米波雷达低角跟踪环境下的修正MUSIC算法

在经典的MUSIC算法的基础上,结合米波雷达低角跟踪的特点,提出了一种对接收数据的协方差矩阵进行重构的新的修正MUSIC算法,然后分析了其解相干的原理.最后用MATLAB软件对其性能与MMUSIC(Modified MUSIC,MMUSIC)算法进行了仿真比较,结果表明对于2个以上的相干信号源,MMUSIC算法已失效,但新算法仍可准确地估计出各个相干信号源的DOA,并且对于2个相干信号源,其估计精度、估计的稳定性和估计的成功概率也明显高于MMUSIC算法.从而证明了该算法的有效性。     

声矢量阵张量分解MUSIC算法

矢量水听器同时、共点测量声场中的声压和振速分量,因此相对于声压水听器能够获取更多的声场信息,多重信号分类算法(MUSIC)是一种具有高分辩能力的方位估计算法,本文对声矢量阵接收信号三阶张量建模,并通过高阶奇异值分解得到信号张量子空间,从而结合MUSIC算法对声源进行方位估计。基于三阶张量奇异值分解得到的信号子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声,并且体现了多维数据之间的关联关系,因此方位估计精度更高。计算机仿真结果表明:矢量阵张量分解MUSIC算法性能优于传统矢量阵MUSIC方法。      

电磁矢量传感器阵列信号波达角估计的模R投影MUSIC

为了充分利用电磁矢量传感器阵列数据中存在的多维结构,本文探讨了具有多维数据结构的电磁矢量传感器阵列多模张量模型的建立,以及模R信号子空间的定义,提出一种基于模R信号子空间投影的MUSIC算法.分析表明:由于模R投影方法可充分利用电磁矢量传感器阵列中的多维结构信息,从而可提高信号子空间的估计精度,进而可使MUSIC算法的性能得以改善.计算机的仿真研究验证了模R投影MUSIC算法明显优于传统MUSIC方法.     

一种自主定向磁复合三维MEMS矢量水听器

设计了一种自主定向的磁复合三维MEMS矢量水听器。该矢量水听器采用三维MEMS加速度传感器与磁传感器结构复合设计,并采用与信号处理电路紧靠方式,可减小噪声干扰及抑制信号衰减。通过磁复合三维MEMS矢量水听器解决单个矢量水听器定向精度不高问题。该矢量水听器完成了水下驻波场测试和无磁转台测试,测试结果验证了利用磁传感器补偿矢量水听器定向方法的可行性。     

电磁矢量传感器阵列信号波达角估计的模R投影MUSIC简

 为了充分利用电磁矢量传感器阵列数据中存在的多维结构,本文探讨了具有多维数据结构的电磁矢量传感器阵列多模张量模型的建立,以及模R信号子空间的定义,提出一种基于模R信号子空间投影的MUSIC算法.分析表明:由于模R投影方法可充分利用电磁矢量传感器阵列中的多维结构信息,从而可提高信号子空间的估计精度,进而可使MUSIC算法的性能得以改善.计算机的仿真研究验证了模R投影MUSIC算法明显优于传统MUSIC方法.     

MUSIC与MMUSIC算法对DOA估计性能的比较

阐述阵列信号处理中广泛采用的MUSIC算法和MMUSIC算法的基本原理,然后理论分析了MUSIC和MMUSIC算法性能.仿真发现MUSIC算法只能估计非相干信号.针对这种情况,提出了一种修正MUSIC算法,该算法可以同时估计相干和非相干信号,计算机仿真结果证明该改进算法是有效的.     

空间谱估计相干信号源的处理

相干信号源的存在使得很多经典的高分辨算法受影响甚至失效。基于对去相干处理的方法的研究,发现两种算法具有较好的去相关效果——修正的MUSIC算法即MMUSIC和加权前后向空间平滑算法。这两种方法的本质都属于算法MUSIC的改良,它们之间有一定的联系。通过计算机仿真对它们进行比较,发现前者具有更好的去相关性能,而且对阵列没有孔径损失。     

互质阵列DOA估计性能综合分析北大核心CSCD

互质阵列是近年来兴起的新型阵列,能显著提高阵列自由度,处理信源数大于阵元数时的波达方向(DOA)估计,且能提高角度分辨率和测角精度。文中根据互质阵物理阵元和虚拟阵元特点,结合多重信号分类(MUSIC)算法提出适用于互质阵基于物理阵列和虚拟阵列的DOA估计方法。该方法以非相干信号源为研究对象,利用互质阵列建立信号接收模型,基于物理阵列的DOA估计方法根据互质阵物理阵元位置特点推导其导向矢量,然后根据导向矢量计算回波信号数据和信号协方差矩阵,最后利用MUSIC算法进行DOA估计。基于虚拟阵列的DOA估计方法根据其虚拟阵元数据特点在向量化协方差矩阵并去冗余后选取连续虚拟阵元接收数据,然后对新协方差矩阵进行一维Toeplitz平滑重构,最后利用MUSIC算法或求根MUSIC算法进行DOA估计。与等阵元数的均匀线阵进行对比,仿真实验验证了互质阵列DOA估计性能的优越性。     

基于改进的MUSIC算法的矢量水听器阵列波达方向估计

介绍了改进的MMUSIC算法在矢量水听器阵波达方向估计中的应用,并详细描述了该算法的原理及应用过程,对比试验结果表明了该算法在矢量水听器阵波达方向估计应用中的可行性和有效性。     

基于矢量传感器MIMO雷达的DOD DOA和极化联合估计算法

该文研究了一种基于多输入多输出(MIMO)电磁矢量传感器阵列雷达目标波离角(DOD),波达角(DOA)和极化联合估计问题。提出一种新型矢量阵MIMO雷达系统模型,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器。在此基础上,该文提出4维MUSIC, ESPRIT和迭代1维MUSIC 3种联合参数估计算法。其中迭代1维MUSIC算法首先利用矢量传感器的内在结构特点获得目标DOA预估计,随后采用MUSIC算法对DOD和DOA分别进行1维搜索获得目标角度的高精度估计,最后给出一种基于ESPRIT的目标极化估计算法。迭代1维MUSIC算法可用于不规则阵列,对接收阵列约束较少,无需2维搜索及多维搜索,还可以利用矢量阵特点扩展阵列孔径提高DOA估计精度。此外,论文还推导了DOD, DOA和极化联合估计的CRB。仿真实验表明,与前两种算法相比,迭代1维MUSIC算法具有与CRB更接近的估计精度。     

高灵敏度宽频带阵列式仿生矢量水听器研究

针对MEMS仿生矢量水听器灵敏度和频带相互制约,不能同时满足宽频带高灵敏度测量的问题,在单个MEMS矢量水听器的基础上,设计了由四个单元构成的2×2单片集成微敏感结构阵列,实现了水听器的高灵敏度和宽频带。通过理论分析和ANSYS仿真分析,确定阵列微结构的尺寸,采用硅微机械加工工艺完成了阵列微结构的加工,最后在水声一级计量站对封装好的水听器进行了灵敏度和指向性校准测试。测试结果表明:该阵列式仿生矢量水听器未加前置放大时灵敏度达到-189 dB,频响范围20～5 000 Hz,具有良好的"8"字型指向性。     

基于三元阵列式MEMS水听器的被动定位系统设计

声纳系统是水下武器装备的重要组成部分,其发展趋向隐蔽性、小型化。文章提出了一种基于小型化三元阵列式微机电系统(MEMS)水听器的被动定位系统。首先,设计了一种三元阵列式MEMS水听器,即在同一芯片上集成三个不同角度偏差的MEMS矢量敏感单元;其次,在充分分析水听器工作原理的基础上建立了阵列式水听器的定位模型,并通过仿真验证了其设计的合理性;最后,以STM32单片机为控制核心设计了阵列式MEMS水听器的信号处理与目标定位系统。这种三元阵列式MEMS水听器在仿真定位中展现了良好的定位精度,充分证明了本系统设计的正确性及实用性。     

欠估计下相干信号的改进MMUSIC算法分析

首先阐述了阵列信号处理中广泛采用的MMUSIC算法的基本原理,然后分析了信源数目欠估计情况下的MMUSIC算法性能。为了解决信源数目欠估计下出现的谱峰消失的问题,讨论了一种改进的MMUSIC算法,并将改进的算法成功运用于相干信号,计算机仿真结果证明该改进算法是有效的。     

基于均圆阵的扩展循环 MUSIC 算法简

将循环平稳理论引入到均匀圆阵的波达方向估计中,提出了一种基于圆阵的扩展循环MUSIC算法。同时利用信号的循环相关阵和循环共轭相关阵的信息,有效抑制了同频带内干扰和噪声的影响,实现了感兴趣信号与干扰信号的有效分离。仿真实验结果表明,所提算法具有较高的波达方向估计精度和较好的多信号分辨能力,且突破了经典MUSIC算法关于信源数不能超过阵元数的限制。     

基于稀疏互质电磁矢量阵列的MUSIC算法

为增加传统MUSIC算法可分辨的信号源数,该文构造了一对具有互质关系的2维稀疏电磁矢量阵列,并基于此阵列提出了一种基于3维平滑的MUSIC算法。该算法利用两个阵列间的互质关系形成具有更多自由度的互质差合成阵列,并基于3维(2维空域加极化域)平滑算法恢复其自相关矩阵的秩,达到应用于传统MUSIC算法的目的。该算法的最大优势是仅使用二阶统计量即可系统地增加了原阵列的自由度。计算机仿真结果表明所提算法能估计多于物理阵元数的信号且分辨率高。     

Two-dimensional direction finding of coherent signals with a linear array of vector hydrophones

In this paper, we propose a parallel factor (PARAFAC) analysis based two dimensional direction finding algorithm for coherent signals using a uniformly linear array of vector hydrophones. By forming a PARAFAC model using spatial signature of vector hydrophone array, the new algorithm requires neither spatial smoothing nor vector-field smoothing to decorrelate the signal coherency. We also establish that the azimuth-elevation angles of K coherent signals can be uniquely determined by PARAFAC analysis, as long as the number of hydrophones \(L \ge 2K - 1\). In addition, because the vector hydrophone array manifold contains no phase information, this new algorithm can offer high azimuth-elevation estimation accuracy by setting vector hydrophones to space much farther apart than a half-wavelength. Simulation results are finally presented to verify the efficacy of the proposed algorithm.     

Source localization using recursively applied and projected (RAP)MUSIC

A new method for source localization is described that is based on a modification of the well-known MUSIC algorithm. In classical MUSIC, the array manifold vector is projected onto an estimate of the signal subspace. Errors in the estimate of the signal subspace can make localization of multiple sources difficult. Recursively applied and projected (RAP) MUSIC uses each successively located source to form an intermediate array gain matrix and projects both the array manifold and the signal subspace estimate into its orthogonal complement. The MUSIC projection to find the next source is then performed in this reduced subspace. Special assumptions about the array manifold structure, such as Vandermonde or shift invariance, are not required. Using the metric of principal angles, we describe a general form of the RAP-MUSIC algorithm for the case of diversely polarized sources. Through a uniform linear array simulation with two highly correlated sources, we demonstrate the improved Monte Carlo error performance of RAP-MUSIC relative to MUSIC and two other sequential subspace methods: S and IES-MUSIC. We then demonstrate the more general utility of this algorithm for multidimensional array manifolds in a magnetoencephalography (MEG) source localization simulation     

多测量向量模型下的修正MUSIC算法

压缩感知多测量向量(MMV)模型用于解决具有相同稀疏结构的多快拍问题,在传统阵列信号处理应用中多重信号分类(MUSIC)方法是一种常见的方法,但当快拍数不足(低于稀疏度)时其性能将急剧恶化。Kim等人(2012)推导出一种修正的MUSIC谱,并将压缩重构方法和MUSIC算法结合提出压缩感知MUSIC算法(CS-MUSIC),能够有效克服快拍数不足的问题。该文将Kim等人的结论扩展到一般情形,并基于传统的MUSIC谱和CS-MUSIC谱提出一种修正的MUSIC算法(MMUSIC)。仿真结果表明所提算法能够有效克服快拍数不足的问题,并且具有比CS-MUSIC算法和压缩感知贪婪算法更高的重构概率。