針對(duì)目前蓋氏圓盤準(zhǔn)則(GDE)及其改進(jìn)方法難以精確計(jì)算出變化的瞬時(shí)信號(hào)源數(shù)目的問題,提出了基于滑動(dòng)窗口(SW)和相關(guān)系數(shù)(CC)相結(jié)合改進(jìn)蓋氏圓盤準(zhǔn)則的GDE-SW-CC動(dòng)態(tài)信號(hào)源數(shù)目盲估計(jì)方法。首先利用蓋氏圓盤準(zhǔn)則的蓋爾圓半徑在信號(hào)數(shù)量增長過程中不斷更替變化的特性,將新蓋爾圓半徑減去舊半徑得出整體信源中半徑變化最大的動(dòng)態(tài)段。其次采用滑動(dòng)窗口算法對(duì)動(dòng)態(tài)段進(jìn)行分段精估計(jì),得到每一個(gè)滑動(dòng)窗GDE的判斷閾值。然后將GDE的判斷閾值作為滑動(dòng)窗口的特征量,并計(jì)算它們之間的相關(guān)系數(shù),根據(jù)相關(guān)系數(shù)的峰值位置區(qū)分動(dòng)態(tài)窗口信號(hào)圓盤與靜態(tài)窗口信號(hào)圓盤得到瞬時(shí)信號(hào)源數(shù)目。最后,通過計(jì)算機(jī)仿真以及實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了本文方法的有效性、通用性和實(shí)用性。計(jì)算機(jī)仿真對(duì)比實(shí)驗(yàn)結(jié)果表明,相比現(xiàn)有靜態(tài)GDE,所提方法能快速判讀信號(hào)的源個(gè)數(shù)并定位出動(dòng)態(tài)變化的時(shí)間區(qū)域;在此基礎(chǔ)上,結(jié)合所提方法與集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)進(jìn)行了欠定盲源分離情形下的動(dòng)態(tài)源信號(hào)數(shù)目估計(jì)仿真實(shí)驗(yàn),結(jié)果表明調(diào)整因子為0.2以上即可得到正確的估計(jì);實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)得出結(jié)果與仿真結(jié)果基本吻合,尤其當(dāng)信號(hào)源數(shù)目減少時(shí),GDE的估計(jì)正確概率從95%降低到4%,所...

【文章頁數(shù)】：10 頁

【部分圖文】：

圖1盲源分離模型

盲源分離模型如圖1所示。根據(jù)傳感器接收到的觀測(cè)信號(hào)數(shù)目m和源信號(hào)數(shù)目n的數(shù)量關(guān)系可以將盲源分離分為3種類型:適定盲源分離(m=n)、超定盲源分離(m>n)、欠定盲源分離(m<n)。

圖2滑動(dòng)窗

圖2所示為觀測(cè)向量在相鄰窗口內(nèi)數(shù)據(jù)塊的更新過程。其中,L為窗口長度,表示為相鄰窗口的原始觀測(cè)數(shù)據(jù)向量。通過滑動(dòng)窗的移動(dòng),可以得到每個(gè)時(shí)間段的信源個(gè)數(shù),相比一次性靜態(tài)估計(jì)更能得到信號(hào)源動(dòng)態(tài)變化時(shí)個(gè)數(shù)的準(zhǔn)確結(jié)果。2)基于滑動(dòng)窗的蓋氏圓盤模型

圖3信號(hào)源

本文仿真采用12均勻圓陣列,參數(shù)采樣率設(shè)置1000Hz,此處考慮如下信號(hào)的隨機(jī)線性混合:s1=sin(2*π*800*t);s2=sin(2*π*900*t);s3=sin(2*π*1000*t);s4=sin(2*π*850*t);s5=sin(2*π*950*t);s6....

圖4信源數(shù)目減少

(1)在3000個(gè)采樣點(diǎn)之前,有6個(gè)源信號(hào),在3000個(gè)采樣點(diǎn)之后,源信號(hào)隨機(jī)地減少1個(gè),變?yōu)?個(gè)。本文以第一路信號(hào)在第3000點(diǎn)后由正弦變?yōu)?為例,如圖4所示。在信源數(shù)目減少的情況下,首先使用傳統(tǒng)的蓋氏圓盤方法進(jìn)行信源個(gè)數(shù)估計(jì),選擇信號(hào)每增加1000個(gè)采樣點(diǎn)就計(jì)算一次以....

本文編號(hào)：3944281