CN107315719A - 基于噪声能量设定判决门限的盖氏圆信号源数估计方法 - Google Patents
基于噪声能量设定判决门限的盖氏圆信号源数估计方法 Download PDFInfo
- Publication number
- CN107315719A CN107315719A CN201710492560.7A CN201710492560A CN107315719A CN 107315719 A CN107315719 A CN 107315719A CN 201710492560 A CN201710492560 A CN 201710492560A CN 107315719 A CN107315719 A CN 107315719A
- Authority
- CN
- China
- Prior art keywords
- signal
- estimation
- matrix
- noise
- decision threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于通信技术领域,涉及一种基于噪声能量设定判决门限的盖氏圆信号源数估计方法。相对传统的盖氏圆信号源数估计方法,本发明由噪声能量确定判决门限,解决了信号源之间信噪比差距Δsnr比较大和信号源之间的入射角Δθ比较接近时无法正确估计信号源个数的问题,提高了信号能量大小差距的容忍性和角度分辨率。
Description
技术领域
本发明属于通信技术领域,尤其涉及一种基于噪声能量设定判决门限的盖氏圆信号源数估计方法。
背景技术
信号源个数估计在空间谱估计技术中是一个关键问题,因为现在大部分高分辨率的子空间分解类算法,如多信号分类(Multiple Signal Classification,MUSIC)和旋转不变子空间(Estimating signal parameters viarotational invariance techniques,ESPRIT)算法都需要预先知道信号源的个数,并且这一类算法的估计性能都取决于信号和噪声子空间,而这两个空间的划分取决于信号源个数。当信号源数的估计与实际值有偏差时,这一类算法的空间谱曲线峰值个数与实际不符,产生虚警,同时还会对真实目标的方位信息估计产生影响。因此正确估计信号源数在空间谱技术中是一个重要的环节。
目前有很多算法可以估计信号源的个数,但这些算法各有优缺点。比如,在低信噪比(signal to noise ratio,SNR)的情况下平滑秩序列法估计性能较差,但在高信噪比时估计性能相当稳定;正则相关技术和盖氏圆半径法可以在色噪声进行信号源数估计,而包括平滑秩序列估计法和信息论方法不能应用于色噪声的环境中进行信号源估计。相对于信息论方法和平滑秩系列估计法,盖氏圆盘法不需要得到矩阵或者修正矩阵的特征值来进行信号元数估计,可以直接进行酉变换得到信号与噪声对应的圆盘半径,然后根据圆盘半径设定门限进行比较估计信号源数。然而经典的盖氏圆盘法里,门限是根据所有信号圆盘半径与噪声圆盘半径的平均值乘以调整因子得到。因为信号圆盘半径远大于噪声圆盘半径,门限的大小实际是取决于信号圆盘的值,并且当信号圆盘半径大小之间也存在较大差距的情况下,门限此时主要取决于最大的那几个信号圆盘半径,这样一来就会导致门限大于其中较小的信号圆盘半径,从而导致较大的估计误差。而这样的问题在信号源之间信噪比差距较大和信号源之间的入射角比较接近时表现更严重,甚至导致估计错误。
发明内容
本发明针对现有技术的缺陷,提出一种基于噪声能量设定判决门限T的改进盖氏圆信号源数估计方法进行信号源数估计,该方法相对于经典的盖氏圆半径法具有更高的信号源能量大小差距容忍性,和更高的角度分辨率。
一种基于噪声能量设定判决门限的盖氏圆信号源数估计方法,包括如下步骤:
S1、计算矩阵的特征矩阵所述特征矩阵满足且其中,E为单位矩阵,Σ为矩阵的特征值矩阵,为数据协方差矩阵R∈CM×M的分块矩阵,M为阵元的个数;
S2、进行酉变换求变换矩阵RP∈CM×M,
其中, 为矩阵的特征值,ρi的模值为盖氏圆盘半径,i=1,2,3,...,M-1,r为圆盘半径;
S3、计算判决门限其中,I为噪声圆盘判决累加的个数,rM-1=|ρM-1|为噪声圆盘半径;
S4、判决准则NGDE(k)=rk-T>0成立的次数就是信号源的个数,其中,k=1~M-2,T为门限,是经验值。
进一步地,S3所述I=M/2。
本发明的有益效果是:
根据噪声圆盘半径确定判决门限,解决了经典盖氏圆方法在信号源之间信噪比差距Δsnr比较大和信号源之间的入射角Δθ比较接近时,圆盘半径大小相差巨大,而门限T主要取决较大的圆盘半径,因而门限T大于较小的圆盘半径,最终导致无法进行有效的估计信号源数的问题。本发明相对于经典的盖氏圆半径法具有更高的信号源能量大小差距容忍性,和更高的角度分辨率。
附图说明
图1为本发明方法流程图。
图2为远场信号均匀线阵接收模型。
图3为估计成功概率与信噪比差值Δsnr的关系。
图4为估计成功概率与信号入射角差值Δθ的关系。
具体实施方式
下面结合附图对本发明进行说明。
实施例1、
本发明的估计性能与接收信号信噪比差值Δsnr的关系,同时与经典盖氏圆盘法进行比较。
实施例1的方法如图1所示,接收阵列如图2所示的有8个阵元组成的均匀线阵。
考虑N=2个载波为的BPSK调制的远场信号,s1(n)、s2(n)分别以θ1=6°、θ2=30°入射到M=16阵元的均匀线阵上,且有阵元间距d=0.5λ。阵列接收噪声是零均值,功率σ2=1的高斯白噪声。并且快拍数L=512,信号s1(n)的信噪比SNR1=20dB,信号s1(n)的信噪比SNR2=SNR1-Δsnr。设Δsnr从0dB到40dB步进为1dB取值,每次取值都进行独立实验100次并计算成功概率其中q为估计成功的次数,Q=100为独立实验总数
实施例1中的信号源数估计性能用成功概率Pd衡量,Pd越大估计性能越好。
信号源数估计方法包括以下步骤:
令Δsnr=0~40dB取值,步进为1dB,每次取值都独立重复下面步骤100次,并记录在当前Δsnr的取值内,估计成功概率Pd的值。
仿真信号建模:
a1.产生M个阵列的接收数据X(n)∈CM×1。
X(n)=AS(n)+N(n),n=1~L
其中,N(n)∈CM×1为均值为0,方差为σ2=1的复高斯白噪声矢量;S(n)=[s1(n) s2(n)]T∈CN×1为远场信号矢量,s1(n)和s1(n)的幅度分别由SNR1和SNR2决定;A∈CM×N为均匀线阵的空间阵列流型矩阵。
a2.计算数据协方差矩阵
b.利用本发明进行信号源数估计。
b1.计算矩阵的特征矩阵
特征矩阵满足且E为单位矩阵,Σ为矩阵的特征值矩阵。其中,为数据协方差矩阵R∈CM×M的分块矩阵,满足M为阵元的个数。
b2.进行酉变换求变换矩阵RP∈CM×M。
其中, 为矩阵的特征值,ρi的模值为盖氏圆盘半径。
b3.计算判决门限
其中,I为噪声圆盘判决累加的个数,取接近M/2的整数时有比较好的估计效果,ri=|ρi|为噪声圆盘半径。
b4.根据下列准则确定信号源数
NGDE(k)=rk-T>0,k=1~M-2,
那么,判决准则成立(NGDE(k)>0)的次数就是信号源的估计个数。当时估计成功,否则估计失败。
最终的仿真结果如图3所示,从图上可以看出来本发明在Δsnr=19~28dB时比经典盖氏圆盘法的有更好的估计性能,并且估计正确率达到了100%。在Δsnr<19dB时,本发明和经典方法一样的估计正确率达都到了100%。可以看出来本发明相对于经典的盖氏圆盘法具有更高的信号源能量大小差距容忍性。
实施例2
本发明的估计性能与接收信号入射角差值Δθ的关系,同时与经典盖氏圆盘法进行比较。
实施例2的方法如附图1所示,当SNR1=SNR2=15dB,θ1=0°、θ2=θ1-Δθ,Δθ=0~3°步进为0.05°取值时,其余仿真条件与实施例1的相同。改变仿真条件后执行实施例1的步骤,并分别记录每个Δsnr下的估计成功概率Pd,即可得到仿真结果,如附图4所示。
从仿真结果可以看出来,经典的方法(classical method)在Δθ<2.1°时估计性能非常的差,而本发明(our method)在Δθ=0.6°时都有着100%估计正确率。可以得出,本发明相对于经典的盖氏圆盘法可以达到更高的角度分辨率。
Claims (2)
1.一种基于噪声能量设定判决门限的盖氏圆信号源数估计方法,其特征在于,包括如下步骤:
S1、计算矩阵的特征矩阵所述特征矩阵满足且其中,E为单位矩阵,Σ为矩阵的特征值矩阵,为数据协方差矩阵R∈CM×M的分块矩阵,M为阵元的个数;
S2、进行酉变换求变换矩阵RP∈CM×M,
其中, 为矩阵的特征值,ρi的模值为盖氏圆盘半径,i=1,2,3,...,M-1,r为圆盘半径;
S3、计算判决门限其中,I为噪声圆盘判决累加的个数,rM-1=|ρM-1|为噪声圆盘半径;
S4、判决准则NGDE(k)=rk-T>0成立的次数就是信号源的个数,其中,k=1~M-2,T为门限,是经验值。
2.根据权利要求1所述的一种基于噪声能量设定判决门限的盖氏圆信号源数估计方法,其特征在于:S3所述I=M/2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710492560.7A CN107315719A (zh) | 2017-06-26 | 2017-06-26 | 基于噪声能量设定判决门限的盖氏圆信号源数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710492560.7A CN107315719A (zh) | 2017-06-26 | 2017-06-26 | 基于噪声能量设定判决门限的盖氏圆信号源数估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107315719A true CN107315719A (zh) | 2017-11-03 |
Family
ID=60181303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710492560.7A Pending CN107315719A (zh) | 2017-06-26 | 2017-06-26 | 基于噪声能量设定判决门限的盖氏圆信号源数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107315719A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108923860A (zh) * | 2018-06-28 | 2018-11-30 | 电子科技大学 | 基于过门限修正的盲脉冲信号toa估计方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021192A (zh) * | 2016-05-27 | 2016-10-12 | 电子科技大学 | 一种基于Jacobi迭代法的盖氏圆信号源数估计方法 |
CN106707228A (zh) * | 2016-11-30 | 2017-05-24 | 广东工业大学 | 一种结合四阶累积量与盖尔圆改进的信号源个数估计方法 |
-
2017
- 2017-06-26 CN CN201710492560.7A patent/CN107315719A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021192A (zh) * | 2016-05-27 | 2016-10-12 | 电子科技大学 | 一种基于Jacobi迭代法的盖氏圆信号源数估计方法 |
CN106707228A (zh) * | 2016-11-30 | 2017-05-24 | 广东工业大学 | 一种结合四阶累积量与盖尔圆改进的信号源个数估计方法 |
Non-Patent Citations (2)
Title |
---|
HSIEN-TSAI WU ET AL: "Source number estimators using transformed gerschgorin radii", 《IEEE TRANSACTION ON SIGNAL PROCESSING》 * |
罗海坤 等: "一种基于改进盖氏圆盘法的信源数估计新算法", 《电子信息对抗技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108923860A (zh) * | 2018-06-28 | 2018-11-30 | 电子科技大学 | 基于过门限修正的盲脉冲信号toa估计方法 |
CN108923860B (zh) * | 2018-06-28 | 2021-01-08 | 电子科技大学 | 基于过门限修正的盲脉冲信号toa估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108696331B (zh) | 一种基于生成对抗网络的信号重构方法 | |
CN108304877B (zh) | 一种基于机器学习的物理层信道认证方法 | |
CN101917369A (zh) | 一种通信信号调制方式的识别方法 | |
KR20110096236A (ko) | 클러스터 간 상호정보를 이용한 클러스터링 장치 및 방법 | |
CN113378644A (zh) | 基于生成式对抗网络的信号调制类型识别攻击的防御方法 | |
CN111985411A (zh) | 基于Sinc卷积降噪自编码器的能量迹预处理方法 | |
CN115081475A (zh) | 基于Transformer网络的干扰信号识别方法 | |
CN107315719A (zh) | 基于噪声能量设定判决门限的盖氏圆信号源数估计方法 | |
CN103454623B (zh) | 基于复数agc模型的噪声背景下雷达目标识别方法 | |
CN106251861B (zh) | 一种基于场景建模的公共场所异常声音检测方法 | |
CN105656577B (zh) | 面向信道冲激响应的分簇方法和装置 | |
CN113095482B (zh) | 基于bp神经网络的拉曼放大器增益值计算方法及系统 | |
CN101320424B (zh) | 使用光栅验证用户的面部的系统和方法 | |
CN114564814A (zh) | 一种针对稀疏数据的动态阈值高斯核密度估计系统和方法 | |
EP2490149A1 (en) | System for verifying user identity via mouse dynamics | |
CN110879893A (zh) | 基于区块链和云计算的物流供应链大数据处理系统 | |
CN116260565A (zh) | 芯片电磁侧信道分析方法、系统及存储介质 | |
CN112769540B (zh) | 一种侧信道信息泄露的诊断方法、系统、设备及存储介质 | |
CN106709598B (zh) | 一种基于单类样本的电压稳定性预测判断方法 | |
CN115511596A (zh) | 一种辅助决策的征信验证评估管理方法及系统 | |
CN114238852A (zh) | 运营数据的分析方法、装置、存储介质及电子设备 | |
CN112530512A (zh) | 闪存存储设备的测试方法及装置 | |
Mirzaei et al. | Two‐stage blind audio source counting and separation of stereo instantaneous mixtures using Bayesian tensor factorisation | |
CN112200320A (zh) | 基于合作博弈法的模型解释方法、系统、设备及存储介质 | |
CN110781814A (zh) | 一种基于高斯混合神经网络模型的信号分类方法、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171103 |