基于协方差扩展PM算法的波达方向估计

针对基于传播算子方法(Propagator Method, PM)的水听器阵波达方向(Direction of Arrival, DOA)估计在低信噪比或者小快拍数时性能变差的问题,文章提出一种改进的基于PM算法的水听器阵方位估计方法。该方法利用信号子空间的旋转不变性特征对协方差矩阵进行扩展和重构,通过分块协方差矩阵的子矩阵得到传播算子矩阵。通过传播算子矩阵构造扩展噪声子空间,然后利用信号子空间与噪声子空间的正交性估计空间谱。仿真实验和湖上实验的结果表明：相较于传统PM方位估计算法,文中算法在低信噪比或者小快拍情况下具有较好的方位估计性能,在信噪比为0 dB时,文中方法比传统PM算法均方根误差减少0.6°;在快拍数为150时,比传统PM算法的均方根误差减少0.1°。     

矢量水听器阵时频MUSIC算法研究

时频MUSIC算法利用信号的时频分布构造空间时频分布矩阵,并用该矩阵代替传统的相关矩阵进行DOA估计,可以有效抑制噪声和干扰,提高算法的稳健性。时频子空间算法突破了传统子空间算法中阵元数对估计信号个数的限制,时频点包含了信号的时频空三维信息,通过时频点的选择可直接确定信号的频率从而确定阵列流型矩阵。对于宽带信号,在进行方位估计时避免了频域搜索,减少了运算量。将时频MUSIC算法应用于二维矢量水听器垂直线阵中,充分利用矢量水听器的标、矢量信息和信号的时、频信息进行宽带信号的二维波达方位估计。仿真研究验证了算法的有效性。     

一种基于累积量的ESPRIT型盲波束形成算法

讨论一种用于非高斯信号源方位估计的盲波束形成算法。假设背景噪声是二阶统计未知的有色(空间相关)高斯噪声,基于“阵元对”模型的ESPRIT方位估计算法可以通过用累积量矩阵取代自相关矩阵完成信号空间的重建。经过这种处理,加性有色高斯噪声可被滤除,因此算法不需要相关噪声矩阵的知识。当加性噪声源是空间相关矩阵未知的有色高斯噪声时,计算机仿真比较了基于累积量的ESPRIT算法与基于二阶统计的ESPRIT算法的性能。     

非一致性噪声条件下的特征空间波束形成

由于水声环境的复杂性,阵列的噪声分布可能是非一致性的。当阵元噪声功率各不相同时,阵列协方差矩阵特征分解得到的特征子空间与真实目标的特征子空间之间存在误差,导致特征子空间波束形成算法的性能衰减。文章提出了一种新的非一致性噪声条件下特征子空间的估计方法,将阵列协方差矩阵对角线置0,进行特征分解估计的特征子空间将不受阵元噪声非一致性的影响。将该方法应用到特征空间波束形成算法,提高了非一致性噪声条件下特征空间波束形成算法的方位分辨能力。仿真和实验结果验证了所提方法的可行性和有效性。     

协方差矩阵的相关法Toeplitz改进算法

提出一种基于均匀线形阵列的相关Toeplitz矩阵构造方法,建立了两种Toeplitz矩阵的构造方式,结合子空间法形成一种相干信源方位估计的高分辨方法。具体将接收阵列各阵元与参考阵元输出信号做相关,获得一组相关向量,应用相关Toeplitz矩阵构造算法构造阵列输出的Toeplitz矩阵,从而得到去相干的相应接收阵列的协方差矩阵,最后再应用高分辨子空间估计方法完成相干信源方位估计。仿真结果表明：所采用的相关Toeplitz矩阵构造算法达到了很好的去相干效果,并将Toeplitz近似化方法改进成为无偏估计方法,显著提高了相干信源方位估计的精度,并使Toeplitz矩阵构造的计算量减少到原方法的1/M。     

基于协方差矩阵Toeplitz重构的MUSIC算法的波达方位估计方法

针对传统波达方向（Direction of Arrival, DOA）估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题，文章提出了一种基于协方差矩阵托普利兹（Toeplitz）矩阵重构的多重信号分类（Multiple Signal Classification, MUSIC）算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵，并利用新协方差矩阵构造Toeplitz矩阵，然后对其进行特征值分解，得到Toeplitz矩阵的噪声子空间，利用噪声子空间求出信号空间谱，通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径，增加了可估计相干信号的数量，提升了方位估计的性能，提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明，文中方法可估计出更多的相干信号，而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。     

低信噪比下重构协方差矩阵的高分辨MUSIC算法

在满足对称分布的海洋噪声场中,为提高低信噪比条件下目标方位估计性能,提出一种重构信号协方差矩阵的MUSIC算法。利用数据协方差矩阵虚部与对称噪声无关的性质,根据协方差矩阵虚部和虚部MUSIC算法的预估角重构出信号协方差矩阵,在此基础上实现MUSIC算法。仿真结果表明,所提算法相比常规MUSIC算法能有效降低对称噪声的影响,提高方位估计性能,并避免双边谱的出现,有更高的分辨率和更低的分辨门限。还研究了协方差矩阵的Toeplitz修正处理对于MUSIC类算法的改善作用。仿真表明,Toeplitz修正处理能显著提高MUSIC类算法的分辨性能。     

单矢量水听器方位频率联合估计新方法

旋转不变子空间法和多重信号分类法需假设背景噪声为独立的高斯白噪声或自相关矩阵已知,当条件不满足时算法的性能急剧下降。针对这一问题,根据矢量水听器多通道输出的特点,提出了一种基于平行因子模型的单矢量水听器方位频率联合估计方法。首先利用矢量水听器各个通道t时刻和t+1时刻的输出数据,计算声压和各振速不同组合时的四阶累积量,并构建三阶平行因子模型;然后分析了 PARAFAC 模型低秩分解的唯一性条件并利用三线性交替最小二乘算法得到了单矢量水听器阵列流形和相位延迟估计,进而得到目标的方位和频率估计。与旋转不变子空间法和多重信号分类法相比,该方法不需要子空间估计和谱峰搜索,在高斯噪声和拉普拉斯噪声背景下对多目标的分辨能力好于ESPRIT算法。仿真和实测数据的分析结果证明了算法的有效性。     

基于样本协方差矩阵谱分离特性的波达方向估计方法

小快拍条件下利用样本协方差矩阵代替统计协方差矩阵会带来较大误差,导致传统DOA估计算法不能准确估计目标方位。通过分析发现在不同阵元数与快拍数之比情况下,不管相干源还是独立源,样本协方差矩阵都具有明显的谱分离特性,在此基础上提出了采用小快拍的主特征空间目标波达方向估计方法,该方法利用导向向量与噪声子空间正交,且与信号子空间平行的特性,使用导向向量与主特征空间相乘再取反余弦构造出目标DOA估计幅度。仿真与水池实验中阵元数与样本数之比为1时依然可以准确将多个目标分辨出;海试数据验证中,阵元数与样本数之比也同样为1时,两个相邻目标可以正确分辨,而MUSIC算法则有伪目标出现。     

基于波束域相干信号子空间法的宽带源小尺度基阵定向

在给定的小尺度平面四元阵的基础上,主要研究了波束域相关信号子空间算法(BeamSpaceCoherentSignal-subspaceMethod—BSCSM)在宽带源定向中的应用以及性能分析。用实测的直升机噪声仿真产生各个阵元上输出的宽带信号源,并且使得这组信号具有特定的波达方向(DirectionofArrival—DOA)。分别使用波束域相干信号子空间法(BSCSM)和阵元域的相干信号子空间法(CoherentSignal-subspaceMethod—CSM)与非相干信号子空间法(InCoherentSignal-subspaceMethod—ICSM),通过计算机仿真实验对其进行方位估计。在仿真实验中,可以直观地看出三种方法的性能优劣。根据计算机仿真结果,统计意义上的误差分析,以及对宽带平面波波达角度的角度分辨率等性能指标的分析比较,可以得出在小尺度基阵定向研究中,波束域方法能够获得比其他两种阵元域算法更好的性能。     

高斯色噪声下的子阵平滑主模式抑制波束形成

实际海洋波导是一种具有空-时相关性的衰落信道,且其驻留的海洋环境背景噪声场呈现非均匀各向异性的特性,噪声场时空相关性并非δ函数,大孔径声呐的探测性能会受到很大影响。将背景噪声建模为有色高斯随机过程,设计基于子阵平滑的主模式抑制(Dominant Mode Rejection, DMR)波束形成算法,以实现小快拍数条件下具有去相关作用的自适应处理,较好地提高了大孔径阵声呐在高斯色噪声环境下的探测能力。模拟仿真结果表明,该方法具有良好的抑制高斯色噪声的能力。     

基于检测指数判决的子空间方位估计方法

针对子空间高分辨方位估计方法稳健性差的问题,根据协方差矩阵稳定估计所需累积次数和各子空间强度谱检测指数差异性,提出一种基于检测指数判决的子空间方位估计方法.该方法将协方差矩阵频域求取过程转换为经相参补偿的时域求取,降低空间数据稳定性对协方差矩阵估计的影响;依据各子空间强度谱检测指数差异,提取各子空间强度谱判决统计量;根...     

矢量线阵MUSIC算法抗空间混叠性能研究

利用矢量线阵可以提高对目标参数估计的性能,探讨了矢量线阵MUSIC算法的抗左右舷模糊性能和抗空间混叠性能。理论研究和外场试验结果表明,矢量线阵消除了声压线阵MUSIC方位谱的左右舷模糊,在阵元个数保持不变的条件下,空间降采样时,矢量线阵MUSIC空间谱不仅提高了方位估计的精度,而且能够抗空间混叠,在相同的条件下．矢量线阵MUSIC空间谱的抗空间混叠性能明显优于矢量阵常规波束形成方法。     

相干信号子空间宽带目标方位估计算法的误差分析

1.引言 利用子空间结构进行源方位估计的算法有很多,这些方法均利用了方向矩阵张成的子空间等于信号子空间这一特点,经典的方法有MUSIC[1]和ESPRIT[2]等.然而,对宽带目标而言,方向矩阵是关于频率的函数,因此,不同频率成分的信号子空间是不同的.相干信号子空间(CSM)方法[3]利用聚焦矩阵将不同窄带子空间聚焦到中心频率对应的子空间上,这种方法有效地利用了信号的带宽,大大提高了宽带目标方位估计的分辨率,而且能够处理相干目标的情形.但聚焦矩阵又与目标方位有关,这构成了一对矛盾,通常可以采用常规的方法对目标方位进行预估计,然后根据预估计的结果构造聚焦矩阵.预估计的方位通常会有一定的误差,这将导致CSM方法估计的结果存在一定的误差,本文从理论上分析了由于聚焦矩阵误差导致的CSM方法方位估计的误差.     

A joint iterative channel estimation and symbol detection algorithm for OFDM systems over time-varying channels

针对正交频分复用(OFDM)系统中由于信道快时变导致的子载波间干扰(ICI),基于基扩展模型,提出了一种时变信道下OFDM系统联合迭代信道估计与符号检测算法.该算法将基于基扩展模型的最小均方误差信道估计算法与一种类似于串行干扰抵消的符号检测方式相结合,并利用插值和滤波过程进一步消除噪声影响,进而通过联合迭代获得较为精确的符号检测结果.同时,利用带状矩阵近似降低算法的计算复杂度,在复杂度与算法性能之间取得比较好的折中.理论分析和仿真结果表明,在快时变信道条件下,这种新的联合迭代信道估计与符号检测算法可有效地提高系统性能.     

基于协方差矩阵拟合的宽带无网格波达角估计

宽带波达角(Direction of Arrival,DOA)估计是声呐系统阵列信号处理中一个重要的研究方向。文章提出了一种基于相干子空间的改进稀疏与参数方法(Coherent Signal-subspace based Modified Sparse and Parameter Approach,C-MSPA),以实现高精度和高空间方位分辨能力的宽带DOA估计。算法利用聚焦矩阵将各子带上的采样协方差矩阵投影至聚焦频率上。完成聚焦后,文章基于频率选择的范德蒙分解理论对协方差矩阵拟合准则进行改进,使重构的协方差矩阵中包含的DOA信息严格限制在聚焦区域内,最终对重构的协方差矩阵进行范德蒙分解,得到DOA估计值。所提出的算法无需选取正则参数,同时避免了基不匹配问题。仿真和湖上实测数据分析结果表明,所提出的方法实现了高空间方位分辨能力且提高了DOA估计精度。     

应用JADE盲分离算法分离统计相关源

在一些如故障诊断等复杂的应用系统中，不相关源与相关源往往以相互混合方式同时存在于传感观测中。由于相关源不满足盲源离理论有关源的统计独立性前提假设，因此现有的盲源分离算法如基于矩阵联合对角化的算法等，无法从混有相关源的传感观测中准确分离源信号(不相关源信号和相关源信号)。本文在基于矩阵联合对角化的盲分离算法的基础上，提出通过对其源估计进行修正的相关源分离算法。理论分析和仿真结果表明：修正后的基于矩阵联合对角化的盲分离算法，能有效地分离包含相关源的混合观测信号。     

基于固定尺度欧氏距离的变因子递推子空间辨识算法

针对传统的子空间辨识算法采用固定遗忘因子出现跟踪能力不足或效果易受噪声影响等问题,提出了一种新的变因子递推子空间辨识算法.该算法分为3个步骤:首先引入变因子构造与更新Hankel矩阵和观测向量;其次为保证广义能观测阵的列向量收敛于主子空间的正交基上,采用OPAST算法递推估计广义能观测矩阵,并由广义能观测矩阵估计系统参数矩阵;最后用A的特征值空间距离信息实现变因子,因此,算法具有自适应能力.应用于一类时变系统,仿真结果表明改进算法具有较好的快速跟踪能力和跟踪效果.     

用于时变系统辨识的自由响应递推子空间方法

通过对自由响应数据组成的广义Hankel矩阵做满秩分解得到系统的广义能观阵，利用广义能观阵的性质估计系统矩阵，得到与特征系统实现算法(ERA)等同的子空间方法．然后使用投影估计子空间跟踪算法(PAST)替代奇异值分解，跟踪广义Hankel矩阵的左奇异向量矩阵的变化。从而跟踪系统参数的变化．得到了利用自由响应数据(或脉冲响应数据)的递推子空间方法。通过移动质量块一简支梁模型的仿真试验检验，该方法可以有效地辨识时变系统的参数变化，而且计算量小，跟踪精度高，对噪声不敏感。