MUSIC波达方向估计算法的改进及仿真试验

MUSIC算法是一种子空间分解算法,它的各种性能已被广泛研究.在信号波达方向估计领域,MUSIC算法的应用,形成了MUSIC波达方向估计算法.实际应用中,MUSIC波达方向估计算法,拥有超分辨能力的同时,也存在原理性缺点——MUSIC空间谱不能反映目标信号的相对强度.文中在前人工作的基础上,对MUSIC波达方向估计算法进行理论分析,提出了有效的改进方法,并通过仿真试验证实了分析的正确性.     

基于矢量传感器阵列的二维波达方向估计研究

矢量水听器由声压传感器和质点振速传感器复合而成,可以空间共点、同步测量声压和质点振速的各正交分量.相对于声压水听器阵来说,矢量阵获取声场中更多的信息,利用矢量阵所获得的速度场的信息可去除目标方位估计中的模糊.多重信号分类(MUSIC)算法是通过对数据协方差矩阵进行本征分解获得信号空间谱估计的方法.文中采用矢量水听器均匀线阵研究了利用MUSIC算法对声源进行二维角度估计,通过对声压水听器和矢量水听器阵MUSIC算法的仿真对比得出结论:声矢量阵比声压阵具有更好的波达方向估计性能.另外,文中还采用空间平滑技术对相关信号源进行解相关从而得到良好的二维波达方向估计性能.     

一种基于神经网络的宽带相干信号波达方向估计方法

相干信号子空间处理方法是一种通过构造聚焦矩阵来估计宽带相干源波达方向的有效方法，本文基于逆传播学习算法，给出了一种用神经网络来实现聚焦过程的新颖方法，利用这种方法进行ＤＯＡ估计，可以无需预先知道源信号初始信息，不经预处理过程即可获得对ＤＯＡ的高性能估计。     

基于改进MUSIC算法的矢量水听器阵列波达方向估计

介绍了改进的MUSIC算法在矢量水听器阵波达方向估计中的应用,并描述了该算法的原理及应用过程.计算机仿真的结果表明,改进的MUSIC算法既能够有效地估计出独立信号源的DOA,也能有效地估计出相关信号源和相隔比较近的小角度差信号源的DOA,从而证明了这种改进MUSIC算法的合理性.     

基于四元数的声压振速联合方位估计算法

常规MUSIC波达方向估计算法的缺点是不能处理相干信号.针对这一情况,文中引入了四元数理论,建立了二维矢量水听器的四元数输出模型,并在此基础上提出了一种声矢量阵声压振速联合方位估计算法.与常规MUSIC方位估计算法相比,该算法利用了四元数紧凑的数据表达形式和较强的正交性约束能力,降低了内存需求和运算复杂度,在不经过任何预处理的情况下可以分辨相干目标.同时,由于利用了声压振速的组合指向特性,算法抗各向同性干扰的能力较强.仿真实验证明了算法的有效性.     

基于空域信号分离的多径干扰抑制算法

针对全球导航卫星系统中的多径干扰抑制问题,提出了一种有效的低复杂度多径干扰抑制算法,在直达信号和多径干扰来向角(DOA)未知的情况下,利用RELAX算法,通过反复迭代的思想逐一估计出直达信号和多径干扰的DOA和幅度,进而识别多径干扰,利用线性约束最小方差无畸变波束形成技术,在直达信号方向形成增益与在多径干扰方向形成零陷而抑制多径干扰,并进行了仿真试验。分析结果表明:当多径干扰部分相干时,RELAX算法估计的DOA均方根误差比MUSIC算法低了约12dB;当多径干扰完全相干时,RELAX算法估计的DOA均方根误差比MUSIC算法低了约25dB;所提算法能够准确估计出直达信号和多径干扰的DOA,保证通过波束形成零陷空域多径干扰,使得进入跟踪环路的信号非常洁净,处理后的码相位跟踪误差接近于0。     

基于矢量传感器阵列的改进MUSIC算法DOA估计

鉴于传统的MUSIC(Multiple Signal Classification)算法分辨率不高且在阵元数目较少的情况下对目标信号方位估计不佳等问题,提出了一种基于矢量传感器的改进MUSIC算法。该方法对空间谱函数进行处理,以得到更加优化的方位估计。从阵元数目和分辨角度等方面与传统的MUSIC算法对比,实验仿真表明该算法相对于传统的MUSIC算法有着明显的优越性。     

基于JADE算法的矢量水听器阵列信号盲估计研究

标量声压水听器线阵无法估计信号的二维到达角（方位角和俯仰角）,并且对来波方向相同的信号无法分辨.针对这一情况,文中引入盲信号处理理论,将JADE（特征矩阵联合近似对角化）算法与矢量水听器阵列技术相结合,提出了一种新的阵列信号盲估计算法.该算法应用在结构简单的矢量水听器线阵上,在信号方向矢量没有任何先验知识情况下,对阵列流型矩阵进行盲估计,进而估计出源信号的频率和二维到达角,并实现对来波方向相同信号的辨识.仿真实验证明了算法的有效性.     

基于单个矢量水听器的二维波达方向估计

提出了一种基于单个矢量水听器的二维波达方向估计方法，该矢量水听器由三个空间轴向垂直的振速水听器和一个声压水听器构成．利用时延数据，以时间变元为旋转因子．构造了两个具有相同阵形的子阵，采用ESPRIT实现了对目标信号的波达方向估计．具有较好的估计精度，能实现方向余弦的自动配对，不造成波达方向的模糊性．计算机仿真实验结果证明了该方法的有效性。     

阵列天线DOA估计中MUSIC算法性能综合分析

阵列信号处理是现代信号处理中的一个重要分支,而信源定位又是阵列信号处理中的重要应用.常规的子空间算法———MUSIC算法可对到达角(DOA)实现超分辨估计.然而,MUSIC算法的超分辨率是在阵列信号模型精确条件下得到的,阵元数、阵元间距、信噪比、快拍数等因素对MUSIC算法的分辨率都会产生一定的影响.本文通过仿真,综合分析了阵元数、阵元间距、信噪比、快拍数等因素对MUSIC算法的分辨率产生的影响,同时表明了,快拍数相对其它参数对MUSIC算法分辨率的影响要小.     

单矢量水听器改进MUSIC算法的噪声抑制性能研究

针对MUSIC算法在相干噪声背景下估计目标方位性能下降的问题,利用酉变换的空时相关矩阵（unitary spatio-temporal correlation matrice—USTCM）,替代MUSIC算法中的数据协方差矩阵,设计了单矢量水听器的USTC-MUSIC算法,通过仿真验证了新方法不论噪声是不相干或相干,其噪声抑制能力和目标分辨能力均优于原方法.     

有限快拍下的小尺度矢量阵DOA算法

针对小尺度矢量水听器阵条件下ESPRIT算法目标方位估计精度低、多目标分辨能力弱的缺点,提出了一种基于酉变换的DOA改进算法.该方法无需计算观测数据的协方差矩阵,利用阵列的观测数据及共轭信息构造一中心Hermitian对称矩阵,根据酉变换原理将其转化为实数矩阵并用实值ESPRIT方法估计目标方位.由于利用了观测数据的共轭信息,相当于虚拟增加了阵元个数,改进算法有更高的DOA估计精度和多目标分辨能力,在快拍数与阵元数相当时改进算法比协方差方法有更小的计算复杂度.仿真分析结果证明了算法的有效性.     

一种新的异类多传感器系统误差融合估计算法

为解决由测向测时差无源被动传感器与主动传感器组网探测时异类多传感器系统误差估计问题,提出了一种新的异类多传感器系统误差融合估计算法.首先,通过对主被动传感器进行组合并构建异类传感器系统误差量测模型,实现了各组合传感器系统误差的实时估计;其次,通过建立多传感器融合估计结构,对多传感器系统误差的组合估计信息进行融合并反馈,获得了各传感器系统误差的全局融合估计.蒙特卡罗仿真结果表明:该算法能够对组网探测系统中各主、被动传感器的测向测时差及测距系统误差进行有效的融合估计,具有较高的工程应用价值.     

基于T型麦克风阵列的近场三维声源定位

基于麦克风阵列的声源定位技术在视频会议、声音检测、助听器、车载免提电话等领域有重要的应用价值,成为当前语音信号处理的热点。本课题根据阵列信号处理中的MUSIC算法为原型,根据语音信号的特点,将其进行改进,改进后的算法可以应用于近场的声源定位,并介绍了一种基于T型阵的三维定位方法,提高了定位精度且降低了计算复杂度。     

NONINVASIVE DETECTION OF BRAIN ACTIVITY VARIATION UNDER DIFFERENT DEPTH OF ANESTHESIA BY EEG COMPLEXITY

Objective To detect the change of brain activity under different depth of anesthesia （DOA） noninvasively. A,fethods The Lempel-Ziv complexity C（n） was used to analyze EEG and its four components （delta, theta, alpha, beta）, which was recorded from SD rats under different DOA. The relationship between C（n） and DOA was studied. Results The C（n） of EEG will decrease while the depth of anesthesia increasing and vice versa. It can be used to detect the change of DOA sensitively. Compared with power spectrum, the change of C（n） is opposite to that of power spectrum. Only the C （n） of delta rhythm has obvious variations induced by the change of DOA, and the variations of delta is as similar as the EEG＇s. Conclusion The study shows that the desynchronized EEG is replaced by the synchronized EEG when rat goes into anesthesia state from awake, that is just the reason why complexity and power spectrum appear corresponding changes under different DOA. C（n） of delta rhythm dynamic change leads to the change of EEG, and the delta rhythm is the dominant rhythm during anesthesia for rats.