一种用四阶累积量进行了DOA估计方法

用四阶累积量构造了一个较通用的累积量矩阵，该矩阵符合ＭＵＳＩＣ算法的结构，从而可进行波达方向估计。由于四阶累积量对高斯噪声和干扰不敏感，从而可提高估计的分辨性能。当完全使用这个矩阵，可估计比经典ＭＵＳＩＣ法更多的源信号的参数。     

一种用四阶累积量进行DOA估计方法

用四阶累积量构造了一个较通用的累积量矩阵，该矩阵符合ＭＵ－ＳＩＣ算法的结构，从而可进行波达方向（ＤＯＡ）估计。由于四阶累积量对高斯噪声和干扰不敏感，从而可提高估计的分辨性能。当完全使用这个矩阵，可估计比经典ＭＵＳＩＣ法更多的源信号的参数。     

基于共轭梯度算法的码时延估计方法

研究了在多址干扰存在并且不考虑功率控制情况下进行用户码时延估计的问题。利用ＭＵＳＩＣ算法可以获得具有抗强多址干扰的时延估计算法,但计算量大,提出了一种基于共轭梯度算法,通过对接收到新样本进行迭代计算,可有效地减少计算量。     

基于四阶累积量的多参数联合估计算法

研究了利用四阶累积量方法估计信号的到达角、极化角和频率．在高斯色噪声情况下四阶累积量参数估计方法可以获得较高的估计精度，但现有的估计方法只利用了四阶累积量矩阵特征分解的特征值，需要多次特征分解和配对运算。计算量很大．提出利用一次特征分解的特征值和特征矢量，这种方法减少了所需的四阶累积量矩阵，且信号参数自动配对,降低了计算量．     

空气声纳信号的高分辨实验与数据分析

完成了一种基于ＴｒａｎｓｐｕｔｅｒＴ－８００芯片的全数字式空气声纳试验系统，并用ＣＢＦ、ＭＵＳＩＣ、ＷＳＦ算法进行了实测数据分析对比研究，证明实验环境中ＭＵＳＩＣ算法、ＷＳＦ算法确有很好的方位分辨和估计性能。     

基于最小冗余线阵的谱相关共轭循环MUSIC算法

本文提出了一种基于最小冗余线阵的谱相关共轭循环ＭＵＳＩＣ 算法。该算法构造了最小冗余线阵的伪数据矩阵并由此进行ＤＯＡ 估计。当采用Ｍ 阵元最小冗余线阵时,该算法的等效阵列孔径为２Ｎ－ １（Ｎ＞ Ｍ） 。理论和计算机仿真实验均表明：与基于均匀线阵的共轭循环ＭＵＳＩＣ 算法相比,该算法具有良好的ＤＯＡ 估计性能,扩展了阵列孔径,抗噪能力强,分辨率高,能用较少的阵元估计更多的信号源方向     

基于最小冗余线阵的谱相关共轭循环MUSIC算法

本文提出了一种基于最小冗余线阵的谱相关共轭循环ＭＵＳＩＣ算法。该算法构造了上冗余线阵的伪数据矩阵并由此进行了ＤＯＡ估计。当采用Ｍ阵元最小冗余线阵时,该算法的等效阵列孔径为２Ｎ－１。理论和计算机仿真实验均表明：与基于均匀线阵的共轭循环ＭＵＳＩＣ算法相比,该算法具有良好的ＤＯＡ估计性能,扩展了阵列孔径,抗噪能力强,分辨率高,能用较少的阵元估计更多的信号源方向。     

声矢量阵快速子空间方位估计算法

针对声矢量阵高分辨方位估计算法运算量大的问题,基于声压振速联合信息处理,提出了一种快速的声矢量阵高分辨方位估计算法．该算法选择参考阵元的电子旋转矢量作为期望信号,运用多级维纳滤波器(MSWF)对信号子空间进行快速估计,不需要计算声矢量阵的互协方差矩阵,不用进行特征值分解,从而大大缩减了计算量．另外,该算法基于矢量传感器声压与振速的相干性原理,充分利用了声压振速组合抗干扰能力,有效抑制了各向同性噪声．理论分析和计算机仿真表明,该算法在拥有良好DOA估计性能的同时,大大减小计算量．     

时—空二维时域平滑MUSIC算法的统计特性分析

在阵列输出数据长度一定的情况下，讨论了阵列输出数据时域平滑预处理时－空二维ＭＵＳＩＣ算法的数学机理及其统计性能分析，得出了最佳时域平滑长度。探讨了在信号发生时域或空域兼并时，时－空二维ＭＵＳＩＣ算法的有效性。计算机模拟与理论分析结果一致。     

基于稀疏重构的窄带弱信号时延估计算法

提出了一种基于稀疏重构的窄带弱信号时延估计算法.利用信号的互相关谱构造数据矩阵,然后建立时延参数的冗余字典,最后通过矩阵奇异值分解在信号子空间中利用正交匹配追踪算法得到高精度时延估计.理论分析和仿真实验验证了算法的正确性和有效性.相比于传统方法,该算法可将窄带弱信号时延估计精度提高约1倍.     

一种改进的RootMUSIC快速算法

MUSIC算法是一种基于特征结构的子空间类超分辨算法,该算法性能优良,但需要估计协方差矩阵并进行特征分解和谱峰搜索,运算量较大。研究了波达方向估计问题并提出了一种改进的快速算法,该算法利用协方差矩阵的子矩阵得到信号子空间,无需特征分解,只需估计该子矩阵,然后用多项式求根的方法代替谱峰搜索,故该快速算法运算复杂度远低于MU-SIC算法,同时性能损失并不太大。理论分析和计算机仿真结果表明此算法是有效的。     

基于子空间的DS-UWB系统高分辨率低复杂度时延估计

研究了在室内多径衰落信道下直接序列超宽带(DS-UWB)系统的时间延迟估计问题,提出了一种基于子空间的高分辨率、低复杂度的时延估计方法。该方法将滑动相关输出的时间平均相关矩阵分解成信号和噪声子空间,然后用MUSIC谱计算,再通过最大值搜索获取时延估计。将滑动相关的时间分辨率与传统相关MUSIC方法的计算复杂度进行了对比。计算机仿真结果表明,在多径时延差接近一个切谱(Chip)周期情况下,新的算法能够有效分辨出多径时延,性能明显高于传统的滑动相关方法。     

基于延时相关预处理的MUSIC算法

针对MUSIC算法的分辨力受信噪比、快拍数及阵元数等因素限制的问题,利用各阵元接收数据的延时相关函数重新构造协方差矩阵,提出了基于延时相关预处理的MUSIC算法.根据阵元间的延时相关函数与原阵列流型及信号延时相关函数的关系,推导了4个与原阵列流型相同（共轭）的延时相关函数矩阵,分别对各矩阵求协方差并按规则求和得到新的协方差矩阵,之后对协方差矩阵进行特征分解,根据信号子空间处理稳健性高和噪声子空间处理估计精度高的特点构造谱函数进行谱峰搜索,实现DOA估计.通过仿真实验验证了本文算法的可行性和有效性.     

基于多级维纳滤波器的信源参数估计

为了解决传统的MUSIC算法需要计算相关函数并对其进行特征值分解或奇异值分解而导致的计算量增加问题,本文基于多级维纳滤波器快速子空间分解方法,分别在远场环境和近场环境中对信源参数进行了有效估计,并提出在一定条件下,可以采用该方法代替对相关函数的计算和分解。该方法计算量小,特别是在阵元数和快拍数较多的情况下优势更加明显。仿真实验证明了该方法的有效性。     

一种小波域盲源分离算法

针对基于相合束广义特征分解时域盲源分离方法受滤波器或时延影响大、性能不稳定的问题,提出了一种基于相合束广义特征分解的小波域盲源分离算法．该算法通过信号小波变换的正交性,增强信号的非高斯性,减小信号的分离难度;利用双正交小波具有线性相位特性且对信号有良好逼近能力的优点,对小波系数进行相合束广义特征分解,得到稳定的分离矩阵．该算法不仅保留了时域算法的优点,而且可以随机选取滤波器,当源信号多于3个时仍可以完全分离出源信号．4个语音信号的盲源分离仿真结果表明了算法的有效性．     

一种阵元位置误差条件下的DOA估计方法

针对存在阵元位置误差时多重信号分类(MUSIC)算法的信号波达方向(DOA)估计性能严重下降的问题,结合微粒群(PSO)算法,提出了一种在阵元位置误差情况下的DOA估计方法.该方法首先根据MUSIC算法原理拟合校准目标函数,然后运用PSO算法对函数进行寻优,再校准误差矩阵,最后利用MUSIC算法进行DOA估计.通过不同的参数设置条件下仿真结果比较,选择估计性能最好的一组作为PSO算法的关键参数设置,并对比了校准前后MUSIC算法的DOA估计性能.仿真结果表明:本文方法能够有效改善MUSIC算法的角度分辨能力.     

一种宽带信号方位估计算法

为了削弱宽带信号方位估计算法在不同程度上受到阵元数目、预角度估计、多次求逆矩阵、多次特征值分解或奇异值分解等因素的制约,提出了一种在传感器阵列存在误差的情况下,采用统计方法的宽带信号方位估计算法.该算法先将传感器阵列接收的宽带信号转换到频率域内;在考虑阵列互耦的情况下,采用统计的方法,推导出阵列流形与噪声子空间正交的结论;最后,利用统计结果和窄带方位估计的方法对宽带信号进行方法估计.仿真试验表明,统计方法计算宽带信号方位具有较好的分辨率和噪声不敏感性,对于任意阵列形式具较低的计算复杂度.采用统计方法求取宽带信号方位具有较高的测向精度和和系统鲁棒性.     

利用空间平滑的协方差秩最小化DOA估计方法

针对传统波达方向角估计算法在相干信号及非均匀噪声下估计精度差、分辨率低的问题,基于空间平滑方法,提出一种接收信号协方差矩阵秩最小化波达方向估计方法．在传统空间平滑方法的基础上,所提算法将接收信号协方差矩阵分别左右乘交换矩阵以得到空间后向平滑协方差矩阵;而后基于平滑矩阵的低秩性,将协方差矩阵重构为无噪声协方差矩阵;最后利用传统MUSIC算法实现波达方向估计．仿真结果表明,与传统MUSIC算法、基于矩阵补全理论的MUSIC算法和秩迹最小化算法相比,所提算法能较好地抑制非均匀噪声影响,且在相干条件下具有较好的波达方向估计性能．     

一种基于L型阵列的二维波达方向估计的新方法

提出了一种在高斯白噪声环境下基于L型阵列的二维DOA估计的新方法。该算法利用阵列结构的特点首先计算3个互相关矩阵,然后用这3个互相关矩阵构造一个特殊的大矩阵,对其进行特征值分解获得信号子空间的估计,进而利用二维ESPR IT方法实现方向角与仰角的估计。该方法不需要谱峰搜索,能够很好地解决参数配对问题。仿真试验表明,该算法估计精度高、计算量小,有一定的实用性。     

基于数据阵共轭重构的MUSIC角估计算法

介绍了一种利用接收数据及其共轭重构得到新的数据矩阵,然后借助于数据阵奇异值分解实现的修正MUSIC算法,并指出了这将有助于改善协方差矩阵特征值的分布,从而提高信号到达方向(DOA)的估计性能。在相同的信噪比和快拍数条件下,该方法无论是在角估计的均方误差、信号源角分辨能力等方面均优于普通的MUSIC算法,并给出了验证理论分析的计算机仿真结果。