基于波束域的多测量矢量欠定系统正则化聚焦求解算法

针对传统波达方向角估计算法采样数据量大导致较大计算复杂度的问题,提出了基于波束域的多测量矢量欠定系统正则化聚焦求解算法。该算法首先基于压缩感知理论对空域稀疏信号进行压缩采样,并将压缩信号从阵元域映射至波束域,进而构造出新的波束域接收信号,而后使用多测量矢量欠定系统正则化聚焦求解算法实现信号的波达方向估计。仿真实验表明,与传统的Capon及MUSIC算法相比,所提算法可对相干信号进行有效DOA估计,具有较高角度分辨力和估计精度;与基于阵元域的正则化聚焦求解算法相比,所提算法具有较低计算复杂度。     

单输入多输出水声信道的联合稀疏恢复估计

单输入多输出(SIMO)水声通信系统可利用空间分集获取性能增益,考虑到水声信道垂直相关半径通常大于SIMO接收阵的阵元间距,因此各个SIMO信道响应的多径稀疏结构具有较强的相关性。利用SIMO信道间存在的稀疏相关性,提出分布式压缩感知（CS）框架的SIMO水声信道联合稀疏恢复估计算法,与传统CS信道估计方法只利用信道自身稀疏性相比,联合稀疏恢复估计方法可进一步利用信道间多径结构的相关性提高稀疏重构性能。仿真和海试SIMO水声通信实验表明：与传统估计方法相比,利用多通道联合稀疏恢复可有效提高SIMO信道估计性能,特别是可获取较低信噪比条件下的性能改善。     

基于双平行互质阵列的二维非网格DOA估计

近年来,基于稀疏表示的DOA估计方法已经被广泛提出,这些方法都需预设离散的网格点,而实际信号来波方向在空间域内具有随机性,任何来波方向都是等概率出现,很有可能信号的来波方向不在网格上,因而会存在网格误差,使DOA估计结果产生较大偏差。为提高DOA估计精度,本文提出了非网格的DOA估计模型。同时,为提高测向自由度,本文应用由两个均匀线阵组成的互质阵列,并且将两个均匀线阵平行放置在同一平面。通过将两均匀线阵的互协方差矩阵向量化成互协方差矢量,可得到一维虚拟扩展的接收数据矢量,并且在稀疏表示框架下应用相应的稀疏恢复算法恢复出跟DOA参数相关的向量,从该向量中得到唯一的并且自动配对的二维DOA估计参数。仿真实验结果验证了本文算法较传统算法具有更好的DOA估计性能。     

基于Euler变换的非圆信号稀疏重构阵列测向方法

针对低信噪比、少快拍情况下的非圆信号目标方位估计精度不高的问题,提出基于Euler变换的非圆信号稀疏重构阵列测向方法。该方法利用非圆信号的特征,通过Euler变换将复数据转化为实数据,利用数据拼接来扩展阵列孔径,采用奇异值分解来降低数据维度。基于目标方位的空域稀疏性,通过离散化空间方位网格来构建实数域的空域字典集,将目标方位估计问题转换为一稀疏信号重构问题,最终通过实值稀疏信号重构方法来估计目标方位。数值仿真验证表明,在低信噪比以及少快拍情况下,无论是对于非相干信号或者相干信号,与传统方法相比,所提方法皆表现出良好的估计精度,且该方法可以应用于欠定情况下非圆信号的目标方位估计。     

应用于反辐射导弹的SARMP压缩感知DOA估计算法

为解决反辐射导弹在面对多个辐射源时,难以准确分辨目标的问题,提出了一种基于稀疏度自适应的正则化匹配追踪算法(Sparsity Adaptive Regularized Matching Pursuit,SARMP)的压缩感知DOA估计算法。该算法将目标区域划分为多个片区,设计一种包含该区域辐射源方位与强度信息的系数向量,运用压缩感知技术对重构信号进行投影后得到系数向量,获取辐射源方位。针对传统正交匹配追踪算法计算量大的缺点,提出了一种SARMP方法,运用正则化方法筛选原子集,通过分段思想解决稀疏度未知的限制,达到减少迭代次数,提升信号重构精度的目的。同时,对影响整个测向系统的误差进行了分析和仿真,验证了该算法的有效性。该算法使导弹大幅度缩短了测量时间,并精确估计出来波信号的角度与强度,提高了导引头的角度分辨力,提升了导弹的精确打击能力。     

互耦效应下一种基于实值稀疏表示的波达方向估计算法

针对未知互耦条件下的波达方向（DOA）估计问题,提出了一种未知互耦条件下基于实值稀疏表示的加权子空间DOA估计算法。新算法利用一个特定的酉变换矩阵,将一个复杂的复值优化问题转化为一个实值优化问题,从而有效地将原问题的计算复杂度减少4倍以上。此外,为了进一步提高稀疏表示的估计算法估计精度,在原有l1 范数优化模型基础上引入一个能使得DOA估计方差取得最小值的最优子空间加权矩阵。仿真实验表明,在低信噪比情况下,新算法能进一步提高稀疏表示的估计算法抗噪能力,获得更好的估计精度。     

垂向航行体水下多元阵测量精度仿真算法

针对传统长基线定位方法不能解决水下垂向航行体测阵设计与精度分析的问题,提出了一种基于水声合作目标的水下多阵元测量精度仿真算法。该算法将阵元站址、时延测量、声速测量误差作为主要误差源变量,建立nRR测量体制误差传播仿真模型,采用蒙特卡洛数值方法迭加多维随机误差,复现复杂多阵元构型条件下的测量精度特性。仿真结果表明,该算法能够有效估计随机水下目标测量精度的三维分布,对基线长度、阵元构型等变化产生合理的响应,可为多阵元测阵的布站设计与精度评定问题提供参考。     

基于矢量修正的稀疏阵列测向解模糊方法

针对稀疏阵列DOA估计中存在的测向模糊问题,提出了基于矢量修正的稀疏阵列测向解模糊方法。该方法通过推导阵元相对位置与稀疏阵列角度估计之间的关系,分析了阵元相对位置的最大公约数对MUSIC算法测向性能的影响,利用在稀疏均匀线阵特定位置添加新的阵元的方法,对原阵列的导向矢量进行修正,解决了稀疏阵列的测向模糊的问题。仿真实验结果表明,该方法不仅保留了稀疏阵大孔径的优点,提高了多信号分辨能力和测向精度,并且在低信噪比和小快拍条件下性能较好。     

基于非圆信号的阵列扩展方法

提出了一种基于非圆信号的稀疏分解DOA估计方法,用于解决非圆信号数多于阵元数时的DOA估计问题。该方法首先利用非圆信号为实值信号的特点,用阵列上的接收数据及其共轭拼接构造一个新的扩展矩阵,选择扩展协方差矩阵的第一列作为稀疏分解向量,利用扩展阵列的导向矢量构造完备字典,建立了DOA估计的稀疏模型。仿真结果证明了该方法的可行性和有效性。     

基于混合范数的来波方位估计

针对传统MUSIC算法以及CS-MUSIC算法在相干和非相干信源的条件下DOA估计效果不理想问题,提出基于混合范数的来波方位估计方法。该方法利用MUSIC和压缩感知稀疏恢复的特性得到信号的支持域,然后由信号的支持域得到噪声子空间和信号子空间,把得到的信号子空间和噪声子空间与经典MUSIC算法相结合,得到高分辨率的来波方位估计方法。仿真结果表明,在非相干信源的条件下,该算法性能优于MUSIC和CS-MUSIC算法;同时,该算法相关信源的角度分辨率也优于CS-MUSIC算法。     

联合载频和符号同步多普勒补偿方法

多普勒不仅造成宽带水声通信信号的载波频率偏移,而且引起码元符号的展宽或压缩。针对这一问题,提出一种适用于M元宽带扩频移动水声通信的多普勒补偿方法──联合载频和符号同步方法。该方法首先利用估计的载频对接收信号进行解调、低通滤波;其次,进行相关检测、估计与译码;最后根据相关峰位置对后续码元进行同步修正。仿真表明:该方法能够有效抑制由码元展宽或压缩而引起的同步误差累积效应,可用于水下航行器30 kn以内高速运动时的移动水声通信。     

单脉冲雷达导引头联合检测与DOA估计算法

在雷达导引头末制导阶段,低信噪比(Signal to Noise Ratio,SNR)导致对目标的检测和定位性能恶化.为此,本文提出一种基于随机有限集的联合检测与DOA(Direction of Arrival)估计算法.该算法在单目标伯努利滤波器框架下,基于点目标扩展函数对经过低门限判决后的数据构建目标观测方程,在天线和视线混合坐标系下建立状态变量描述,求解状态向量微分方程并对其离散化得到离散时间差分方程,经过状态误差分析得到状态转移模型,再经过粒子递归实现联合检测与状态估计.通过仿真实验,验证了该算法的有效性.与传统跟踪前检测方法对比,该算法能在低信噪比下提高检测性能和DOA估计精度.     

基于RJMCMC方法的水下被动目标声源数和方位联合估计

针对传统的子空间类宽带信号处理方法需要较多的信号快拍数才能取得较好的估计效果这一问题,本文将一种基于时域宽带信号模型的贝叶斯高分辨估计方法用于水下被动目标的方位估计（DOA）。该方法使用宽带信号的时域模型,依据贝叶斯准则构建所需参数的后验概率密度函数,并采用可逆跳变马尔科夫链蒙特卡罗（RJMCMC）方法执行贝叶斯计算,对后验概率密度函数进行峰值搜索。由于其能够在不同维的参数空间中跳转,因此可以进行模型阶数（声源数）和目标方位的联合估计。与传统的子空间类方法相比,这一方法能直接在时域进行信号处理且仅需显著较少的信号快拍数。仿真结果表明,RJMCMC算法能较好地估计出声源数和目标方位。     

基于信号相位匹配原理的目标方位估计的近场修正方法

分析了信号相位匹配( SPM)原理近场目标方位(DOA)估计精度低的原因，提出了基于信号相位匹配原理的近场目标高精度方位估计方法。仿真计算结果表明该方法具有指向性尖锐、高分辨、定向精度高和计算简单等特点。水池和外场试验进一步验证了该方法的正确性，该方法有效提高了近场目标信号波达方向估计精度。     

基于协方差矩阵重构的互质阵列DOA估计方法

针对现有基于互质阵列的DOA估计方法,由于舍弃差联合阵列中非均匀虚拟阵元而导致最大可估计信号损失的问题,提出了基于协方差矩阵重构的互质阵列DOA估计方法。根据差联合阵列与波程差一一对应的关系,将协方差矩阵扩展为一个部分元素缺失的Toeplitz矩阵;通过求解迹范数最小化问题实行对协方差矩阵中零元素的填充,阵列自由度得到提升;利用求根MUSIC方法实现DOA估计。仿真结果表明:该方法有效提高了可估计信号数且能够有效避免传统稀疏重构算法中模型失配对估计性能的影响。     

分数阶傅里叶变换与虚拟阵列相结合的波达方向估计

针对常规的MUSIC、ESPRIT算法不能估计宽带线性调频(LFM)信号、相干LFM信号和平滑技术解相干在低信噪比下精度不高的问题,提出了一种基于分数阶傅里叶变换(Fractional Fourier Transform,FRFT)与虚拟阵列变换法相结合的宽带相干LFM信号的波达方向(DOA)估计方法。该方法首先将天线阵的观测信号变换到分数阶Fourier域(FRF域),把时域时变的方向向量转化为FRF域时不变的方向向量,然后构造FRF域的阵列信号相关矩阵,用虚拟阵列变换法对相干信号进行解相干,再用ESPRIT算法进行波达方向估计。理论分析和仿真结果表明:在较低信噪比和较少采样快拍时,不仅能实现更准确的DOA估计,而且不损失阵列的孔径,使N个阵元中可估计相干信号源数目达N-1个,提高了阵元数的利用率。     

一种水下静止平台对目标运动参数的联合估计方法

针对方位-频率目标运动分析在水下静止小平台上的应用,提出了一种基于方位- 频率测量的目标运动参数联合估计方法。该方法以最小二乘估计算法估计结果作为卡尔曼滤波估计算法的初值,解决了迭代初值对卡尔曼滤波估计算法的估计性能影响较大的问题,从而提高了算法的收敛速度和估计精度。湖试结果表明：该算法具有较好的估计性能,可以作为解决水下静止平台对目标被动定位问题的一种有效方案。     

基于压缩采样的图像序列光流场计算

压缩采样是一个新兴的研究领域,为亚奈奎斯特采样频率进行图像获取提供了一个框架。光流场计算在计算机视觉系统中应用广泛,将压缩采样理论引入图像序列的光流计算问题,提出利用梯度图像的空域稀疏性和傅里叶变换的时移性,直接由测量数据求解光流场,该方法无需重建原图像序列,且在同样检测性能的情况下,所需测量数据少,可以降低采样、通信和存储成本。     

基于Laplace先验和稀疏块相关性的旋转机械振动信号贝叶斯压缩重构

为通过无线传输实时监测装备状态,针对机械振动信号采样频率较高导致压缩重构困难的问题,将Laplace先验模型和振动信号周期性稀疏块相结合,提出一种改进的贝叶斯压缩感知算法。建立基于Laplace分布的贝叶斯先验模型,相对于高斯先验具有更强的稀疏促进作用。根据机械设备转速和采样频率计算振动信号类周期,对信号进行周期性分块,并基于多稀疏块共享相同超参数的特点,采用快速相关向量机迭代估计出原始信号期望。选取两级平行轴齿轮箱作为研究对象,进行压缩重构仿真实验。结果表明,该方法在相同稀疏基下能有效改善机械振动信号的重构效果。     

基于重采样粒子滤波的目标跟踪算法研究

基于传统粒子滤波的机动目标跟踪方法针对非线性、非高斯系统有较好的估计性能,但是存在粒子退化现象。利用残差重采样算法,可以有效克服粒子滤波的退化问题。本文针对残差重采样算法作进一步研究,提出了一种改进的残差重采样粒子滤波算法。该方法在残差重采样基础上进行改进,可以避免残差重采样中关于残留粒子的重采样问题,在保证精度的前提下提高运行效率,减少运算复杂程度。仿真实验结果表明该算法与残差重采样粒子滤波相比提高了目标跟踪的实时性,并且随着粒子数的增加,这种优势表现得更加明显。