一种新的高效DOA估计算法

文中提出了一种新的相干信号波达方向（DOA）的估计算法,它综合了两种代表算法即SVD算法和Toeplitz算法的优点,在低信噪比条件下能有效地估计相干信源,估计精度更高,并简单介绍了SVD和Toeplitz算法。最后用大量的计算机仿真实验来说明新方法的性能：即低信噪比情况下（-5dB）,且信号源夹角为10°时,SVD算法已基本失效,Toeplitz算法的分辨误差很大,达到1.5°,而TSVD方法仍能精确地分辨出信号源,成功率为100%。     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

一种基于Toeplitz矩阵重构的相干信源DOA估计算法

提出一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

估计间隔较近信源的修正MUSIC算法

针对信源间隔比较近情况下波达方向(DOA)估计性能下降的问题,提出一种修正MUSIC(MMUSIC)算法。该算法通过利用协方差矩阵的共轭信息,重构协方差矩阵,再由奇异值分解(SVD),构造低秩矩阵,用这两个矩阵噪声子空间的平均构造空间谱,通过谱峰搜索估计出信源的DOA。相比于经典MUSIC算法和空间平滑类算法,该算法能有效解相干,且不损失阵列孔径,而且提高了在信源间隔比较近且信噪比低条件下DOA分辨能力。计算机仿真验证了该算法的有效性。     

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。      

一种新的去强相关信号方法的波达方向研究

波达方向估计（DOA估计）是智能天线中实现目标精确定位的关键算法。文中针对DOA估计中相干信号源的问题,提出了一种能有效解相关的关于TOPETIZE矩阵的DOA估计算法。该算法利用了阵列接收数据互相关矢量的内在关系,对噪声子空间进行处理,实现了相干源的完全解相干。该算法不牺牲阵元有效数目,同时能分辨低信噪比信号和强相关信号。仿真结果表明了该算法的有效性。     

基于奇异值分解和相干积累的DOA估计方法

简单介绍了常规谱估计算法在存在相干信号源条件下的缺陷以及几种单快拍条件下的DOA估计方法,结合阵列信号模型对单快拍条件下的DOA估计算法进行了分析。在此基础上,提出了一种基于奇异值分解(SVD)和快拍数据相干积累的DOA估计新方法。通过理论分析和仿真测试,证明该方法能利用单次快拍数据或相干积累数据对相干信号实现解相干,降低了DOA估计的均方根误差,提高了成功分辨概率。     

基于噪声空间加权重构的相干信号DOA估计

针对传统相干信号DOA估计算法在低信噪比、少快拍数以及阵列通道幅相误差下存在的角度分辨力差和测角性能不稳定问题,本文提出一种基于噪声空间加权重构的相干信号DOA估计算法。该算法首先利用共轭重构对阵列接收信号协方差矩阵作解相干处理;然后在信源大致方位内对导向矢量作定积分,计算积分矢量与整个噪声子空间正交基矢量的交空间基矢量,并以此对噪声子空间进行加权;最后运用加权重构后的噪声子空间建立算法空间谱函数,谱峰搜索估计得目标的DOA。计算机仿真结果表明,本文所提算法易实现低信噪比、少快拍数以及通道幅相误差下相干信号的DOA估计。     

双基地稀疏阵列MIMO雷达快速多目标定位方法

针对双基地稀疏阵列MIMO雷达目标定位问题,该文提出一种基于投影处理与奇异值分解的多测量矢量欠定系统正则化聚焦求解(Projection-SVD-RMFOCUSS, PSVDRMF)算法.该算法首先估计接收角,接着依次将回波信号向目标存在的角度进行投影,最后将投影后的数据重排进行发射角估计,从而得到目标的准确位置.同时借助奇异值分解(SVD)进行信号降维与能量积累,进一步降低运算量,提高了传统压缩感知恢复算法在低信噪比下的估计性能.与现有稀疏重建算法相比,该算法减少了2维场景带来的庞大运算负担,且保持了良好的性能,可以稳健地对相干与非相干目标进行定位.     

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。     

TCM信号序列的自由空间距离的矩阵算法

本文研究了TCM信号序列的自由空间距离的计算问题,提出一种新的算法矩阵算法,同时在理论上解决了计算TCM信号序列的自由空间距离所需状态转移次数问题。此矩阵算法的推导基于Viterbi算法,它是Viterbi算法的矩阵实现。与已有的算法相比,此算法的优点在于:(1)给出了显式解,使得计算的复杂度相对减小。(2)对空间距离的变化具有更强的适应性。作为实例,给出了高斯信道和衰落信道上的一些TCM信号序列的自由空间距离的计算结果。     

A MATRIX ALGORITHM FOR COMPUTING THE FREE SPACE DISTANCE OF TCM SIGNAL SEQUENCES

In this paper, the problem of computing the free distance of Trellis Coded Modulation (TCM) signal sequence has been discussed; a new algorithm-the matrix algorithm is proposed; and the step-number estimation problem for state transmission to compute the free distance of TCM signal sequence has been theoretically solved. The matrix algorithm is derived from the Viterbi algorithm, and is an implementation of Viterbi algorithm in the form of matrix. Compared with other algorithms, the matrix algorithm gains two advantages: (1) The explicit solution, and its relatively less complexity. (2) More reflexible ability to the signal space distance variation. As examples, the results of some TCM signal sequence on AWGN channel and fading channels have been presented.     

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。     

基于矩阵广义逆递推的自适应滤波算法

本文把自适应滤波算法的优化准则之一最小二乘准则:J(n)= ∑ n i=1 λ^n-i|e(i)|²写为矩阵形式,利用矩阵广义逆递推公式直接对输入信号矩阵而不是自相关矩阵进行递推更新,得到一种新的自适应滤波算法.和其它算法如LMS算法、NLMS算法、FRLS算法、TDNLMS算法、 APA算法、Leaky-LMS算法和RLS算法进行了计算机模拟仿真比较,仿真结果表明该算法有良好的收敛性能,收敛速度快于LMS算法、NLMS算法、FRLS算法、 APA算法、Leaky-LMS算法和RLS算法.     

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。     

基于循环平稳特性的源信号到达角估计方法

分析了SC-SSF算法的不足,给出了统一的循环频域阵列信号模型,并推导得到了一般化的基于信号循环平稳特性的源信号到达角估计方法——GSC-SSF算法,该算法克服了SC-SSF算法的不足,具有更好的实用性.仿真试验比较了两种方法的估计性能,仿真结果说明了所给方法的有效性.     

一种应用于波束空间的改进TCT算法

双边相关变换（TCT）算法利用各频率点无噪声数据之间的关系构造聚焦矩阵。为了降低其计算复杂度和分辨门限,针对聚焦矩阵的构造方法,提出了一种改进算法。改进后的算法一定程度上降低了运算量,提高了算法的分辨能力和在低信噪比下的估计精度,然后将此算法从阵元空间变换到波束空间中,降低了运算维度,且没有影响原方法的估计精度。最后通过仿真结果证明了文中算法的有效性,并分析了该改进算法性能与信号入射角度、带宽之间的关系。     

基于压缩感知和LBG算法的SAR数据压缩与重构方法

针对如何大幅压缩SAR海量数据并获得有效的重构结果以完成SAR场景目标的高分辨成像问题,本文提出利用压缩感知（Compressed Sensing, CS）和Linde-Buzo-Gray （LBG）算法共同完成。对于SAR所接收到的回波信号,首先依据CS理论构造随机高斯噪声观测矩阵对回波信号进行降维处理,然后,利用LBG算法对CS压缩后的数据再进行压缩编码以达到进一步大幅压缩的目的。对于数据重构问题,同样分为两步:一是利用LBG算法编码的逆过程进行解码恢复,二是依据CS理论利用平滑L0（smooth L0, SL0）算法重构原始回波信号。在此基础上,再利用传统频率变标（Frequency Scaling, FS）SAR成像算法进行高分辨成像。仿真结果证明了本文方法的有效性。      

Computationally efficient direction-of-arrival estimation of non-circular signal based on subspace rotation technique

In order to solve the problem that the high computational burden of the multiple signal classification algorithm of non-circular signal (NC-MUSIC) in direction-of-arrival (DOA) estimation,a novel computationally efficient DOA estimation algorithm based on subspace rotation technique was proposed.Firstly,the partitioning of noise subspace matrix and the subspace rotation technique (SRT) were used to construct a new reduced-dimension noise subspace.Then,the two-dimensional peak searching was converted to the one-dimensional peak searching on the basis of the separation of variables and the orthogonality between the new reduced-dimension noise subspace and the space spanned by the columns of the extended manifold matrix.The proposed algorithm can enhance the computational efficiency by means of the conversion of the two-dimensional peak searching into the one-dimensional peak searching and the removal of redundant computations.Theoretical analysis and simulation results show that the proposed algorithm can reduce the computational complexity to less than 5% as compared to NC-MUSIC algorithm on the premise of ensuring the accuracy of DOA estimation.Especially,the efficiency advantage of the proposed algorithm is more obvious in scenarios where the large numbers of sensors are required.     

基于自相关观测的语音信号压缩感知

本文基于压缩感知技术,根据语音信号的特点,提出了一种基于自相关特性的截断循环自相关矩阵作为观测矩阵,并在此基础上,从实用的角度出发,提出了基于模板匹配的近似截断循环自相关矩阵作为观测矩阵,并证明其满足RIP特性。由语音信号与截断循环自相关矩阵、近似截断循环自相关矩阵和高斯随机矩阵分别构造相应的观测,采用BP算法来重构原始语音信号。实验表明,由2个模板元素线性组合而成的近似截断循环自相关矩阵重构原始语音信号的性能与截断循环自相关矩阵的重构性能相当,且优于经典高斯随机矩阵,而且在相同的重构性能下,其压缩比远大于高斯随机观测矩阵,对语音信号的压缩性能有了明显地提高。