一种均匀线阵幅相误差校正算法

阵列幅相误差会严重影响MUSIC算法的测向性能,为此基于均匀线阵,给出了一种新的幅相误差校正算法。首先根据协方差矩阵的关系式构造了一种二次代价函数,然后利用理想条件下均匀线阵协方差矩阵具有Toeplitz结构的性质,通过交替迭代的方法对此二次代价函数进行优化求解,从而估计出了幅相误差和理想条件下的协方差矩阵,最后利用MUSIC算法即可估计出信源方位。计算机仿真结果验证了文中的算法是有效的,并且具有较高的参数估计精度。     

一种均匀线阵互耦和幅相误差校正算法

阵列互耦和幅相误差会严重影响MUSIC算法的测向性能,为此该文基于均匀线阵,给出了一种新的阵列互耦和幅相误差校正算法．文中首先根据阵列协方差矩阵的关系式构造了一种二次代价函数,然后利用理想条件下均匀线阵协方差矩阵具有Toeplitz结构的性质,通过交替迭代的方法对该代价函数进行优化求解,从而估计出了阵列互耦、幅相误差以及理想条件下的协方差矩阵,最后利用MUSIC算法即可得到信源方位的估计值．计算机仿真结果验证了文中算法的有效性．      

基于四阶累量的MUSIC算法对阵元误差的稳健性分析

本文分析了基于四阶累量的ＭＵＳＩＣ算法（记作ＦＯＣ－ＭＵＳＩＣ），在实际阵元存在幅相误差时，对波达方向（ＤＯＡ）的估计性能，给出了大样本情况下的估计方差公式，并与基于协方差矩阵的标准ＭＵＳＩＣ算法作了比较。计算机仿真结果表明，本文给出的方差公式与实验仿真结果十分接近。文中还给出了利用高阶累量的方法可获得阵列有效孔径扩展的新解释。     

未知信源数目的MUSIC算法研究

针对MUSIC算法需要预先确定信号源数目的应用前提，分析了信源数目过估计与欠估计情况下的MUSIC算法性能，提出一种改进算法，仿真结果证明在信源数目有误差的情况下该算法的性能良好。     

一种信号个数估计方法及其在测频中的应用

本文介绍一种高精度的数字测频算法———根MUSIC算法。通过分析发现,该算法在低信噪比(0 dB)的情况下,仍能得到高精度的频率估计值,其频率分辨率也比DFT高。然而,在电子侦察中要应用该方法进行测频,关键是首先要确定接收信号的个数。根据协方差矩阵特征值的大小分布特点,本文提出了差分中值法来确定信号个数,该方法的性能优于MDL准则。计算机仿真验证了该方法的可行性和稳健性。     

基于内插阵列变换的非圆信号MUSIC算法

针对非圆信号的波达方向(DOA)估计问题,提出一种基于内插阵列变换的非圆信号MUSIC算法(VIA-NC-MUSIC算法)。利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实协方差矩阵变换为虚拟协方差矩阵,再对虚拟协方差矩阵进行奇异值分解(SVD),利用信号子空间与噪声子空间的正交性,得出算法的空间谱函数。仿真实验表明:存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的非圆信号MUSIC算法(NC-MUSIC算法)相当的估计性能,保持了高估计精度、阵列扩展能力等优点。     

信源数目过估计和欠估计下MUSIC算法分析

分析了信源数目过估计与欠估计情况下的MUSIC算法性能，仿真实验发现信源数目过估计下MUSIC谱出现伪峰，并且随着过估计程度的加重伪峰的数目增多，DOA估计的均方根误差增大；而欠估计情况下某些谱峰消失，并且随着欠估计程度的加重谱峰数减少，均方根误差增大。提出一种改进算法，在信源数目有误差的情况下，该算法的性能好于MUSIC算法的性能。     

冲击噪声背景下基于稀疏表示的双基地MIMO雷达多目标定位

该文研究了对称稳定分布(SS)冲击噪声下双基地MIMO雷达的多目标定位问题。针对SS噪声下因二阶矩不存在而造成子空间类算法估计性能下降的不足,提出了矩阵行2范数最大的预处理方法对接收数据进行归一化,使得归一化后的协方差矩阵有界,并以拉直后的协方差矩阵构造稀疏线性模型,提出了基于协方差矩阵-近似零范数(Covariance Matrix Smoothed L0 norm, CMSL0)算法进行目标的发射角和接收角估计。仿真实验表明:通过矩阵行2范数最大化预处理之后,MUSIC(Multiple Signal Classification)和CMSL0算法均能有效地估计出目标的角度,并且CMSL0算法的估计精度及对冲击噪声的稳健性均优于MUSIC算法。此外,与MUSIC算法相比,CMSL0算法不要预先估计目标源的数目,且收发阵元不受半波长间隔的限制。     

基于均匀线阵的混合源波达方向估计方法

文中提出了一种基于均匀线阵的混合源波达方向DOA估计的改进方法。该方法首先利用传统MUSIC方法估计出非相干信号源的DOA,然后接收数据协方差矩阵进行差分消除不相关源和噪声的影响,对其进行特殊的空间平滑去相干,从而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。优点是算法在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。仿真结果表明此方法的估计性能优于空间差分平滑算法。     

一种对称α稳定分布噪声环境下DOA估计新算法

脉冲噪声环境下波达方向(DOA)估计是阵列信号处理领域一个新兴研究方向。针对α稳定分布噪声环境下经典MUSIC算法性能退化的问题,提出了一种新的基于非线性压缩核函数(NCCF)的DOA估计算法。该算法利用基于NCCF的有界矩阵代替了MUSIC的协方差矩阵,通过对有界矩阵进行特征分解确定信号子空间和噪声子空间,借用MUSIC谱估计公式进行谱峰搜索,得到DOA的估计值。仿真结果表明,NCCF-MUSIC算法运算复杂度较低,相比于基于分数低阶统计量(FLOS)的MUSIC方法和基于广义类相关熵(GCAS)的MUSIC算法,该方法具有更好的准确度和稳定性。     

再论循环码的周期分布

本文揭示了循环码的周期分布与其对偶码的周期分布的关系，给出了一般循环码及其对偶码内无内周期码字的精确计数公式。     

一种基于逐次搜索的快速MUSIC方法

MUSIC方法是一种经典的阵列波达方向(DOA)估计子空间方法,在高信噪比时,该方法有很好的性能,但随信噪比的降低,算法性能下降很快,特别是其分辨概率下降很快。其主要原因是低信噪比和DOA相邻较近时,信号源之间的空间相关性较强。逐次消除空间相关性并逐次搜索DOA的改进MUSIC方法,提高了分辨概率。为降低运算量,采用多级维纳滤波代替特征值分解过程。文中方法具有一般性,适合于基于子空间方法的一大类DOA估计。仿真结果证明了方法的有效性。     

基于TD-SCDMA无线定位虚拟线阵四阶累量修正MUSIC算法的研究

无线定位的圆-角定位技术中,DOA估计极其重要。本文针对基于TD-SCDMA智能天线预处理后的虚拟均匀线阵MUSIC算法带来的阵列孔径小,抗阵元误差扰动性差的不足,研究了基于模式空间虚拟均匀线阵四阶累量的MUSIC算法,由于虚拟线阵四阶累量MUSIC算法的应用范围局限于独立的信号源的DOA估计,不能用于相关信号源DOA估计,因而提出了基于模式空间虚拟均匀线阵四阶累量的修正MUSIC(FOC-MMUSIC)算法,有效地拓展了阵元孔径,改善了系统抗阵元误差扰动和算法对相关信号源DOA的估计性能。     

TD-SCDMA系统基于MUSIC算法的DOA估计研究

针对传统DOA估计方法存在分辨率低,且现有多重信号分类算法不适用于TD-SCDMA系统等问题,研究了TD-SCDMA系统中基于MUSIC算法的DOA估计、基于TD-SCDMA系统均匀圆阵阵列模型,通过对其采用预处理技术,推导了TD-SCDMA系统中用于DOA估计的基本MUSIC算法和求根MUSIC算法,并通过仿真分析了影响DOA估计分辨率的因素。仿真分析表明,求根MUSIC算法具有更高的分辨率。     

Statistical analysis of MUSIC and subspace rotation estimates ofsinusoidal frequencies

Consideration is given to the analysis of the large-sample second-order properties of multiple signal classification (MUSIC) and subspace rotation (SUR) methods, such as ESPRIT, for sinusoidal frequency estimation. Explicit expressions for the covariance elements of the estimation errors associated with either method are derived. These expressions of covariances are then used to analyze and compare the statistical performances of the MUSIC and SUR estimation (SURE) methods. Both MUSIC and SURE are based on the eigendecomposition of a sample data covariance matrix. The expressions for the estimation error variances derived are used to study the dependence of MUSIC and SURE performances on the dimension of the data covariance matrix used     

一种改进的MUSIC方法

多级维纳滤波是一种降维算法,文中将多级维纳滤波引入到多重信号分类(MUSIC)算法中,提出了适合于MUSIC方法的多级维纳滤波器结构。该方法避免了采样数据协方差矩阵的特征值分解,降低了运算量。仿真结果证明了方法的有效性。     

共形阵列天线MUSIC算法性能分析

该文在建立了三维共形天线阵列流形的数学模型基础上,将经典高分辨波达方向(DOA)估计方法多重信号分类(MUSIC)算法移植到共形阵列天线中;详细分析推导了MUSIC算法在共形阵列天线 (锥面阵列、柱面阵列、球面阵列)中的估计方差、克拉美-罗界(CRB);通过计算机仿真试验对比MUSIC算法在面阵(均匀线阵、均匀圆阵)与共形阵列中的性能函数以及估计方差,给出了MUSIC 算法在不同阵列形式中DOA估计性能的评估与比较,仿真结果显示MUSIC算法在不同阵列形式中的估计性能均随阵元个数以及信噪比的增加而变好,验证了理论分析的正确性。     

幅相误差对修正MUSIC算法测向性能的影响与分析

首先阐述了阵列信号处理中广泛采用的修正MUSIC算法原理，并推导了天线阵元幅相误差条件下的修正MUSIC算法，重点分析了阵元幅相误差对修正MUSIC算法测向性能的影响。最后以均匀线阵为例进行了仿真，计算机仿真结果表明，阵元幅相误差严重影响着修正MUSIC算法的测向性能，因此在应用修正MUSIC算法进行来渡方向估计的时候，必须考虑阵元幅相误差的影响。     

MUSIC测向算法的入射方向确定方法

MUSIC(MUltiple SIgnal Classification)等谱峰搜索类算法的计算量主要集中于谱峰搜索过程,加大搜索步长虽可减小计算量,但会引起空间谱的畸变从而造成测向误差。先采用大步长搜索确定谱峰大约位置后再用小步长搜索可以减小测向误差,且增加的计算量较小,但其实时性不佳。文中提出了基于重心估计的入射方向确定方法,利用现有谱峰搜索数据进行后处理,当搜索步长远大于MUSIC测向算法本身的均方根误差(RMSE,Root Mean Square Error)时,可用很小的计算量大大提高测向精度,具有良好的工程应用价值。      

基于MUSIC算法的L型阵列MIMO雷达降维DOA估计

该文提出一种基于MUSIC算法的L型阵列多输入多输出雷达降维波达方向(DOA)估计算法。该算法首先针对L型阵列导向矢量的结构,构造出一个降维矩阵,将回波信号转换到低维空间。然后利用二次优化方法将2维DOA估计分解为两个1维DOA估计。最后利用MUSIC空间谱估计其中1维角度,并利用求得的角度回代谱函数,对另1维角度进行求根估计。该算法将2维空间谱搜索降为1维搜索,极大地降低了运算复杂度。理论分析和仿真结果验证了该算法的准确性和可行性。