基于拟合特征值的信源数估计方法

发布时间：2025-06-06 02:03

　　 针对信源数目估计问题,提出一种基于拟合特征值的信源数估计方法。利用对数几率函数拟合协方差矩阵特征值,改善特征值分布状态,降低信号、噪声特征值集合内离散度。对拟合后的特征值进行差值处理,计算特征值差值的二阶统计量,据此构建信源估计函数估计信源数量。该算法利用特征值的二阶统计量,有效避免了有色噪声背景以及快拍数量对信源数估计的影响。通过数值仿真分析信噪比、快拍数对信源数估计的影响,验证算法的稳定性和有效性。

【文章页数】：5 页

【部分图文】：

图4色噪声背景下成功检测概率与SNR的关系曲线

（总第43-）火力与指挥控制2018年第7期采样快拍数为200时成功检测概率与SNR的关系曲线。图5为信噪比为0dB时成功检测概率与快拍数的关系曲线。图4色噪声背景下成功检测概率与SNR的关系曲线图5色噪声背景下成功检测概率与快拍数的关系曲线由图4、图5可知，在非均匀色噪声条件下....

图1 线性阵列结构示意图

a(θ)=[1,e-j2πdλsinθ,?,e-j2π(Μ-1)dλsinθ]Τ(1)当空间中存在K路窄带信号S(t)=[s1(t),s2(t),…,sK(t)]T,入射角度为θ=[θ1,θ2,…,θK],阵列的方向矩阵A为M....

图2 对数几率函数

对数几率函数形状如图2所示,将待拟合数据拟合为0或1。噪声子空间对应的特征值小于信号特征值,只需选取合适的参数b,可将噪声和信号对应的特征值分别拟合在0、1附近。拟合参数b的选取与协方差矩阵的特征值大小有关。理论上协方差矩阵特征值非负,高信噪比白噪声背景下噪声特征值λi=0....

图3 白噪声背景下特征值离散度

信号、噪声特征值的集合内离散度如图3、图4所示。从图中可以看出无论是白噪声还是有色噪声背景下拟合后信号特征值离散度都显著低于原信号特征值离散度。低信噪比时由于信号和噪声差别较小难以区分,易将噪声拟合为信号导致噪声集合内离散度较大,但显然随着信噪比的增加拟合后的噪声特征值集合内离散....

本文编号：4049621