【摘要】：盲源分離是信號(hào)處理領(lǐng)域中的重要研究問(wèn)題,傳統(tǒng)的盲源分離算法運(yùn)算量較大,在特定的分離條件下性能下降。來(lái)波方向估計(jì)是陣列信號(hào)處理中的重要問(wèn)題,已有算法在日益復(fù)雜的電磁信號(hào)環(huán)境以及特殊的工程應(yīng)用場(chǎng)景中往往無(wú)法達(dá)到所需的精度要求。針對(duì)場(chǎng)景特殊性研究盲源分離算法,將其應(yīng)用到特殊工程應(yīng)用場(chǎng)景中的盲源估計(jì)問(wèn)題中具有重要的理論意義和工程應(yīng)用價(jià)值。本文討論分離特定目標(biāo)信號(hào)的盲源分離問(wèn)題,依據(jù)問(wèn)題中的先驗(yàn)信息改進(jìn)傳統(tǒng)算法,提出一種基于相關(guān)性約束的盲源分離算法,不需要分離所有源信號(hào),降低了算法運(yùn)算量。在此基礎(chǔ)上,研究鄰近強(qiáng)干擾下的信號(hào)來(lái)波方向估計(jì)問(wèn)題,利用斜投影方法,提出一種基于梯度下降的DOA估計(jì)算法,在干擾信號(hào)與目標(biāo)信號(hào)來(lái)波方向接近的場(chǎng)景中實(shí)現(xiàn)了對(duì)目標(biāo)信號(hào)來(lái)波方向的準(zhǔn)確估計(jì)。本文的主要研究?jī)?nèi)容有:1.針對(duì)線性混合模型下的盲源分離問(wèn)題進(jìn)行討論,給出該問(wèn)題的系統(tǒng)模型,分析基于獨(dú)立分量分析的傳統(tǒng)盲源分離算法的弊端;以目標(biāo)信號(hào)的相關(guān)性信息構(gòu)造約束來(lái)改進(jìn)已有算法,分析該方法的可行性與有效性,進(jìn)行仿真實(shí)驗(yàn)并給出該算法的性能分析。2.針對(duì)鄰近強(qiáng)干擾下信號(hào)的來(lái)波方向估計(jì)問(wèn)題,給出該場(chǎng)景中的系統(tǒng)模型,分析強(qiáng)干擾場(chǎng)景下傳統(tǒng)MUSIC算法存在的問(wèn)題;構(gòu)建斜投影算子分離干擾信號(hào)與目標(biāo)信號(hào),利用干擾信號(hào)和目標(biāo)信號(hào)的功率差異以及目標(biāo)信號(hào)的相關(guān)特性,設(shè)計(jì)梯度下降算法,實(shí)現(xiàn)干擾信號(hào)與目標(biāo)信號(hào)波達(dá)方向的聯(lián)合迭代估計(jì);在均勻線陣場(chǎng)景中對(duì)本文提出的算法進(jìn)行仿真實(shí)驗(yàn),將其與已有的MUSIC算法、RELAX算法進(jìn)行估計(jì)精度與運(yùn)算復(fù)雜度等方面的性能對(duì)比。本文提出的基于斜投影方法的鄰近強(qiáng)干擾下目標(biāo)信號(hào)來(lái)波方向梯度下降估計(jì)算法具有估計(jì)精度高,計(jì)算量低的特點(diǎn),優(yōu)于已有算法在類(lèi)似場(chǎng)景下的估計(jì)性能。
【圖文】：

每次迭代的解混向量更新值，ｍ為需要估計(jì)的分離信號(hào)號(hào)數(shù)給出該算法的基本步驟，如下表所示：逡逑表２．１邋ＦａｓｔＩＣＡ算法流程逡逑ＦａｓｔＩＣＡ邋算法數(shù)據(jù)Ｘ進(jìn)行中心化與白化處理，得到％＿作為新觀測(cè)數(shù)要分禺信號(hào)數(shù)目初始化％與ｉ邋＝逡逑（２．１６）（２．１７）更新解混向量，通過(guò)式（２．１５）對(duì)解混向量進(jìn)－Ｗ＾｜＋T＋邐則解混向量％已收斂；否則返回３中一個(gè)源信號(hào)估計(jì)，／邋＝邋／邋＋邋１，如果／＜ｍ，那么返回２；真實(shí)驗(yàn)逡逑據(jù)之前介紹的ＦａｓｔＩＣＡ算法原理與流程，進(jìn)行仿真實(shí)驗(yàn)，號(hào)盲源分離問(wèn)題為例，討論該算法的分離性能，并分析號(hào)下出現(xiàn)的問(wèn)題。逡逑

選�。唇M相互獨(dú)立的隨機(jī)信號(hào)，給出信號(hào)在ｍａｔｌａｂ仿真中表示形式，分別為逡逑余弦信號(hào)ｓｌ＝ｓｉｎ（０．０５＊ｐｉ＊ｎ）、二項(xiàng)分布信號(hào)ｓ２＝ｂｉｎｏｍｄ（１６，０．５，２００）、泊松分布信逡逑號(hào)ｓ３＝ｐｏｉｓｓｍｄ（１０，，ｌ，２００）和隨機(jī)噪聲信號(hào)ｓ４＝ｒａｎｄ（ｌ，２００），如圖２．邋２所不。將該４逡逑組源信號(hào)經(jīng)過(guò)６ｘ４維隨機(jī)混合矩陣，觀測(cè)得到６組混合信號(hào)如圖２．邋３所示。逡逑１０邋Ｉ邐＊邐Ｉ邐Ｉ邐Ｉ邐Ｉ邐Ｉ邐１邐１邐）逡逑－１０邋邐＊邐＊邐１邐１邐＇邐＇邐１邐１邐１邐逡逑０邐２０邐４０邐６０邐８０邐１００邐１２０邐１４０邐１６０邐１８０邐２００逡逑１０邋Ｉ邐Ｉ邐Ｉ邐Ｉ邐Ｉ邐＊邐１邐Ｉ邐Ｉ邐１逡逑＾邋；0邋６0邋ａ0邐ｉ逡逑－１０邋邐１邐１邐１邐１邐１邐＇邐１邐＇邐１邐逡逑０邐２０邐４０邐６０邐８０邐１００邐１２０邐１４０邐１６０邐１８０邐２００逡逑０邐２０邐４０邐６０邐８０邐１００邐１２０邐１４０邐１６０邐１８０邐２００逡逑時(shí)間／ｍｓ逡逑圖２．３混合信號(hào)波形逡逑該場(chǎng)景中源信號(hào)與混合矩陣信息未知，需要根據(jù)混合信號(hào)利用上節(jié)算法對(duì)所逡逑有源信號(hào)進(jìn)行分離。確定需要分離的信號(hào)數(shù)目為４，初始化解混向量，依據(jù)上節(jié)逡逑中的算法步驟進(jìn)行仿真實(shí)驗(yàn)
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉正堂;程彥杰;馬輝;;一種強(qiáng)干擾環(huán)境下的相干弱目標(biāo)DOA估計(jì)算法[J];火力與指揮控制;2015年06期

2 朱偉;鄭禹;;強(qiáng)相干干擾下弱信號(hào)波達(dá)方向估計(jì)[J];雷達(dá)科學(xué)與技術(shù);2015年01期

3 韓勇;喬曉林;金銘;曹丙霞;;基于高階累積量的酉變換DOA估計(jì)算法[J];計(jì)算機(jī)仿真;2010年11期

4 王鼎;張莉;吳瑛;;兩種強(qiáng)干擾下弱信號(hào)的二維波達(dá)方向估計(jì)算法研究[J];系統(tǒng)仿真學(xué)報(bào);2009年10期

5 陳建;王樹(shù)勛;;基于高階累積量虛擬陣列擴(kuò)展的DOA估計(jì)[J];電子與信息學(xué)報(bào);2007年05期

6 陳輝;蘇海軍;;強(qiáng)干擾/信號(hào)背景下的DOA估計(jì)新方法[J];電子學(xué)報(bào);2006年03期

7 孟慶華;周曉軍;龐茂;;基于兩路傳感信號(hào)的多源退化盲分離算法研究[J];中國(guó)電機(jī)工程學(xué)報(bào);2005年24期

8 柴立功,羅景青;一種強(qiáng)干擾條件下微弱信號(hào)DOA估計(jì)的新方法[J];電子與信息學(xué)報(bào);2005年10期

9 游榮義,陳忠;基于小波變換的盲信號(hào)分離的神經(jīng)網(wǎng)絡(luò)方法[J];儀器儀表學(xué)報(bào);2005年04期

10 檀志斌;基于準(zhǔn)正交原理的多信源少觀測(cè)源的盲語(yǔ)音信號(hào)分離[J];計(jì)算機(jī)工程與應(yīng)用;2005年08期

本文編號(hào)：2686655