基于最小均方误差和稀疏特征的欠定盲源分离

针对欠定条件下的盲源分离问题,即观测信号个数小于信源个数的情况,提出了一种基于最小均方误差和稀疏特征的算法．首先,利用变换后信源的稀疏特征,采用一新的势函数通过聚类算法估计混叠矩阵．然后利用混叠矩阵和信源自身的相关性,通过寻找信源在聚类方向时间点上的精确值,以均方误差最小为准则寻找最佳分离矩阵实现信源的分离,克服了传统的分离算法在寻找最佳分离子矩阵方面的缺点．仿真结果显示使用该方法分离的信号具有更高的信噪比,和其他同类方法相比具有更优越的分离性能．     

基于最小均方误差和稀疏特征的欠定盲源分离

针对欠定条件下的盲源分离问题,即观测信号个数小于信源个数的情况,提出了一种基于最小均方误差和稀疏特征的算法.首先,利用变换后信源的稀疏特征,采用一新的势函数通过聚类算法估计混叠矩阵.然后利用混叠矩阵和信源自身的相关性,通过寻找信源在聚类方向时间点上的精确值,以均方误差最小为准则寻找最佳分离矩阵实现信源的分离,克服了传统的分离算法在寻找最佳分离子矩阵方面的缺点.仿真结果显示使用该方法分离的信号具有更高的信噪比,和其他同类方法相比具有更优越的分离性能.     

非均匀天线阵的超分辨测向

提出了一种基于非均匀天线阵的超分辨测向算法。该算法利用了数字波束形成技术（DBF）,因而设备简单,适应性强。为实现超分辨测向,算法基于Gram-Schmidt正交（GSO）网络,将干扰对消的原理用于信号的方向自适应定位。算法可同时估计波达方向及信源个数,不需预先知道或估计信源数,而且算法简单,便于硬件实现。仿真结果表明,算法可实现超分辨测向,而且在一定条件下,测向精度可分辨率优于MUSIC算法。     

利用信号non-circular特性的信源个数检测算法

在non-circular信号的情况下，提出了信源个数检测算法．通过使用non-circular信号椭圆协方差不为零的特点将可利用阵元个数加倍．并利用酉变换将快拍数加倍。提高了数据协方差矩阵的估计精度．在此基础上改进了信息论检测准则．仿真实验表明新算法具有收敛速度快、角度分辨力高和可检测信号个数多等优点．     

实值闭式求根快速阵列测向算法

谱峰搜索类多重信号分类MUSIC(multiple signal classification,MUSIC)算法作为测向算法中的经典算法,由于具有良好的参数估计性能,因此被广泛使用.但由于庞大的计算量,提高了测向系统的复杂度以及研发成本.相比之下,利用多项式求根获取目标信源方位信息的求根MUSIC(root multiple signal classification,root-MUSIC)算法降低了测向的计算复杂度.但由于root-MUSIC算法涉及复系数多项式求根运算,因此其计算量依然很大.为进一步有效降低算法的计算量,本文基于空间谱函数的极值处导数为零这一性质,提出一种基于实系数多项式闭式求根的快速阵列测向算法.所提算法利用坐标映射关系,在新的坐标系u域内构造一个与传统z域root-MUSIC算法同阶次的实系数求根多项式.同时,由于多项式的根关于实轴对称,利用Bairstow算法进一步将该实系数多项式分解为若干个二次多项式,最后利用一元二次方程求根公式直接给出对目标信源方位信息的估计结果.理论分析和仿真实验表明:新算法相比于传统root-MUSIC算法极大降低了计算量,提高了测向速度,同时保持了相同的估计精度.     

基于正交投影的宽带相干信源空间谱测向算法

提出了一种新的相干信号子空间宽带信源空间谱测向算法,该方法通过角度扫描和数据协方差矩阵的正交投影处理,避免了到达角度的预估计和信源个数估计,从而提高空间谱测向的性能,论述了该算法的原理及其实现过程,并和现有算法进行了对比分析．仿真结果表明,在信噪比较低的情况下本算法有更好的角度分辨率和更低的均方根误差．     

估计白噪声中正弦信号个数的比率准则方法

提出了一种估计白噪声中正弦信号个数的新方法—比率准则（ＲａｔｉｏＣｒｉｔｅｒｉｏｎ），简称ＲＣ准则。仿真结果表明：这一方法在用于估计白噪声背景下正弦信号个数时，能够给出正确结果，避免了信息类准则估计信号个数偏高的缺陷，明显地优于信息类准则。     

基于互质阵列的信源数估计

针对信号数大于物理阵元数情况下的信源数估计问题,提出一种基于互质阵列的信源数估计方法。首先利用互质阵列的特殊结构提高阵列自由度;然后估计阵列输出的向量化外积的概率密度函数的相关参数;最后利用得到的参数化概率模型的似然函数和最小描述长度(MDL)准则实现算法功能。仿真结果表明,本文方法在较低信噪比下对不相关的高斯信号的检测成功率仍可达到100%,检测性能优于其他算法。     

一种未知信源数的共形阵DOA算法

针对目前绝大多数共形阵波达方向估计算法需要进行信源数估计且波达方向估计性能易受信源数估计误差影响的问题,提出了一种引入虚拟期望信号的未知信源数共形阵波达方向估计算法.在介绍共形阵窄带信号接收模型及自适应波束控制原理的基础上,利用最大信干噪比准则下的最优权矢量对引入虚拟期望信号后的阵列接收数据进行加权处理,以阵列输出的信噪比作为波达方向估计参数,从而实现来波信号的准确估计.整个过程不需要以信源数作为先验知识,避免了波达方向估计过程中信源数的判断环节.对所提算法进行了仿真实验,结果表明,该算法是有效可行的,且其性能要优于MUSIC算法.     

基于粒子群优化算法的相干信源波达方向估计

利用粒子群优化算法和在解决优化问题的优势和广义极大似然测向的优点,提出了一种估计相干信源波达方向的新方法.对于所提出的测向算法,人射的信源可以是独立信源,也可以是多相干信源的混合,对阵列的几何结构也没有任何约束,而且它分辨的信源数还可以大于阵元数.为了有效地对所提出的测向代价函数进行拟合,把高斯异策略引进粒子群算法中,提出了一种可快速多维搜索的随机变异粒子群算法.仿真结果表明:与基于遗传算法的相干信源波达方向估计方法相比,基于粒子群优化算法的波达方向估计在收敛速度和估计精度上都有优势,有很好的可行性和有效性.     

冲击噪声环境下的快速DOA估计

目前已存在着一些适用于冲击噪声环境的稳健性DOA算法,但它们的计算量仍然较大.为了解决这一问题,对冲击噪声环境下的快速DOA估计进行了研究,并提出了一种新的分数低阶算法.新算法的原理是利用分数低阶矩阵的数据来直接构造与更新C的信号子空间.根据理论分析可知,由于新算法避免了计算量级为O(q3)(q为天线阵元数)的特征分解,其计算量级仅为O(Mq2)(M为信号数),因此它与现有算法相比,计算量更小并能更快速地估计DOA.计算机仿真证实在相同条件下,当子空间更新次数不小于2时,新算法有着与现有算法近似一致的DOA估计性能.     

基于实值信号子空间的虚拟阵列解相干算法

针对存在相干信源时,传统的DOA估计算法失效问题,提出一种基于实值特征子空间的虚拟阵列解相干算法.该算法根据虚拟阵列变换的思想,利用阵列接收数据构造虚拟子阵,实现对信号的解相干处理,并将协方差矩阵从复数域变换为实数域,获得一个实值信号子空间,最后利用实数域ESPRIT (Unitary ESPRIT)估计信号波达方向.该方法避免了阵列孔径损失,保持了阵列的空间分辨率,估计精度高,利用个阵元可估计个信源,且引入实数域处理和无需空间谱搜索,运算量小.计算机仿真验证了该方法的有效性和优越性.     

色噪声环境下宽带非高斯信号的测向算法

针对色噪声环境下宽带非高斯信号的DOA估计问题,提出了一种去噪与高阶累积量相结合的DOA估计新方法.该方法首先估计出噪声分量,尽可能去除噪声;然后对去噪信号进行聚焦,构造出聚焦后信号的四阶累计量矩阵.对各累计量矩阵的平均值做特征分解,再进行一维谱峰搜索,即可得到来波方向的估计值.该方法不仅适用于高斯色噪声,也适用于非高斯色噪声环境,且不需要知道噪声的原始分布信息.实验结果证明了该算法的有效性.     

循环与非循环混合信号源快速DOA估计与识别方法

在日益复杂的信号环境中,阵列信号处理需要面对循环和非循环混合信号源的情况越来越多。针对循环和非循环混合信号源的情况,分析了混合信号源条件下的子空间特征,提出了一种混合信号源条件下的快速波达方向估计与识别方法,有效地利用了混合信号源中的非循环特性。理论分析和仿真实验结果表明,波达方向估计结果的分辨率不仅较于常规方法有所提高,而且可处理的信源数目大于阵元数目,具有较强的过载处理能力。     

OFDM系统中基于子空间分解的信道估计的改进

基于子空间分解的信道估计通过将接收端信道的频域信道响转换到变换域,将信号子空间和噪声子空间分离,既能有效的分离噪声,又具有较低的复杂度.通过对信道估计均方误差的推导,本文提出了一种阈值算法GPT将信号噪声分离的信道估计算法.通过在时域上对连续的OFDM符号求平均,有效的抑制了AWGN和ICI.进一步考虑信道衰落,对阈值进行自适应调整,提出了TAAT算法,仿真证明文中提出的两种算法均无需信道先验信息,能够正确的高精度的区分信号和噪声子空间,不受频谱泄漏的影响,克服了MST和低通截短算法对信道统计参数依赖性具有鲁棒性.在VA30,典型城市信道信道仿真表明,该算法性能逼近理想DFT时域信道估计,即假设信道信号径位置已知,噪声径完全去除.     

基于分形天线阵列的快速DOA估计算法（增刊）

针对智能天线要求结构尺寸小和测向算法收敛快的问题，在深入论述分形天线阵列技术和降秩理论的基础上，提出基于Cantor线性阵列天线的快速DOA估计算法。不仅使得智能天线的结构尺寸减小了30%，通过多级嵌套维纳滤波器前向递推的方法，子空间的分解和维数确定可同时进行，不需要估计接收信号的协方差矩阵和对其作特征值分解，运算量可以明显降低，收敛速度快。该方案具有很好的理论价值以及应用前景，蒙特卡罗仿真结果表明了本方法的有效性。     

基于先验信息辅助的8PSK信号信噪比估计

基于最大似然序列估计准则,提出了3种先验信息辅助的8PSK调制信号的信噪比估计方法.与现有硬判决辅助的信噪比估计方法进行了比较,解决了现有方法在低信噪比时估计误差较大的问题.分析了3种方法在Turbo均衡系统中初始迭代以及迭代进行过程中的性能,根据不同的迭代次数,在不同的方法之间进行切换会提高信噪比的估计精度,并降低计算复杂度.新方法只需要利用很少的数据符号就能得到准确的结果,并且能适用较大的信噪比范围.     

基于均匀圆阵的矢量重构解相干算法

为解决基于均匀线阵矢量重构法不能直接用于均匀圆阵这一问题,提出一种模式空间矢量重构算法.提取模式变换后最大广义特征值对应的特征矢量,并对修正的信号特征矢量采用前后矢量重构方式构造数据矩阵实现解相干.在变换前提取最大特征值对应的信号特征矢量,充分去除噪声,且无需变换后广义特征分解计算,算法复杂度显著降低.理论分析和仿真结果验证了该算法的有效性.     

联合像素多基线InSAR降维处理方法

针对联合像素多基线InSAR处理的大运算量问题,提出了一种降维处理方法．在分析联合像素协方差矩阵构造过程的基础上,指出SAR图像配准时信号子空间的维数是不随卫星数目的增加而改变的．利用Lanczos迭代进行信号子空间逼近,避免了对高维协方差矩阵进行特征值分解,利用信号子空间拟合代替信号子空间向噪声子空间的投影,至少能够降低运算量50％以上．对仿真多基线数据和实测单基线数据的处理结果验证了本算法能保证处理精度要求．