复杂信号环境下微弱信号分离方法研究

本项目就复杂信号环境下微弱信号的分离问题，在盲信号分离理论研究的基础上，对密集信号进行稀疏化处理，并针对特定的信号环境建模，充分利用观测数据协方差矩阵结构，设计有效对比函数，利用先进的凸优化算法研究高效的微弱信号的盲（半盲）分离方法。针对提取特定类型信号的需要，结合外辐射源的部分先验信息(如通信信号的有限字符特性或恒模特性等)，研究收敛速度快、计算复杂度低且适合小样本、低信噪比情形的快速迭代算法，以实现微弱信号的盲（半盲）提取。本项目的研究成果将为盲信号处理技术在通信、雷达等领域的进一步的应用提供理论基础和技术支持。

本项目在自然科学基金的支持下，对复杂信号环境下微弱信号的分离问题进行了多个方面的研究工作。主要的研究内容和成果包括以下几个方面：1）针对信道发生突变的情况，提出一种基于时变遗忘因子递归广义特征分解的非白源盲分离方法，在没有信道先验信息的情况下，提出一种新颖在线决策规则跟踪信道的突变以获得良好的跟踪性能。2）充分利用人类发音的特点和语音信号的非平稳特性，提出一种数目未知的弱信号瞬时混合的盲分离和信源数目检测算法。3）窄带干扰是合成孔径雷达中常见的干扰信号，它能严重降低成像质量，基于独立分量分析我们提出了数据域的窄带干扰抑制的方法，所提算法能很好的处理时变窄带干扰且具有很少的信号损失。4）我们提出了一个近似幂迭代法以跟踪信号子空间，用秩一更新模型，通过求解两个无约束加权函数的最小二乘解可以信号子空间，通过引入辅助变量，这个双迭代算法可以在色噪声环境下跟踪信号子空间。本项目在自然科学基金的支持下，发表相关的论文6 篇，其中SCI 检索3篇，EI 检索2 篇，ISTP 检索1 篇。