估计间隔较近信源的修正MUSIC算法

针对信源间隔比较近情况下波达方向(DOA)估计性能下降的问题,提出一种修正MUSIC(MMUSIC)算法。该算法通过利用协方差矩阵的共轭信息,重构协方差矩阵,再由奇异值分解(SVD),构造低秩矩阵,用这两个矩阵噪声子空间的平均构造空间谱,通过谱峰搜索估计出信源的DOA。相比于经典MUSIC算法和空间平滑类算法,该算法能有效解相干,且不损失阵列孔径,而且提高了在信源间隔比较近且信噪比低条件下DOA分辨能力。计算机仿真验证了该算法的有效性。     

相干信源波达方向估计的加权空间平滑算法

提出了一种用于空间相干源DOA估计的加权空间平滑算法(WSS，weighted spatial smoothing)。常规的空间平滑算法没有利用子阵输出的互相关信息，而且对相干信源的分辨力较差。WSS算法充分利用了子阵输出的自相关信息和互相关信息，将主阵协方差矩阵的所有子阵阵元数阶的子矩阵进行加权平均，以期提高常规空间平滑算法的分辨性能。文中以加权平滑后等效的信源协方差矩阵的对角化为约束条件，推导了加权矩阵的理论表达式。计算机仿真结果表明，WSS算法与常规空间平滑算法相比具有更高的分辨性能和更低的信噪比门限。特别是在于阵划分较多时其优越性更加明显。     

一种改进的空间平滑算法

空间平滑是一种有效的解相干算法。但是当相干信源相距很近时,传统的空间平滑算法性能明显下降。该文提出一种改进的空间平滑算法。该算法首先将子阵输出的自相关矩阵进行互相关,然后将前后向互相关矩阵平均后的协方差矩阵作为修正后的空间平滑矩阵进行空间谱估计。文中给出了该算法的表达式,分析了算法的性能。仿真结果证明该算法与传统算法及利用子阵协方差算法相比具有更高的分辨能力和更低的信噪比门限。     

基于修正Hung-Turner投影的快速信源数检测算法

空间信源数检测是阵列信号处理的关键问题之一,常用的信源数检测算法需要计算采样协方差矩阵的特征值,该文提出一种基于改进Hung-Turner投影的多目标信源数快速检测算法,该算法根据采样协方差矩阵估计误差的渐进分布特性确定一个判断门限,利用该门限实现GS正交化次数的自动确定,从而完成对信源数的检测。该算法无需对采样协方差矩阵的特征值分解运算,计算复杂度低,检测性能好,计算机仿真证明了算法的正确性和有效性。     

色噪声背景下相干信源DOA估计的空间差分平滑算法

文中提出了一种色噪声背景下相干信源波达方向(DOA)估计的新算法-空间差分平滑(SDS)算法.SDS算法利用均匀线阵协方差矩阵的Toeplitz分解特性,差分平滑运算,将非相干信源与相关(或相干)信源分开分辨,从而重复利用阵列接收数据,可分辨更多信源.SDS算法可对消空间色噪声,适用于更广泛的未知噪声背景及低信噪比环境.相比常规谱估计算法,SDS算法具有更强的信源过载能力及阵元节省能力,利用少数阵元进行迭代空间平滑运算,还可明显减小SDS算法的计算量.计算机仿真结果证明了SDS算法理论的正确性和有效性.     

一种新的相干信源DOA估计算法: 加权空间平滑协方差矩阵的Toeplitz矩阵拟合

文献[1]提出的最优加权空间平滑技术可以使相干源存在时的信源协方差矩阵恢复为对角阵.由于文献[1]中导出的最优权矩阵是空间信源方位的函数矩阵,本文利用最优加权空间平滑后阵列协方差矩阵的Toeplitz性,构造了一个全新的优化拟合的代价函数,并基于此提出了一种相干源方位估计的新算法.与文献[1]不同,算法的实现不需要方位估计的先验知识和协方差矩阵的去噪预处理.分辨性能的蒙特卡罗仿真实验表明,新算法对空间相干信源的分辨性能优于常规的空间平滑算法和最大似然算法,在小阵列和信源空间间隔较近时,算法的优越性尤为突出.     

利用局域子空间投影提高子空间类DOA 估计算法的谱分辨力

本文提出一种新的用于子空间类DOA估计算法的阵列协方差矩阵噪声子空间投影矢量的选取方法——局域子空间投影(LSP).该投影矢量选取方法有利于压低真实信源方位附近,非信源方位对应的谱曲线高度,从而提高子空间类高分辨DOA估计算法的分辨力.LSP算法的估计偏差和信噪比分辨门限明显低于MUSIC算法,而估计方差几乎与MUSIC相同.计算机仿真结果证明了文中对LSP算法性能理论分析的正确性和LSP算法的有效性.     

基于四阶累积量扩展孔径的宽带信源测向算法

当阵列过载时,常用高分辨测向算法将会失效.针对此问题,提出了一种新的宽带信源测向算法.该算法利用基于最小冗余直线阵列的四阶累积量来扩展阵列孔径.将得到的四阶累积量去除冗余信息后,构造了一新的Toeplitz矩阵.新矩阵充分利用了原协方差矩阵的信息,避免了冗余信息.通过理论分析和计算机仿真,对扩展后阵列孔径、测向性能、检测概率及可分辨信源数进行了对比研究.结果表明,相比相同阵元数的最小冗余直线阵和均匀直线阵,该算法具有大得多的阵列孔径和更高的分辨率,利用M阵元,最多可以分辨M2-M个信源.     

最大似然波达方向估计算法的信噪比分辨门限分析

本文首先给出了波达方向估计最大似然函数的方差，根据此方差导出了最大似然方向估计的信噪比分辨比限公式，并根据这一公式分析了两信源相关特性不同时的最大似然算法的信噪比分辨门限。     

一种近场无源定位方法

提出了一种近场方位和距离联合估计的无源定位算法.根据阵列信号协方差矩阵的Toeplitz特性,重构出只与信源方位角相关的近似远场协方差矩阵.对该协方差矩阵做子空间分解,通过方位估计的求根MUSIC算法得到对信源的方位角估计值;对信源距离的估计,定义了一种新的空间谱函数,仅通过一次一维搜索便可以得到所有距离谱峰;再将方位和距离配对进行简单的配对操作即完成信源的定位.最后通过计算机仿真验证了该算法的有效性.     

基于随机共振的双门限协作频谱感知算法

针对现有频谱感知算法在低信噪比（SNR）环境中性能检测不佳的问题以及传统随机共振（SR）检测弱信号的方法在实际应用中存在的局限性,通过设置最优门限,计算出最优的协作用户数量,提出了一种基于随机共振的双门限协作频谱感知算法,并对提出的算法进行了性能分析。DCSSR算法通过将位于双门限不确定区域的统计数据经过随机共振系统,进一步提高频谱感知算法在低信噪比下的检测性能。仿真结果表明,在不同信噪比和虚警概率下,DCSSR算法相较于传统单门限能量协作算法、双门限能量协作算法以及单门限随机共振协作算法,检测性能都得到了提升。在信噪比为-20 dB时,提出的DCSSR算法相较于传统单门限能量检测协作算法,检测概率提高了80%。     

基于信噪比方法的天地波混合体制雷达一阶回波谱提取

天地波混合体制高频雷达(简称天地波雷达,HFHSSWR)海面一阶谱的频移和展宽特性,使得其一阶谱的提取比高频地波雷达(HFSWR)更困难。该文研究了天地波雷达一阶谱频移和展宽特性,并基于其在2维距离-多普勒谱上连续分布的特点,将信噪比方法应用于天地波雷达一阶谱提取。通过双基地角、电离层和海流等对一阶谱频移及展宽特性的定量分析,确定了信噪比方法中一阶谱中心位置、谱峰宽度、左右一阶谱间距等参数的计算方法和取值范围。并利用2维信噪比方法,解决由于天地波雷达信噪比下降引起的一阶谱边界检测不精确的问题。最后,将信噪比法分别应用于仿真和实测天地波雷达数据,验证了方法的有效性。     

基于因子图的分布式变分稀疏贝叶斯压缩感知简

提出了一种基于因子图的分布式变分稀疏贝叶斯压缩感知算法。该算法利用因子图和变分方法将全局感知问题分解为简单的局部问题,通过认知用户邻居间的置信传播实现“软融合”,使每个认知用户能够获得全局最优估计。且充分利用邻居间传递的信息所具有的时间和空间二维相关性,提高认知用户在低信噪比下的感知性能。同时,算法在迭代过程中自适应地删除不收敛的超参数及对应的基函数,降低通信负载。实验结果表明：该方法在低采样率和低信噪比下有较好的感知性能。     

极化域-空域联合谱分辨力研究

借助于MUSIC零谱的统计特性研究了极化域-空域联合谱的分辨问题.提出了极化域-空域模糊区和阵列信号模糊函数的概念,得出联合谱分辨力与信噪比、采样点数、信号到达角和极化角等因素之间的关系.当信号到达角不同时,极化状态的差别可以改善谱分辨力;通过Monte Carlo仿真得出分辨概率,仿真结果验证了理论分析的正确性.     

基于随机共振和信息几何的协作频谱感知方法

为提高频谱感知系统在低信噪比环境下对微弱信号的感知性能,提出了一种基于随机共振技术和信息几何理论的频谱感知方法。首先通过随机共振技术增强输入信号的能量,以提高感知信号的信噪比。然后,基于信息几何理论将信号矩阵的协方差矩阵对应成流形上的点,并计算流形上样本点之间的散度距离作为感知信号的特征数据。最后,采用BP神经网络对信号特征数据进行分类,有效避免了决策阈值的计算,快速实现了频谱决策。仿真实验证明,所提方法在低信噪比条件下具有更好的感知性能,有效提高了复杂环境下的频谱检测概率。     

利用卷积神经网络和协方差的协作频谱感知算法

针对基于信号协方差矩阵的频谱感知算法门限难于准确得到及没有充分利用原始信号信息等问题,提出了基于卷积神经网络和协方差矩阵的协作频谱感知算法。首先将接收的I、Q两路正交信号的归一化协方差矩阵组成双通道输入矩阵,然后使用卷积神经网络直接提取协方差矩阵的特征信息,并进行训练得到分类器,最后使用训练好的模型进行频谱感知。仿真结果表明,本文所提出的频谱感知算法优于对比算法,在信噪比为-13 dB、40个次用户协作感知时,本文算法虚警概率低于0.1,检测概率达到0.9以上。      

基于Friedman检验的非参数协作频谱感知方法

协方差矩阵频谱感知方法在天线相关性低时感知性能较差,该文针对这一问题提出一种基于Friedman检验的非参数协作频谱感知方法。分布式放置的感知节点具有空间分集的特性,因此在同一时刻感知节点上的信号功率不完全相同。利用这一特点,提出通过比较各感知节点的信号功率水平来实现频谱感知。由于采用了非参数化表示,该方法对噪声不确定性稳定,且适用于任意统计分布的噪声。另外,推导了所提方法判决门限的理论表达式,结果显示判决门限与采样点数无关,因此在采样点数变化的情况下无需重新设置判决门限。仿真结果验证了上述理论分析的有效性。     

基于多尺度功率谱子带梯度的宽带频谱感知算法与性能分析

为了应对复杂环境下非合作通信、电磁频谱监管等宽带接收中存在的先验信息缺失、信道失真严重以及频域呈现不平坦色噪声的挑战,提出一种基于多尺度功率谱子带梯度的宽带频谱感知算法,该算法不要任何的先验信息,对功率谱进行分段计算梯度,再进行自适应双阈值检测,通过多尺度的技巧提高了宽带频谱感知的稳定性。对该算法在不同信道模型下的统计特性、虚警概率、检测概率以及判决门限的表达式进行了理论推导。理论分析和实验仿真表明,算法适用于高斯噪声信道和平坦衰落信道,能够有效克服色噪声,并且能够实现用户频带范围定位,运算复杂度低、实时性强,对噪声不确定度具有稳健性,能够用于低信噪比场合。