本文關(guān)鍵詞：欠定盲源分離算法及其應(yīng)用研究

  更多相關(guān)文章： 欠定盲源分離 凸模型 循環(huán)平穩(wěn) Khatri-rao積 分步干擾抑制

【摘要】：隨著信息工程技術(shù)的飛速發(fā)展,人們對(duì)電子設(shè)備的使用日益廣泛,信號(hào)傳輸環(huán)境變得日益復(fù)雜,各種信號(hào)源在時(shí)域高度密集、頻域也相互混疊,我們所采集的信號(hào)往往不是純凈的,而是多個(gè)信號(hào)的混合疊加,要想對(duì)目標(biāo)信號(hào)實(shí)現(xiàn)準(zhǔn)確的參數(shù)估計(jì)和后續(xù)處理,必須首先對(duì)信號(hào)進(jìn)行有效的分離。盲源分離技術(shù)作為信號(hào)分離的一種有效方法得到了廣泛的關(guān)注,已成為現(xiàn)代信號(hào)處理領(lǐng)域一個(gè)重要的研究方向,并被廣泛應(yīng)用于生物醫(yī)學(xué)工程、語音增強(qiáng)、數(shù)據(jù)通信與陣列信號(hào)處理、圖像處理與識(shí)別等領(lǐng)域。經(jīng)過多年的發(fā)展,盡管對(duì)盲源分離的研究已取得一系列顯著的成績(jī),但由于信號(hào)混合模型和應(yīng)用對(duì)象的復(fù)雜性和多樣性,它仍是一個(gè)極具挑戰(zhàn)性的課題,對(duì)于某些特定情況下(例如欠定混合、非充分稀疏等)的信號(hào)分離仍有很大的研究空間及實(shí)用價(jià)值。本文緊緊圍繞盲源分離這一主題,在線性時(shí)延欠定混合模型下,重點(diǎn)研究了稀疏成分分析、獨(dú)立成分分析、時(shí)頻分布等技術(shù)在盲源分離處理中的相關(guān)理論方法,和非充分稀疏的條件下、不同統(tǒng)計(jì)特征源信號(hào)盲源分離算法的具體實(shí)現(xiàn),以及盲源分離技術(shù)在無源雷達(dá)運(yùn)動(dòng)目標(biāo)檢測(cè)中的應(yīng)用。具體的研究?jī)?nèi)容和成果包括如下幾個(gè)方面:(1)針對(duì)源信號(hào)時(shí)頻域非充分稀疏的部分混疊情況,提出了基于接收端先驗(yàn)信息提取和凸優(yōu)化子空間的通用欠定盲源分離算法。首先從混合信號(hào)接收端著手,借助已知的接收天線參數(shù),提取出混合矩陣的先驗(yàn)信息,并利用其推導(dǎo)出單源時(shí)頻點(diǎn)的判斷新標(biāo)準(zhǔn),進(jìn)行混合矩陣的估計(jì);然后,借助基于凸模型的子空間投影改進(jìn)算法實(shí)現(xiàn)源信號(hào)的分離。該模型同時(shí)融合了信號(hào)投影和子空間的大小(即時(shí)頻點(diǎn)源數(shù)目),克服了傳統(tǒng)的子空間算法預(yù)先設(shè)定各時(shí)頻點(diǎn)源數(shù)目為常數(shù)時(shí)會(huì)造成局部混合矩陣過估計(jì),而按通常做法對(duì)每個(gè)時(shí)頻點(diǎn)進(jìn)行源數(shù)目估計(jì)又會(huì)增大計(jì)算量的缺點(diǎn)。實(shí)驗(yàn)結(jié)果表明所提算法能夠很好地完成混合矩陣的估計(jì)和源信號(hào)的分離,尤其在低信噪比時(shí)仍能取得穩(wěn)定的更優(yōu)分離性能,適應(yīng)性更強(qiáng)。(2)在準(zhǔn)平穩(wěn)信號(hào)混合模型下,重點(diǎn)針對(duì)來波方向較接近時(shí)傳統(tǒng)基于Khatri-rao積子空間法難以有效分辨的問題,提出了基于平行因子分解(PARAFAC)的高分辨欠定盲辨識(shí)算法。首先利用待分離數(shù)據(jù)的代數(shù)結(jié)構(gòu),重新建立基于Khatri-rao積的欠定盲辨識(shí)模型;然后將該模型表示成三階PARAFAC數(shù)據(jù)模型的形式;最后通過PARAFAC代數(shù)分解算法實(shí)現(xiàn)欠定混合矩陣的盲辨識(shí)。相比于傳統(tǒng)方法,該方法不但利用了信號(hào)之間的統(tǒng)計(jì)特征,更重要的是提取了數(shù)據(jù)內(nèi)在緊湊的代數(shù)結(jié)構(gòu)先驗(yàn)信息,從而借助高效的代數(shù)計(jì)算算法進(jìn)行求解。實(shí)驗(yàn)結(jié)果表明,該方法可以有效地實(shí)現(xiàn)準(zhǔn)平穩(wěn)信號(hào)欠定混合矩陣的高分辨盲辨識(shí),尤其對(duì)源信號(hào)來波方向較接近的情況具有更顯著的效果。(3)針對(duì)諸如通信信號(hào)通常具有的循環(huán)平穩(wěn)統(tǒng)計(jì)特性,進(jìn)一步挖掘信號(hào)的統(tǒng)計(jì)特征,提出了一種基于二階循環(huán)統(tǒng)計(jì)量預(yù)處理的二次時(shí)頻分布盲源分離算法。首先挖掘二階循環(huán)統(tǒng)計(jì)量與Wigner-Ville分布之間的內(nèi)在聯(lián)系,借助分段平均的周期圖實(shí)現(xiàn)對(duì)二次時(shí)頻分布WVD的重構(gòu),達(dá)到降噪和抑制一定交叉項(xiàng)干擾的預(yù)處理目的;然后,計(jì)算信號(hào)時(shí)頻分布矩陣并找出自源時(shí)頻點(diǎn),并利用相應(yīng)的時(shí)頻分布矩陣構(gòu)建新的三階張量模型;最后利用PARAFAC分解法直接實(shí)現(xiàn)源信號(hào)的分離。該算法借助信號(hào)的循環(huán)平穩(wěn)特征,通過預(yù)處理的方式達(dá)到抑制噪聲和干擾項(xiàng)的目的,且模型只需滿足平行因子分解的條件,不需假設(shè)任意時(shí)頻點(diǎn)的源數(shù)目不大于混合信號(hào)數(shù)目。實(shí)驗(yàn)結(jié)果表明所提出的方法可以有效地抑制干擾,并且只需要一步即可實(shí)現(xiàn)源信號(hào)的分離,避免“兩步法”造成的誤差疊加,提高了分離的效率和性能。(4)以基于外輻射源信號(hào)的無源雷達(dá)運(yùn)動(dòng)目標(biāo)檢測(cè)為研究對(duì)象,提出了基于盲源分離的雜波分步干擾抑制架構(gòu),研究算法在實(shí)際中的應(yīng)用。首先采用時(shí)域相消算法抑制主基站直達(dá)波和多徑干擾;然后針對(duì)殘留的強(qiáng)弱混合的鄰近基站干擾信號(hào),采用分步抑制算法,先借助盲源分離算法對(duì)較強(qiáng)干擾信號(hào)進(jìn)行初步抑制,再利用穩(wěn)健的自適應(yīng)波束形成技術(shù)對(duì)較弱信號(hào)進(jìn)行進(jìn)一步的干擾消除;最后利用距離-多普勒相干處理對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。該方法借助分步架構(gòu),對(duì)主基站干擾、鄰近基站強(qiáng)、弱干擾進(jìn)行分別處理,克服了傳統(tǒng)干擾抑制方法會(huì)將較多的自由度用于抑制功率相對(duì)較大的主基站直達(dá)波和多徑干擾信號(hào),對(duì)鄰近基站干擾信號(hào)抑制不完全的缺點(diǎn),同時(shí)避免了強(qiáng)干擾信號(hào)在直接波束形成處理時(shí)對(duì)較弱信號(hào)的“遮蔽”作用。實(shí)驗(yàn)結(jié)果表明,本文算法具有更好的雜波干擾抑制和目標(biāo)檢測(cè)的效果。
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN911.7

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前9條

1 張良俊;楊杰;盧開旺;孫亞東;;基于循環(huán)平穩(wěn)特性的時(shí)頻分析法欠定盲源分離[J];兵工學(xué)報(bào);2015年04期

2 曾耀平;楊益新;盧光躍;;基于對(duì)稱譜的寬帶相干信號(hào)快速DOA估計(jì)[J];計(jì)算機(jī)應(yīng)用;2013年12期

3 曾耀平;楊益新;盧光躍;;寬帶混合信號(hào)的快速DOA估計(jì)算法[J];計(jì)算機(jī)應(yīng)用研究;2015年01期

4 張興良;王可人;錢峰;;基于陣列擴(kuò)展的寬帶DOA估計(jì)算法[J];計(jì)算機(jī)應(yīng)用研究;2015年02期

5 楊青川;臧傳霞;李天雷;胡玉蘭;梅鐵民;;基于帕斯維爾定理的頻域積分盲源分離算法[J];南京理工大學(xué)學(xué)報(bào);2015年01期

6 方標(biāo);黃高明;高俊;;多通道盲反卷積算法綜述[J];信號(hào)處理;2013年06期

7 牛德智;陳長(zhǎng)興;徐浩翔;唐冬麗;屈坤;王旭婧;;獨(dú)立分量分析聯(lián)合最小二乘的DOA估計(jì)[J];系統(tǒng)工程與電子技術(shù);2014年09期

8 韋祥;李本威;趙勇;宋漢強(qiáng);楊笑冬;;卷積混合的頻域盲解卷積法診斷轉(zhuǎn)子故障[J];噪聲與振動(dòng)控制;2015年01期

9 胡越;李富才;邵威;孟立立;周吉文;;工程機(jī)械噪聲源識(shí)別技術(shù)研究進(jìn)展[J];噪聲與振動(dòng)控制;2015年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 王法松;盲源分離的擴(kuò)展模型與算法研究[D];西安電子科技大學(xué);2013年

2 周曉峰;機(jī)械振動(dòng)源的分離和識(shí)別方法研究[D];浙江大學(xué);2012年

3 劉慶華;基于自適應(yīng)濾波及模態(tài)分析的有源噪聲控制方法研究[D];西安電子科技大學(xué);2014年

4 王平;盲源分離和信道編碼盲識(shí)別研究[D];西安電子科技大學(xué);2013年

5 潘捷;非線性陣列DOA估計(jì)算法研究[D];南京航空航天大學(xué);2013年

6 納躍躍;頻域盲源分離算法研究及其在高速列車噪聲成分分離中的應(yīng)用[D];北京交通大學(xué);2014年

7 崔紅巖;術(shù)中脊髓監(jiān)護(hù)體感誘發(fā)電位異常預(yù)警動(dòng)態(tài)預(yù)測(cè)模型研究[D];北京協(xié)和醫(yī)學(xué)院;2015年

8 李風(fēng)從;雷達(dá)抗干擾波形優(yōu)化設(shè)計(jì)的研究[D];哈爾濱工業(yè)大學(xué);2014年

，

本文編號(hào)：1252883