目标个数未知时双基地MIMO雷达多目标角度跟踪算法研究

针对目标个数未知时双基地MIMO雷达角度跟踪问题,该文提出一种基于改进自适应非对称联合对角化(AAJD)的目标个数与角度联合跟踪算法。AAJD算法中无法得到特征值变量,因此改进AAJD算法引入主成分顺序估计思想,循环求出特征值,然后运用改进信息论准则估计出目标个数。其次提出目标个数防抖动算法,提高了稳健性。最后改进了ESPRIT算法,完成了目标参数的自动配对和关联。仿真结果表明改进AAJD算法能够成功跟踪目标个数和角度,验证了理论分析的有效性。     

MIMO系统中一种改进的盲MMSE空时多用户检测算法

针对MIMO系统,提出了一种改进的基于子空间的盲MMSE空时多用户检测算法。该算法结合MIMO系统的空间分集技术与Alamouti空时分组码方案,预估计MIMO信道信息并对信号子空间进行预处理,使用正交性能和稳态性能较好的NOOja算法跟踪信号子空间,在自适应过程中对特征值矩阵进行优化,去除迭代带来的噪声,解决了跟踪过程中信号特征值矩阵的近似估计会带来检测器性能恶化的问题。仿真结果表明这种算法,能有效地抑制多址干扰,抗远近效应能力强,尤其在低信噪比、远近效应明显的恶劣环境下,有稳定良好的性能表现。      

一种适用于小样本的迭代多重信号分类算法

当样本数不足时,由采样协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得多重信号分类(MUSIC)算法目标角度(DOA)估计性能下降。为了解决这个问题,该文提出了一种迭代算法通过校正信号子空间来提高MUSIC算法性能。该方法首先利用采样协方差矩阵特征分解得到的噪声子空间粗略估计目标角度;其次基于信源的稀疏性和导向矢量的低秩特性,由上一步得到的目标角度以及其邻域角度对应的导向矢量构造一个新的信号子空间;最后通过解一个优化问题来校正信号子空间。仿真结果表明,该算法有效地提高了子空间估计精度。基于新的信号子空间实现MUSIC DOA估计可以使得性能得到改善,且在低样本数下改善尤为明显。     

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。     

非协作通信中的盲信噪比估计算法

为解决调制识别前端的信噪比估计问题,首先给出了一种新的基于子空间分解的盲信噪比估计算法,新算法通过利用信号的过采样率信息构造特定维数的自相关矩阵,避免了原算法中对信号和噪声空间维数的估计.同时为了降低算法计算复杂度,以及更好地跟踪信噪比的变化,给出了另一种基于PASTd的子空间跟踪算法来进行信噪比的跟踪估计.仿真结果表明,与经典的子空间分解算法相比,改进算法在性能上有着显著的优势;同时基于PASTd的信噪比估计算法相比基于子空间分解的估计算法更好地跟踪了信噪比的时变.     

基于改进传播算子的DS-SS信号扩频序列盲估计方法

本文研究了DS-SS信号的扩频序列盲估计问题,针对现有特征值分解算法失步时间估计不准和计算量大等缺点,提出一种基于改进传播算子的扩频序列盲估计算法,该算法对传统传播算子估计信号子空间的方法进行了改进,使之能够估计扩频序列,并利用信号子空间估计信号失步时间.与基于特征值分解的方法相比,本文算法提高了失步时间的估计精度,并有效的降低了计算量.最后对算法计算量和性能进行了仿真分析和验证,结果表明本文算法有效,计算量远小于现有特征值分解算法,且估计性能在低信噪比条件下更优.     

一种基于MUSIC算法的宽带信号DOA估计

针对传统MUSIC算法在信噪比较低的条件下分辨力下降的问题,提出一种适用于宽带信号的改进MUSIC算法,首先对接收信号进行快速傅里叶变换,将时域信号转移至频域,并划分子带;对每个子带上的信号求解协方差矩阵,进行特征值分解,构造信号子空间和噪声子空间;将信号在两个子空间的投影比值作为参考,进行子带波达方向估计,进而平均求出最终宽带信号波达方向。仿真结果表明,在低信噪比条件下,相比于传统MUSIC算法,所提方法具有较好的空间分辨力。     

一种新的基于改进PASTd的中频信号盲信噪比估计算法

该文提出一种加性高斯白噪声信道下基于改进的紧缩投影近似子空间跟踪(PASTd)的中频信号盲信噪比估计算法。将Gram-Schmidt正交化过程引入到PASTd中,使计算得到的特征向量相互正交,从而保证算法具有更好的收敛性能。对MPSK(M=2,4,8)信号和MQAM(M=16,64,128,256)信号进行了大量计算机仿真,结果表明该算法性能稳定,并且当信噪比变化范围为5dB到25dB时,所得到的估计偏差小于1dB,估计标准差在0.3以内。与基于特征值分解的算法相比,能够在得到精确估计结果的同时,大大减小运算复杂度。     

相控阵卫星跟踪系统角度测量研究

运动平台相控阵卫星跟踪系统是一种高速运动目标实时跟踪系统,测角算法为系统的关键技术之一。结合相控阵卫星跟踪系统方案,重点研究了适用于相控阵卫星跟踪系统的测角算法,在单脉冲测角理论的基础上进行研究和改进,提出了一种基于子阵划分的互相关角度测量方法。该方法能有效地提高输出信号信噪比,并具有运算量小、测角精度高、适宜工程实现等特点,较好地解决了卫星跟踪系统中角度测量的工程需求问题。数值仿真分析了影响测角精度的若干因素,验证了算法的有效性。最后给出了保障测角精度的措施。     

依据信噪比的雷达信号质量估计

在选取信噪比作为信号质量指标的增强技术领域中,针对如何准确快速对复杂交叠的雷达信号进行信噪比估计的问题,改进了子空间分解算法,并且在求解自相关矩阵特征值时引入了结构简单、迭代速度快的粒子群优化(PSO)算法。通过设置不同的电磁环境场景,分别验证了算法的有效性。对比分析表明算法在低信噪比条件下具有明显的优势,为检验信号增强技术的效果提供了有力支撑。     

双基地MIMO雷达目标快速定位算法

基于多级维纳滤波器（MSWF）的双基地多输入多输出（MIMO）雷达定位算法,能够有效的降低计算复杂度,但是会带来信号子空间的扩展问题,降低算法性能。因此本文提出了一种新的目标快速定位算法。首先根据MSWF的自相关模值的特点确定需要的MSWF级数,得到扩展子空间;其次利用ESPRIT方法得到目标的初始发射角（DOD）和接收角（DOA）,最后利用判别准则从初始目标角度得到真实目标角度,并完成目标收发角度的配对。算法不需要特征值分解,计算复杂度较低,并且充分利用了扩展子空间,具有更高的角度估计性能。      

一种基于矩阵重组的功率倒置改进算法

针对功率倒置(Power Inversion,PI)算法信噪比恶化问题,推导了最小均方误差准则下最优权矢量组成,提出了处理增益更高、工作范围更广的改进算法.算法通过对接收信号协方差矩阵进行特征分解,根据特征值分布特点舍去噪声特征向量,组成新的协方差矩阵,得到具有指向性的最优权值矢量.仿真结果表明,与传统PI算法相比,改...     

An angle difference of directions arrival algorithm with channel inconsistency

This article proposes a new angle difference of directions arrival (ADOA) estimation algorithm. It can estimate the values of ADOA of incidence signals even under channel incoherence environments. It performs an eigenvalue decomposition of a covariance matrix to obtain signal and noise subspace eigenvectors, then estimates the values of ADOA of signals based on the orthogonality between the noise subspace eigenvectors and steering vectors. Its main advantage is that the performance is not degenerated by array elements channel incoherence. In addition, the system complexity is also reduced. Finally, the numerical simulations have been conducted to verify the performance improvement of this algorithm.     

Plane rotation-based EVD updating schemes for efficient subspacetracking

We present new algorithms based on plane rotations for tracking the eigenvalue decomposition (EVD) of a time-varying data covariance matrix. These algorithms directly produce eigenvectors in orthonormal form and are well suited for the application of subspace methods to nonstationary data. After recasting EVD tracking as a simplified rank-one EVD update problem, computationally efficient solutions are obtained in two steps. First, a new kind of parametric perturbation approach is used to express the eigenvector update as an unimodular orthogonal transform, which is represented in exponential matrix form in terms of a reduced set of small, unconstrained parameters. Second, two approximate decompositions of this exponential matrix into products of plane (or Givens) rotations are derived, one of which being previously unknown. These decompositions lead to new plane rotation-based EVD-updating schemes (PROTEUS), whose main feature is the use of plane rotations for updating the eigenvectors, thereby preserving orthonormality. Finally, the PROTEUS schemes are used to derive new EVD trackers whose convergence and numerical stability are investigated via simulations. One algorithm can track all the signal subspace EVD components in only O(LM) operations, where L and M, respectively, denote the data vector and signal subspace dimensions while achieving a performance comparable to an exact EVD approach and maintaining perfect orthonormality of the eigenvectors. The new algorithms show no signs of error buildup     

Multidimensional multirate DOA estimation in beamspace

This paper presents a beamspace version of ESPRIT for uniform rectangular arrays that supports closed-form 2-D angle estimation, automatically couples the two components of the source directions, and works with any front end beamformer. The proposed algorithm is based on the observation that beamspace noise eigenvectors can be transformed to vectors that are bandpass and have spectral nulls at the inband source locations. This facilitates multirate processing (involving modulation to baseband, filtering, and decimation) and yields a space with dimensionality equal to the number of beams used to probe the subband rather than the number of elements in the sensor array. The MUSIC algorithm can be applied to this noise subspace. Alternatively, a transformation matrix can be computed a priori, which maps the beamspace signal eigenvectors to the corresponding signal subspace that has the ESPRIT structure. The TLS-ESPRIT algorithm is then modified to obtain the two directions for each source from a single eigenvalue-eigenvector pair. Hence, they are automatically coupled     

一种基于奇异值分解的改进信噪比盲估计算法

针对空间分解类信噪比(SNR)估计算法中子空间维数估计复杂度较高,低信噪比下估计偏差较大的问题,提出了一种改进的子空间维数估计算法。该算法首先利用样本自相关矩阵的奇异值序列进行后向差分得到梯度序列,对梯度序列每一项与后5项之和的比值进行搜索,最大比值所对应的奇异值序号作为信号子空间维数,最后计算信噪比。合适数据长度下的仿真结果表明：在信噪比-5 dB~20 dB范围内,常规通信信号的信噪比估计平均偏差小于0.5 dB,标准差小于1 dB;该算法提升了低信噪比下的估计性能,运算量较小,无需知道调制方式、载波频率、符号率等先验信息,在低信噪比时对信噪比时变的跟踪估计更为准确,且对复杂高阶调制信号同样适用。