稀疏贝叶斯假设检验准则下的二维波达方向估计

为了降低均匀圆阵列二维波达方向估计的计算量,提出一种基于稀疏贝叶斯假设检验的波达方向估计算法。根据"粗扫描"+"细扫描"思想,将角度空间重新构建新的冗余字典,运用贪婪类算法粗略构造新的稀疏重构模型,结合稀疏贝叶斯假设检验准则,快速求解超参数,实现二维波达角的估计。实验结果表明,该算法具有较高的估计精度以及较好的检测性能。     

多天线无人机通信系统中的安全波束成形方案

针对第6代移动通信系统中多天线无人机通信下行链路传输系统,在有多个合法用户和单个窃听者的场景以及已知窃听者统计信道状态信息的情况下,提出了2种安全波束成形方案：一种是基于迫零算法的波束成形方案,在系统传输总功率受限条件下最大化系统可达安全速率,得到了波束成形权矢量和功率分配因子的闭合解;另一种是基于增强信漏噪比算法的波束成形方案,采用一种分式规划和交替方向乘子法（ADMM）相结合的迭代算法,实现波束成形权矢量和功率分配因子的设计.仿真结果表明,相比较于迫零算法,基于ADMM的增强信漏噪比算法能够有效地提升系统的安全性能.     

适用于CDMA系统的盲波束成形算法

提出了一种直扩码分多址通信系统的接收信号模型,并在该模型的基础上推导出一种适用于直扩码分多址系统的盲波束成形算法。算法利用期望用户的扩频序列与接收信号的信号子空间的关系,得到波束成形器的系数。该算法突破了传统的基于子空间算法固有的缺陷,其性能优于一般的盲波束成形算法。     

一种未知信源数的共形阵DOA算法

针对目前绝大多数共形阵波达方向估计算法需要进行信源数估计且波达方向估计性能易受信源数估计误差影响的问题,提出了一种引入虚拟期望信号的未知信源数共形阵波达方向估计算法.在介绍共形阵窄带信号接收模型及自适应波束控制原理的基础上,利用最大信干噪比准则下的最优权矢量对引入虚拟期望信号后的阵列接收数据进行加权处理,以阵列输出的信噪比作为波达方向估计参数,从而实现来波信号的准确估计.整个过程不需要以信源数作为先验知识,避免了波达方向估计过程中信源数的判断环节.对所提算法进行了仿真实验,结果表明,该算法是有效可行的,且其性能要优于MUSIC算法.     

嵌入环境不确实性的宽容波束形成贝叶斯方法

针对不确实海洋环境使声呐探测性能下降和宽容性差的问题,提出了环境参量和信号参量不确实性两嵌入的宽容波束形成贝叶斯方法.不确实环境参量的先验概率密度函数(probability density function,PDF)通过多项式混沌展开与传播模型相结合嵌入到接收信号的概率建模中,导出信号参量的先验PDF;接收信号参量先验PDF通过贝叶斯波束形成嵌入到处理中,转化为后验PDF.导出的后验概率最大贝叶斯波束形成具有估计器和相关器相结合的GLRT结构.仿真和实验数据分析结果表明:不确实环境参量导致接收声场发生秩扩展,由秩1扩展为秩2或秩3,贝叶斯波束形成体现了相干匹配与非相干积累的结合,实现了浅海环境中目标的正确定位,增加了宽容性.     

天线子阵划分的OSTBC特征波束形成技术

利用对阵元间距要求相互矛盾的空间复用和波束形成两种技术,提出了组合波束形成的空时码发射方案,有效发挥他们各自的优势．通过对发射天线子阵不同划分的研究表明,将发射天线分成多个子阵,可以从波束形成获得分集增益,从空是复用获得复用增益．性能分析和仿真结果都表明,基于单一子阵划分的发射方式其性能严重依赖于波达方向和角度扩展,而基于多子阵划分的发射方式不受波达方向和角度扩展影响,性能保持稳定．当波达方向为0°,角度扩展为50°时,与单子阵划分相比,基于多子阵划分的系统性能提升近12dB．若角度扩展变小,则性能改善更明显．     

一种波束成形的分组空时编码系统检测算法

根据分组空时编码系统的特性,提出了一种新的基于波束成形的检测算法．发射端采用酉矩阵将数据映射到空间正交的波束方向上,通过接收端波束方向上的匹配滤波,各数据分块所获得的增益为信道矩阵在其波束方向上的投影之和,波束选择通过最大化所有数据分块最小增益,从而有效地提高了系统的分集增益．进一步提出一种多速率分组空时编码的设计方案．理论分析和仿真结果表明,这种算法可获得更好的容量和误码性能,同时具有较低的译码复杂度．     

增强操作工况识别可靠性的概率PLS-ELM方法

针对分类阈值任意给定和临近边界区域操作工况识别可靠性低问题,提出基于贝叶斯理论的概率偏最小二乘极限学习机（p-PLS-ELM)分类算法.偏最小二乘被嵌入到极限学习机框架内,通过提取隐含层正交潜在变量,避免共线性引起输出权值系数不稳定,降低输出预报值的不确定性,改善分类编码输出预报模型的鲁棒性和稳定性.应用非线性最小二乘方法估计每类条件概率密度函数的参数,结合概率密度函数和贝叶斯定理,计算每类输出预报值后验概率作为分类可靠性测度.采用该方法在某污水处理厂进行实验验证.实验结果表明,基于概率PLS-ELM方法的污水处理操作工况识别可靠性和准确性相对优于PLS-ELM方法.     

一种强干扰条件下阵列天线波达方向估计方法

为解决强干扰条件下阵列天线的波达方向估计问题,定义了保向正交性和特征波束的概念,证明了信源同时满足功率差和角度差较大条件时,所对应的特征矢量具有保向正交性,提出了一种基于干扰特征矢量剔除的波达方向估计算法．最后,通过计算机仿真,验证了所提算法在强干扰条件下比干扰阻塞算法有更高的估计性能．     

基于指纹的可见光室内定位系统融合算法

可见光室内定位系统由于墙壁反射和外界噪声存在而产生误差.对现有的基于指纹识别的可见光室内定位算法进行仿真比较,提出了将确定型算法与概率分布算法融合的室内定位改进算法.首先用KNN算法选取几个与接收机位置相近的网格点,对接收信号进行高斯滤波,而后用贝叶斯算法计算其后验概率,后验概率最大的点即为估计位置.这一改进算法不仅降低了贝叶斯算法的复杂度,也大大提高了KNN算法的定位精度,平均误差为0.17 m.     

一种稳健的自适应波束形成方法

基于LCMV波束形成原理,根据贝叶斯估计理论,提出了一种基于加权的波束形成方法,能够很好地克服LCMV波束形成对期望信号DOA误差特别敏感的弱点．仿真试验表明,该方法性能稳定,对期望信号DOA误差具有很好的稳健性．     

基于MNC-FastICA算法的稳健自适应波束形成

针对导向向量失配的稳健自适应算法主要是基于导向向量不确定集约束,但是其约束参数往往难以确定,提出了基于修正的非圆复值快速不动点算法（MNC-FastICA）的波束形成方法,通过盲分离得到的分离矩阵来构造波束权向量,并对由此产生的信源幅相模糊进行校正。该方法不必预先估计信号来波方向,避免了传统方法中来波方向估计不准引起的期望信号的导向向量失配;对于阵列通道幅相误差导致的导向向量失配,该方法对其不敏感,不必对阵列进行校正。仿真实验与最差性能最佳化（WCPO）等经典方法作了性能对比,结果验证了该算法的有效性和稳健性。     

基于Bayesian准则的鲁棒自适应波束形成算法

研究波束形成算法的前提是驾驶向量是确定的.在实际情况下,由于实际的阵列响应和期望信号的阵列响应存在一定的偏差,这时候就需要研究对于驾驶向量不确定情况下的波束形成问题.该文基于Bayesian准则,对一系列自适应MVDR波束形成器的权向量进行后验概率密度加权,得到Bayesian自适应波束形成器.仿真和实际水声阵列数据结果显示,该波束形成器在驾驶向量不确实的情况下,具有较好的鲁棒性.     

2-D DOA estimation of coexisting uncorrelated and coherent signals

The common two dimensional (2-D) direction of arrival (DOA) estimation algorithms for coexisting uncorrelated and coherent signals are based on the complex array structure, such as the uniform rectangular array, so the computational complexity is high and the array aperture is not utilized efficiently. By taking advantage of the L-shape array and adopting an efficient method to eliminate the Gaussian noise, a new 2-D DOA estimation method is proposed. Firstly, the DOAs of the uncorrelated signals are estimated and the influence of the coherent signals is eliminated by utilizing its characteristics. Then, the data covariance matrix containing the coherent information only is obtained by exploiting the Toeplitz property of the uncorrelated signals, and the DOAs of the coherent signals are estimated by the direction finding method based on the compressed sensing theory. Theoretical analysis and simulation results show that the proposed method has a small computational load, high array aperture as well as excellent estimation performance.     

Robust adaptive beamforming with near-field scatterers

Near-field scattering which causes steering vector mismatch with array received data suffers severe performance degradation with beamforming. A new robust adaptive beamforming algorithm based on the steering vector uncertainty set is proposed to utilize the near-field scattering signal to improve the beamforming output signal-to-noise ratio. The properties of the far-field direct-path signal and near-field signal are incorporated. The large uncertainty set is divided into two small ones describing the far-field and near-field steering vectors, respectively. The far-field steering vectors and the near-field scattering coefficient with a transform matrix are evaluated by convex optimization. Simulation examples demonstrate that the algorithm is correct and effective.     

基于最小冗余线阵的谱相关共轭循环MUSIC算法

本文提出了一种基于最小冗余线阵的谱相关共轭循环ＭＵＳＩＣ 算法。该算法构造了最小冗余线阵的伪数据矩阵并由此进行ＤＯＡ 估计。当采用Ｍ 阵元最小冗余线阵时,该算法的等效阵列孔径为２Ｎ－ １（Ｎ＞ Ｍ） 。理论和计算机仿真实验均表明：与基于均匀线阵的共轭循环ＭＵＳＩＣ 算法相比,该算法具有良好的ＤＯＡ 估计性能,扩展了阵列孔径,抗噪能力强,分辨率高,能用较少的阵元估计更多的信号源方向     

基于小波分析的改进旁瓣相消宽带信号波束形成算法

研究了改进的旁瓣相消算法,该算法利用小波滤波器组阻塞接收信号的期望信号分量进行自适应的波束形成。经过改进算法处理后,阵列信号的协方差矩阵中不包含期望信号分量,从而克服了当存在系统误差时自适应波束形成中期望信号相消的问题,并解决了在实际应用中旁瓣相消波束形成算法GSC波束形成算法需要构造与期望信号的导向矢量完全正交的阻塞矩阵的难点问题,从而达到提高系统稳健性能的目的,仿真结果验证了该算法的性能优于传统的MVDR方法和基于MVDR的对角加载方法。     

基于二次虚拟扩展的高分辨率波达方向估计方法

为进一步提高天线阵波达方向估计的分辨率,在四阶量多重信号分类方法的基础上,提出一种高分辨率的波达方向估计方法.利用阵列接收数据的四阶矩量进行虚拟阵列扩展,再利用阵列接收数据的共轭进行虚拟阵列扩展,实现二次虚拟扩展;将扩展后的阵列导向矢量和协方差矩阵用于波达方向估计,与原阵列导向矢量和协方差矩阵相比,相当于构造了更多的虚拟阵元,并扩展了阵列的孔径.仿真结果表明:与四阶量多重信号分类等波达方向估计方法相比,所提出的方法在波达方向估计中成功概率更高,均方误差更低,具有更高的分辨率.所提方法通过二次虚拟扩展,构造了更多的虚拟阵元,有效地提高了天线阵波达方向估计的分辨率.     

一种基于信号谱自相关特性的盲波束形成方法

研究了阵列流型未知情况下的波束形成问题，基于周期平稳信号的谱自相关特性提出了一种估计信源导向矢量的算法，在未预知阵列流型及信源波达方向（ＤＯＡ）信息的条件下实现了盲波束形成。计算机仿真结果验证了其有效性。     

一种新的盲联合角度-时延估计方法

提出一种新的盲联合角度-时延的估计方法,对阵列天线输出的过采样样本的Fourier变换后信号进行分析,结果表明,此信号具有三线性模型特征.为此,提出一种改进的三线性交替最小二乘(ITALS)算法,对波达方向(DOA)和时延联合估计.该算法利用方向矩阵和时延矩阵的Vanderm onde特征、基于最小二乘原理对方向矩阵和时延矩阵进行重构,以及对DOA和时延估计.仿真结果表明,ITALS方法具有较好DOA和时延联合估计性能,且在过载系统下仍有较好的性能.ITALS方法随着天线数增加联合估计性能变好;而且该方法无须信道衰落系数,是一种盲、鲁棒的联合处理方法.