恢复窄带信号的稀疏表示,根据稀疏表示得到信号源个数和DOA估计。该算法不仅有超分辨率能力,而且不必预先知道信号源个数。此外,本算法能对相干信号源进行DOA估计而不需要解相关预处理。仿真结果验证了该算法的有效性。     

Shortwave spatial spectrum direction finding and positioning system based on software communication architecture

With the rapid advances in digital signal processing technology, spatial spectrum estimation theory and technology has been widely used in various fields and has become a new favorite in radio direction finding and passive positioning fields. This paper constructs a new shortwave spatial spectrum direction finding and positioning system, which establishes a standard interoperable platform based on software communication architecture (SCA). Meanwhile, a new shortwave co-location method is put forward, which realizes the flexible networking of the new shortwave spatial spectral direction finding system through the optical fiber or Ethernet. Besides, cyclic direction of arrival (DOA) estimation and weighted average method are applied to improve the positioning accuracy under complex environments. Simulation results show that this method has good positioning performance and stability.     

一种相干信号DOA估计的新方法研究

针对自适应阵列信号处理中的关键问题之一波达方向(DOA)估计,首先介绍了阵列信号处理中DOA估计的一般处理方法,如先对信号进行解相干处理后用经典MUSIC算法进行估计,然后给出了一种用于相干信号DOA估计的基于扩展卡尔曼滤波理论的新方法,并通过详细理论分析与一般的相干信号DOA估计的处理方法比较表明,不依赖于输入信号的协方差矩阵的特征值属性,能够利用较少的阵元对相干信号DOA和功率同时进行准确估计,仿真效果良好,证明有实用性,对自适应阵列信号处理中对相干信号干扰的研究有一定意义.     

基于声矢量阵小样本数据的DOA估计研究

根据水下目标在其到达方位(DOA)搜索空间的稀疏性,采用稀疏分解理论实现了小样本、低信噪比条件下的声矢量阵DOA估计。通过分析,构造出基于声矢量阵阵列流型形式的过完备原子库,并采用正交匹配追踪算法得到目标的DOA估计。通过仿真,基于稀疏分解的声矢量阵DOA估计算法对单快拍数据进行处理,即可得到比较准确的DOA估计结果。对湖试数据进行了处理,验证了算法的有效性和优越性。