基于分布式压缩感知的全极化雷达超分辨成像

基于分布式压缩感知理论,提出了一种全极化逆合成孔径雷达超分辨成像算法,联合各极化通道进行超分辨处理.首先,建立全极化信号模型及超分辨字典,利用各极化通道信号的联合稀疏性将全极化超分辨成像建模为最小L2,1范数的优化问题,运用一种快速算法求解该优化问题.由于利用联合稀疏约束,多极化通道联合成像相比于单通道成像能够获得更好的超分辨性能和噪声抑制能力,最终有效提高图像极化融合的效果.同时,采用快速傅里叶变换操作提升了算法的运算效率.基于backhoe的仿真数据实验验证了该算法的优越性.     

基于LDL算法的大规模矩阵求逆加速器设计及其FPGA实现

矩阵求逆是工程计算中的基本问题，在大规模MIMO系统、阵列信号处理以及图像信号处理等应用中，大规模矩阵求逆的处理速度对系统性能至关重要，但传统矩阵求逆方法运算复杂度高、并行性低且消耗大量存储空间，不利于硬件加速。针对大规模矩阵求逆硬件加速问题，文中研究了基于LDL分解的矩阵求逆算法，并提出了一种基于该算法的大规模矩阵求逆加速架构。利用LDL分解后三角矩阵对角线元素全为1的特点，对矩阵进行分块迭代设计，减少了求逆运算的计算量，提高了计算速度。文中基于Xilinx Virtex7 FPGA设计实现了该加速器，实验结果表明，在128阶矩阵下，吞吐量达105.2 Inv·s^-1,最高时钟频率达200 MHz。与现有矩阵求逆加速方案相比，该设计占用的硬件资源更少，且具有更高的性能。     

压缩传感图像重建算法的FPGA实现

压缩传感理论允许以低于奈奎斯特定理规定的采样频率对信号进行采样并重构.近年来,压缩传感信号重建的研究大多用软件实现.文中设计一种基于FPGA的OMP重构算法的硬件实现,使用QR分解求解矩阵的伪逆.仿真结果表明应用FPGA得到的重构信号逼近原信号,且重建速度快.基于FPGA的压缩传感信号重建,减少了信号重构所需的时间,推进了压缩传感进入实际应用的进程.     

基于最大范数准则与矩阵特征分解的PN码估计方法

针对直扩信号伪随机序列(PN码)的估计问题,在基于协方差矩阵特征分解算法的基础上,利用最大范数准则加以改进,提出了基于最大范数准则与矩阵特征分解的伪码序列估计方法,并对其进行了理论分析和实验仿真.仿真结果表明,该算法能适用于低信噪比情况,并且与直接特征分解方法相比,估计性能更好.     

低秩条件下的波达方向估计方法研究

在波达方向估计中,阵列接收数据(观测矩阵)的秩小于信源数时会导致经典的基于子空间分解类的超分辨算法失效,基于压缩感知理论的超分辨方法虽可解决算法失效问题,但随着观测矩阵秩的增加,压缩感知方法大多只是进行简单的向量范数合成,即将多测量向量问题转变到单次测量向量问题来解决,并没有充分利用多余的采样信息.在研究秩缺失条件下信号重构机理的基础上,提出了一种自适应加权递归算法,能够利用额外的采样信息通过空间投影构造出相对正确的信号子空间,弥补了在秩缺失情况下估计精度差的问题,并且在采样数逐渐增加的基础上,可以实现对信号的无偏估计.     

一种基于正交向量的极化相关衰减效应消除方法

针对双极化通信场景下正交极化信号串扰导致的解调性能恶化问题,提出了一种基于正交向量的极化相关衰减效应消除方法. 该方法通过对发送信号进行设计,利用一组正交向量分别在发射端和接收端对极化信号进行处理,达到消除极化间串扰的目的,同时在发送端利用估计的信道参数处理发送信号,进一步消除非理想信道影响. 在不改变噪声功率的基础上,实现正交极化信号的无串扰接收,有效提高接收端信号解调性能. 理论分析和仿真结果表明,极化状态调制信号的解调误码率逼近高斯信道下的理论值,相比于预补偿方法和迫零矩阵法有更好的误码率性能,仿真结果与理论推导具有较好的一致性. 本文方法能有效解决无线信道中正交极化信号间串扰,提高接收端信号解调性能.     

OFDM系统中基于PM的时延估计算法

在正交频分复用(OFDM)系统的超分辨时延估计中,针对多重信号分类(MUSIC)算法的特征分解计算复杂度较高的问题,给出一种基于传播算子(PM)的时延估计算法。对OFDM系统进行信道估计,根据信道估计结果计算协方差矩阵,并利用协方差矩阵计算PM,然后根据PM构造出噪声子空间并将其标准正交化,最后利用伪谱函数进行时延估计。仿真结果和复杂度分析表明,在复杂度大幅度下降的条件下,所提算法与MUSIC性能相当,且逼近克拉美罗界。     

基于矩阵分解的压缩感知算法研究

奈奎斯特采样定律是长久以来具有指导意义的经典信号处理技术,它提出信号在采样过程中,当且仅当采样率大于信号带宽的2倍时,才能精确重构信号。压缩感知理论突破了奈奎斯特采样定理对信号采样率的限制,以更低采样率采样信号,并通过适当的重构算法恢复信号。文中以压缩感知理论为基础,结合目前广泛采用的正交匹配追踪算法,基于矩阵分解思想,提出2种改进算法,在运算复杂度方面取得优化,并且满足信号处理时对重构精度的要求。     

色噪声背景下相干信源的MIMO 雷达超分辨测向算法

针对多输入多输出(MIMO)雷达在色噪声背景下对相干信源的超分辨测向问题,提出了一种改进的空间差分平滑(ISDS)算法,并且在ISDS算法的基础上,又提出了一种基于传播算子的快速算法,即PM-ISDS 算法。理论分析及仿真实验均表明所提的基于传播算子的PM-ISDS算法具有很强的色噪声抑制能力,估计性能优于常规的空间平滑算法,分两步处理的方法可以重复利用雷达的接收数据,具有较好的阵元节省和信源过载能力,并且在求解过程中不必进行特征值分解,运算量较小。     

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。     

基于压缩感知的SAR抑制旁瓣技术研究

压缩感知技术其数学本质是一种基于稀疏约束的欠定方程求解技术。该文提出了一种基于压缩感知的旁瓣抑制的方法,该方法在高信噪比的条件下不但可以利用场景目标散射系数稀疏先验信息抑制旁瓣,在场景目标散射系数足够稀疏的情况下还可以通过增加采样率且利用文中所介绍的方法提高分辨率且此分辨率能够突破系统能够达到的最高的物理分辨率,达到超分辨的效果;在低信噪比条件下不但较好地抑制了旁瓣,同时还抑制了噪声的影响。最后通过1维,2维成像仿真以及实际数据处理验证了此算法的有效性。     

基于张量分解和多项式库搜索的多天线NPLC-DS-CDMA伪码序列估计

针对低信噪比下非周期长码直接序列码分多址(NPLC-DS-CDMA)信号伪码序列估计问题,该文提出一种基于张量分解和多项式库搜索的多天线估计方法。该方法首先对接收信号建模为3阶张量模型并根据扩频增益分割为多个子张量,然后利用交替最小二乘投影(ALSP)算法对子张量进行CP分解得到伪码片段因子矩阵和接收增益因子矩阵,利用接收增益矩阵互相关性和旁瓣能量检测对伪码片段组合序列筛选得到每个用户的伪码序列,最后利用多项式库搜索的方法识别出伪码序列的生成多项式,进一步提高伪码序列估计的正确率。仿真结果表明,所提方法能够实现对NPLC-DS-CDMA信号伪码序列的有效估计。     

SVD降噪在载波同步技术中的研究

为了提升突发通信中载波频偏估计的性能,降低有效估计的信噪比门限,提出了一种基于奇异值分解去噪的频偏估计方法。首先,该方法将含噪信号根据相应映射转换成矩阵,并对该矩阵进行奇异值分解;其次,将较大的奇异值判定为信号特征予以保留,否则判定为噪声特征置零;接着,根据降噪后的奇异值重构矩阵,恢复成模拟信号;最后,将预处理后的信号进行M&M频偏估计。结果表明,相比于不去噪的频偏估计算法,该方法能够提升估计精度,降低信噪比门限,具有一定的实用性。     

Side-lobe constrained beamforming undervirtual expansion of L-shaped array

To reduce the side-lobe level of L-shaped expansion array and improve the output signal to interference and noise ratio (SINR), the algorithm of side-lobe constraint based on minimum variance distortionless response ( MVDR- SC) is proposed. Firstly, the approach of mixing diagonal loading and Mailloux-Zatman (DLMZ) is used to taper the covariance matrix of the expansion array. Then, the second order cone programming ( SOCP) obtained by constructing a new matrix is used to control the beam side-lobe. Finally, the new adaptive weight numbers are constructed by adjusting the proportion between DLMZ and SOCP. Simulation results show that the MVDR-SC algorithm can effectively reduce the side-lobe of beamforming under the L-shaped expansion array and obtain a larger output SINR. At the same time, it has good robustness to the mutual coupling error.     

基于贪婪算法的高分辨信号源DOA估计

确定辐射源的来波方向(DOA)是阵列信号处理的重要研究内容,已经广泛应用于雷达、声纳和无线通信等领域。本文研究了远场窄带信号源的DOA高分辨估计问题。利用信号来波方向在空域具有稀疏性的特点,建立了远场窄带信号源的稀疏表示模型。根据协方差矩阵的特征值分解和贪婪匹配追踪算法原理提出了一种基于特征值分解的多重正交匹配追踪算法（EIG MOMP）。首先,利用特征值分解对阵列接收数据进行降维处理。这一降维操作使得问题转化为了一个具有多重观测向量（MMV）的欠定方程求解问题。接着利用MOMP算法对降维后的数据进行处理,最终得到信号的DOA估计值。该算法实现了在低信噪比下远场窄带信号源的高分辨DOA估计,并具有较低的运算复杂度。将本文提出的算法与传统的Capon算法、多重信号分类算法（MUSIC）以及正交匹配追踪算法（OMP）进行了对比。结果证明,该算法在低信噪比下能取得较好的DOA估计效果,可以针对任意的相干信号源,并且具有高分辨率的优点。      

对PD雷达干扰的计算机仿真与分析

针对脉冲多普勒雷达采用脉冲压缩技术,相参积累等相参技术,并采用相干旁瓣对消和旁瓣匿影抗干扰技术,因此具有很强的抗干扰能力。首先介绍了基于噪声卷积和间歇采样两种灵巧噪声干扰方法的基本原理,为了证明灵巧噪声干扰的有效性,采用低重频下PD雷达为干扰对象进行干扰仿真试验。为了能够提高干扰效果,提出了改进方法,并进行计算机仿真。仿真结果表明,灵巧噪声干扰能很好地干扰相参体制雷达。     

小波滤波分解层数的自适应确定方法

针对加性高斯白噪声,根据信号和噪声在小波空间上传播的特性,提出了一种基于Kolmogorov-Smirnov检验的最优分解层数自适应确定算法,对于不同数据长度的信号,可以自适应地选择小波变换的最优分解层数。仿真实验表明,该方法可以得到最优的信噪比及最小均方误差,并且对小波分解边界延拓方式的选择具有较强的适应性。     

Main flattening directions and Quadtree decomposition for multi-way Wiener filtering

Previous studies have shown that multi-way Wiener filtering improves the restoration of tensors impaired by an additive white Gaussian noise. Multi-way Wiener filtering is based on the distinction between noise and signal subspaces. In this paper, we show that the lower is the signal subspace dimension, the better is the restored tensor. To reduce the signal subspace dimension, we propose a method based on array processing technique to estimate main orientations in a flattened tensor. The rotation of a tensor of its main orientation values permits to concentrate the information along either rows or columns of the flattened tensor. We show that multi-way Wiener filtering performed on the rotated noisy tensor enables an improved recovery of signal tensor. Moreover, we propose in this paper a quadtree decomposition to avoid a blurry effect in the recovered tensor by multi-way Wiener filtering. We show that this proposed block processing reduces the whole blur and restores local characteristics of the signal tensor. Thus, we show that multi-way Wiener filtering is significantly improved thanks to rotations of the estimated main orientations of tensors and a block processing approach.     

基于二维嵌套阵的3D MIMO系统信道估计算法

信道估计通过对基站接收信号和用户端发送的已知导频序列进行处理获得。二维嵌套阵列可以节约系统的成本并且得到大规模MIMO（multiple-input multiple-output）天线阵列的性能，然而由于二维嵌套阵列的结构不规整，直接对基站接收信号进行处理具有一定的难度。本文提出一种基于2D-DFT（two-dimensional Discrete Fourier Transform）的信道重构算法，首先对接收信号做自相关处理转化为连续差分阵列的接收信号，然后通过2D-DFT估计出用户的每一条路径的初始DOA（the direction of arrival），然后利用角度旋转技术增强DOA估计实现超分辨率估计，再根据精确的DOA估计通过传统的LS（least squares）估计方法估计出信道增益；最后重构出用户的信道。数值仿真验证了算法的有效性。      

Propagator-based computationally efficient direction finding via low-dimensional equation rooting

Direction-of-arrival (DOA) estimation of multiple emitters with sensor arrays has been a hot topic in the area of signal processing during the past decades. Among the existing DOA estimation methods, the subspace-based ones have attracted a lot of research interest, mainly due to their satisfying performance in direction estimation precision and super-resolution of temporally overlapping signals. However, subspace-based DOA estimation methods usually contain procedures of covariance matrix decomposition and refined spatial searching, which are computationally much demanding and significantly deteriorate the computational efficiency of these methods. Such a drawback in heavy computational load of the subspace-based methods has further blocked the application of them in practical systems. In this paper, we follow the major process of the subspace-based methods to propose a new DOA estimation algorithm, and devote ourselves to reduce the computational load of the two procedures of covariance matrix decomposition and spatial searching, so as to improve the overall efficiency of the DOA estimation method. To achieve this goal, we first introduce the propagator method to realize fast estimation of the signal-subspace, and then establish a DOA-dependent characteristic polynomial equation (CPE) with its order equaling the number of incident signals (which is generally much smaller than that of array sensors) based on the signal-subspace estimate. The DOA estimates are finally obtained by solving the low-dimensional CPE. The computational loads of both the subspace estimation and DOA calculation procedures are thus largely reduced when compared with the corresponding procedures in traditional subspace-based DOA estimation methods, e.g., MUSIC. Theoretical analyses and numerical examples are carried out to demonstrate the predominance of the proposed method in both DOA estimation precision and computational efficiency over existing ones.