基于稀疏系数和多级搜索策略的信号参数估计

参数估计是盲信号处理的关键环节,对后续信号的侦察处理意义重大.针对当前压缩域信号参数估计问题,提出了一种新的信号参数估计算法,利用稀疏系数在不同测量矩阵中相同稀疏字典下位置相同的特点,实现了信号参数估计的区间预判;基于理论分析确定了多级搜索策略的最优级次,实现了稀疏字典原子数目的降低.仿真结果表明,算法在提高信号参数估计精度的同时显著降低了运算复杂度.     

稀疏重构混合源参数估计方法

针对近远场混合源定位问题,本文提出了一种基于稀疏信号重构的信源参数估计算法。该算法首先通过对接收信号的协方差矩阵进行稀疏重构估计出远场信源参数,接着采用协方差分离技术将近场源和远场源分离,最后利用均匀线阵的对称性和稀疏信号重构估计近场信源参数。该算法避免了二维谱峰搜索和近场源参数配对,也无需构造高阶累积量,降低了计算复杂度。仿真结果表明,该算法的空间分辨能力和混合源参数估计精度均高于基于子空间的混合源参数估计方法。      

基于时频脊线的跳频参数盲估计

 为了估计未知跳频信号的参数,提出一种基于时频脊线的跳频参数盲估计方法,根据跳频信号频率的瞬变特性,通过对跳频信号时频脊线的小波变换,可以准确估计跳周期,进而估计其它跳频参数.理论分析和仿真结果表明,该方法可以在低信噪比下以较低的运算复杂度实现高精度的参数估计,整体性能优于现有的跳频参数盲估计方法.     

基于空域稀疏性的自适应频谱检测算法

现有的频谱检测算法没有充分利用信号在角度维的稀疏性质。该文根据角度维的稀疏特性建立信号模型,通过稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)算法解决稀疏信号的重构问题,并在迭代过程中引入二元假设检验思想,推导出一种自适应门限的选取策略,把传统的重构算法转化为一个针对不同来波方向的信号检测问题。该算法能够在恒虚警概率下对多信号进行全盲检测,同时实现信号来波方向的精确估计。实验结果证明,自适应判决方法能够有效地提高稀疏重构算法的重构精度,降低运算复杂度,参数估计精度和信号检测性能相比于现有算法得到明显的提升。     

基于分数阶运算的多相码信号检测与参数估计

针对目前多相码信号检测与参数估计方法运算复杂度高的问题,提出了一种基于分数阶运算的多相码信号检测与参数估计方法。该方法首先依据分数阶自相关与模糊函数径向切片的等价关系,实现了多相码信号的检测与调频率估计,然后联合分数阶傅里叶变换(Fr FT)估计多相码信号的其它调制参数。整个方法无需计算时频平面,且能够利用FFT实现,显著降低了多相码信号检测与参数估计的运算复杂度。仿真实验表明,该方法能够快速有效地实现多相码信号检测与参数估计。     

近场非圆信号参数快速估计算法

该文基于对称的均匀线阵提出了一种近场非圆信号参数的快速估计算法,算法基于信号的非圆特性以及阵列的对称性对近场导向矢量进行解耦,并利用多项式求根取代传统的谱峰搜索对近场源的角度及距离参数进行快速估计。基于给定的阵列结构,建立非圆信号参数估计的多项式数学模型,然后对其进行求根即可获得近场信号源位置参数。所提算法采用多项式求根的方法有效地降低了运算复杂度,同时利用信号的非圆特性提高了参数估计的自由度(DOF)。通过性能分析和计算机仿真实验可以看出该算法能够分辨更多的近场非圆信号,并且参数估计性能有所提升,更接近于近场源参数估计的克拉美罗界(CRB)。      

块稀疏贝叶斯模型下的跳频信号时频分析

针对传统时频分析方法存在的时频聚集性差以及交叉项干扰的问题,本文将接收到的跳频信号进行分割,构建时频稀疏模型,利用模型中的统计特性和结构特性采用块稀疏贝叶斯学习算法对跳频信号的时频图进行重构,在不需知道稀疏度和噪声强度的情况下,得到了高精度的时频图。但是由于算法在高维参数空间进行参数估计时复杂度较高,本文采用近似替换的方法对该算法进行改进,将高维参数空间转换到原始参数空间计算,大大减少了算法的复杂度,仿真结果表明改进算法在低信噪比的情况下能有效的得到跳频信号的高精度时频图且复杂度大大降低。      

基于矢量传感器阵列的信号多参数估计方法

本文提出了一种基于非均匀L形矢量传感器（Vector-Sensor,VS）阵列的横平面电磁波信号频率、二维波达方向（2-D DOA）和极化参数估计的方法.为降低系统实现复杂度,文中采用了对信号欠Nyquist采样.为了降低不同频率信号在传感器间的互耦,阵列中各VS稀疏排布,同时,空间参数的估计精度也得到相应的提高.最后通过数值仿真验证了本文算法的有效性.     

基于联合稀疏重构模型的双基MIMO雷达off-grid目标参数快速估计

针对多输入多输出(MIMO)雷达二维参数稀疏估计中的不在格点上(off-grid)目标问题,利用两次泰勒展开对信号模型进行修正,构建联合稀疏重构模型,将off-grid问题转化为联合稀疏重构问题;为降低计算复杂度,针对该联合稀疏重构模型提出Joint-2D-OMP算法。仿真结果表明:所提模型和算法在解决off-grid问题的同时,可有效提高参数估计的速度。     

稀疏重构下的非线性调频信号参数估计算法

非线性调频信号广泛应用于雷达声纳领域，其具有多阶多项式相位、未知参数多的特点，给参数估计带来困难。针对此问题，本文提出一种稀疏重构下的非线性调频信号参数估计算法。该方法利用Gabor原子良好时频特性，以 范数稀疏正则最小二乘模型为目标函数，并推导了问题的二阶锥规划（SOCP）形式，最终通过求解的Gabor原子进行参数估计。算法分析信号的时频特征，完成信号的分解重构，适应于各类调频信号。仿真实验证明，本文算法对调频信号二阶与一阶相位参数估计精度都贴近CRB，而对二阶参数的估计较二次相位差分算法更适应较低信噪比。