一种估计多用户多径信号DOA的改进方法

Cardoso于1989年提出了一种盲源分离方法。本文将这种方法加以推广， 使其可以适用于阵元数多于用户数的情况。同时，本文还根据推广的Cardoso方法计算出的方向矢量，利用前后向线性预测方法估计信号的到达角。该方法不但可以估计独立信号的到达角，而且可以对多径信号进行处理。此方法所能估计的信号个数要远远多于MUSIC算法，计算量较MUSIC算法少，而且本方法可以在较低的信噪比下估计出正确的结果。     

基于压缩感知的DOA估计方法研究

压缩感知是近年来应用数学界提出的一套关于稀疏信号采集和重构的新理论,它突破了传统奈奎斯特采样定理的限制,以远少于传统奈奎斯特采样定理所需的测量数据就能够精确恢复原信号或估计信号的相关参数。将压缩感知理论应用到DOA估计,可以解决传统DOA估计中高采样率、以及较多辐射源信号条件下难以定位的限制。研究了基于压缩感知理论的DOA估计方法,并利用MATLAB进行仿真,通过与传统MUSIC算法比较可知,基于压缩感知的DOA估计方法具有显著的优势。     

大规模MIMO加权正交匹配追踪信道估计算法

针对大规模多输入多输出系统基站天线数目众多,移动用户很难实时精确完成信道估计等问题。提出了一种加权的正交匹配追踪算法。该算法在每次迭代过程中,计算得到的估计信号值由当前残差信号估计值和迭代之前估计值两部分组合而成;分别对当前残差信号估计值和迭代之前估计值设置不同的权值,以提高信号在低信噪比情况下的估值精度;通过调整不同迭代次数权值大小,可以提升信号在不同信噪比情况下的计算精度。仿真结果表明,在不同的信噪比情况下,该算法都可以获得比标准正交匹配追踪算法更高的估计精度。     

基于运动估计与回溯自适应正交匹配追踪的视频压缩传感

为了解决传统视频压缩传感方法中对视频逐帧单独重构所产生的图像模糊,将压缩传感理论与MPEG标准视频编码的相关技术相结合,提出了一种基于运动估计与运动补偿的视频压缩传感方法,以消除视频信号在空域和时域上的冗余。该方法在充分考虑视频序列时域相关性的同时,首先对视频图像进行前、后向和双向预测和补偿,然后采用回溯自适应正交匹配追踪(BAOMP)算法,对运动预测残差进行重构,最后实现当前帧的重构。实验结果表明,该方法较逐帧重构的视频图像质量有较大改善,且可获得更高的峰值信噪比。     

改进的基于树型搜索的正交匹配追踪算法

正交匹配追踪算法(OMP)是一种利用一个超完备的字典进行信号分解的非线性自适应算法.文献[2]提出了基于树型搜索的正交匹配追踪算法(TB-OMP),尽管TB-OMP算法能够改进向量的逼近性能,但使计算的复杂度成指数倍的增加,严重限制了该算法在许多领域里的应用.在本文中将介绍一种灵活的基于树型搜索的正交匹配追踪算法(FTB-OMP)[5],算法通过设置参数,能够在算法逼近性能和计算复杂度之间找到一个灵活的折衷方案.     

一种宽带信号DOA估计新方法

该文研究了信号稀疏分解在阵列信号处理中的应用，将信号非正交分解应用到阵列信号处理领域，突破了信号正交分解的思想．通过计算传感器阵列输出信号的稀疏分解，实现了信号空间谱的超分辨估计，提出了一种全新的宽带信号源波达方向（DOA：Direction of Arrival）估计算法。在较低信噪比情况下，该新算法的性能优于传统的波达方向估计算法，计算机仿真结果验证了算法的有效性。     

一种DOA估计新方法*

压缩传感（compressed sensing或compressive sampling,CS）理论一出现便受到国际上的广泛关注,它打破了经典采样模式,通过随机采样少量点即可精确或以很高的概率恢复原始信号。利用这一特点,提出了一种波达方向(direction of arrival,DOA)估计的新方法,相比于传统DOA估计,只需少量采样点同时达到方向的精确估计,计算机仿真验证了方法的可行性。     

分段正交匹配追踪（StOMP）算法改进研究

信号重构是压缩感知的核心技术之一,而其重构精度和所耗时长直接影响其应用效果。现今分段正交匹配追踪算法（StOMP）因耗时短而得到广泛应用,但也存在着重构精度差、稳定性低的缺点。提出一种基于粒子群优化（PSO）算法且同时具有回溯特性的StOMP改进算法（ba-IWPSO-StOMP）,即首先在StOMP算法的一次原子选择上,引入回溯策略,实现原子的二次筛选;在每次迭代计算中,使用具有惯性权重指数递减的PSO（IWPSO）算法对传感矩阵中部分原子进行优化,从而实现更高精度,更少迭代次数的信号重构。对一维信号和二维图像的重构结果表明,在稀疏条件相同的情况下,算法在收敛时间较短的情况下,其重构精度明显优于StOMP等同类算法。     

一种改进的信号子空间聚焦宽带DOA估计算法

信号子空间聚焦（FSS）算法可实现宽带相干信号的波达方向（DOA）估计,但其在短快拍条件下存在估计精度差、分辨率低的问题。提出一种改进的信号子空间聚焦（MFSS）算法。根据波长间隔与阵元间距的匹配度选取最佳参考频点及子频带,通过Hankel矩阵奇异值分解重构子频带的协方差矩阵,并利用信号子空间聚焦法构造聚焦协方差矩阵,使用Root-正交传播算子实现DOA估计。实验结果表明,相比FSS、MTOPS、LR-MUSIC算法,MFSS算法复杂度较低,能够有效提高估计精度和速度。     

一种基于FPGA实现的优化正交匹配追踪算法设计

针对压缩感知重构算法中正交匹配追踪(OMP)算法在每次迭代中不能选取最优原子问题,对OMP算法进行优化设计,保证了每次迭代的当前观测信号余量最小,并提出了一种基于FPGA实现的优化OMP算法硬件结构设计。在矩阵分解部分采用了修正乔列斯基(Cholesky)分解方法,回避开方运算,以减少计算延时,易于FPGA实现。整个系统采用并行计算、资源复用技术,在提高运算速度的同时减少资源利用。在Quartus II开发环境下对该设计进行了RTL级描述,并在FPGA仿真平台上进行仿真验证。仿真结果验证了设计的正确性。     

基于四阶累积量的二维波达方向估计改进算法

利用四阶累积量的阵列扩展特性,将一排直线阵列和一个独立阵元扩展成一个特殊的虚拟双排直线阵列,它由三个子直线阵列构成,并且可计算出每个子直线阵列等效的协方差矩阵,然后结合传播算子方法,提出一种改进的二维波达方向估计算法。计算机仿真验证了该算法具有抗噪能力强、数值稳定性好等优点。     

一种附加约束的ESPRIT测向方法

经典旋转不变技术（ESPRIT）算法测向估计性能在大多理论情况下接近于克拉美罗下界,且其在计算量方面要明显优于多信号分类算法（MUSIC）。本文首先论述了经典ESPRIT方法,描述了广义特征值分布在单位圆附近的实际工程应用情况,并提出了一种将广义特征值附加约束在单位圆上的修正ESPRIT算法。理论分析和仿真实验表明,该算法同经典的ESPRIT算法相比,当阵列存在几何误差的情况下,可明显改善测向估计的性能。     

优化正交匹配追踪和短时谱估计用于声音识别

声音事件识别时受到各种环境声的影响,采用优化正交匹配跟踪（Orthogonal Matching Pursuit,OMP）和短时谱估计对声音信号进行二次重构,能有效提高识别性能。采用粒子群算法（Particle Swarm Optimization,PSO）优化OMP稀疏分解作首次重构,保留声音信号的主体;采用短时谱估计对首次重构后的残余信号作声音增强处理,完成二次重构,去除非平稳噪声和提高重构声音信号的精度;对重构信号提取梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）特征、优化OMP时-频特征和基频（Pitch）特征,组成复合抗噪特征集OOMP;使用深度置信网络（Deep Belief Network,DBN）对OOMP特征进行学习,并对40种声音事件在不同环境不同信噪比下进行识别。实验结果表明,该方法在不同信噪比的各种环境声中平均识别率为70.44%,且在?5?dB的情况下仍然可以达到49.90%的识别率,从而说明所提方法能有效地识别各种环境下的声音事件。     

基于改进MUSIC算法的宽带信号DOA估计

现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时,存在DOA估计结果偏差大、运算复杂度高等问题,难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率,提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征,利用S变换处理阵列接收信号,得到多分辨的时频谱矩阵,同时构建时频域的阵列信号数据模型,结合信号功率谱矩阵呈联合对角化结构的特点,设计基于S变换的子空间谱估计公式。在此基础上,通过谱峰搜索进行DOA估计,实现多源宽带信号的声源定位。仿真结果表明,在信噪比范围为-15～10 dB的条件下,该算法的估计成功率始终保持在90%以上,相比TCT、CS＿TCT、CWT＿MUSIC算法,其具有较优的估计性能,并且无需预估信号源数。     

一种实用的盲波束形成和DOA估计方法

基于子空间分解的原理对相关文献的方法进行了改进.用平均时间延迟协方差矩阵的奇异值分解代替传感器数据矩阵的奇异值分解,大大地提高了运算速度,使模型和算法能更有效地应用于实际情况.同时仿真实验和海上实测数据结果表明,该方法能很好地实现方位估计和信号恢复,而且性能更佳.     

提高阵列天线DOA估计的改进MUSIC算法

在阵列信号处理中,经典的MUSIC算法是建立在非相干信号模型的基础上的,对于低信噪比条件下的相干多径信号和信源间隔比较近的信号,MUSIC算法难以估计出它们的DOA.利用求根MUSIC算法在小样本空间性能优异的特点,在重构数据协方差矩阵的基础上,通过理论推导.这里给出了一种基于求根MUSIC的改进算法,用于提高低信噪比条件下的相干多径信号与信源间隔比较近的信号DOA谱分辨能力,计算机仿真结果验证了这种方法的有效性.且与修正MUSIC算法相比较,谱分辨能力有明显的提高.     

DOA和频率联合估计高分辨算法

提出了一种基于双L型阵列结构针对空间非相干多个窄带信号源的中心频率、方位角和俯仰角三维参数的联合估计方法.该方法首先利用阵列接收数据构造时空矩阵,进而对时空矩阵进行特征分解,信号的三维参数由特征值和对应的特征向量直接得到.该方法不需要进行谱峰搜索,运算量小,可实现频率、方位角和俯仰角的同时估计与自动配对,具有较高的分辨率,同时解决了角度兼并问题,在无线电通信领域有很好的应用前景.给出的计算机仿真结果证明了该方法的有效性.     

基于辅助阵元的二维波达方向估计算法

;针对任意平面阵列,提出了一种基于辅助阵元的二维波这方向估计算法.首先利用附加的一个辅助阵元及信号的空、时域信息,构造时空旋转矩阵实现对仰角的分离估计,再利用得到的仰角信息通过一维搜索获取方位角.与传统基于子空间的二维波达方向估计算法相比,该方法不需要进行二维谱峰搜索与参数配对,对阵元的幅相误差具有较强的鲁棒性,并具有...     

单电磁矢量传感器DOA和极化的同时估计

针对单个电磁矢量传感器,提出基于四阶累积量的极化域虚拟ESPRIT二维波达方向(DOA)和极化参数同时估计算法。该方法借助累积量操作提取信号在极化域的旋转不变结构,并利用虚拟ESPRIT方法同时估计信号的二维DOA和极化参数,它可以分辨多个极化域可分的非高斯信号。给出的仿真结果验证了算法的可行性和有效性。