电磁矢量互质阵中基于降维Capon的DOA和极化估计算法

将传统电磁矢量均匀阵列推广为电磁矢量互质阵列,突破了阵元间距不大于半波长的限制。提出了电磁矢量互质阵列中基于降维Capon的波达方向（Direction of arrival,DOA）和极化联合估计算法。该算法无需假设已知极化信息,且只需一维搜索,避免了多维搜索,可实现DOA和极化参数自动配对;与相同阵元数的均匀阵列相比,明显提高了角度估计性能,并拓展了天线孔径,具有相对较高的自由度,且降低了运算复杂度。相同阵列及参数条件下,本文算法的角度估计性能优于ESPRIT算法和三线性分解算法。     

MIMO阵列雷达检测器的性能分析

 本文提出了一种适用于MIMO阵列雷达系统的空域降维检测器,该检测器先将接收到的观测矢量按所对应的不同分集波形分别在接收阵列上进行空时自适应Capon滤波,然后基于各个分集波形的滤波输出设计CFAR检验统计量,从而避免了在高维虚拟阵列上进行完全自适应处理而带来的高计算复杂度和对训练数据量的过分需求.理论推导表明,在大杂噪比条件下,该检测器可等价地表述为各个分集波形自适应Capon滤波输出结果的相参积累与非相参积累之比.同时,大杂噪比条件下的检测性能分析表明,随着波形分集数的增长:当各发射阵元辐射功率一定时,该检测器的检测性能逐渐接近完全自适应CFAR检测器,而计算复杂度以及对训练数据的需求几乎不变;而当总发射功率一定时,其检测性能先是快速增长,然后呈阶梯式缓慢增长,且存在性能上限.这些结论对于MIMO阵列雷达系统设计来说具有一定的指导意义.     

基于降维子空间重构的双基地MIMO雷达角度估计算法

根据双基地MIMO雷达的工作原理和回波模型,结合阵列信号处理,提出了降维子空间重构的角度估计算法,并给出了算法有效性证明。理论分析表明,该算法可以有效解决二维空间搜索计算成本高,矩阵运算量大和低快拍数下算法适应性差的问题,并通过蒙特卡罗实验对不同信噪比、快拍数和接收阵元数等情况下角度估计的方差进行了仿真,证实了理论分析的正确性。     

优化随机森林模型的网络故障预测

随机森林是一种组合分类器技术,相较于决策树等单分类器,具有更好的预测和分类性能,但其也存在一些问题:因为随机森林自身的随机性,导致预测结果存在波动性;所使用的原始数据集样本基数大,维数多,增加了随机森林组合分类器的训练时间。针对以上问题,提出优化随机森林模型,对数据集进行数据集预处理和PCA降维操作,引入累计贡献率。结合选择的最佳阈值进行最终的预测结果分类,提高了模型的训练速度、预测准确率和稳定性。实验证明,该方法具有更优越的预测性能。     

Two-dimensional DOA estimation with reduced-dimension MUSIC

According to the heavy computation of two-dimensional DOA estimation with 2D-MUSIC, this paper proposes an RD-MUSIC(Reduced-Dimension MUSIC) DOA estimation method without conjunction search or angle pairing. This algorithm decomposes two dimensional DOA estimation into two stage one dimensional DOA estimation. Firstly, we use the rooting method to estimate the angle between signal direction and x axis. Secondly, least square method is used to estimate the angle between signal direction and y axis. Finally, the 2D angle can be obtained with the angle formula. Simulation results show that the angle accuracy of RD-MUSIC is higher than that of 2D-MUSIC in the low SNR condition, and that they are equal in the high SNR condition, but RD-MUSIC has a higher operation speed.     

联合像素多基线InSAR降维处理方法

针对联合像素多基线InSAR处理的大运算量问题,提出了一种降维处理方法．在分析联合像素协方差矩阵构造过程的基础上,指出SAR图像配准时信号子空间的维数是不随卫星数目的增加而改变的．利用Lanczos迭代进行信号子空间逼近,避免了对高维协方差矩阵进行特征值分解,利用信号子空间拟合代替信号子空间向噪声子空间的投影,至少能够降低运算量50％以上．对仿真多基线数据和实测单基线数据的处理结果验证了本算法能保证处理精度要求．     

DOA estimation for monostatic MIMO radar based on unitary root-MUSIC

Direction of arrival (DOA) estimation is an important issue for monostatic MIMO radar. A DOA estimation method for monostatic MIMO radar based on unitary root-MUSIC is presented in this article. In the presented method, a reduced-dimension matrix is first utilised to transform the high dimension of received signal data into low dimension one. Then, a low-dimension real-value covariance matrix is obtained by forward–backward (FB) averaging and unitary transformation. The DOA of targets can be achieved by unitary root-MUSIC. Due to the FB averaging of received signal data and the eigendecomposition of the real-valued matrix covariance, the proposed method owns better angle estimation performance and lower computational complexity. The simulation results of the proposed method are presented and the performances are investigated and discussed.     

多阵列中非圆信号借助于降维搜索和子空间数据融合的直接定位算法

为了解决多阵列中子空间数据融合（Subspace data fusion, SDF）算法自由度受限于实际阵元数与定位精度低的问题,本文利用非圆（Non-circular, NC）信号特性并结合降维（Reduced-dimension, RD）搜索思想提出了一种基于降维搜索的子空间数据融合的非圆信号直接定位算法（Reduced-dimension subspace data fusion, RD-SDF）。该算法首先利用辐射源信号的NC特性扩展空间信息,以获得增大的虚拟阵列孔径,与更多的可识别信源数。但是由于NC相位导致的高维搜索大大增加了算法求解时的复杂度,本文引入RD搜索思想,通过数据重构消除NC相位导致的高维搜索复杂度问题,并结合SDF构造RD融合搜索谱函数。仿真结果表明,相比于传统SDF算法,本文RD-SDF算法具有更高的空间自由度和定位精度。此外,RD-SDF算法在保证估计性能的同时显著降低了算法复杂度。     

未知互耦影响下的多阵直接定位：基于子空间数据融合与降维搜索

为了解决子空间数据融合（Subspace data fusion,SDF）算法用于未知互耦影响下的分布式多阵列定位时定位精度低的问题,本文结合降维搜索思想提出了一种降互耦维度的子空间数据融合（Reduced mutual coupling dimension subspace data fusion,RMCD-SDF）方法。该方法首先将互耦误差模型引入SDF算法,使其适应于天线阵列受到未知互耦误差影响的场景。在此基础上,为了降低同时搜索所有未知参数带来的超高计算复杂度,本文引入降维搜索思想并构造了RMCD-SDF算法谱函数。仿真结果显示,RMCD-SDF算法的定位性能在阵列受到未知互耦影响的场景下具有优势,与现有算法相比计算复杂度接近,但是具有更高的定位精度。在10 dB 信噪比下本文算法的定位均方根误差相比经典的SDF算法降低了8.67 dB。     

酉稀疏贝叶斯学习降维MIMO雷达角度估计

针对收发共址多输入多输出（Multiple-Input Multiple-Output,MIMO）雷达的低计算复杂度波达方向（Direction of Arrival,DOA）估计问题,提出一种降维的MIMO雷达高精度DOA新算法。首先采用经过白化的降维矩阵对MIMO雷达脉冲压缩后的接收信号进行降维;然后通过最优信号子空间拟合对无幅度误差阵列流型下的接收信号矩阵进行重构;接下来通过酉变换得到实值增广数据矩阵,并在实值稀疏字典矩阵下对其进行稀疏表示;接着将DOA估计问题转化为行稀疏矩阵的稀疏恢复问题,通过改进的稀疏贝叶斯学习对其进行求解,实现目标DOA的估计。理论分析和仿真实验结果验证了该方法的有效性和实用性。