动态信号源数目盲估计方法研究

发布时间：2024-03-31 17:36

　　针对目前盖氏圆盘准则(GDE)及其改进方法难以精确计算出变化的瞬时信号源数目的问题,提出了基于滑动窗口(SW)和相关系数(CC)相结合改进盖氏圆盘准则的GDE-SW-CC动态信号源数目盲估计方法。首先利用盖氏圆盘准则的盖尔圆半径在信号数量增长过程中不断更替变化的特性,将新盖尔圆半径减去旧半径得出整体信源中半径变化最大的动态段。其次采用滑动窗口算法对动态段进行分段精估计,得到每一个滑动窗GDE的判断阈值。然后将GDE的判断阈值作为滑动窗口的特征量,并计算它们之间的相关系数,根据相关系数的峰值位置区分动态窗口信号圆盘与静态窗口信号圆盘得到瞬时信号源数目。最后,通过计算机仿真以及实测数据实验验证了本文方法的有效性、通用性和实用性。计算机仿真对比实验结果表明,相比现有静态GDE,所提方法能快速判读信号的源个数并定位出动态变化的时间区域;在此基础上,结合所提方法与集合经验模态分解(EEMD)进行了欠定盲源分离情形下的动态源信号数目估计仿真实验,结果表明调整因子为0.2以上即可得到正确的估计;实测数据实验得出结果与仿真结果基本吻合,尤其当信号源数目减少时,GDE的估计正确概率从95%降低到4%,所...

【文章页数】：10 页

【部分图文】：

图1盲源分离模型

盲源分离模型如图1所示。根据传感器接收到的观测信号数目m和源信号数目n的数量关系可以将盲源分离分为3种类型:适定盲源分离(m=n)、超定盲源分离(m>n)、欠定盲源分离(m<n)。

图2滑动窗

图2所示为观测向量在相邻窗口内数据块的更新过程。其中,L为窗口长度,表示为相邻窗口的原始观测数据向量。通过滑动窗的移动,可以得到每个时间段的信源个数,相比一次性静态估计更能得到信号源动态变化时个数的准确结果。2)基于滑动窗的盖氏圆盘模型

图3信号源

本文仿真采用12均匀圆阵列,参数采样率设置1000Hz,此处考虑如下信号的随机线性混合: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....

图4信源数目减少

(1)在3000个采样点之前,有6个源信号,在3000个采样点之后,源信号随机地减少1个,变为5个。本文以第一路信号在第3000点后由正弦变为0为例,如图4所示。在信源数目减少的情况下,首先使用传统的盖氏圆盘方法进行信源个数估计,选择信号每增加1000个采样点就计算一次以....

本文编号：3944281