信源数估计

摘要： 针对信号来波方向突变、源信号个数及信号样式发生变化,对辐射源个数估计及盲源分离(blind source separation,BSS)结果的影响进行分析。源信号个数的估计采用基于信息论准则的估计方法,采用自适应盲分离算法进行信号盲分离。实验结果表明:混合矩阵发生突变时,使用接收数据进行信源数估计,无法正确估计信源数;当混合矩阵未发生突变,而信号样式发生突变时,源数估计算法能准确估计来波方向数;若混合矩阵不变,在某一来波方向信号样式的改变,对信号的盲分离不会产生不利影响,可将该来波方向不同的信号样式分开;若混合矩阵不变,阵列接收信号中信号个数的改变,对信号分离结果没有明显的不利影响。分析结果表明:该研究对评估信源数估计算法和盲源分离算法在实际环境中的应用效果具有一定参考价值。

摘要： 为了在低信噪比下进行水下信源数的准确估计,将信源数估计算法推广至声矢量阵声压振速联合信息处理。研究了2种联合信息处理方式的原理,针对观测方位固定可能导致某些方位的信号由于空间滤波被滤除,提出一种新的观测方位的选择方法,对方位角进行扫描,取协方差矩阵行列式值的绝对值最大的协方差矩阵对应的方位作为观测方位。理论分析和仿真实验表明:相比于选择固定观测方位,采用新的观测方位选择方法进行联合信息处理的处理增益更大,信源数估计算法可以在更低的信噪比下进行准确估计。

摘要： 在实际应用场合,信源数往往是一个未知数,而信源数准确估计是实现空间谱测向、同频多信号盲分离等算法的先决条件。当强弱信号功率差异较大时,传统信源数估计算法可能失效,从而导致后续阵列信号处理算法得出错误结果。为此,提出了一种针对强弱信号的信源数估计方法。通过对空域协方差矩阵进行特征值分解,采用动态聚类和中值滤波处理排序后的特征值,进而估计信源数。介绍了该方法的原理,并使用实际采集数据进行验证,确认该方法针对强弱信号和色噪声环境的有效性,具有较好的工程应用价值。

摘要： 针对小快拍数下的信源数估计,文中提出了一种基于Stacking集成学习的信源数估计模型,该模型整合XGBoost、LightGBM及简单全连接神经网络作为三个并行的初级学习器,并将Logistic Regression模型作为次级学习器,最终得到Stacking集成学习的信源数估计模型XLN-L-Stacking。实验结果表明,采用这种基于Stacking集成学习的方法来构建的XLN-L-Stacking模型,会明显提高小快拍数条件下的信源数估计精度。相对于单一的XGBoost、LightGBM和简单神经网络模型有较大的提升,并且优于其他方式的集成算法。

摘要： 为解决现有信源数目估计方法在低快拍数下准确率较低的问题,引入再采样方法充分利用有限的接收数据信息以交叉验证估计结果,提高估计的准确率。针对超定和欠定条件下分别给出两种策略:超定条件下,直接应用再采样优化现有的信源估计方法;欠定条件下,结合稀疏阵型使用Toeplitz重构法,增加阵列自由度和特征值区分度,并将再采样方法与改进的滑动窗法结合来优化信源数目估计。理论分析和数值仿真验证所提方法的优越性。

摘要： 为解决对角加载技术用于信源数估计时对角加载量确定困难的问题,提出了一种新的基于自适应对角加载接收信号协方差矩阵的信源数估计算法。首先,分析接收信号协方差矩阵与噪声信号功率之间的协同变化关系,基于协方差矩阵的对角元素特征值分布特点,给出一种自适应的对角加载量确定方法。然后,将对角加载处理后的接受信号协方差矩阵与信息论准则结合,得到改进后的估计信源数算法。仿真实验结果表明:本文算法能同时在白噪声与色噪声环境中较好估计信源数,相较于基于信息论准则与盖氏圆盘估计法则的源数估计算法,本文算法在估计正确率以及稳定性上得到了不同程度的提升,具有较好的估计性能。

摘要： 针对经验模态分解在提取阵列信号特征时对噪声非常敏感和过低信噪比会使模式混叠更加复杂的问题,提出了一种基于集合经验模态分解和BP神经网络的信源个数估计方法。所提方法在经验模态分解中加入均值为零的高斯白噪声,通过白噪声的频谱均匀分布的特性,使不同时间尺度的信号分量自动映射到相应的IMF上,将提取到的阵列信号瞬时相位特征放入BP神经网络中训练,得到能进行信源个数估计的分类器模型。最后,射频消音室实验证明,即使在低信噪比和信源总数少于或仅少于天线总数一个的极端情况下,所提方法也能获得良好的检测性能。

摘要： 阵列雷达的主瓣干扰抑制是雷达抗干扰领域的一个难题。提出了一种基于子阵域的盲源分离主瓣抗干扰算法。该算法以特征矩阵近似联合对角化(joint approximate diagonalization of eigen-matrices,JADE)盲源分离算法为基础,与传统的全向阵列算法相比,该算法提供了较低的复杂度,尤其是针对大型阵列时,算法的优势更加显著。其设计思路是先将全向阵列划分到子阵域;然后在子阵域的基础上利用多重信号分类和恒虚警检测,设计了一种新的盲源分离信道数预估计方法,为JADE提供先验信息;最后设定盲源分离通道数,使接收信号分离,并将分离信号分别进行脉冲压缩、信号检测等步骤,从而达到雷达主瓣抗干扰的目的。通过仿真分析可知,该方法可以实现目标信号和干扰信号的有效分离,且计算量对比全向阵列有显著降低,具有一定的工程应用前景。

摘要： 针对低信噪比下盖氏圆估计(Gerschgorin disk estimator,GDE)方法难以有效估计信号源数目的情况,通过将峰均功率比(peak-to-average power ratio,PAR)与盖氏圆半径相结合,提出基于峰均功率比的盖氏圆估计(Gerschgorin disk estimator based on peak-to-average power ratio,GDE-PAR)方法.从阵元接收数据中提取出特征向量,再用特征向量加权接收数据,得到峰均功率比用于修正对应的盖氏圆半径,用GDE方法判定信号源数目.在不同信噪比条件下对修正前后的盖氏圆半径进行Matlab仿真,并使用蒙特卡罗方法对不同信噪比、等强双目标与不等强双目标和等强3目标与不等强3目标情况下,Akaike信息论准则(Akaike information criterion,AIC)、最小描述长度(minimum description length,MDL)准则、PAR 方法和GDE-PAR方法进行信号源估计.结果表明,在低信噪比及不等强多目标条件下,GDE-PAR方法成功检测到信源的概率均比AIC、MDL准则和PAR方法大.

摘要： 大多数子空间类谱估计算法,需要预先估计信源个数,当信号源相干或强相关时,常规的信源数检测算法不能提供准确的信源数信息.为了解决上述问题,提出了一种新的基于差分算法的信源数估计方法.利用常规分辨方法中非相关信源阵列导向矢量与噪声子空间正交关系特性,实现非相关信源数目估计,且通过阵元间的互相关信息构造一个秩只与相干源信息有关的差分矩阵,结合SORTE法得到相干信源数目,可重复利用阵列接收数据,从而分辨更多信源.仿真结果表明,新算法在非相关源与相干源并存的情况下,能准确估计出信源个数,且在低信噪比和小快拍数下性能明显优于FSS、FBSS、To-eplitz矩阵重构类算法以及SDS算法.

摘要： 针对低信噪比下水声信源数估计问题,将盖氏圆准则推广到矢量阵信号处理中,给出基于矢量阵协方差矩阵的盖氏圆准则信源数估计方法,该方法充分利用矢量阵声压、振速联合处理抗干扰的优势,大大降低准确估计信源数所需的信噪比,理论分析和仿真结果验证了方法的有效性.

摘要： AIC准则是基于信息论准则估计信源数的一种基本法，该方法选取的对数似然比函数与快拍数有关，而罚函数与快拍数无关，这导致在大快拍数情况下仍然有较大的估计误差概率。本文对基本AIC方法稍加改动，即对AIC准则表达式中的对数似然比函数和罚函数分别归一化再相加，改进方法在高信噪比情况下与基本方法性能一致，低信噪比情况下性能略好；改进方法的估计成功概率与采样快拍数无关，即在一定的信噪比门限以上，在大快拍数时同样达到估计成功概率1。

摘要： 目标源数估计是基于特征值分析的高分辨谱估计技术中用来划分信号子空间和噪声子空间的关键步骤,现有的估计方法可以工作的最低信噪比大约在0dB左右.通过分析直线阵空间功率谱以及相关函数,给出了波束特征值的概念,并说明了波束特征值是由直线阵阵列流形所决定的,利用这一规律设计了波束特征值分辨波束内多目标的方法,可以在波束内分辨单、双目标,通过仿真分析说明可以在-10dB信噪比条件下工作.

摘要： 目标源数估计是基于特征值分析的高分辨谱估计技术中用来划分信号子空间和噪声子空间的关键步骤,现有的估计方法可以工作的最低信噪比大约在0dB左右.通过分析直线阵空间功率谱以及相关函数,给出了波束特征值的概念,并说明了波束特征值是由直线阵阵列流形所决定的,利用这一规律设计了波束特征值分辨波束内多目标的方法,可以在波束内分辨单、双目标,通过仿真分析说明可以在-10dB信噪比条件下工作.

摘要： 目标源数估计是基于特征值分析的高分辨谱估计技术中用来划分信号子空间和噪声子空间的关键步骤,现有的估计方法可以工作的最低信噪比大约在0dB左右.通过分析直线阵空间功率谱以及相关函数,给出了波束特征值的概念,并说明了波束特征值是由直线阵阵列流形所决定的,利用这一规律设计了波束特征值分辨波束内多目标的方法,可以在波束内分辨单、双目标,通过仿真分析说明可以在-10dB信噪比条件下工作.

摘要： 目标源数估计是基于特征值分析的高分辨谱估计技术中用来划分信号子空间和噪声子空间的关键步骤,现有的估计方法可以工作的最低信噪比大约在0dB左右.通过分析直线阵空间功率谱以及相关函数,给出了波束特征值的概念,并说明了波束特征值是由直线阵阵列流形所决定的,利用这一规律设计了波束特征值分辨波束内多目标的方法,可以在波束内分辨单、双目标,通过仿真分析说明可以在-10dB信噪比条件下工作.

摘要： 目标源数估计是基于特征值分析的高分辨谱估计技术中用来划分信号子空间和噪声子空间的关键步骤,现有的估计方法可以工作的最低信噪比大约在0dB左右.通过分析直线阵空间功率谱以及相关函数,给出了波束特征值的概念,并说明了波束特征值是由直线阵阵列流形所决定的,利用这一规律设计了波束特征值分辨波束内多目标的方法,可以在波束内分辨单、双目标,通过仿真分析说明可以在-10dB信噪比条件下工作.

摘要： 目标源数估计是基于特征值分析的高分辨谱估计技术中用来划分信号子空间和噪声子空间的关键步骤,现有的估计方法可以工作的最低信噪比大约在0dB左右.通过分析直线阵空间功率谱以及相关函数,给出了波束特征值的概念,并说明了波束特征值是由直线阵阵列流形所决定的,利用这一规律设计了波束特征值分辨波束内多目标的方法,可以在波束内分辨单、双目标,通过仿真分析说明可以在-10dB信噪比条件下工作.

摘要： 本发明提供了一种无需信源数估计的相干信号波达方向估计方法及系统，在相干信号波达方向估计方法中包括初始化步骤、协方差矩阵计算步骤、构造Toeplitz矩阵步骤、构造中间变量步骤、功率谱计算步骤、搜索步骤。本发明的有益效果是本发明不需要预估计信源数，在实际应用中，由于信源数目难以检测，使得本发明优势十分突出，仿真结果证明了该本发明算法的有效性。

摘要： 本发明公开了一种基于信源数估计的栅格偏移优化目标到达角估计方法，主要解决现有技术在信源数未知、小样本和相干源情况下到达角估计性能降低的问题。其实现过程为：利用阵元去噪对接收数据进行去噪处理获得数据观测矢量；对计算获得的恢复矢量求峰值进而估计信源数和第一次目标到达角；计算当前峰值和当前代价函数；通过计算并比较左移代价函数值和右移代价函数值来更新当前栅格参数；直到可调栅格步长满足栅格精度且动态信源数大于所估计的信源数时停止角度估计，获得第二次目标到达角估计矢量。本发明实现了在信源数未知、小样本和相干源情况下获得高精度稀疏多目标的到达角估计。

摘要： 本发明公开了一种波达方向估计中基于特征空间的信源数估计方法，包括如下步骤：(1)获得均匀线阵所接收的信号；(2)由接收信号计算协方差矩阵；(3)求复数的或者实数化后的协方差矩阵；(4)将协方差矩阵进行特征值分解，得到它的特征矢量矩阵；(5)由特征矢量求信源数判据；(6)求比例值；(7)信源数估计。本发明能够准确估计信源数并能够为波达方向估计信号处理过程省去大量的计算量，减少硬件开销。

摘要： 本申请公开了一种用于色噪声及小快拍数条件下的信源数估计方法，该方法利用阵列天线ULA接收到的色噪声样本协方差矩阵构造DMR白化滤波器矩阵，再利用DMR白化滤波器对ULA接收的包含色噪声信号的样本协方差矩阵进行白化变换，获得白化后的信号样本协方差矩阵；通过白化变换后的样本协方差矩阵与单位矩阵的最优凸线性组合，对样本协方差矩阵进行增强，提高样本协方差矩阵的估计精度，进而经过特征值分解后得到更精确的特征值并分别利用AIC准则和MDL准则进行信源个数的估计。本申请能够改善AIC准则和MDL准则在色噪声下噪声特征值发散问题以及在小采样快拍数条件下算法性能下降问题，提高了传统信息论准则的适用范围，且在低信噪比下具有较好的估计性能。

摘要： 本发明提供的是一种基于相位补偿的旋转圆阵信源数估计方法，主要通过圆阵相位模态变换，在模态域对信号空域时变量进行在线补偿，从而实现信号的空域聚焦，对于圆阵接收的观测数据，通过相位模态变换的相位补偿，可以充分获得信号的时间增益，对于相位模态变换造成的噪声功率非均匀问题，通过对变换矩阵进行白化约束，从而使得变换后协方差矩阵的信号特征值和噪声特征值依然满足信息论准则下的似然函数关系；本发明保障信号空域聚焦的同时，抑制了相位模态变换导致的噪声非均匀性，实现圆阵旋转情况下的弱信源数估计，本发明属于一种水声阵列信号处理方法，可应用于圆阵信号处理、时变阵信源数估计等领域。

摘要： 本发明公开了一种基于信源数估计的栅格偏移优化目标到达角估计方法，主要解决现有技术在信源数未知、小样本和相干源情况下到达角估计性能降低的问题。其实现过程为：利用阵元去噪对接收数据进行去噪处理获得数据观测矢量；对计算获得的恢复矢量求峰值进而估计信源数和第一次目标到达角；计算当前峰值和当前代价函数；通过计算并比较左移代价函数值和右移代价函数值来更新当前栅格参数；直到可调栅格步长满足栅格精度且动态信源数大于所估计的信源数时停止角度估计，获得第二次目标到达角估计矢量。本发明实现了在信源数未知、小样本和相干源情况下获得高精度稀疏多目标的到达角估计。

摘要： 本发明提供了一种无需信源数估计的相干信号波达方向估计方法及系统，在相干信号波达方向估计方法中包括初始化步骤、协方差矩阵计算步骤、构造Toeplitz矩阵步骤、构造中间变量步骤、功率谱计算步骤、搜索步骤。本发明的有益效果是本发明不需要预估计信源数，在实际应用中，由于信源数目难以检测，使得本发明优势十分突出，仿真结果证明了该本发明算法的有效性。

摘要： 本发明公开了一种波达方向估计中基于特征空间的信源数估计方法，包括如下步骤：(1)获得均匀线阵所接收的信号；(2)由接收信号计算协方差矩阵；(3)求复数的或者实数化后的协方差矩阵；(4)将协方差矩阵进行特征值分解，得到它的特征矢量矩阵；(5)由特征矢量求信源数判据；(6)求比例值；(7)信源数估计。本发明能够准确估计信源数并能够为波达方向估计信号处理过程省去大量的计算量，减少硬件开销。

摘要： 本发明公开了一种改进式特征值对角加载信源数估计方法，对天线阵列观测信号协方差矩阵进行特征值分解，然后对特征值进行一次对角加载，对角加载量取为所有特征值的几何平均值，将原始特征值与对角加载值相加，取代原始特征值，针对一次对角加载后的特征值，再重新计算特征值对角加载量，对一次对角加载后的特征值进行二次对角加载，不需要根据阵元数M与采样数N的比例关系来确定第二次对角加载量，以使加载后的特征值满足噪声特征值的最大最小值之比不超过2的条件，在此基础上，使用信息论准则类方法和随机矩阵理论类方法实现信源数的估计。

摘要： 本发明公开了一种均匀线阵下的小扩展角度分布源通用信源数估计方法，其包括：S1：利用阵列输出数据计算样本协方差矩阵R