盲分离技术及其在水声信号中的应用研究

论文摘要

基于提高阵列声纳信号检测与处理能力,将信号盲处理理论与技术应用于水声信号处理。重点围绕水声信号盲分离技术展开基础研究,提出或扩展了多种适用盲分离方法,实现多目标水声信号净化与盲分离波形恢复,并用计算机仿真数据、水声信号半仿真数据、声学水池实验数据和海上试验数据等四个层面对所研究和提出的水声信号盲分离算法模型进行了检验。主要研究内容和成果有: (1)结合信号盲处理理论和技术研究现状,研究分析阵列水声信号盲分离的理论模型、面临的问题和困难。扩展研究了基于信息理论的舰船辐射噪声信号盲分离和高阶累积量的联合对角化算法,提出了一种直接计算特殊累积量矩阵特征向量实现解卷积的盲均衡方法,用于水声信号波形恢复。仿真与实验检验了所提水声信号盲分离算法有效。 针对盲分离过程中未知源信号数目的问题,提出并检验有效的PCA源信号数目盲估计方法。研究提出波束域水声信号盲分离方法,并利用阵列信号的多波束形成个数确定目标源数目,该方法不仅可大幅提高在低信噪比条件下的信号分离性能,而且还可依据多目标信号波束形成DOA方向对后续盲分离过程输出信号的次序进行调整,有效解决盲分离输出信号排序问题。 (2)研究了卷积信号频域盲分离技术,提出利用短时快速傅里叶变换的观测信号频域值,优化多重交叉相关代价函数的卷积信号频域盲分离算法,分析与验证了频域变换DFT长度L、分离滤波器阶数Q等参数对盲分离性能的影响和优化选取。在此基础上,研究提出了基于少数特殊频率点的频域盲分离方法,该方法既可以保证信号主要成分的有效分离,又显著减小了频域算法的计算量,是一种解决卷积混合信号盲分离的适用方法。同时,提出了用于盲分离的特殊频率点选择原则及依据线谱增强提取频率点方法。研究提出利用信号的相似性调整多频率点盲分离输出信号次序的方法,使得所有特殊频率点的盲分离输出信号次序保持相对一致。研究得出增加接收阵元数量在相同条件下能分离信号的SNR可以更低的结论。综合验证表明,所提出的频域算法是水声信号盲分离可行的方法,能够有效分离干扰和噪声,恢复源信号波形。 (3)研究分析了海洋环境噪声、舰船辐射噪声等水声信号的分布特性,得出海洋水声信号符合分数低阶Alpha稳定分布规律的结论,并建立了水声信号新的检测模型。提出了基于分数低阶矩的水声信号自适应滤波新方法,分析了p阶分数矩对算法性能的影响及优选原则。在此基础上,推导出一种基于分数低阶矩的水声信号盲分离新方法,理论分析与仿真检验表明新的盲分离方法具有较强的鲁棒适用性。该项研究为改善水声信号处理开辟了新的研究思路。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及目的意义
• 1.2 盲信号处理的数学模型
• 1.2.1 线性瞬态混合模型
• 1.2.2 线性卷积混合模型
• 1.3 盲源分离处理技术研究进展
• 1.4 盲分离技术在水声信号处理中应用研究
• 1.5 本文的主要研究工作
• 2 水声信号盲分离算法研究
• 2.1 水声阵列观测信号模型
• 2.2 目标源数目的盲估计
• 2.2.1 问题的提出
• 2.2.2 基于PCA的源数目估计
• 2.2.3 奇异值分解的源信号数目估计
• 2.2.4 源数目估计检验与仿真分析
• 2.3 盲分离算法性能评价指标分析
• 2.3.1 全局系数矩阵的行元素优势指标
• 2.3.2 互通道干扰测量误差指标
• 2.3.3 信号波形相似性指标
• 2.3.4 分离信号的信噪比指标
• 2.3.5 噪声缩减率指标
• 2.4 基于信息理论的舰船噪声盲分离算法
• 2.4.1 最大熵理论
• 2.4.2 舰船噪声信号盲分离
• 2.4.3 计算机仿真结果
• 2.5 扩展联合对角化法的水声信号盲分离
• 2.5.1 瞬态混合形式的四阶累积量联合对角化准则函数
• 2.5.2 扩展四阶累积量联合对角化盲分离方法
• 2.5.3 基于扩展算法的水声信号盲分离检验分析
• 2.6 本章小结
• 3 基于盲均衡的水声信号波形恢复
• 3.1 问题描述
• 3.2 基于功率谱的通道盲辨识算法
• 3.3 基于高阶累积量的均衡准则与算法
• 3.3.1 单输入单输出盲均衡方法
• 3.3.2 单输入多输出EVA盲辨识方法
• 3.3.3 盲均衡收敛指标
• 3.3.4 仿真与实验验证
• 3.4 本章小结
• 4 水声信号波束域盲分离技术
• 4.1 引言
• 4.2 波束域盲分离方法
• 4.2.1 阵元信号盲波束形成
• 4.2.2 波束域盲分离
• 4.3 波束域盲分离算法性能仿真与比较
• 4.4 本章小结
• 5 卷积混合信号的频域盲分离研究
• 5.1 问题描述
• 5.2 卷积信号频域表达与盲分离
• 5.3 卷积混合信号的频域多重交叉相关盲分离方法
• 5.4 仿真数据与水池多信号实录数据检验与分析
• 5.4.1 算法检验实验设计
• 5.4.2 算法性能分析
• 5.4.3 实验结果分析与结论
• 5.5 本章小结
• 6 基于特殊频率点的频域盲分离方法
• 6.1 引言
• 6.2 卷积信号频域盲分离模型
• 6.3 基于特殊频率点的盲分离方法
• 6.3.1 基于线谱增强的信号特殊频率点确定
• 6.3.2 观测信号的滑窗傅里叶变换及分离
• 6.3.3 特殊频率点的盲分离输出模糊性调整
• 6.3.4 短时傅里叶逆变换时域信号恢复
• 6.4 仿真检验与分析
• 6.4.1 仿真检验
• 6.4.2 算法分离性能比较分析
• 6.5 本章小结
• 7 非高斯α稳定分布条件下的水声信号处理与盲分离
• 7.1 引言
• 7.2 α稳定分布
• 7.3 水声信号分布参数估计与新的噪声模型
• 7.3.1 最大似然估计法
• 7.3.2 样本分位方法
• 7.3.3 基于样本特征函数的参数估计方法
• 7.3.4 抽样函数估计
• 7.4 水声信号分布参数估计
• 7.5 α稳定分布条件下的水声信号自适应滤波方法
• 7.5.1 水声信号LMP自适应滤波方法
• 7.5.2 LMP算法仿真及性能讨论
• 7.5.3 参数p值对LMP算法的影响
• 7.6 一种基于分数低阶矩的信号盲分离方法
• 7.6.1 引言
• 7.6.2 稳定分布的共变特性
• 7.6.3 基于分数低阶矩的盲分离算法推导
• 7.6.4 计算机仿真检验与分析
• 7.7 本章小结
• 8 实验验证及结果分析
• 8.1 声学水池实测信号实验
• 8.1.1 实验环境及条件
• 8.1.2 实验内容及结果分析
• 8.2 海上试验
• 8.2.1 试验环境及条件
• 8.2.2 海上试验数据盲处理算法检验与分析
• 8.3 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表学术论文情况
• 致谢
• 大连理工大学学位论文版权使用授权书