空间平滑法在米波雷达中的应用

讨论了MUSIC空间谱估计算法的改进方法一空间平滑法、超分辨率在米波雷达中的应用，主要是通过建立阵列信号模型将空间平滑法应用于米波雷达实现超角分辨，仿真结果表明空间平滑法可以有效地分辨常规MUSIC法无法分辨的相干信号。     

空间平滑MUSIC算法的相干信源DOA

DOA估计是阵列信号处理一个重要领域,其中MUSIC算法是经典的针对非相干信源的超分辨算法,但其针对完全相干的两个信源时,则完全失去分辨能力.因此进一步研究了空间平滑MUSIC相干源的超分辨算法,并在八元线阵,固定快拍的条件下,对各种算法进行仿真对比.     

基于共轭数据重排的快速MUSIC算法

针对MUSIC算法运算量大,无法分辨相干源的情况,文中提出了基于共轭数据重排的快速MUSIC算法.该算法利用数据的共轭重排在不损失阵列有效孔径的情形下可以对信源解相干,然后通过阵列协方差矩阵的一个子阵来得到信号子空间,避免了特征分解,获得了MUSIC算法的快速实现.计算机仿真结果证实了该算法的正确性和有效性.     

基于MUSIC算法对相干信号DOA估计的研究

空间谱估计是阵列信号处理中的一个重要研究课题。针对经典MUSIC算法在入射源相关的情况下测向失败的问题,通过前后向空间平滑MUSIC算法,利用子阵平滑恢复数据协方差矩阵的原理进行解相干,进而对入射源的波达方向（DOA）进行估计。仿真结果证明：前后向空间平滑算法不仅能估计出空间相互独立信号源的波达方向,还能有效分辨出相干信源的到达角度,且具有较高的分辨能力和估计精度。     

空间平滑差分方法

针对相干信号源超分辨空间谱估计中存在的问题，本文提出了空间平滑差分方法。利用常规超分辨方法估计不相关源和相关源的空间谱，利用空间平滑差分方法估计相关源和相干源的空间谱，这样可以重复利用接收阵列输出数据，兼顾不相关信号源和相干信号源的空间谱估计，因而可以估计更多的信号源。     

空间谱估计方法在测向中的应用

本文针对高分辨测向算法MUSIC法的不足,从两个方面研究了相应的改进算法针对非相干信号源的信号子空间波束形成法和高阶统计量法,以及针对相干信号源的空间零点法,最后给出了同时利用以上算法对混合信号源进行相干非相干测向的方法.     

相干信号MUSIC谱估计的空间平滑技术

相干信源DOA估计是阵列信号处理的一个研究热点。以MUSIC算法为代表的子空间类高分辨DOA估计算法对于非相干或相关程度较小的空间信源具有良好的分辨性能,且运算量较小。但它们优良的分辨性能却会随空间信源间的相关程度的增加而逐渐恶化,直至失效。本文对空间前向平滑技术和前/后向空间平滑技术了深入的研究和仿真,仿真结果表明该算法对相干信源的DOA有较好的估计性能。     

一种新的相干信源DOA估计算法: 加权空间平滑协方差矩阵的Toeplitz矩阵拟合

文献[1]提出的最优加权空间平滑技术可以使相干源存在时的信源协方差矩阵恢复为对角阵.由于文献[1]中导出的最优权矩阵是空间信源方位的函数矩阵,本文利用最优加权空间平滑后阵列协方差矩阵的Toeplitz性,构造了一个全新的优化拟合的代价函数,并基于此提出了一种相干源方位估计的新算法.与文献[1]不同,算法的实现不需要方位估计的先验知识和协方差矩阵的去噪预处理.分辨性能的蒙特卡罗仿真实验表明,新算法对空间相干信源的分辨性能优于常规的空间平滑算法和最大似然算法,在小阵列和信源空间间隔较近时,算法的优越性尤为突出.     

相干信源的DOA空间谱估计研究

MUSIC算法是经典的DOA估计算法,且只是一种解决非相干信源测向的超分辨算法,当两个信源完全相干时,MUSIC算法几乎失去分辨能力。因此,本文针对相干信源,研究了几种超分辨算法,进一步给出了仿真分析,最后对各种算法进行仿真对比。     

基于变换数据空间的相干脑电源定位算法

不同脑区之间的相互协作对大脑完成认知任务具有重要意义.脑区电活动的相干性被认为是这种协作的表现形式.从头表脑电无创地三维定位相干源有助于了解大脑的内在机制.传统的MUSIC算法不能定位相干源.本文发展了一种在变换数据空间的MUSIC算法用于相干源定位.首先根据先验信息大致估计相干源区的范围,然后设计能压制相干源区的数据变换矩阵.最后在变换后的数据空间定位相干源.不同条件下的计算模拟实验表明,相比其它方法,这种方法具有更高的定位精度,运算速度也更快.     

一种新的波达方向估计子空间算法研究

MUSIC算法是一种属于特征结构的子空间超分辨方法。该算法性能优良,但需要进行矩阵特征分解,运算量大。对波达方向估计问题进行了研究并提出了一种新的子空间算法。该算法利用总体最小二乘（TLS）方法取代特征分解得到噪声子空间,运算复杂度低于MUSIC算法,使其实时实现成为可能。总体最小二乘处理减轻了噪声的影响,该算法性能与MUSIC算法相当。理论分析和计算机仿真结果表明此方法是有效的。     

基于TLS的改进子空间投影算法

针对经典MUSIC算法在信源相干、低信噪比、小快拍数等非理想环境下性能失效的问题,提出了一种改进的基于TLS的加权子空间投影算法。首先对阵列接收的数据协方差矩阵进行重构处理,以达到解相干目的;其次充分利用子空间信息,基于总体最小二乘拟合方法对特征值进行拟合修正,基于修正MUSIC算法思想,利用校正后的噪声特征值和信号特征值分别对噪声子空间和信号子空间进行加权处理,得到改进后的噪声子空间和信号子空间,并将两者结合得到新的空间谱函数;最后进行谱峰搜索,完成信号源的波达方向估计。仿真结果表明,改进后的算法既适用于相干信号环境,在低信噪比、小快拍数及信号入射角度间隔较小的情况下,又能有效估计出信源的波达方向。     

利用局域子空间投影提高子空间类DOA 估计算法的谱分辨力

本文提出一种新的用于子空间类DOA估计算法的阵列协方差矩阵噪声子空间投影矢量的选取方法——局域子空间投影(LSP).该投影矢量选取方法有利于压低真实信源方位附近,非信源方位对应的谱曲线高度,从而提高子空间类高分辨DOA估计算法的分辨力.LSP算法的估计偏差和信噪比分辨门限明显低于MUSIC算法,而估计方差几乎与MUSIC相同.计算机仿真结果证明了文中对LSP算法性能理论分析的正确性和LSP算法的有效性.     

加权伪噪声子空间投影的修正MUSIC算法

多重信号分类（multiple signal classification: MUSIC）方法通过计算搜索导向矢量与噪声或信号子空间的距离来估计波达方向,对采样协方差矩阵的依赖性较大。在小快拍或存在强弱临近信号条件下,采样协方差矩阵的估计值与真实值通常存在较大差异,导致估计的噪声或信号子空间发生畸变,严重恶化了MUSIC方法的波达角估计性能。针对该问题,本文提出采用加权伪噪声子空间投影的改进方法（称为wpnMUSIC）。该方法在修正数据相关矩阵的基础上估计与搜索导向矢量对应的伪噪声子空间并利用其在伪噪声子空间的投影值对MUSIC空间谱进行加权处理,在保持子空间处理方法高分辨能力的同时改善了对小快拍和强弱信号的稳健性。理论分析和仿真实验表明本文方法对强弱临近目标的分辨能力优于MUSIC方法。      

用四阶累量估计相干信号源空间谱的一种新方法

提出用四阶累量来估计有色高斯噪声中相干信号源空间谱的一种新方法。这种方法中,首先利用四阶累量抑制有色高斯噪声,其次形成空间差分平滑矩阵,使其秩与相干源个数相等,然后用MUSIC方法估计空间谱,最后给出模拟实验来验证改进方法的有效性。     

相干信源波达方向估计的加权空间平滑算法

提出了一种用于空间相干源DOA估计的加权空间平滑算法(WSS，weighted spatial smoothing)。常规的空间平滑算法没有利用子阵输出的互相关信息，而且对相干信源的分辨力较差。WSS算法充分利用了子阵输出的自相关信息和互相关信息，将主阵协方差矩阵的所有子阵阵元数阶的子矩阵进行加权平均，以期提高常规空间平滑算法的分辨性能。文中以加权平滑后等效的信源协方差矩阵的对角化为约束条件，推导了加权矩阵的理论表达式。计算机仿真结果表明，WSS算法与常规空间平滑算法相比具有更高的分辨性能和更低的信噪比门限。特别是在于阵划分较多时其优越性更加明显。     

基于均分阵元的空域平滑技术研究

空间谱估计是现代信号处理研究的重要课题,对于非相干信号的DOA估计,采用MUSIC就能取得好的分辨效果,对此算法进行了简要介绍.对于广泛存在的相干信号,直接采用MUSIC则存在很大的模糊性甚至失效,为了准确地进行DOA估计,必须经过预处理解相干.针对传统的空域平滑处理,提出了均分阵元的空间平滑技术,经仿真验证,新方法可行、有效,最后分析了该方法的优势和弊端.     

基于信号子空间的ESPRIT-Like算法在相干DOA估计中的应用

相干环境中DOA估计的一个主要任务是在预处理中设法消除空间协方差矩阵的秩损失,首先分析了相干信号对基于子空间的超分辨算法的影响,随后从矩阵重构的思路出发,提出了一种基于信号子空间的ESPRIT-Like算法,最后通过仿真结果证明该方法的有效性与优越性.     

一种基于波束空间的单次快拍MUSIC算法

针对MUSIC算法在工程应用中存在的计算量大、快拍需求数多等问题,详细研究了一种单次快拍MUSIC算法。针对这种算法存在的分辨力差、估计偏差大等缺陷,提出了一种新的基于波束空间的单次快拍MUSIC算法,该方法首先利用单次快拍来估计阵列数据的协方差矩阵,再将常规波束形成方法和MUSIC超分辨方法相结合,实现对空间谱的估计。仿真结果表明,这种新方法提高了分辨力,降低了估计偏差,进一步减少了运算量。     

基于信号子空间抽取的DOA估计

本文提出了一种新的DOA(direction of arrival)估计方法,通过对信号子空间进行抽取,形成信号子空间的两个子集,由于两个子集包含有来波方向信息,采用最小二乘算法,能估计出信号的DOA。该方法的分辨性能和LS-ESPRIT算法的性能相当,但运算量比LS-ESPRIT以及MUSIC的要小很多。计算机仿真试验证实了方法的有效性。