一种新的自聚焦相干宽带DOA算法

传统的基于相干信号空间聚焦的宽带DOA算法具有良好的空间分辨能力、较低的信噪比门限,但必须通过角度预估计来构造相应的聚焦矩阵.本文提出了一种不需要角度预估的相干宽带DOA算法,直接利用阵列接收数据构造聚焦变换矩阵,避免了预估计角度对聚焦变换的影响,同时降低了算法的运算量.计算机仿真表明该算法是切实可行的.     

一种新的信号子空间宽带测向算法

宽带信号测向是信号处理研究的难点课题之一,经典的旋转信号子空间（RSS）变换算法需要知道和真实来波方向接近的方向初始值。不合适的方向初始值将会降低估计器的收敛能力,引起估计偏差,从而使算法的估计精度受预估计的影响很大。本文提出的新算法首先推导出不同频段不同方向角的方向矢量之间的关系,然后再利用信号子空间、噪声子空间和阵列流型之间的关系构造一个特殊矩阵,最后通过求条件数来判断来波方向。所以新算法不需要构造聚焦矩阵,不需预知初始值,从而提高了算法的稳健性,降低了运算量,且新算法同时利用了信号子空间和噪声子空间,减少了噪声子空间扰动对算法精度的影响。计算机仿真验证了新算法的有效性。     

智能天线中时空虚拟DOA矩阵算法与改进

本文主要研究智能天线中二维DOA估计算法.首先研究时空DOA矩阵估计方法,并进行了仿真.然后结合虚拟阵列变换技术对该算法进行有效的改进一时空虚拟DOA矩阵方法.改进后得到的仿真结果证明了该改进算法可以估计超过阵元数的信号,具有较高的分辨性能和较好的稳健性.     

基于内插阵列变换的非圆信号MUSIC算法

针对非圆信号的波达方向(DOA)估计问题,提出一种基于内插阵列变换的非圆信号MUSIC算法(VIA-NC-MUSIC算法)。利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实协方差矩阵变换为虚拟协方差矩阵,再对虚拟协方差矩阵进行奇异值分解(SVD),利用信号子空间与噪声子空间的正交性,得出算法的空间谱函数。仿真实验表明:存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的非圆信号MUSIC算法(NC-MUSIC算法)相当的估计性能,保持了高估计精度、阵列扩展能力等优点。     

基于G-S正交的信号子空间宽带聚焦DOA估计算法

提出基于G-S（Gram-Schmidt）正交算法的信号子空间宽带聚焦DOA估计算法。该算法基于G-S正交方法,求得矩阵的信号子空间,并利用局域子空间投影算法（LSP）,构造宽带信号子空间最佳聚焦矩阵。分析表明,该算法不需矩阵特征分解,运算量小于双边变换（TCT）方法,性能优于TCT方法。仿真结果证明了算法的有效性。     

内插阵列变换扩展传播算子算法

扩展传播算子(EPM)算法是首先对数据进行扩展,再利用传播算子(PM)方法进行测向的一种算法,该算法充分利用了非圆信号的特点,分辨力和估计精度优于未充分利用非圆信号信息的经典高分辨算法。但是在实际信号测向中,由于阵元位置误差的存在,算法的估计性能会受到一定的影响。因此提出一种基于内插阵列变换的扩展传播算子(VIA-EPM)算法,该算法利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实协方差矩阵变换为虚拟协方差矩阵,再对虚拟协方差矩阵进行分块并得出扩展传播算子,进而得出算法的空间谱函数。仿真实验表明:在存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的EPM算法相当的估计性能,保持了阵列扩展能力以及高估计精度,在低信噪比情况下,基于扩展协方差矩阵的VIA-EPM算法的分辨力以及估计精度均要优于基于扩展数据矩阵的VIA-EPM算法。     

改进的非相干信号子空间宽带测向算法

研究了非相干信号子空间高分辨率宽带测向算法(ISM),提出了基于最大功率进行频点选择的改进的ISM算法,即将接收的时域信号经傅里叶变换后,选取代表最高功率的子带的频点来构造频谱密度矩阵,然后将该矩阵应用于窄带测向算法进行测向,提高了测向精度,减小了运算量。计算机仿真表明,新算法比原算法在分辨概率达到100%时的信噪比降低了9.5 dB,并且方差也明显比原算法小。     

改进的信号子空间变换宽带测向算法

利用矩阵特征值分解的性质,对信号子空间变换宽带测向算法中聚焦矩阵的计算方法进行改进,从而给出了一种简便的聚焦矩阵计算方法。把文章算法应用到均匀线阵上,仿真实验结果证明了算法的有效性。     

一种高分辨稳定的相干信源DOA估计

针对目前矩阵重构类算法在低信噪比、小角度差时分辨能力明显下降,甚至不能分辨的缺陷,论文提出一种新的基于均匀线阵的高分辨稳定DOA估计方法,主要在最大特征向量重构数据阵的方式上做了改进,由于新构矩阵的特殊性能,使其解相干能力、DOA估计精度大大提高。计算机仿真结果证实了该改进算法是有效的。     

一种有效的二维DOA估计算法研究

为了获取用户空间位置,实现通信容量倍增的目的,采用时空DOA矩阵方法,并提出了一种有效的改进算法——时空虚拟DOA矩阵方法。做了60多次Monte—Carlo仿真实验,获得时空DOA矩阵方法和时空虚拟DOA矩阵算法的仿真结果。得到的结论是时空DOA矩阵具有很强的分辨能力,且能解决二维估计中的角度兼并问题,时空虚拟DOA矩阵算法可以估计超过阵元数的信号,具有较高的分辨性能和较好的稳健性。     

一种MIMO系统自适应码本设计方法

提出一种基于码本旋转的自适应码本设计方法,在不改变现有的码本基础矩阵的基础上,根据误码率(BER)和信干噪比(SINR)的统计和估计结果,生成一组新的旋转矩阵码本,并结合反馈开销考虑与原来基础码本矩阵构成双码本矩阵,根据信道的实时变化及时地调整码本的精度,从而能够在有限反馈的情况下更加有效地提高预编码的性能。     

空间任意阵的多宽带信源定位算法性能研究

针对宽带信号非平稳特性,以及常用宽带DOA估计算法要求信源个数是已知的情况,提出一种新的基于空间任意阵的非平稳信号DOA估计算法。首先,通过短时傅里叶变换将信号转为频域表示,然后构造阵列频域数据模型,最后利用短时功率谱矩阵的联合对角化特性实现宽带信号的波达方向估计。本文对提出的算法进行了理论分析,并在常见阵型（如线阵、十字阵）上进行了仿真和性能分析,仿真结果表明该算法可高分辨率地估计出DOA,并且估计误差小。相对于已有的MUSIC谱估计方法,该算法无需进行信源个数估计,更具实用性。      

基于模式空间的宽带DOA估计算法研究

针对任意几何结构的天线阵列,提出了通用的模式空间宽带DOA估计算法。通过分析算法中聚焦矩阵带来性能损失的问题,给出了一种无聚焦损失的聚焦矩阵的计算方法,该方法是在聚焦矩阵为酉阵的约束条件下推导出来的,同时讨论了该方法下最优参考频率的选取问题,并将其归结为一个简单的一维搜索过程。计算机仿真实验表明,与其它形式的聚焦矩阵相...     

基于MUSIC算法对相干信号DOA估计的研究

空间谱估计是阵列信号处理中的一个重要研究课题。针对经典MUSIC算法在入射源相关的情况下测向失败的问题,通过前后向空间平滑MUSIC算法,利用子阵平滑恢复数据协方差矩阵的原理进行解相干,进而对入射源的波达方向（DOA）进行估计。仿真结果证明：前后向空间平滑算法不仅能估计出空间相互独立信号源的波达方向,还能有效分辨出相干信源的到达角度,且具有较高的分辨能力和估计精度。     

宽带相干信源波达方向估计(DOA)的新算法

辅助方向向量增加(ADVA)聚焦算法是非归一化的,存在聚焦损失。双边相关变换(TCT)聚焦算法是归一化的,不存在聚焦损失,但需要对目标的方位进行预估计。这不仅会使运算复杂,而且得到的聚焦矩阵也只是在预估角度上有最小范数解,在其他方向上则会产生偏离,因此不是稳健的。提出了一种在归一化的条件下,不需要方位预估计的、稳健的聚焦矩阵算法,算法的思想是将整个感兴趣的空间分成组,对每一组在归一化约束的条件下利用奇异值分解法求解最小化问题。通过仿真验证了该算法的有效性。     

基于快速张量分解的波束空间MIMO雷达二维DOA估计算法

传统MIMO雷达由于采用全向发射模式导致目标增益损失严重,致使DOA估计算法性能较差.因此,本文提出基于波束空间MIMO雷达的张量模型和快速张量分解的二维DOA估计算法.波束空间MIMO雷达能够通过发射波束成形技术将发射能量集中到指定空域,弥补传统MIMO雷达的发射增益损失.通过高阶张量模型应用MIMO雷达多脉冲接收数...     

基于局部多项式傅里叶变换的语音盲源分离

频域的语音信号盲源分离多采用短时傅里叶变换以及Wigner-Ville分布(WVD)求信号的功率谱,而短时傅里叶变换对于多分量信号的频率分辨率受窗函数影响很大,WVD是一种非线性时频变换,处理多分量信号受交叉项影响很大。局部多项式傅里叶变换(LPFT)不仅提高了频率估计精度而且大大减少了时频分布中交叉项的影响。将语音信号表示为多分量的多项式相位信号,对语音信号作二阶LPFT,求得其局部多项式傅里叶变换谱(LPP),并构造时频矩阵,采用联合近似对角化算法求得能使信号功率谱矩阵近似对角化的一个酉矩阵,通过信号的白化以及酉矩阵来估计源信号,有效地分离出了原始信号。仿真结果表明,在噪声环境下可以将两个不同的语音信号进行分离。     

基于压缩感知的多发多收高分辨SAR成像算法研究

压缩感知理论指出,稀疏信号可以通过以低于奈奎斯特采样的测量数据重建出原始信号。针对高分辨率SAR成像在奈奎斯特理论下所面临的高速A／D采样、大数据量存储、传输等问题挑战。本文提出了一种基于压缩感知理论的多发多收高分辨率SAR二维成像算法。该算法减轻了高分辨率SAR成像的压力,采用压缩感知处理降低了A／D采样速率、数据量...