针对盲源分离算法应用中的源数估计问题,提出了一种结合盖尔圆定理(Geschgorin Disk Estimator,GDE)和最小描述长度准则(Minimum Description Length,MDL)的GDE-MDL源数估计方法。GDE-MDL方法集合了盖尔圆定理适用于空间色噪声的优点和...针对盲源分离算法应用中的源数估计问题,提出了一种结合盖尔圆定理(Geschgorin Disk Estimator,GDE)和最小描述长度准则(Minimum Description Length,MDL)的GDE-MDL源数估计方法。GDE-MDL方法集合了盖尔圆定理适用于空间色噪声的优点和MDL准则一致性估计的优点。该方法通过对观测信号协方差矩阵进行酉变换来抑制噪声,可以提高似然函数的灵敏度和信源数目的估计精度,更好的处理低信噪比和空间色噪声条件下的源数估计问题。仿真结果表明,GDE-MDL方法稳定性较好,适应性强,在白噪声和空间色噪声的情况下均可以较好的实现信源数目的估计。展开更多
针对最小信息准则(Akaike Information Criterion,AIC)存在的非渐进一致性估计的缺陷,以及盖尔圆准则(Gerschgorin Disk Estimator,GDE)可能出现无序特征值导致检测错误的问题,提出了一种基于盖尔圆准则和最小信息准则的GDE-AIC信源数...针对最小信息准则(Akaike Information Criterion,AIC)存在的非渐进一致性估计的缺陷,以及盖尔圆准则(Gerschgorin Disk Estimator,GDE)可能出现无序特征值导致检测错误的问题,提出了一种基于盖尔圆准则和最小信息准则的GDE-AIC信源数目估计算法。该算法利用盖尔圆半径与噪声模型无关的特性构造似然函数,将其引入AIC准则模型中,克服了AIC准则非渐进一致性估计的缺点,且适用于空间色噪声的环境。在仿真实验中,将该算法与AIC算法及GDE算法等进行对比,结果表明,该方法稳定性好,适用于白噪声与色噪声,且在低信噪比时仍具有良好的估计性能。展开更多
为解决现有信源数目估计方法对不同特性信号的适应性普遍较差的问题,提出了一种均匀线性阵列下基于传感器输出信号相关函数构成的Hankel矩阵的奇异值分解的信源数目估计方法。该方法利用把传感器输出信号相关函数中未知噪声方差项排除的...为解决现有信源数目估计方法对不同特性信号的适应性普遍较差的问题,提出了一种均匀线性阵列下基于传感器输出信号相关函数构成的Hankel矩阵的奇异值分解的信源数目估计方法。该方法利用把传感器输出信号相关函数中未知噪声方差项排除的Hankel矩阵的一般形式在信号独立,混合和相干的情况下均能进行信源数目估计,且信源数目估计能力超过传感器数目的一半。仿真实验结果表明,该方法信源数目估计的正确概率(PCEs:Probabilities of Correct Enumeration)的分布特征具有不变性,且相较于基于空间平滑技术的信号源数目估计方法具有更稳定的估计性能和更宽的阈值范围。展开更多
盲信号处理(Blind Signal ProCessing)是近年来信号处理研究的热点之一,"盲"是指在没有任何先验信息或者先验信启、不足环境下的假设,因此,该处理方法对环境及信号的应用更加宽泛。盲信源数目是盲分离的首要前提,信源数目的...盲信号处理(Blind Signal ProCessing)是近年来信号处理研究的热点之一,"盲"是指在没有任何先验信息或者先验信启、不足环境下的假设,因此,该处理方法对环境及信号的应用更加宽泛。盲信源数目是盲分离的首要前提,信源数目的确定更是直接关系到盲分离效果的正确性。本文主要研究了IAC准则,MDL准则和盖式圆准则的盲信源数目估计算法。在不同信噪比情况下,分别对噪声观测信号进行信源数目估计。通过实验证明,盖式圆在含有噪声的情况下,能够相对准确的估计出信源数目,IAC和MDL在低信噪比情况下,不能准确的估计出信源数目。展开更多
文摘针对盲源分离算法应用中的源数估计问题,提出了一种结合盖尔圆定理(Geschgorin Disk Estimator,GDE)和最小描述长度准则(Minimum Description Length,MDL)的GDE-MDL源数估计方法。GDE-MDL方法集合了盖尔圆定理适用于空间色噪声的优点和MDL准则一致性估计的优点。该方法通过对观测信号协方差矩阵进行酉变换来抑制噪声,可以提高似然函数的灵敏度和信源数目的估计精度,更好的处理低信噪比和空间色噪声条件下的源数估计问题。仿真结果表明,GDE-MDL方法稳定性较好,适应性强,在白噪声和空间色噪声的情况下均可以较好的实现信源数目的估计。
文摘针对最小信息准则(Akaike Information Criterion,AIC)存在的非渐进一致性估计的缺陷,以及盖尔圆准则(Gerschgorin Disk Estimator,GDE)可能出现无序特征值导致检测错误的问题,提出了一种基于盖尔圆准则和最小信息准则的GDE-AIC信源数目估计算法。该算法利用盖尔圆半径与噪声模型无关的特性构造似然函数,将其引入AIC准则模型中,克服了AIC准则非渐进一致性估计的缺点,且适用于空间色噪声的环境。在仿真实验中,将该算法与AIC算法及GDE算法等进行对比,结果表明,该方法稳定性好,适用于白噪声与色噪声,且在低信噪比时仍具有良好的估计性能。
文摘为解决现有信源数目估计方法对不同特性信号的适应性普遍较差的问题,提出了一种均匀线性阵列下基于传感器输出信号相关函数构成的Hankel矩阵的奇异值分解的信源数目估计方法。该方法利用把传感器输出信号相关函数中未知噪声方差项排除的Hankel矩阵的一般形式在信号独立,混合和相干的情况下均能进行信源数目估计,且信源数目估计能力超过传感器数目的一半。仿真实验结果表明,该方法信源数目估计的正确概率(PCEs:Probabilities of Correct Enumeration)的分布特征具有不变性,且相较于基于空间平滑技术的信号源数目估计方法具有更稳定的估计性能和更宽的阈值范围。
文摘盲信号处理(Blind Signal ProCessing)是近年来信号处理研究的热点之一,"盲"是指在没有任何先验信息或者先验信启、不足环境下的假设,因此,该处理方法对环境及信号的应用更加宽泛。盲信源数目是盲分离的首要前提,信源数目的确定更是直接关系到盲分离效果的正确性。本文主要研究了IAC准则,MDL准则和盖式圆准则的盲信源数目估计算法。在不同信噪比情况下,分别对噪声观测信号进行信源数目估计。通过实验证明,盖式圆在含有噪声的情况下,能够相对准确的估计出信源数目,IAC和MDL在低信噪比情况下,不能准确的估计出信源数目。
