一种宽带信号方位估计算法

为了削弱宽带信号方位估计算法在不同程度上受到阵元数目、预角度估计、多次求逆矩阵、多次特征值分解或奇异值分解等因素的制约,提出了一种在传感器阵列存在误差的情况下,采用统计方法的宽带信号方位估计算法.该算法先将传感器阵列接收的宽带信号转换到频率域内;在考虑阵列互耦的情况下,采用统计的方法,推导出阵列流形与噪声子空间正交的结论;最后,利用统计结果和窄带方位估计的方法对宽带信号进行方法估计.仿真试验表明,统计方法计算宽带信号方位具有较好的分辨率和噪声不敏感性,对于任意阵列形式具较低的计算复杂度.采用统计方法求取宽带信号方位具有较高的测向精度和和系统鲁棒性.     

无扩频矩阵知识二维扩频系统的盲同步

针对加性白高斯噪声信道,考虑未知二维扩频矩阵的条件下,提出了一种二维扩频系统的时频同步方法。该方法利用二维扩频矩阵周期性重复的特点,先估计出频率偏差,再通过滑动暂存窗求相关矩阵最大特征值,完成信号的时间同步。计算机仿真结果验证了该方法的有效性。     

基于SVD和均值量化的音频数字水印算法

提出了一种基于奇异值分解和均值量化的音频数字水印算法。该算法首先把原始音频信号分段矩阵化,然后对每分段所对应的矩阵进行奇异值分解,选取其相应的奇异值,通过均值量化方法嵌入二值图像水印,实现了音频信号中水印的嵌入。仿真实验结果表明,该音频水印算法对噪声干扰、低通滤波和重新采样等信号处理具有更好的鲁棒性。     

基于奇异值分解处理相干信号的新方法

相干信号的波达方向(DOA)估计一直是空间谱估计研究的一个重点问题,文章通过对奇异值分解解决信号相关问题的研究,提出了一种基于奇异值分解处理相干信号的新算法(MSVD),即利用信号相关阵的最大特征值所对应的特征矢量按一定规则排列出新的矩阵,再对此矩阵进行修正,最后利用奇异值分解得到信号的有关信息.该算法能在低信噪比条件下有效地估计相干的信源,其估计精度要远远高于常用解相干算法.最后用大量的计算机仿真实验来说明新方法的性能:即在低信噪比情况下(0 dB),MSVD的分辨能力远远高于MSS算法和SVD算法;在信号间隔较小时,MSS和SVD方法已无法分辨出信号源,而MSVD方法仍能分辨.     

加权信号张量子空间拟合算法

提出了一种基于三阶张量高阶奇异值分解的声矢量阵列加权信号张量子空间拟合算法. 首先对声矢量阵接收信号进行三阶张量建模, 并通过高阶奇异值分解得到信号张量子空间, 从而结合加权信号子空间拟合算法进行空间方位谱估计. 由于基于高阶奇异值分解得到的信号张量子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声, 并且体现了多维数据之间的关联关系, 因此具有更高的方位估计精度. 理论和仿真结果表明: 该方法在低信噪比、等强度不相关信号和强相关信号条件下仍具有良好的目标分辩能力和稳定性, 工程应用价值较高.     

阵元分集与SVD降噪

针对高距离分辨(HRR)雷达系统,提出了一种抑制噪声的方法。该方法引入辅助阵元接收目标回波形成测量矩阵,首先对该矩阵作奇异值分解(SVD),建立信号子空间和噪声子空间,然后对信号进行估计并重构出噪声受抑的测量矩阵,在重构矩阵中进行同相相加,降低噪声电平,以提高噪声背景下雷达检测和识别能力。     

基于噪声子空间二阶锥规划求解的宽带波达方向估计算法

现有宽带子空间类方位估计方法需要对庞大的空时联合采样相关矩阵进行特征分解运算以获得好的估计性能,计算复杂度高.提出一种基于噪声子空间二阶锥规划求解、计算有效的宽带波达方向估计算法.该算法将宽带信号低秩模型的噪声子空间估计转换为凸最优理论中的二阶锥规划问题,实现宽带源方位估计,整个过程不需要估计样本协方差矩阵,不需要矩阵特征值分解或奇异值分解,运算量低.给出算法的理论分析、实现步骤.统计性能比较表明该算法分辨门限低、方位估计精度高.千岛湖湖试结果证明该算法在实际声纳阵系统中可有效实现宽带源波达方向估计.     

基于信号子空间的激光主动成像散斑去除

为研究激光主动成像中散斑噪声的抑制问题,提出一种基于信号子空间TDC(Timedomain constrained)的散斑去噪方法,并搭建一套基于距离选通ICCD的激光主动照明系统进行实验验证。首先使用同态变换将乘性噪声变为加性噪声,然后利用小波变换估计噪声的协方差;接着对含噪图像进行奇异值分解并估计信号子空间的维数,根据该维数对无噪图像的协方差矩阵进行特征值分解,计算出滤波估计矩阵。将滤波估计矩阵与含噪图像卷积,最后做同态逆变换,得到降噪后的图像。结果证明本文的去噪方法拥有比经典的Lee、Frost和Kuan算法更好的散斑噪声抑制效果,同时计算时间明显缩短。     

正弦信号参数估计的最小二乘算法

为了提高信号相位匹配原理估计正弦信号参数的精度,提出了一种正弦信号频率、振幅和相位参数的最小二乘估计方法.推导了利用单传感器接收信号的参数估计的最小二乘估计计算公式.给出了已知频带内的未知频率,振幅和相位的信号参数估计的搜索算法;分析了最小二乘法使用的方程数、信噪比和采样频率确定后FFT的序列长度对参数估计精度的影响.理论和仿真结果说明,该方法不仅能降低估计频率带宽以外的噪声,还可降低被估计频率信号带宽内的噪声,提高低信噪比时的信号参数估计精度.该算法简单、快速、具有工程应用前景.     

易于硬件实现的OFDM系统采样频率同步算法

分析了正交频分复用（OFDM）系统中采样频率偏移对系统性能的影响,提出了一种在频域进行估计和校正的采样频率同步算法.该算法易于硬件实现,与采用最小二乘法（LS）的估计算法相比可以减少20%的硬件资源,提高1倍的工作速度.根据IEEE 802.11a无线局域网（WLAN）标准进行了算法仿真和现场可编程门阵列（FPGA）上的硬件实现研究.仿真结果表明,无论是在高斯白噪声（AWGN）信道还是多径信道下,该算法均可以有效地对采样频率偏移进行校正,使系统性能符合标准要求.通过在FPGA上的硬件实现以及使用Xilinx的Chip scope Pro进行的在线实时验证表明,该算法可以在占用较少硬件资源的条件下,实时、连续地对信号进行处理,可以作为一个完整OFDM基带处理器的子模块.     

基于接收机信号重构的OFDM系统频偏估计算法

利用接收机判决后的OFDM信息数据重构FFT以前的OFDM信号 ,提出了一种OFDM系统中频偏估计的新方法 ,进而得到一种载波频率跟踪方法 .该方法具有不需要引导符号 ,算法简单 ,跟踪精度高等优点 .本文利用 6 4载波 1 6QAM的OFDM系统进行了仿真 ,结果表明 ,该方法对频偏的估计精度相当高 ,当系统存在 1 0 %的初始相对频偏时 ,对信噪比为 1 5dB和 1 8dB的AWGN信道的情形 ,利用本文频偏估计算法构成的跟踪算法仍有很好的跟踪能力     

New method for estimating 2-D DOA in the coherent source environment based on data matrix reconstruction

The performance of classical two dimensional (2-D) Direction-Of-Arrival (DOA) estimation algorithms degrade substantially in the presence of coherent environment. A new DOA matrix method——DOA matrix method based on data matrix reconstruction (DMR-DOAM) is proposed for 2-D DOA estimation in the coherent source environment. The proposed algorithm reconstructs two Toeplitz equivalent covariance matrices by using cross-correlation information among receiving data from arrays. Decorrelation and 2-D DOA estimation can be realized via the eigen-decomposition of the new DOA matrix. The algorithm can retain the advantages of the traditional DOA matrix method, such as automatical parameter alignment and no need of 2-D search spectrum peak. The equivalent covariance matrices only use the middle column of classical covariance matrices, so the calculation amount is reduced, and the algorithm can be realized easily. Furthermore, the paper analyzes the estimation performance and influencing factors of the proposed algorithm. Theoretical analyses and simulation results both show that the proposed algorithm is effective.     

一种多分量调频信号瞬时频率估计方法

针对多分量调频信号的相位结构分析问题,提出了一种基于维特比算法的瞬时频率估计方法。该算法受多目标跟踪中的航迹关联思想启发,将瞬时频率轨迹追踪同多目标航迹跟踪相结合,建立了一种新型隶属度惩罚函数,解决了原维特比算法只适用于单分量信号的问题。此外,还提出了一种新型时频交叉点的处理方法,能够提高多分量信号瞬时频率交叉时的估计精度。仿真表明,相较于现有的同类型算法,该方法能够准确地获取复杂相位结构的多分量信号瞬时频率信息,有效地提升了维特比算法在多分量信号瞬时频率估计上的适用性和稳健性。     

利用稀疏贝叶斯理论的跳时估计方法

当跳频信号的频率不在预设的频率集中时,为了提高跳时估计的正确率,提出了一种基于稀疏贝叶斯理论的跳时估计方法。该方法首先在信号模型中设置频率偏差参数;其次利用狄利克雷过程以及稀疏贝叶斯理论,设计接收信号模型中各个参数的迭代规则,并在每次迭代中利用频率偏差参数修正频率字典矩阵;最后,算法收敛时可得到用于计算谱图的稀疏矩阵,进而可以得到跳时的估计值。仿真结果表明,该算法估计的跳时正确率高于其他方法,并且计算的谱图的真实性也高于其他方法。     

基于相位分析CAPES的信号参数估计方法

由于存在栅栏效应,传统方法对单频信号参数估计时可能会存在精度下降问题。针对这一问题该文提出了一种基于相位分析的联合幅度与相位估计(CAPES)方法。采样数据的不同数据段之间因延时会存在相位差,该方法在估计信号参数时利用两数据段的相位差包含的信号频率信息来减小频率估计的偏差,进而提高信号频率、幅度和相位的估计精度。仿真实验表明该方法的参数估计精度高于传统的CAPES方法。将该方法应用于超视距雷达的海杂波对消中,实测数据的处理结果也表明了该方法的有效性。     

远动信号频率的测量方法与实现研究

提出利用采集卡采集的数据对远动通道中的信号进行频率测量的方法,实现了对远动信号的时域波形、信号电平及信号频率的全面监控。介绍了采用基于过零点检测的线性插值法来估算远动信号频率。运用直方图对估算结果进行处理,以确定信道中的信号频率。通过对实际信号的测量证明该方法计算简单、跟踪速度快,并具有较高的精度,有效地满足了远动信号监控的需要。     

GLMB extended target tracking based on one-step data association

Due to the inseparability of measurements in neighborhood scenarios, the tracking performance of the traditional extended target tracking algorithm would degrade. In this paper, a new extended target tracking algorithm based on one step data association is proposed to solve the problem. First, the algorithm models the target with a multiplicative noise model. And then, the one step data association method in the Joint Probabilistic Data Association (JPDA) theory is combined with a Generalized Labeled Multi-Bernoulli (GLMB) filter. Simulation results show that the algorithm can track the target in cross and neighborhood scenarios effectively and that it is superior to the traditional extended target tracking algorithms based on measurement partition in estimation accuracy.     

OFDM系统中新的同步与信道联合估计算法

提出了一种新的基于判决反馈的OFDM同步与信道联合跟踪算法。该算法提取出信道估计结果中包含的同步信息用于实现同步估计,并利用同步估计结果对信道估计结果进行修正,使其尽量逼近真实信道。仿真结果表明该算法在信噪比较大时可以获得较高的估计性能,具有计算量小和实现简单的优点。适当增加块长具有更强的抑制噪声的能力,但却减弱了信道的时变跟踪能力,因此块长的选择必须权衡考虑。     

基于有效预测区域的模糊数据关联

多目标多传感器跟踪系统由数据关联和目标状态估计两部分组成,数据关联是多目标跟踪系统研究的核心。数据关联和目标状态估计两部分既有一定的独立性又有密切的联系,而将两部分合理地结合对提高跟踪系统的性能是重要的。该文以跟踪目标的有效预测区域为依据,利用基于Mahalanobis距离的模糊均值聚类方法解决数据关联问题,在一定程度上将数据关联和目标状态估计两个不同的过程相结合,仿真计算说明了其有效性。     

基于新息协方差的机动目标轨迹估计算法研究

针对态势显示系统中机动目标运动状态不确定、卫星定位误差、接收机随机噪声造成的目标轨迹估计精度低的问题。在"当前"统计模型的基础上,提出了一种基于新息协方差的Kalman滤波算法,该算法根据新息协方差的极大似然最优估计实现加速度方差的实时估计和自适应调整。仿真结果表明,该算法的估计性能优于常规算法,跟踪精度较高。