非圆信号处理：盲波束形成方法探索

"非圆信号盲波束形成技术是本文探讨的主题，主要关注在没有先验知识的情况下如何从多个独立的圆形干扰中提取一个非圆信号。作者徐友根和刘志文提出三种基于第二阶统计量的盲波束形成方法，分别是子空间分解法、自参考法和提取功率最大化法。这些方法适用于存在任意未知相关结构的圆形高斯噪声环境。此外，针对多个非圆干扰的情况，还发展了两种结合第二阶和第四阶累积量的方法。一种类似于ESPRIT（通过旋转不变性估计信号参数的技术）的方法，另一种是WL-MVDR（广义线性最小方差无失真响应）的实值扩展。数值例子被用来展示所提方法的性能。该在线版本的最新版也已提交给IET信号处理期刊。关键词包括：阵列信号处理、自适应阵列和非圆信号。" 在信号处理领域，阵列信号处理是一个重要的分支，它利用多个传感器或天线来改善信号检测、估计和识别的能力。非圆信号盲波束形成是一种特殊的技术，它不需要事先知道期望的导向向量（steering vector），这对于实际应用中的动态环境非常有用。在这种技术中，信号的非圆性是一种关键特性，它可以提供额外的统计信息来区分目标信号和干扰。 文章提出的三种方法各有特点。子空间分解法通常基于矩阵的奇异值分解（SVD），通过对数据进行数学操作来分离信号和噪声空间，从而实现信号的提取。自参考法则利用信号自身的统计特性，创建一个自我参照模型，帮助识别和分离信号。提取功率最大化方法则是通过优化功率指标来突出目标信号，抑制干扰。 对于多非圆干扰的情况，第二阶和第四阶累积量的联合使用能更全面地描述信号的统计特性。ESPRIT方法以其旋转不变性而著名，它通过分析信号的累积量来估计参数，即使在噪声和干扰存在的情况下也能有效地定位信号源。WL-MVDR是线性最小方差无失真响应（MVDR）的广义形式，特别适用于处理非对称或非高斯分布的信号，通过构造一个广义线性滤波器来达到最小化噪声功率并保持信号方向不变的目的。 数值例子部分，作者通过模拟实验展示了这些方法在不同场景下的性能，包括信号与干扰的功率比、噪声水平以及干扰的相关性等因素的影响，以证明它们的有效性和实用性。 这篇论文的研究成果为非圆信号的处理提供了新的工具，特别是在复杂环境中提高信号分离和检测能力方面，对于无线通信、雷达系统和地球遥感等领域具有重要的理论和应用价值。