基于累积量的盲自适应波束形成技术

本文研究了在阵列信号处理中使用累积量的问题,以及在相干多径环境中基于累积量的盲自适应波束形成技术。该技术能在阵列几何结构和阵列流形未知的条件下,自适应调整权系数使阵列输出的信号干扰加噪声比最大。     

基于二阶统计量的盲波束形成方法

为了恢复二阶统计独立的源信号,本文给出一种基于二阶统计量的盲波束形成方法。这个方法是基于二阶统计独立的源信号之间统计互不相关的特性．此方法适用于任意流形阵列 的盲波束形成．除了要求噪声是白色的外,源信号必须是有色的随机信号或确定信号。没有必要估计波达方向．在源信号估计中,此方法使信号与干扰加上噪声之比达到了最大。与累积量基方法相比,这个方法的最突出优点有：方法简单,运算量少以及二阶相关矩阵易鲁棒地估计,因此更适合于在移动通信中应用。     

基于多普勒信号的盲自适应波束形成技术

本文相控阵多普勒雷达盲自适应波束形的问题,利用信号的多普勒信息,提出了一种新的盲自适应波束形成方法。     

一种具有快速收敛特性的盲目适应波束形成算法

本文提出一种基于信号的周期平稳特性的具有快速收敛特性的盲波束形成新方法,该盲算法应用于ＲＬＳ技术,仿真实验证明该算法的收敛速度快于Ｃａｓｔｅｄｏ等人提出的随机梯度算法。     

一种改进的基于特征空间自适应波束形成算法

在基于特征空间(ESB)自适应波束形成算法的基础上,本文提出一种更稳健的波束形成算法,该算法利用对阵列接收信号相关矩阵特征分解获得的信号子空间,对基于特征空间算法中的约束导向矢量进行校正,并完成波束形成.计算机仿真和分析证实了该算法性能要优于常规ESB算法的性能.     

一种快速的特征空间自适应波束形成算法

特征空间自适应波束形成（EBAB）算法的权向量是线性约束最小方差（LCMV）波束形成器的权向量在信号干扰子空间上的投影,因此需要计算量巨大的特征分解。基于信号干扰子空间投影矩阵可利用阵列协方差矩阵进行高精度的有理近似的思想,提出一种快速计算自适应权向量的算法。理论分析和计算机仿真表明,在信号干扰子空间维数已知时,该算法的性能同EBAB算法一致,同时该算法对子空间维数过估计不敏感。     

一种新的自适应波束保形方法

基于特征空间(ESB)自适应波束形成算法,提出了一种扩展信号子空间的自适应波束保形方法(SESB)。该方法通过扩展信号子空间、舍弃噪声子空间,克服了当干扰信号和期望信号同时存在时,期望信号大范围的变化造成波束畸变这一缺陷。计算机仿真和分析证明该方法运算量小,具有良好的波束保形能力和稳健性。     

一种稳健的循环时空波束形成算法

该文提出了一种新的基于信号平稳特性的自适应波束形成算法稳健的循环时空波束形成算法。该算法在利用信号的谱相关特性的同时使用了多个时延,将波束形成技术从空域扩展到了时空域,弥补了空域信息的不足,充分利用了信号的循环统计信息和信号的时域特征,提高了信号的选择能力和对干扰、噪声的抑制能力。仿真实验结果验证了该算法的有效性和稳健性。     

一种基于期望信号预减除的稳健自适应波束形成方法

针对自适应波束形成中的期望信号自消除问题,提出一种干扰加噪声协方差矩阵重建稳健自适应波束形成方法。算法具有较低的计算时间复杂度。该方法首先使用波达方向估计技术得到期望信号的波达方向,其次对每两根相邻天线的接收信号进行特定的加权相减,能够减除阵列信号中的期望信号成分,继而得到不含期望信号且保留了干扰加和噪声的更新阵列信号,再次,使用更新阵列信号计算干扰加噪声协方差矩阵,最后计算得到加权矢量。理论分析给出了减除期望信号过程的原理和算法的复杂度,仿真结果表明,在16阵元情况下,所提算法的输出信干噪比(Signal to Interference plus Noise Ratio,SINR)性能比最优值低0.52 dB,因自由度损失造成的性能损失小于0.3 dB,综合性能优于其他对比的方法。     

基于ESPRIT宽带信号测向技术研究

研究了基于ESPRIT宽带信号测向技术,采用信号子空间变换方法分别对2个平移矩阵聚焦处理,并利用窄带ESPRIT测向方法计算出来波方向,提出利用ESPRIT与聚焦处理相结合测向的方法,解决了ESPRIT宽带信号测向精度差问题。通过聚焦处理有效抑制噪声,提高信噪比,从而获得高精度、高分辨率的渐进无偏估计信号方向。计算机仿真验证了算法的有效性。     

色噪声背景下的二维谐波频率估计

针对色噪声背景下的二维谐波频率估计问题,本文提出了拓广的二维ESPRIT算法.该算法对二维MA模型的噪声具有比较好的抑制能力.同时,对于二维频率配对问题,本文给出了一种更为简便的方法.仿真实验验证了算法的正确性.     

基于ML和ESPRIT方法的OFDMA上行链路频偏估计算法

由于载波频偏会给正交频分多址接入OFDMA系统带来子载波之间干扰,从而造成多用户之间的干扰,导致系统性能下降。该文提出一种基于ESPRIT和ML方法联合估计的频偏估计算法。该算法首先使用ESPRIT方法估计出多个可能的频偏构成的子集,然后使用最大似然估计方法在这个有限子集合中搜索出估计的频偏。该算法解决了使用似然估计进行多维搜索的问题,大大降低了算法的复杂度,同时解决了多个频偏估计的问题。     

虚拟阵列实ESPRIT

提出了一种类似ESPRIT的算法来估计波达方向(DOA)。对于等距线阵上的接收数据,此算法先用置换矩阵将其倒向,然后将原数据与倒向后的数据用欧拉公式和三角函数中的和差化积公式加以重新组合,从而形成虚拟阵列数据,在此基础上运用ESPRIT类算法估计波达方向。与U-ESPRIT算法相比较,新算法的不同之处在于:1)数据结构不同,并且其不再具有平移不变性;2)新算法中导向矩阵为实矩阵,因此旋转算符也不再是酉矩阵。仿真实验表明新算法在小样本、低信噪比下的性能优于传统ESPRIT算法。     

一种低复杂度的ESPRIT新算法

该文提出了一种基于QR分解的Power-ESPRIT (以下简称QP-ESPRIT算法) 新算法。首先使用采样数据协方差矩阵的幂(Power)获得噪声子空间的估计,然后对噪声子空间进行QR分解并使用R矩阵估计信源个数,提出了无特征分解的信源个数检测算法SDWED算法。进而,信号子空间的特征向量就可以由Q矩阵确定,从而应用ESPRIT算法获得信源波达方向的估计。该算法不需要预先知道信源个数的先验知识以及分离信号与噪声特征值的门限。在确定信源个数和子空间估计的同时,本文算法与传统的基于奇异值分解算法相比,具有近似性能时却拥有较低的计算复杂度。仿真结果证明了该方法的有效性。     

基于旋转不变技术实现多用户交织OFDM频偏估计

本文提出一种针对多用户交织OFDM载频偏移估计的算法。首先介绍上行链路中交织OFDM的信号结构,利用其周期性质,形成特定的数据矩阵,利用旋转不变技术(ESPRIT)实现载频偏移估计。这种估计方法不需要利用任何训练序列或导频信号,进一步提高了系统频带利用率,降低了计算复杂度。仿真表明,该估计算法在信噪比大于零的情况下也能获得较好的频偏估计。     

基于数据矩阵重构的相干源波达方向 共轭ESPRIT(C-SPRIT)估计方法

 本文提出了一种相干源波达方向估计算法.该方法利用C-SPRIT思想,通过构造数据矩阵,使得无论是否存在相干信号,均能很好估计信号波达方向(DOA).传统的空间平滑技术通过子阵平滑来解决相干源DOA估计问题,但信号之间并没有完全解相干,孔径损失也很大,且最多只能估计2N/3个相干源(N为阵元数目).本文方法也采用空间平滑去相干的思想,但无孔径损失,信号之间完全解相关,提高了相干源DOA估计精度,并且能估计N-1个相干源,该方法利用ESPRIT数值求解进行角度估计,无需角度搜索,运算量小,计算机仿真验证了该方法的有效性和优越性.     

基于ESPRIT算法频率估计的研究

本文提出了一种新的研究频率估计的算法-ESPRIT,该算法利用的是信号子空间的旋转不变性。具体讲述了ESPRIT算法在频率估计上的应用,先描述这种算法在理论上的实现,接着用仿真来证实这种算法的可行性和优势。     

采用酉ESPRIT算法处理多基线InSAR层叠效应

层叠效应(Layover)是SAR成像技术的一个难点,本文在多基线InSAR的框架下,将谐波恢复与信号重构的酉ESPRIT算法应用于解决层叠效应问题。文中建立了存在层叠效应的多基线InSAR的数据模型,指出经典算法在估计精度与视数之间的矛盾,阐明了酉ESPRIT算法的基本原理与优点。进行了仿真实验,实验结果表明在视数较少时,酉ESPRIT算法具有很好的性能。     

基于BPSK和MASK信号源特点的实值ESPRIT算法

在信号源为BPSK和MASK的情况下,提出了一种波达方向（DOA）估计方法。对于等距线阵上的接收数据,此算法根据信号源为实信号的特点,利用欧拉公式形成正弦和余弦数据,并将其加以串联,这相当于将阵元个数加倍,然后在此基础上运用ESPRIT类算法估计波达方向。由于正（余）弦数据为实值数据,所以本文提出的算法可以有效地将运算量减少到相同维数复值运算量的1／4。仿真实验表明新算法不仅估计精度高,而且能够处理的信号个数可大于阵元个数。