CN108600324B - 一种信号合成方法及系统 - Google Patents

一种信号合成方法及系统 Download PDF

Info

Publication number
CN108600324B
CN108600324B CN201810259418.2A CN201810259418A CN108600324B CN 108600324 B CN108600324 B CN 108600324B CN 201810259418 A CN201810259418 A CN 201810259418A CN 108600324 B CN108600324 B CN 108600324B
Authority
CN
China
Prior art keywords
matrix
inverse matrix
signal
inverse
synthesis
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.)
Active
Application number
CN201810259418.2A
Other languages
English (en)
Other versions
CN108600324A (zh
Inventor
王雷欧
王东辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Acoustics CAS
Original Assignee
Institute of Acoustics CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Acoustics CAS filed Critical Institute of Acoustics CAS
Priority to CN201810259418.2A priority Critical patent/CN108600324B/zh
Publication of CN108600324A publication Critical patent/CN108600324A/zh
Application granted granted Critical
Publication of CN108600324B publication Critical patent/CN108600324B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
    • H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
    • H04B7/0842—Weighted combining
    • H04B7/0848—Joint weighting
    • H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Noise Elimination (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种信号合成方法及系统。该方法包括步骤：首先，建立与合成信号相关的目标函数，并根据目标函数确定与合成权值向量对应的待求解的特征矩阵，待求解的特征矩阵中包括待求解的逆矩阵；接着，采用迭代法对待求解的逆矩阵进行计算，并得到求解后的逆矩阵；然后，根据求解后的逆矩阵确定求解后的特征矩阵，并计算求解后的特征矩阵所对应的最优合成权值向量；再根据最优合成权值向量对多路信号进行加权相干相加操作，以确定合成信号。本发明提供的方法和系统在各路信号的噪声方差相等或者不相等的情况均可以使用，并在大幅度简化计算量的同时，保持了合成信号的性能。

Description

一种信号合成方法及系统
技术领域
本发明涉及传感器网络技术领域，尤其涉及一种信号合成方法及系统。
背景技术
近年来，传感器网络已经广泛应用于环境监测、健康护理、智能家居、城市交通以及军事安全，但是由于传感器网络节点信号感知能力有限，对于一些微弱信号的接收处理能力不足，因此需要将多个节点所接收到的信号进行合成，进而提高接收信号的信噪比。信号合成的目标就是使合成信号的信噪比最大，除了要将多路接收信号间时延和频率等参数差异进行补偿使信号对齐之外，还需要按照最优的权值进行加权相干相加。由于对齐之后信号部分相干相加，而噪声随机相加，合成信号的有用部分的功率比噪声功率提升多，因此合成信号的信噪比得到提高。
K.M.Cheung等人发表的文章《Eigen Theory for Optical Signal Combining:AUnified Approach》中提出了以合成信号信噪比为目标函数的特征值分解算法(Signal-to-Noise Ratio EIGEN，SNR EIGEN)，其中估计噪声相关矩阵的通常做法是假设噪声是高斯白噪声，并通过记录一段纯噪声再进行相关计算获得。由于估计噪声相关矩阵较为困难，所以实际应用中，更多采用合成信号功率作为目标函数进行权值估计。C.H.Lee等人发表的文章《Large-Array Signal Processing for Deep Space Application》中指出输出功率最大准则与合成信号信噪比最大准则是等价的。最大输出信号功率准则就是以合成信号的功率作为目标函数，计算最优合成权值，使得合成信号的输出功率最大(Combined OutputPower EIGEN，COP EIGEN)。以合成信号功率为目标函数的特征值分解算法由于假设各信号的噪声方差相等，因此可以忽略噪声的影响，无需估计噪声相关矩阵，但是当各路信号噪声方差不一致时，采用最大输出信号功率准则计算合成权值将是有偏的。B.Luo等人发表的文章《On Eigen-Based Signal Combining Using the Autocorrelation Coefficient》中指出合成信号的自相关系数与合成信号信噪比最大准则是等价的(AutocorrelationCoefficient EIGEN，AC EIGEN)。
以上三种算法SNR EIGEN、COP EIGEN和AC EIGEN的最优合成权值计算过程相似，合成权值的最优值是某个矩阵最大特征值对应的特征向量。但是这些算法的主要问题在于计算量较大。特别是，SNR EIGEN和AC EIGEN算法需要分别求解接收信号和噪声的相关矩阵的逆矩阵，随着接收信号路数N的增加，求解逆矩阵部分的计算量将急剧增加，因此需要改进算法对计算量进行大幅缩减。
发明内容
本发明的目的在于，解决现有的信号合成技术中计算量大的问题，提供一种信号合成方法及系统，采用迭代法对特征矩阵中包括的逆矩阵进行求解。该方法和系统在各路信号的噪声方差相等或者不相等的情况均可以使用，并在大幅度简化计算量的同时，保持了合成信号的性能。
为了实现上述目的，一方面，本发明提供了一种信号合成方法。该方法包括步骤：建立与合成信号相关的目标函数，并根据所述目标函数确定与合成权值向量对应的待求解的特征矩阵，所述待求解的特征矩阵中包括待求解的逆矩阵；采用迭代法对所述待求解的逆矩阵进行计算，并得到求解后的逆矩阵；根据所述求解后的逆矩阵确定求解后的特征矩阵，并计算所述求解后的特征矩阵所对应的最优合成权值向量；根据所述最优合成权值向量对多路信号进行加权相干相加操作，以确定所述合成信号。
优选地，所述目标函数为所述合成信号信噪比的目标函数，所述待求解的逆矩阵为噪声相关矩阵的逆矩阵。
优选地，所述目标函数为所述合成信号自相关系数的目标函数，所述待求解的逆矩阵为接收信号相关矩阵的逆矩阵。
优选地，在所述采用迭代法对所述待求解的逆矩阵进行计算中，包括采用以下公式对所述待求解的逆矩阵所对应的相关矩阵进行分块表示：
Figure BDA0001609866250000031
其中，m是逆矩阵计算的迭代次数，m＝2,3,…,M，且M是总迭代次数；
Figure BDA0001609866250000032
表示第m次迭代时得到的相关矩阵；
Figure BDA0001609866250000033
和ρm表示
Figure BDA0001609866250000034
的分块矩阵。
优选地，在所述采用迭代法对所述待求解的逆矩阵进行计算中，包括采用以下迭代公式得到求解后的逆矩阵：
Figure BDA0001609866250000035
其中，
Figure BDA0001609866250000036
另一方面，本发明提供了一种信号合成系统。该系统包括：
建立单元，用于建立与合成信号相关的目标函数；
确定单元，用于根据所述目标函数确定与合成权值向量对应的待求解的特征矩阵，所述待求解的特征矩阵中包括待求解的逆矩阵；
第一计算单元，用于采用迭代法对所述待求解的逆矩阵进行计算，并得到求解后的逆矩阵；
第二计算单元，用于根据所述求解后的逆矩阵确定求解后的特征矩阵，并计算所述求解后的特征矩阵所对应的最优合成权值向量；
合成单元，用于根据所述最优合成权值向量对多路信号进行加权相干相加操作，以确定所述合成信号。
优选地，所述建立单元建立的目标函数为所述合成信号信噪比的目标函数，所述确定单元确定的待求解的逆矩阵为噪声相关矩阵的逆矩阵。
优选地，所述建立单元建立的目标函数为所述合成信号自相关系数的目标函数，所述确定单元确定的待求解的逆矩阵为接收信号相关矩阵的逆矩阵。
优选地，所述第一计算单元具体用于，采用以下公式对所述待求解的逆矩阵所对应的相关矩阵进行分块表示：
Figure BDA0001609866250000041
其中，m是逆矩阵计算的迭代次数，m＝2,3,…,M，且M是总迭代次数；
Figure BDA0001609866250000042
表示第m次迭代时得到的相关矩阵；
Figure BDA0001609866250000043
和ρm表示
Figure BDA0001609866250000044
的分块矩阵。
优选地，所述第一计算单元具体用于，采用以下迭代公式得到求解后的逆矩阵：
Figure BDA0001609866250000045
其中，
Figure BDA0001609866250000046
本发明提供的一种信号合成方法及系统，采用迭代法对特征矩阵中包括的逆矩阵进行求解。该方法和系统在各路信号的噪声方差相等或者不相等的情况均可以使用，并在大幅度简化计算量的同时，保持了合成信号的性能。
附图说明
图1为本发明实施例提供的信号合成方法的流程示意图；
图2为本发明实施例提供的求逆计算量的节省比率示意图；
图3为本发明实施例提供的信号合成方法的流程框图；
图4为本发明实施例提供的噪声方差相等时的合成损失示图；
图5为本发明实施例提供的噪声方差不相等时的合成损失示图；
图6为本发明实施例提供的一种信号合成系统的结构示意图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案作进一步的详细描述。
图1为本发明实施例提供的一种信号合成方法的流程示意图。如图1所示，该方法包括步骤S110-S140：
步骤S110，建立与合成信号相关的目标函数，并根据所述目标函数确定与合成权值向量对应的待求解的特征矩阵，所述待求解的特征矩阵中包括待求解的逆矩阵。
具体地，建立的目标函数为合成信号信噪比的目标函数，对应的待求解的逆矩阵为噪声相关矩阵的逆矩阵。
或者，建立合成信号自相关系数的目标函数，对应的待求解的逆矩阵为接收信号相关矩阵的逆矩阵。
在一个可能的实施例中，采用SNR EIGEN算法建立合成信号信噪比的目标函数，根据此目标函数确定待求解的特征矩阵为接收信号相关矩阵
Figure BDA0001609866250000051
以及噪声相关矩阵
Figure BDA0001609866250000052
的逆矩阵
Figure BDA0001609866250000053
的乘积
Figure BDA0001609866250000054
据此可知，待求解的特征矩阵中包括的待求解的逆矩阵为噪声相关矩阵的逆矩阵
Figure BDA0001609866250000061
且本实施例的具体过程如下：
首先，将传感器接收到的多路信号建模为：
xi(k)＝si(k)+ni(k)i＝1,2,…,N (1)
式(1)中，k为采样点编号，下标i表示路数编号，xi(k)表示第i路所接收到的信号，N为总路数，si(k)表示第i路接收的源信号，ni(k)表示第i路信号的噪声分量，通常将ni(k)建模为零均值高斯白噪声。
因此合成信号可以表示为：
Figure BDA0001609866250000062
Figure BDA0001609866250000063
Figure BDA0001609866250000064
Figure BDA0001609866250000065
Figure BDA0001609866250000066
其中，xc(k)是合成信号，sc(k)是合成的信号部分，nc(k)是合成的噪声部分，
Figure BDA0001609866250000067
表示合成权值向量，
Figure BDA0001609866250000068
表示接收增益向量，上标T表示转置，上标H表示共轭转置。由上，合成信号信噪比可以表示为：
Figure BDA0001609866250000069
Figure BDA00016098662500000610
Figure BDA00016098662500000611
其中，
Figure BDA00016098662500000612
表示接收信号相关矩阵，
Figure BDA00016098662500000613
表示源信号相关矩阵，
Figure BDA00016098662500000614
表示噪声相关矩阵。对公式(9)求
Figure BDA00016098662500000615
的偏导数，可以得到：
Figure BDA0001609866250000071
由公式(10)可知，获得最大信噪比的合成权值向量
Figure BDA0001609866250000072
即为矩阵
Figure BDA0001609866250000073
最大特征值对应的特征向量。该算法需要估计接收信号相关矩阵
Figure BDA0001609866250000074
和噪声相关矩阵
Figure BDA0001609866250000075
其中接收信号相关矩阵
Figure BDA0001609866250000076
可以由所接收到的信号直接进行相关计算获得，而估计噪声相关矩阵则较为困难。
在另一个可能的实施例中，本步骤包括：采用AC EIGEN算法建立合成信号自相关系数的目标函数，根据此目标函数确定待求解的矩阵为接收信号的两个相关矩阵
Figure BDA0001609866250000077
和
Figure BDA0001609866250000078
的乘积
Figure BDA0001609866250000079
据此可知，待求解的特征矩阵中包括的待求解的逆矩阵为接收信号相关矩阵
Figure BDA00016098662500000710
的逆矩阵
Figure BDA00016098662500000711
且本实施例的具体过程如下：
合成信号的自相关系数可以表示为：
Figure BDA00016098662500000712
其中，τ为信号的位移量，取值为整数，例如可以取τ＝1。
对式(11)求
Figure BDA00016098662500000713
的偏导数，可以得到：
Figure BDA00016098662500000714
由上式可知，矩阵
Figure BDA00016098662500000715
的最大特征值对应的特征向量就是使合成信号的自相关系数最大的合成权值向量。据此，AC EIGEN算法需要计算接收信号的两个相关矩阵
Figure BDA00016098662500000716
和
Figure BDA00016098662500000717
其中
Figure BDA00016098662500000718
可以由所接收到的信号直接进行相关计算获得。
通过上述分析可以看到，在SNR EIGEN和AC EIGEN算法中，分别需要求解噪声相关矩阵
Figure BDA00016098662500000719
的逆矩阵
Figure BDA00016098662500000720
和接收信号相关矩阵
Figure BDA0001609866250000081
的逆矩阵
Figure BDA0001609866250000082
计算这两个逆矩阵的复杂度均为O(N3)。随着接收信号的路数N的增加，求解逆矩阵部分的计算量将急剧增大，因此需要新的方法来减少计算量。
步骤S120，采用迭代法对所述待求解的逆矩阵进行计算，并得到求解后的逆矩阵。
需要说明的是，接收信号相关矩阵或噪声相关矩阵的定义包括以下公式：
Figure BDA0001609866250000083
式(13)中，互相关函数Rsisj(τ)的定义为：
Figure BDA0001609866250000084
其中，τ为信号的位移量，L表示各路信号中采样点编号的总数(也可以称为相关计算的长度)。
由公式(13)和(14)可知，当τ＝0时，
Figure BDA0001609866250000085
和
Figure BDA0001609866250000086
都是对称矩阵，其分块形式可以统一表示为：
Figure BDA0001609866250000087
其中，m是逆矩阵计算的迭代次数，m＝2,3,…,M，且M是总迭代次数，其值等于接收信号的总路数N。若
Figure BDA0001609866250000088
存在，令
Figure BDA0001609866250000089
则有下式(16)成立：
Figure BDA00016098662500000810
具体证明如下：
令
Figure BDA00016098662500000811
的逆矩阵：
Figure BDA0001609866250000091
则有：
Figure BDA0001609866250000092
其中
Figure BDA0001609866250000093
是单位矩阵，由此可以推导出：
Figure BDA0001609866250000094
Figure BDA0001609866250000095
Figure BDA0001609866250000096
Figure BDA0001609866250000097
由公式(21)得到：
Figure BDA0001609866250000098
将上式代入公式(22)中可以得到：
Figure BDA0001609866250000099
将上式代入公式(23)中可以得到：
Figure BDA00016098662500000910
将上式代入公式(19)中可以得到：
Figure BDA00016098662500000911
将公式(24)、(25)和(26)代入公式(17)中可以得到：
Figure BDA00016098662500000912
以上就是证明过程。
根据上述分析可以看到，在
Figure BDA00016098662500000913
的计算过程中可以用到
Figure BDA00016098662500000914
的计算结果，从而减少计算量。因此，SNR EIGEN和AC EIGEN算法中的
Figure BDA0001609866250000101
和
Figure BDA0001609866250000102
的逆矩阵的计算方法可以归纳为以下三步：
第一步，初始设置：
Figure BDA0001609866250000103
第二步，开始迭代计算过程:m依次取值为2、3...、至M。
Figure BDA0001609866250000104
Figure BDA0001609866250000105
Figure BDA0001609866250000106
Figure BDA0001609866250000107
第三步，迭代计算结束，得到
Figure BDA0001609866250000108
根据上述迭代算法，可以得到求解后的逆矩阵。
在一个可能的实施例中，可以在SNR EIGEN算法中，得到求解后的噪声相关矩阵
Figure BDA0001609866250000109
的逆矩阵
Figure BDA00016098662500001010
在另一个可能的实施例中，可以在AC EIGEN算法中，得到求解后的接收信号相关矩阵
Figure BDA00016098662500001011
的逆矩阵
Figure BDA00016098662500001012
进一步地，对于本发明求解逆矩阵每一次迭代的计算量，如表1所示：
表1
Figure BDA00016098662500001013
传统矩阵求逆，主要用伴随矩阵方法，包括求解矩阵的行列式的值及其伴随矩阵，其计算量为O(N3)。比较本发明与传统矩阵求逆方法的计算量，如表2所示：
表2
Figure BDA0001609866250000111
由上表可知，随着接收信号的总路数N的增加本发明节省的计算量明显增加，其节省比率如图2所示。由图2可知，随着接收信号的总路数N的增加，计算量的节省比率趋于稳定，约等于33.3％。
步骤S130，根据求解后的逆矩阵确定求解后的特征矩阵，并计算求解后的特征矩阵所对应的最优合成权值向量。
在一个可能的实施例中，待求解的特征矩阵为接收信号相关矩阵
Figure BDA0001609866250000112
以及噪声相关矩阵
Figure BDA0001609866250000113
的逆矩阵
Figure BDA0001609866250000114
的乘积
Figure BDA0001609866250000115
其中，接收信号相关矩阵
Figure BDA0001609866250000116
可以由所接收到的信号直接进行相关计算获得，在求解出逆矩阵
Figure BDA0001609866250000117
后，可以进一步计算出求解后的特征矩阵，并计算求解后的特征矩阵所对应的最优合成权值向量。
在另一个可能的实施例中，待求解的矩阵为接收信号的两个相关矩阵
Figure BDA0001609866250000118
和
Figure BDA0001609866250000119
的乘积
Figure BDA00016098662500001110
其中，接收信号相关矩阵
Figure BDA00016098662500001111
可以由所接收到的信号直接进行相关计算获得，在求解出逆矩阵
Figure BDA00016098662500001112
后，可以进一步计算出求解后的特征矩阵，并计算求解后的特征矩阵所对应的最优合成权值向量。
步骤S140，根据最优合成权值向量对多路信号进行加权相干相加操作，以确定所述合成信号。
由上可知，在本发明提供的一种信号合成方法中，采用迭代法对特征矩阵中包括的逆矩阵进行求解。该方法和系统在各路信号的噪声方差相等或者不相等的情况均可以使用，并在大幅度简化计算量的同时，保持了合成信号的性能。
下面，根据图3中提供的流程框图，对图1所示的信号合成方法进行进一步说明。如图3所示，该方法包括步骤S310-S370：
S310，信号合成算法开始。
S320，利用公式(13)和(14)得到噪声相关矩阵
Figure BDA0001609866250000121
或接收信号相关矩阵
Figure BDA0001609866250000122
并将
Figure BDA0001609866250000123
或
Figure BDA0001609866250000124
作为待求解的对称矩阵
Figure BDA0001609866250000125
S330，初始设置，根据公式(28)将Rn1n1(0)或Rx1x1(0)赋值给
Figure BDA0001609866250000126
S340，开始迭代计算过程，利用公式(29)、(30)、(31)和(32)求解
Figure BDA0001609866250000127
S350，迭代计算结束，得到
Figure BDA0001609866250000128
即
Figure BDA0001609866250000129
或
Figure BDA00016098662500001210
S360，根据SNR EIGEN或AC EIGEN算法求解合成权值向量。
S370，信号合成算法完成。
由上可知，在本发明提供的一种信号合成方法中，采用迭代法对特征矩阵中包括的逆矩阵进行求解。该方法在各路信号的噪声方差相等或者不相等的情况均可以使用，并在大幅度简化计算量的同时，保持了合成信号的性能。
下面通过一个实施例进一步描述本发明提出的一种快速信号合成方法。
为了评估算法性能，定义合成损失ζ：
Figure BDA00016098662500001211
其中理论最大合成信号信噪比
Figure BDA00016098662500001212
等于：
Figure BDA0001609866250000131
在实施例中
Figure BDA0001609866250000132
而Ps表示信号功率，在实施例中为1。
公式(33)中的实际合成信号信噪比
Figure BDA0001609866250000133
Figure BDA0001609866250000134
其中，信号功率Ps、接收增益αi、噪声方差
Figure BDA0001609866250000135
均为已知的仿真参数，通过不同算法计算合成权值wi，进而得到
Figure BDA0001609866250000136
本发明提出的快速信号合成方法可以应用于SNR EIGEN和AC EIGEN，在实施例中分别与SNR EIGEN、COP EIGEN，以及AC EIGEN等算法比较。s(k)采用80KHz正弦信号，采样速率1.4MHz，ni(k)为高斯白噪声。AC EIGEN算法中
Figure BDA0001609866250000137
的参数τ＝1。当噪声方差不相等时，以N＝4为例，各路噪声方差的比等于1:1:1.5:1.5。实施例共进行500次独立测试。
实施例1中，N＝4，L＝1024，信噪比为0dB，噪声方差相等，AC EIGEN利用传统矩阵求逆方法得到的接收信号相关矩阵的逆矩阵
Figure BDA0001609866250000138
等于：
Figure BDA0001609866250000139
而由本发明得到的接收信号相关矩阵的逆矩阵
Figure BDA00016098662500001310
等于：
Figure BDA00016098662500001311
由公式(36)和(37)相等可知，本发明所提出的方法在减少计算量的同时不影响合成权值向量的计算精度。
实施例2中，N＝4，L＝1024。当噪声方差相等时，如图4所示，SNR EIGEN算法的合成损失最小，优于COP EIGEN和AC EIGEN算法。而当噪声方差不相等时，如图5所示，SNR EIGEN和AC EIGEN算法远优于COP EIGEN算法。同时可以看到本发明提出的方法具有与SNREIGEN、AC EIGEN算法相同的合成损失，因此本发明在减少计算量的同时不影响合成性能。
与以上信号合成方法相对应的，本发明实施例中还提供一种信号合成系统，如图6所示，系统600包括：
建立单元610，用于建立与合成信号相关的目标函数；
确定单元620，用于根据所述目标函数确定与合成权值向量对应的待求解的特征矩阵，所述待求解的特征矩阵中包括待求解的逆矩阵；
第一计算单元630，用于采用迭代法对所述待求解的逆矩阵进行计算，并得到求解后的逆矩阵；
第二计算单元640，用于根据所述求解后的逆矩阵确定求解后的特征矩阵，并计算所述求解后的特征矩阵所对应的最优合成权值向量；
合成单元650，用于根据所述最优合成权值向量对多路信号进行加权相干相加操作，以确定所述合成信号。
在一种可能的实施例中，所述建立单元610建立的目标函数为所述合成信号信噪比的目标函数，所述确定单元620确定的待求解的逆矩阵为噪声相关矩阵的逆矩阵。
在一种可能的实施例中，所述建立单元610建立的目标函数为所述合成信号自相关系数的目标函数，所述确定单元620确定的待求解的逆矩阵为接收信号相关矩阵的逆矩阵。
在一种可能的实施例中，所述第一计算单元630具体用于，采用以下公式对所述待求解的逆矩阵所对应的相关矩阵进行分块表示：
Figure BDA0001609866250000151
其中，m是逆矩阵计算的迭代次数，m＝2,3,…,M，且M是总迭代次数；
Figure BDA0001609866250000152
表示第m次迭代时得到的相关矩阵；
Figure BDA0001609866250000153
和ρm表示
Figure BDA0001609866250000154
的分块矩阵。
在一种可能的实施例中，所述第一计算单元630具体用于，采用以下迭代公式得到求解后的逆矩阵：
Figure BDA0001609866250000155
其中，
Figure BDA0001609866250000156
由上可知，在本发明提供的一种信号合成系统中，采用迭代法对特征矩阵中包括的逆矩阵进行求解。该系统在各路信号的噪声方差相等或者不相等的情况均可以使用，并在大幅度简化计算量的同时，保持了合成信号的性能。
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种信号合成方法，其特征在于，包括：
建立与合成信号相关的目标函数，并根据所述目标函数确定与合成权值向量对应的待求解的特征矩阵，所述待求解的特征矩阵中包括待求解的逆矩阵；其中，所述目标函数为所述合成信号信噪比的目标函数，所述待求解的逆矩阵为噪声相关矩阵的逆矩阵；或
所述目标函数为所述合成信号自相关系数的目标函数，所述待求解的逆矩阵为接收信号相关矩阵的逆矩阵；
采用迭代法对所述待求解的逆矩阵进行计算，并得到求解后的逆矩阵；
根据所述求解后的逆矩阵确定求解后的特征矩阵，并计算所述求解后的特征矩阵所对应的最优合成权值向量；
根据所述最优合成权值向量对多路信号进行加权相干相加操作，以确定所述合成信号。
2.根据权利要求1所述的方法，其特征在于，在所述采用迭代法对所述待求解的逆矩阵进行计算中，包括采用以下公式对所述待求解的逆矩阵所对应的相关矩阵进行分块表示：
Figure FDA0002392865270000011
其中，m是逆矩阵计算的迭代次数，m＝2,3,…,M，且M是总迭代次数；
Figure FDA0002392865270000012
表示第m次迭代时得到的相关矩阵；
Figure FDA0002392865270000013
和ρm表示
Figure FDA0002392865270000014
的分块矩阵。
3.根据权利要求2所述的方法，其特征在于，在所述采用迭代法对所述待求解的逆矩阵进行计算中，包括采用以下迭代公式得到求解后的逆矩阵：
Figure FDA0002392865270000021
其中，
Figure FDA0002392865270000022
4.一种信号合成系统，其特征在于，包括：
建立单元，用于建立与合成信号相关的目标函数；
确定单元，用于根据所述目标函数确定与合成权值向量对应的待求解的特征矩阵，所述待求解的特征矩阵中包括待求解的逆矩阵；其中，所述建立单元建立的目标函数为所述合成信号信噪比的目标函数，所述确定单元确定的待求解的逆矩阵为噪声相关矩阵的逆矩阵；或
所述建立单元建立的目标函数为所述合成信号自相关系数的目标函数，所述确定单元确定的待求解的逆矩阵为接收信号相关矩阵的逆矩阵；
第一计算单元，用于采用迭代法对所述待求解的逆矩阵进行计算，并得到求解后的逆矩阵；
第二计算单元，用于根据所述求解后的逆矩阵确定求解后的特征矩阵，并计算所述求解后的特征矩阵所对应的最优合成权值向量；
合成单元，用于根据所述最优合成权值向量对多路信号进行加权相干相加操作，以确定所述合成信号。
5.根据权利要求4任一项所述的系统，其特征在于，所述第一计算单元具体用于，采用以下公式对所述待求解的逆矩阵所对应的相关矩阵进行分块表示：
Figure FDA0002392865270000023
其中，m是逆矩阵计算的迭代次数，m＝2,3,…,M，且M是总迭代次数；
Figure FDA0002392865270000031
表示第m次迭代时得到的相关矩阵；
Figure FDA0002392865270000032
和ρm表示
Figure FDA0002392865270000033
的分块矩阵。
6.根据权利要求5所述的系统，其特征在于，所述第一计算单元具体用于，采用以下迭代公式得到求解后的逆矩阵：
Figure FDA0002392865270000034
其中，
Figure FDA0002392865270000035
CN201810259418.2A 2018-03-27 2018-03-27 一种信号合成方法及系统 Active CN108600324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810259418.2A CN108600324B (zh) 2018-03-27 2018-03-27 一种信号合成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810259418.2A CN108600324B (zh) 2018-03-27 2018-03-27 一种信号合成方法及系统

Publications (2)

Publication Number Publication Date
CN108600324A CN108600324A (zh) 2018-09-28
CN108600324B true CN108600324B (zh) 2020-07-28

Family

ID=63624695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810259418.2A Active CN108600324B (zh) 2018-03-27 2018-03-27 一种信号合成方法及系统

Country Status (1)

Country Link
CN (1) CN108600324B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106233382A (zh) * 2014-04-30 2016-12-14 华为技术有限公司 一种对若干个输入音频信号进行去混响的信号处理装置
CN106656882A (zh) * 2016-11-29 2017-05-10 中国科学院声学研究所 一种信号合成方法及系统
CN106973023A (zh) * 2017-02-14 2017-07-21 中国科学院声学研究所 一种信号合成方法及系统
CN107425928A (zh) * 2017-05-05 2017-12-01 中国科学院声学研究所 一种信号合成方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100703337B1 (ko) * 2002-07-13 2007-04-03 삼성전자주식회사 이동통신 시스템에서 적응 방식의 전력 풀링 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106233382A (zh) * 2014-04-30 2016-12-14 华为技术有限公司 一种对若干个输入音频信号进行去混响的信号处理装置
CN106656882A (zh) * 2016-11-29 2017-05-10 中国科学院声学研究所 一种信号合成方法及系统
CN106973023A (zh) * 2017-02-14 2017-07-21 中国科学院声学研究所 一种信号合成方法及系统
CN107425928A (zh) * 2017-05-05 2017-12-01 中国科学院声学研究所 一种信号合成方法及系统

Also Published As

Publication number Publication date
CN108600324A (zh) 2018-09-28

Similar Documents

Publication Publication Date Title
CN104166804B (zh) 一种基于时频域单源点稀疏成分分析的工作模态辨识方法
CN106656882B (zh) 一种信号合成方法及系统
JP5020411B2 (ja) 無線ネットワークにおいてノードのセットをロケーション特定するための方法
Huang et al. Reduced-rank MDL method for source enumeration in high-resolution array processing
CN110632555B (zh) 一种基于矩阵特征值扰动的tdoa直接定位方法
CN110138698B (zh) 高阶调制线性混合信号频偏初相联合估计方法及装置
CN112436872A (zh) 一种多用户大规模mimo信道估计方法与装置
CN108663668B (zh) 基于iaa的干扰加噪声协方差矩阵重构稳健波束形成方法
CN105609113A (zh) 基于双谱加权空间相关矩阵的语音声源定位方法
RU2012154835A (ru) Способ и устройство для оценки межузлового расстояния между узлом передатчика и узлом приемника
CN111965596A (zh) 一种基于联合参数估计的低复杂度单锚节点定位方法及装置
CN108600324B (zh) 一种信号合成方法及系统
CN104407319A (zh) 阵列信号的目标源测向方法和系统
CN112505665B (zh) 适用于部分均匀混响环境的空时自适应检测方法及系统
JP4977849B2 (ja) 電波到来方向探知装置
CN108366025B (zh) 一种信号合成方法及系统
WO2017049914A1 (zh) 一种终端定位方法、装置及系统
CN115407266A (zh) 一种基于互谱子空间正交性的直接定位方法
Wang et al. Improved model-based channel tracking for underwater acoustic communications
CN108809873B (zh) 一种信号合成方法及系统
CN109407047A (zh) 一种基于秩损求根的幅相误差校准和波达方向估计方法
CN108051773A (zh) 基于盖式圆盘准则估计信源数目的epuma方法
Lu et al. Robust novel EM-based direction-of-arrival estimation technique for wideband source signals
JP4488177B2 (ja) 測角方法及び装置
CN102778676B (zh) 快变水声信道中的确知信号检测方法和系统

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
GR01 Patent grant
GR01 Patent grant