单矢量水听器四阶累积量MUSIC算法对信号DOA的估计

针对传统MUSIC算法的局限性,提出了一种基于高阶累积量的单矢量水听器MUSIC算法.这里将单个矢量水听器理解为一个标量传感器阵列,按照阵列信号处理的原理对其输出的标量场和矢量场信息进行联合处理,该算法先构造四阶累积量矩阵,代替传统MUSIC算法中的阵列协方差矩阵,对四阶累积量矩阵采用MUSIC算法作方位估计.仿真结果表明,借助高阶累积量的方法,在高斯白噪声下,MUSIC算法能完全抑制高斯白噪声的影响,在高斯色噪声条件下,该方法还是能获得高分辨率的估计.湖试结果也表明,文中算法有更好的目标方位估计性能.     

两种GTD模型参数估计算法的研究

基于电磁散射的几何绕射(GTD)模型参数估计研究,将采用两种方法:多重信号分类(MUSIC)和基于信号子空间特征向量的广义特征值(GEESE)算法.其中GEESE利用特征子空间分解方法中信号子空间与噪声子空间的正交特性分离出信号子空间.计算机仿真试验,分别采用这两种算法估计出目标散射中心的位置和类型参数.     

基于时域解析信号的广义MUSIC算法

波束形成是声呐信号处理的关键技术,本文提出一种新的基于宽带时域解析信号的广义MUSIC自适应波束形成算法(TAMUSIC算法).该算法将时域解析信号与改进的MUSIC算法相结合,对精确时延之后的宽带时域信号进行希尔伯特变换生成复数形式的时域解析信号,增加权向量自由度;通过增加调节指数构建新广义噪声子空间,解决了传统MUSIC算法信源数目估计不准带来的影响,提高算法鲁棒性;最后利用信号子空间和噪声子空间的正交性估计目标方位.仿真数据和海试数据处理的结果表明:TAMUSIC算法可以获得更尖锐的谱峰,提高目标的角度分辨力,增强了弱小目标的发现能力.     

基于时域解析信号的广义MUSIC算法

波束形成是声呐信号处理的关键技术,本文提出一种新的基于宽带时域解析信号的广义MUSIC自适应波束形成算法(TAMUSIC算法)。该算法将时域解析信号与改进的MUSIC算法相结合,对精确时延之后的宽带时域信号进行希尔伯特变换生成复数形式的时域解析信号,增加权向量自由度;通过增加调节指数构建新广义噪声子空间,解决了传统MUSIC算法信源数目估计不准带来的影响,提高算法鲁棒性;最后利用信号子空间和噪声子空间的正交性估计目标方位。仿真数据和海试数据处理的结果表明:TAMUSIC算法可以获得更尖锐的谱峰,提高目标的角度分辨力,增强了弱小目标的发现能力。     

单矢量水听器MUSIC估计与互谱估计的性能比较研究

为了研究单矢量水听器的目标方位估计能力,将MUSIC算法和互谱法分别用于单矢量水听器方位估计。根据单矢量水听器的阵列流形特点,将子空间分解理论应用到单矢量水听器方位估计上,实现了单矢量水听器的MUSIC高分辨方位估计。对单个的目标进行方位估计仿真,同时将MUSIC算法与互谱法进行比较,得到在低信噪比下,MUSIC算法的方位估计精度要高于互谱法。在高信噪比下,MUSIC算法和互谱法的方位估计有比较好的性能。水库试验数据验证了该MUSIC算法和互谱法的有效性。     

基于正交小波分解的线谱增强算法研究

介绍了传统线谱增强器(ALE)结构,分析了ALE的工作原理。ALE线谱增强的原因是降低了基本输入和参考输入中的噪声相关性,由于对参考输入的权系数调整无法对噪声进行合理估计,正弦信号得到增强。正交小波分解能将信号分解为尺度子空间和小波子空间中的2部分,同时2子空间正交。利用正交小波分解的这一特性,将尺度子空间中的逼近部分作为自适应滤波器的参考输入,使得参考输入和原信号中的噪声相关系数很小。对高斯环境下正弦信号和某水中目标实测信号进行了算法仿真,研究了该线谱增强算法的性能。结果表明,该算法在对高斯噪声环境和非平稳、非高斯目标实测信号中的线谱增强效果均优于ALE。     

基于最小模MUSIC算法的电力谐波/间谐波检测方法

在电力谐波/间谐波检测中,以传统傅里叶变换为基础的分析方法分辨力差、检测精度较低,基于空间谱估计的多重信号分类(MUSIC)方法易受噪声干扰,且对各信号幅值和相位检测的准确性差等问题,文中提出对电力谐波/间谐波参数准确检测的最小模多重信号分类(MNM-MUSIC)算法,它由采样序列得到自相关函数并构造自相关矩阵,由此得到相关阵的特征值,根据最小描述长度(MDL)准则估计信号源数目,进一步用最小模方法对MUSIC算法做出修正,即利用小特征值对应的噪声子空间的线性组合与信号矢量的关系估计出各信号的频率,最后用扩展Prony方法得到各信号幅值和相位信息,由此完成对电力谐波/间谐波参数的准确检测.仿真结果表明:与经典MUSIC算法相比,此方法的优点在频率检测方面精确度更高,抗噪声能力更强,在电力谐波/间谐波分析检测中具有更高的准确性.     

基于高阶累积量的近场源三维参数估计算法

针对近场源距离、频率和到达角三维参数的联合估计问题,采用了一种基于高阶累积量理论的对对近场源三维参数联合估计算法。利用几个四阶累积量矩阵构造一个高维的累积量矩阵,然后对其进行特征分解,以求得信号子空间,最终估计出各信号源参量。算法不需要谱峰搜索,适用于任意的加性高斯噪声环境,仿真结果表明算法可以较精确的估计出两个信源的方位角、距离和频率三维参数。     

基于信息论准则的信源数估计改进算法研究

MDL准则和AIC准则是基于信息论准则的信号源数目估计算法。针对其只适用于白噪声背景而不适用于色噪声背景的限制提出了两点改进,首先根据信号协方差矩阵特征值大小分布特点提出一种减小色噪声背景下信号协方差矩阵噪声特征值发散程度的特征值校正算法。该算法可以明显改善色噪声背景下噪声特征值的特性,使其接近白噪声条件下特征值的特性,利用校正后的特征值,MDL准则和AIC准则可以进行色噪声背景下的信源数目估计。然后为了提高检测精度,采用了基于MDL准则和AIC准则函数比值的估计方法。理论分析和仿真结果表明,改进后的MDL准则和AIC准则可以有效估计色噪声背景下的信号源数目,并且性能优于适用于色噪声背景的盖尔圆算法。     

高分辨方位估计在鱼雷声成像垂直尺度识别中的应用

在鱼雷声成像垂直尺度识别中,根据潜艇垂直方向上目标亮点相距较近的特点,采用高分辨的MUSIC算法,对潜艇垂直方向上的目标亮点进行估计。由于MUSIC算法是一种基于阵列数据协方差矩阵特征分解的高分辨DOA估计方法,通常具有较大的运算量,为增强算法的实时性,本文提出了一种基于正交解调的MUSIC算法。该算法首先对阵列接收到的高频信号进行正交采样,在降低采样率的基础上,再利用MUSIC算法对低频信号进行DOA估计。仿真结果表明,改进的MUSIC算法在有效减小运算量的同时又不降低其性能,具有较好的工程实用价值。