加权空间平滑TLS-ESPRIT算法性能分析

针对常规TLS-ESPRIT算法不能处理相干信源测向的问题,在空间平滑TLS-ESPRIT算法的基础上,提出了加权空间平滑TLS-ESPRIT算法。通过对原始阵列进行特殊结构的子阵划分,直接利用子阵输出的自相关和互相关信息求得加权矩阵,充分利用阵列输出的自相关和互相关信息,提高了信号子空间与噪声子空间的正交性,从而实现相干信源的解相干。仿真结果表明,新算法在不同信噪比和快拍数下,都优于空间平滑TLS-ESPRIT算法,对相干信号的DOA估计具有更好的处理效果。     

基于矢量奇异值分解的DOA估计方法及其改进

对相干信号的波达方向（DOA）估计是空间超分辨谱估计的热点。在均匀线性阵列模型下,特征矢量奇异值分解法（ESVD）能够很好的对相干信号进行DOA估计,但是当相干信号和非相关信号同时存在时,ESVD并不能对全部信号进行DOA的估计。本文通过对ESVD算法的理论分析后,选取经过加权处理的特征向量来构造新矩阵,再利用奇异值分解得到信号的噪声和信号子空间,从而进行DOA估计。理论分析和计算机仿真表明该改进算法(MESVD)解决了ESVD算法在相干信号和不相关信号同时存在不能正确进行DOA估计的问题,估计精度与空间平滑算法（FBSS）相当。     

水下电磁场源的二维DOA和极化估计

以电磁矢量传感器在均匀海水中的电声测量为运用背景,建立了水中单个电磁矢量传感器的数据接收模型,采用特征值分解的信号子空间TLS-ESPRIT算法,对基于该算法的单个电磁矢量传感器估计多个信号源的DOA和极化参数问题进行了研究。     

基于DML-ESPRIT算法的多维参数快速联合估计

将确定性最大似然估计准则的多维参数估计能力与ESPRIT算法的高时效性有机结合,提出了一种二维DOA-功率-频率快速联合估计方法--DML-ESPRIT算法。利用双L阵列的空间特性,通过引入空间锥角,将多维空间搜索问题转换为一维角度估计,并基于确定性最大似然估计准则推导得到了多信源的空间锥角、功率和频率联合估计的数学模型;然后在对子阵进行扩展的基础上,利用TLS-ESPRIT算法对模型进行求解,避免了谱峰搜索问题,实现了多维参数的快速联合估计。实验结果表明,DML-ESPRIT算法在保持高估计精度的同时运行耗时约35 ms,具有较好的工程应用前景。     

基于子空间的宽带信号时延差与相位差估计方法

针对现有的Simple、Sumple等互相关类算法无法分辨多个信源的问题，结合子空间算法中的超分辨估计——Music算法，提出了基于子空间的子带相位差估计算法——Music-Simple。对Music-Simple算法的合成性能进行了仿真分析并与传统的Music算法进行对比，验证了Music-Simple算法的正确性。结果表明，Music-Simple具有分辨多个信源的能力，可以同时估计出多个信源在多个接收天线处的相位差，显著提升了对包含多个信源信号的合成性能。     

一种基于四阶累积量的约束自适应多径时延估计

在存在多径信号和空间相关性未知的背景高斯噪声情况下,不考虑多径信号传输的传统时延估计方法的性能会受到影响,甚至恶化。针对此问题,提出了一种基于四阶累积量的约束自适应多径时延估计算法,并对该算法的多径时延估计性能进行了收敛性能分析。该算法能够有效抑制空间相关性未知噪声的影响,在低信噪比的情况下能够直接、准确地进行自适应多径时延估计,克服了传统算法不能直接估计非整数倍采样间隔时延的缺点。计算机仿真试验验证了新算法的有效性。     

SIMO信道中基于奇异值分解的盲信噪比估计算法

信噪比（SNR）是现代通信信号处理中一个重要参数,许多算法需要它作为先验信息以获取最佳估计性能。针对单输入多输出（SIMO）系统的信噪比估计问题,本文提出了一种盲信噪比估计算法。该算法利用多路信号协方差矩阵的奇异值分解（SVD）,通过计算矩阵的最大特征值实现各路信号信噪比估计。该算法无需知道信号的先验信息,能够对加性高斯白噪声信道（AWGN）和多径信道下常用的数字调制信号进行信噪比估计。仿真结果表明该算法具有良好的估计性能。与单路信号中基于SVD信噪比估计算法相比,该算法无需估计信号空间与噪声空间维数,提高了估计精度,同时大大减小计算复杂度。      

一种修正的矢量奇异值分解DOA估计算法

在均匀线性阵列模型下,特征矢量奇异值分解算法能够对相干信号进行DOA估计,但相干和不相关信号同时存在时,算法的估计会出现错误。针对这一问题,提出了一种修正算法(MESVD),该算法选取经过加权处理的特征向量来构造矩阵,并利用该矩阵进行子空间估计。理论分析和数值仿真证明:修正后的算法能够正确估计相干、相关和不相关信号,估计性能与空间平滑算法(FBSS)相当。     

HF雷达阵列信道幅相特性的一种估计方法

使用空间谱估计中的多信号分类（MUSIC）算法探测信号到达角，阵列天线互耦系数和信道相位精度直接影响到达角的精度和分辨率，对相控阵雷达无须远/近场辅助信号源估计多个信道幅相值的方法进行了研究。并将此方法用于浙江舟山高频地波相控阵雷达系统，首先对阵列天线互耦系九进行测量估计，然后对系统的信道幅相值进行了实测估计和补偿，证明使用的方法是正确的。     

基于Ozaktas算法的LFM信号参数估计误差分析

Ozaktas算法因其运算复杂度低、精度高、提出时间早而成为目前对LFM信号进行处理时最为常用的离散分数阶Fourier变换算法,但其附加的量纲归一化对LFM信号参数估计存在影响。为此,在对LFM信号参数估计建模基础上,分析了基于Ozaktas算法的参数估计二维离散网格效应,并进一步得到了影响初始频率和调频率估计精度的因素。可以发现:在满足采样定理条件下,基于Ozaktas算法的LFM信号参数估计能保持较好的估计精度,且在一定程度上可以通过增大采样频率或减小采样时长来进一步提高估计精度。最后,通过仿真分析验证了上述理论推导的正确性。     

均匀线列阵下的快速TLS-ESPRIT算法

ＴＬＳ－ＥＳＰＲＩＴ算法是一种方位估计算法,由于采用了全局最小二乘估计,其在低信噪比下的估计性能较ＥＳＰＲＩＴ算法有所提高,但算法略显复杂。本文针对均匀线列阵,构成了ＴＬＳ－ＥＳＰＲＩＴ的简化算法,使其运算量明显减少,同时还可给出源功率的估计。文中给出了算法的结构及计算机仿真结果。     

基于单电磁矢量传感器的多参数联合估计

利用电磁矢量传感器来实现信号多参数的联合估计是近年来信号处理领域的一种新的方法和途径。基于单个电磁矢量传感器通过构造两组具有固定时延的接收数据,利用TLSESPRIT算法和矢量叉积相结合实现了多参数的联合估计,参数自动完成配对,可以最多同时估计5个不相关的信号,且空间到达角、极化参数的估计和信号频率的估计是两个相互独立的过程互不影响,与利用极化敏感阵列进行参数估计相比计算量小,并通过计算机仿真验证了此方法的有效性。     

OFDM系统载频偏移的ESPRIT方法估计

分析了OFDM系统信号模型与经典ESPRIT方法所要求的观测向量之间的相合之处，给出了利用经典ESPRIT算法估计OFDM系统载频偏移的方法。然后尝试使用了一种经典ESPRIT算法（TLS—ESPVaT）估计载波频率偏移，仿真结果表明使用该方法比类ESPRIT算法具有更高的估计精度，证明了使用经典ESPRIT方法估计栽波频率偏移的可行性与有效性。     

一种快速TLS-ESPRIT算法

在众多的高分辨谱估计算法中，TLS－ESPAIT算法以估计精度高、分辨率高和运算量较低而深受欢迎。本文提出一种TLS-ESPRIT算法的快速方法，能够进一步降低运算量。     

有色随机噪声背景下互谱TLS-ESPRIT估计方法

现代互谱估计是抑制有色观测噪声的一种有效方法。对旋转不变技术估计信号参量的方法进行了深入的分析，并进而提出了有色声随机信号背景下互谱TLS-ESPRIT估计方法。这种方法的突出特点是几乎不需要任何色噪声的先验信息，并在很低信噪比下工作，避免了以往互谱估计本身所固有的在整个频域上的谱峰搜索，可直接通过特征值确定信号参数估计值。此方法只需两次SVD分解，计算量大大降低。仿真结果表明，该方法具有较好的谱估计分辨率和良好的稳定性。     

基于改进TLS-ESPRIT的Chirp扩频系统信道估计

提出了一种基于快速伪谱修正的四阶累积量TLS-ESPRIT算法。该算法充分运用了四阶累积量矩阵的数据信息,不但能较准确地估计Chirp扩频系统信道多径时延,而且可有效地识别和剔除虚径,进而建立在时延估计基础上的多径幅度估计就更可靠。针对关键参数在仿真设计和工程应用中的设置,列出了它们需要遵从的三个关系。最后以IEEE802.15.4a信道为传输环境,对该算法进行了仿真验证,并与四阶矩TLS-ESPRIT算法和伪谱搜索算法作了性能对比。     

色噪声环境中TLS-ESPRIT谐波谱重构语音增强研究

为了提高语音在色噪声环境中的信噪比,提出了一种基于总体最小二乘旋转不变子空间技术（TLS—ESPRIT）谐波谱重构语音增强方法。通过对观察数据矩阵进行奇异值分解,有效地将信号及噪声分开。运用TLS—ESPRIT算法对语音谐波信号进行谱估计,重构语音信号,消除了帧与帧之间的噪声残留,得到了在巴克域上与原始语音几乎相同的语音信号。     

Multidimensional multirate DOA estimation in beamspace

This paper presents a beamspace version of ESPRIT for uniform rectangular arrays that supports closed-form 2-D angle estimation, automatically couples the two components of the source directions, and works with any front end beamformer. The proposed algorithm is based on the observation that beamspace noise eigenvectors can be transformed to vectors that are bandpass and have spectral nulls at the inband source locations. This facilitates multirate processing (involving modulation to baseband, filtering, and decimation) and yields a space with dimensionality equal to the number of beams used to probe the subband rather than the number of elements in the sensor array. The MUSIC algorithm can be applied to this noise subspace. Alternatively, a transformation matrix can be computed a priori, which maps the beamspace signal eigenvectors to the corresponding signal subspace that has the ESPRIT structure. The TLS-ESPRIT algorithm is then modified to obtain the two directions for each source from a single eigenvalue-eigenvector pair. Hence, they are automatically coupled     

基于ESPRIT的MIMO雷达测向方法

ESPRIT算法测向的关键是提取旋转不变因子。与其他雷达不同,双基地MIMO雷达的方向矢量是发射方向矢量和接收方向矢量的Kronecker积。该文基于双基地MIMO雷达的信号模型,提出了常规提取法、共轭提取法两种方法,获得了发射和接收旋转不变因子,并利用总体最小二乘ESPRIT方法进行角度估计,同时确定出与目标对应的收发角度对。试验仿真表明,这两种方法都能够有效地测向,且由于共轭提取法利用了接收阵元的所有数据,其测向精度优于常规提取法。