基于实值特征值分解的求根MUSIC算法

针对非圆信号DOA估计问题,提出了一种基于实值特征值分解(Eigenvalue decomposition,EVD)的求根MUSIC算法.首先利用非圆信号为实值信号的特点,将阵列上的接收数据及其共轭用欧拉公式转换为实值正弦与余弦数据,然后将正弦与余弦数据进行串联,从而扩展了数据维数.由于采用实值矩阵的EVD,因此在EVD阶段的运算量简化为复值EVD的1/4.根据EVD后获得的信号与噪声子空间的特点,对噪声子空间和导向矩阵进行重构以便于可以使用求根MUSIC算法获取对DOA的估计.仿真实验验证了本文算法的有效性.     

基于子空间拟合波达方向估计方法研究

传统波达方向(DOA)估计方法由于受阵列尺寸的限制,对处于同一波束内的多个信号源无法得到正确的估计.为此提出了基于子空间拟合的信号到达方位角(DOA)估计算法--信号子空间拟合算法和噪声子空间拟合算法.算法通过对接收数据的子空间与实际信号导向矢量组成的子空间的拟合,来构造信号功率谱尖峰,从而估计目标信号的到达方位角.仿真实验对两种算法的性能进行了分析,分析表明基于噪声子空间拟合算法能突破空域瑞利限的限制,具有空间分辨率高、稳定性好的估计性能.信号子空间拟合算法只有在阵元数较大时,才能正确分辨距离较近的信号源,但具有对环境噪声不敏感的特点.     

一种多径平坦衰落信道下的盲信噪比估计方法

提出一种多径平坦衰落信道下的盲信噪比估计方法.该算法首先利用数字通信信号的循环平稳统计特性构造接收信号的循环自相关矩阵,然后对该矩阵进行奇异值分解,由分解出的特征值信号子空间和噪声子空间,最后通过利用AIC信息准则分别估计信号子空间和噪声子空间的维数并最终估计出信道的平均信噪比.以MPSK信号为例进行了计算机仿真,结果表明了算法的有效性.     

一种鲁棒的基于子空间分解的盲信噪比估计方法

为解决原子空间分解算法中对信号和噪声子空间维数估计鲁棒性差的问题,根据信号的过采样率信息提出了一种新的构造自相关矩阵的方法,以减少矩阵内部数据间的相关性,从而达到提高信号和噪声子空间维数估计精度的目的.同时,针对利用最小描述距离(MDL)准则估计维数时,只能在有限信噪比范国内实现精确估计这一情况,采用噪声功率(NP)法...     

DOA估计算法的一种修正MUSIC算法的研究

传统改进 MUSIC 算法通过对接收信号协方差矩阵作预处理,使信号协方差矩阵分解得到信号子空间与噪声子空间正交,从而降低噪声的影响。但当信号间隔很小时,随着信噪比的降低,传统改进MUSIC算法已无法分辨出信号。基于此问题提出的修正MUSIC算法在使信号子空间与噪声子空间正交的基础上,充分利用了噪声子空间及其特征值对噪声子空间的修正,进而构造谱峰搜索函数估计出信号。通过仿真实验,证实了在信噪比很低的情况下,信号间隔很小且存在相关信号时,修正MUSIC算法能准确地估计出传统改进MUSIC算法不能估计的信号。     

实值空间的宽带信号测向新方法

为了降低宽带信号TCT方位估计算法的运算量和分辩门限,针对中心对称阵列,将实值处理过程和子空间投影MUSIC的思想引入宽带信号方位估计,提出一种宽带信号方位估计新方法。该方法首先各个频率子带的数据协方差矩阵去噪且双向平滑,然后使用左实变换矩阵将它们变换为实数矩阵,从而大大降低了后面矩阵特征分解时运算量,接着使用双边相关变换（TCT）方法选取聚焦矩阵对各个频率子带的实协方差矩阵进行变换得到同一参考频率点的数据协方差阵,最后利用基于子空间投影的MUSIC方法进行一系列一维搜索算法来求得各个目标的方位角。仿真实验结果表明,此方法比常规宽带TCT方法运算量小,且具有更低的分辨门限和更小的估计偏差。     

一种混合源环境下的波达方向估计方法

提出了一种基于均匀线阵的混合源波达方向DOA估计的新方法。该方法首先利用传统MUSIC方法估计出非相干信号源的DOA,然后对整个阵列数据协方差矩阵进行差分消除不相关源信号和噪声的影响,再对此差分矩阵进行特殊的空间平滑去相干,利用重建的数据协方差矩阵估计相干源的DOA。此方法的特点是分别估计不相关信号和相干信号的DOA,优点是在可估计出多于阵元数信号的前提下具有较高的DOA估计精度和稳健性。理论分析和仿真结果表明此方法的估计性能优于空间差分平滑算法。     

基于子空间逼近的特征空间波束形成算法

特征空间波束形成（ESB）算法为了得到信号子空间需要对采样协方差矩阵进行特征值分解,运算量十分巨大,这大大限制了其应用。为了减低ESB算法的运算量,利用有理子空间逼近的原理,提出一种不需要估计信号源个数的快速ESB算法。该方法利用一个介于信号和噪声特征值之间的分界值将特征空间分成两个子空间,并用矩阵幂乘和此分界值的有理式逼近这两个子空间的投影矩阵,将此投影矩阵代入到ESB算法的权值求解式中,在不降低性能的前提下,可大大提高波束形成的运算速度。计算机仿真验证了该算法的有效性,并分析了分界值取值方法的不同对子空间划分及波束形成性能的影响。     

改进Geese算法对信号的DOA估计

针对传统的空间谱估计算法对相干源的波达方向（DOA）估计会失效的问题，该文在利用信号子空间特征向量生成广义特征值（Generalized Eigenvalues utilizing Signal subspace Eigenveetors，Geese）算法基础上，结合空间平滑技术对接受数据进行预处理，提出一种改进的Geese算法。该算法由于不需方向搜索且只利用信号子空间，大大降低了计算复杂性。计算机仿真结果表明，与Geese算法相比，该改进算法既能够有效地估计出独立信号源的DOA，也能有效地估计出相干信号源和相隔比较近的低信噪比信号源的DOA。对于独立源的估计，在相同条件下，估计性能也要优于经典的空间谱估计算法（ESPRIT算法和MUSIC算法），从而证明该算法的合理性。     

稳健特征子空间波束形成算法及其性能分析

基于特征子空间的稳健波束形成算法能够用于改善一般导向矢量失配的稳健性,而且相比于其它算法实现简单,然而方法在低的信噪比和较高的信号加噪声子空间维数条件下,性能急剧恶化,而且信号加噪声子空间的维数必须是已知的。为改善波束形成稳定性,提出了基于L-曲线的方法用于信号子空间及其维数的稳健估计,使得该算法的应用条件得以满足,其中还提出了广义SINR,并详细分析了理想条件下信号子空间的选取对算法性能的影响,最后进行了详细的仿真试验和性能分析,验证了所提出方法的正确性和有效性。