基于四元数MUSIC的双极化散射中心参量提取

针对既有水平极化发射水平极化接收,又有垂直极化发射垂直极化接收数据的双极化雷达目标散射中心模型,提出用四元数MUSIC算法进行参量提取。该算法首先将hh和vv数据用四元数联系起来,然后采用MUSIC算法的思想,构造四元数信号子空间和四元数噪声子空间,并利用四元数噪声子空间和四元数信号子空间相互正交的特性,通过谱峰搜索估计双极化散射中心的参量。同复数域的MUSIC算法相比,四元数MUSIC算法在信噪比较低时仍能较好地估计出散射中心参量。仿真实验验证了算法的有效性。     

基于矢量阵的自初始化MUSIC方位估计算法

MUSIC空间谱估计突破了常规波束形成中的锐利限,能够对目标进行高精度方位估计.探讨了MUSIC算法在矢量阵上的应用,给出了矢量线阵MUSIC噪声子空间谱估计表达式,利用单个矢量阵元的阵簇估计提供的初始参数,对MUSIC噪声子空间谱进行迭代搜索谱峰实现目标的方位估计,用以提高目标方位估计的精度.对单目标和双目标方位估计进行了仿真研究,在文中的仿真条件下,当满足信噪比大于5dB的条件时,可对目标方位进行较好估计.研究结果表明,通过单个矢量阵元阵簇得出的目标方位估计精度较差,而迭代搜索MUSIC谱峰方法提高了方位估计精度.     

矢量阵自初始化MUSIC算法的试验研究

利用单个矢量阵元的阵簇估计提供的初始参数,对MUSIC噪声子空间谱进行迭代搜索谱峰,实现目标的方位估计.该方法减少了运算量,同时提高了目标方位估计的精度.为了检验算法的性能,进行了外场试验.利用3个矢量水听器组成了三元矢量阵,对比了矢量阵自初始化MUSIC算法和MUSIC空间谱估计以及常规波束形成的性能.试验结果表明,矢量阵常规波束形成的目标方位估计精度较差,MUSIC空间谱的估计性能较好,而迭代搜索MUSIC谱峰方法的定向精度最高.当空间严重降采样时,常规波束图的栅瓣高度接近主瓣高度,MUSIC空间谱表现出较强的栅瓣抑制能力,而自初始化MUSIC算法不受空间降采样的影响,总能给出正确的目标方位估计值.     

基于子空间投影的合成空间谱算法

对子空间投影类目标方位估计(DOA)算法在非理想条件下性能下降,提出利用加权信号子空间投影和噪声子空间投影获得合成空间谱的DOA方法.论文第2节给出了基于特征分解的子空间投影算法的框架,依据不同的投影矩阵对多种算法进行分类.第3节通过对信号子空间投影采用主特征值倒数加权,并与常规噪声子空间投影进行空间谱合成对多目标进行分辨.第4节给出低信噪比和小采样长度条件下的算法统计性能分析,表明其性能优于传统多目标高分辨MUSIC算法.第5节通过湖试结果表明其工程应用价值.     

低复杂度多输入多输出雷达目标角度估计方法

针对多重信号分类(multiple signal classification,MUSIC)算法通过谱峰搜索得到目标的角度估计的计算复杂度较高的问题,提出一种用于单基地多输入多输出(multiple input multiple output,MIMO)雷达目标角度估计的低复杂度求根MUSIC方法。首先通过降维变换降低接收数据的维度,然后在低维空间中根据导向矢量和噪声子空间的正交性,构造求根多项式,并通过求解该多项式的根来得到目标的波达方向(direction of arrival,DOA)估计。仿真实验表明,与MUSIC算法和RC-MUSIC算法相比,该算法具有更低的运算复杂度,且在低信噪比条件下具有更好的角度估计性能。     

基于特征空间MUSIC算法的相干信号波达方向空间平滑估计

为了高效、准确地估计相干信号的波达方向(DOA),提出了一种基于特征空间多重信号分类(MUSIC)算法的空间平滑估计方法。首先对相干信号进行空间平滑处理,然后对其应用特征空间MUSIC算法进行DOA的精确估计,使其最大限度地利用信号子空间和噪声子空间的信息。本文方法并不影响非相关信号存在时DOA的估计,且还可以对信号源功率进行有效的估计,以提高对小能量信号的成功估计概率。与传统空间平滑算法及修正MUSIC算法相比,本文方法具有更低的信噪比门限和更高的估计精度及分辨力。最后的仿真实验验证了本文方法的有效性和鲁棒性。     

基于延时相关预处理的MUSIC算法

针对MUSIC算法的分辨力受信噪比、快拍数及阵元数等因素限制的问题,利用各阵元接收数据的延时相关函数重新构造协方差矩阵,提出了基于延时相关预处理的MUSIC算法.根据阵元间的延时相关函数与原阵列流型及信号延时相关函数的关系,推导了4个与原阵列流型相同（共轭）的延时相关函数矩阵,分别对各矩阵求协方差并按规则求和得到新的协方差矩阵,之后对协方差矩阵进行特征分解,根据信号子空间处理稳健性高和噪声子空间处理估计精度高的特点构造谱函数进行谱峰搜索,实现DOA估计.通过仿真实验验证了本文算法的可行性和有效性.     

基于子空间的DS-UWB系统高分辨率低复杂度时延估计

研究了在室内多径衰落信道下直接序列超宽带(DS-UWB)系统的时间延迟估计问题,提出了一种基于子空间的高分辨率、低复杂度的时延估计方法。该方法将滑动相关输出的时间平均相关矩阵分解成信号和噪声子空间,然后用MUSIC谱计算,再通过最大值搜索获取时延估计。将滑动相关的时间分辨率与传统相关MUSIC方法的计算复杂度进行了对比。计算机仿真结果表明,在多径时延差接近一个切谱(Chip)周期情况下,新的算法能够有效分辨出多径时延,性能明显高于传统的滑动相关方法。     

信源数目估计误差影响下的修正二维MUSIC算法分析

针对信源数目过估计下二维MUSIC算法会出现虚假信号和欠估计下某些谱峰消失的问题, 通过将降维技术与一维噪声子空间算法相结合,提出一种基于正交阵列结构的修正二维MUSIC算法．该算法将复杂的二维处理问题转化为3个简单的一维问题,通过组合3个并行的均匀线阵分别估计出一维波达方向进行空间测向．仿真结果表明该算法在未知信源数目的情况下,仍能正确判断出信号的来波方向．     

基于子空间的DS-UWB系统高分辨率低复杂度时延估计

研究了在室内多径衰落信道下直接序列超宽带（DS-UWB）系统的时间延迟估计问题,提出了一种基于子空间的高分辨率、低复杂度的时延估计方法。该方法将滑动相关输出的时间平均相关矩阵分解成信号和噪声子空间,然后用MUSIC谱计算,再通过最大值搜索获取时延估计。将滑动相关的时间分辨率与传统相关MUSIC方法的计算复杂度进行了对比。计算机仿真结果表明,在多径时延差接近一个切谱（Chip）周期情况下,新的算法能够有效分辨出多径时延,性能明显高于传统的滑动相关方法。     

基于联合像素模型的InSAS干涉相位估计方法

针对干涉合成孔径声呐(InSAS)成像的特点,提出了一种新的联合观测矢量构造方法用于InSAS干涉相位的估计。新方法构造的观测矢量的协方差矩阵具有确定的噪声子空间维数(为定值1),避免了原方法中因噪声子空间维数估计不准确带来的相位估计误差;另外,观测矢量构造维数更少,提高了计算效率。仿真数据及InSAS实测数据的处理结果证明了此方法的有效性。     

双基地MIMO雷达相干源角度估计方法

针对双基地多输入多输出(MIMO)雷达的相干源角度估计问题,分别在空间高斯白噪声和空间高斯色噪声背景下提出基于降维波达方向(DOA)矩阵的角度估计方法.首先对MIMO雷达相干目标的回波进行解相干处理;然后分别在两种噪声背景下构造DOA矩阵,并利用其与信号子空间的关系得到降维DOA矩阵,有效降低了原DOA矩阵法的运算量.之后利用降维DOA矩阵的特征参数与待估参数间的特定关系实现目标离开方向(DOD)和波达方向(DOA)的联合估计.该方法无需二维谱峰搜索,在两种不同噪声背景下均能有效估计相干源的二维角度并实现自动配对,且在接收阵列为非等距线阵的条件下仍具有适用性.仿真实验验证了该方法的有效性.     

一种基于MNLS解的迭代波达方向估计方法

传统的子空间DOA估计方法需要大量快拍数据以取得足够样本从而得到输入协方差矩阵。提出一种基于FOCUSS方法的加权最小范数最小二乘（MNLS）解的迭代DOA估计方法,仅需要数次迭代即可得到稳定的高分辨率估计结果,并且需要的接收快拍数大大低于子空间估计方法。     

光照变化条件下的人脸识别研究

本文提出了两种研究光照变化条件下人脸识别的方法.第1种方法光照子空间方法,它适用于训练集中存在与测试人脸图像相同或者相似光照的人脸训练图像.当这个条件不满足时,可得用径向基函数产生虚拟光照条件下的人脸图像样本图像特征加入训练集,该方法适用于更一般的情况。实验结果证明文中提出的方法可以有效提高识别率。     

高分辩DOA估计的子空间方法

首先对基阵所张成的空间、信号子空间和噪声子空间给出了定义.通过这些定义对用于高分辩DOA估计的子空间方法,阐述了一个较为系统的理论,并且应用这个理论,对几种典型的子空间方法进行了分析.指出了用子空间方法进行DOA估计的关键是:第一,如何将基阵张成的空间划分为信号子空间和噪声子空间;第二.如何利用信号子空间和(或)噪声子空间估计信号方向矢量.给出了在已知信号子空间和噪声子空间的条件下,满足方位估计唯一性的控制矢量条件,并且给出了证明.     

基于信号子空间的正交矢量谱估计新方法--OVSS法

频谱估计被广泛的应用于工程中，在自相关阵的特征值分解中，存在着两个特征矢量子空间－－信号子空间和噪声子空间，基于信号子空间的频谱估计方法具有较好的统计稳定性；基于噪声（正交）子空间的频谱估计方法则具有很高的谱分辨率，本提出的新方法具有更高的谱分辨率和更好的统计稳定性，新方法对信号相关阵的最大特征值所对应的特征矢量按一定规律排成矩。进行奇异值分解，其右奇异矢量同样存在信号子空间和正交子空间，基于正交子空间的正交矢量谱估计法，源于信号自相关阵的信号子空间，有着高统计稳定性，同时又是正交方法，具有很高的分辨率，由于主特征矢量排出的矩阵阶数较低，也不会出现伪峰，将此方法称之为OVSS谱估计法，大量模拟试验显示OVSS谱估计法，是一种高质量谱估计方法。     

联合低秩表示和稀疏约束的双层多视角子空间聚类

多视图子空间聚类是处理高维数据的一种聚类方法,通过分别在每个视图上构造邻接矩阵的方法解决聚类问题,但未考虑到低秩表示和稀疏约束的结合在构造邻接矩阵中的重要性. 针对此问题,提出一种联合低秩表示和稀疏约束的双层多视角子空间聚类方法,使其更全面地描述数据本身,从而实现更有效的聚类,并采用ADMM方法来解决每个视图相关的低秩表示和稀疏性约束优化问题. 在多个数据集上的实验表明,其聚类性能比现有的多视角子空间聚类算法好,低秩表示和稀疏约束的结合可以提高聚类的准确性.     

一种双三相永磁同步电机无速度传感器控制的 实现方法研究

在考虑α-β子空间的基波分量和x-y子空间的谐波分量的情况下,提出一种基于自适应滑模观测器（SMO）和多重比例谐振（PR）控制器的双三相永磁同步电机（DTP-PMSM）无速度传感器控制方法.基于DTP-PMSM的矢量空间解耦模型,首先在其α-β子空间设计了电流滑模观测器,并用双曲正切函数代替符号函数作为切换函数,削弱了滑模抖动并获得了更光滑的反电动势信号.然后设计了反电动势自适应观测器,提高了电机转速和转子位置的估计精度,并免除了常规滑模观测器中采用的低通滤波器和相位补偿单元.随后在α-β子空间利用PR控制器对参考电流实现了无静差跟踪控制;在x-y子空间引入PR控制器对电机相电流中的6k ±1（k=1,3,5,…）次谐波进行抑制,减少了电机损耗和逆变器容量,提高了电机运行性能.仿真实验结果表明了所提控制方案的可行性和有效性.     

Tensor-Based Source Localization Method with EVS Array

In many wireless scenarios, e.g., wireless communications, radars, remote sensing, direc-tion-of-arrival (DOA) is of great significance. In this paper, by making use of electromagnetic vec-tor sensors (EVS) array, we settle the issue of two-dimensional (2D) DOA, and propose a covari-ance tensor-based estimator. First of all, a fourth-order covariance tensor is used to formulate the array covariance measurement. Then an enhanced signal subspace is obtained by utilizing the high-er-order singular value decomposition (HOSVD). Afterwards, by exploiting the rotation invariant property of the uniform array, we can acquire the elevation angles. Subsequently, we can take ad-vantage of vector cross-product technique to estimate the azimuth angles. Finally, the polarization parameters estimation can be easily completed via least squares, which may make contributions to identifying polarization state of the weak signal. Our tensor covariance algorithm can be adapted to spatially colored noise scenes, suggesting that it is more flexible than the most advanced algorithms. Numerical experiments can prove the superiority and effectiveness of the proposed approach.     

基于两步子空间划分的化工过程监测方法

为了解决现代化工过程采集的数据维度高、分布复杂的问题,提出一种基于两步子空间(two step subspace division, TSSD)划分的化工过程监测方法。为了降低过程分析复杂度,将具有相似特性的变量划分为同一空间。考虑数据的复杂分布问题,将第一步得到的每个子空间划分为高斯空间与非高斯空间。利用主元分析(principal component analysis, PCA)和独立元分析(independent component analysis, ICA)方法建立检测模型并构造统计量。整合每个子空间的统计量并基于局部离群因子(local outlier factor, LOF)方法构建综合统计量。结果表明:TSSD方法对于16个故障均能取得最优的漏报率,尤其是故障10和故障16,漏报率分别为15.375%和6.75%,有效验证所提出的基于两步子空间划分的过程监测方法的优越性。