利用延时预处理的DOA估计方法

针对MUSIC算法的分辨力和测角精度受到信噪比、快拍数等因素限制的问题,提出了利用延时预处理的波达方向(DOA)估计算法,该算法充分利用蕴含在接收数据延时相关函数中的信号角度信息.利用所有阵元接收数据的延时相关函数构造新的阵列输出矩阵进而得到新的协方差矩阵,对其进行特征值分解,得到噪声子空间,最后引入变尺度混沌优化算法来简化空间谱估计函数的构造和谱峰搜索过程.仿真实验表明,该算法分辨率和测角精度均优于MUSIC算法并且减小了计算时间.     

虚拟阵列的四阶MUSIC算法研究

研究一种基于四阶累积量的虚拟阵列扩展技术,以扩大阵列的处理孔径和空间自由度,提高方位估计性能.由于累积量域导向矢量的冗余项可等效为特定位置处假想阵元(虚拟阵元)的响应,因而利用高阶累积量可虚拟扩展阵列孔径,利用四阶累积量与二阶统计量的转换关系,对具有等效阵元互相关的累积量作合并平均处理,可得到虚拟扩展阵列的协方差矩阵,对虚拟协方差矩阵采用MUSIC算法作方位估计.数值分析和湖试处理结果表明,虚拟阵MUSIC算法能有效提高分辨率,减小方位估计方差,并能提高空间有色高斯噪声下的性能和稳健性.     

矢量重构解相干的波达方向估计新方法

针对相干信号波达方向(Direction of Arrival, DOA)估计问题,提出一种新的矢量重构解相干方法——变参考阵元数据互相关矢量重构算法。算法依次改变阵列参考阵元,求得所有阵元接收数据与对应参考阵元接收数据之间的互相关信息,并以此作为重构矩阵的列矢量构造一个等效协方差矩阵,然后基于MUSIC和ESPRIT算法,估计相干信号的波达方向。数学推导和理论分析表明,重构的矩阵能对相干信号完全解相干。算法不损失阵列孔径,在低信噪比和少量快拍数据条件下,估计性能要优于Toeplitz矩阵重构算法和前后向空间平滑算法。     

基于MUSIC算法的Pol-InSAR相位估计方法

提出了一种基于MUSIC算法的Pol-InSAR多干涉相位估计方法.该方法结合维纳滤波理论构造最佳加权矢量,通过对其组成的最佳协方差矩阵特征分解得到信号子空间和噪声子空间,充分利用相应像素对其相邻像素的相干信息,并根据MUSIC算法中信号子空间和噪声子空间的正交性构造空间谱函数,通过谱峰搜索准确地估计Pol-InSAR...     

基于实值信号子空间的虚拟阵列解相干算法

针对存在相干信源时,传统的DOA估计算法失效问题,提出一种基于实值特征子空间的虚拟阵列解相干算法.该算法根据虚拟阵列变换的思想,利用阵列接收数据构造虚拟子阵,实现对信号的解相干处理,并将协方差矩阵从复数域变换为实数域,获得一个实值信号子空间,最后利用实数域ESPRIT (Unitary ESPRIT)估计信号波达方向.该方法避免了阵列孔径损失,保持了阵列的空间分辨率,估计精度高,利用个阵元可估计个信源,且引入实数域处理和无需空间谱搜索,运算量小.计算机仿真验证了该方法的有效性和优越性.     

Y形阵列宽带信号二维来波方向估计

利用Y形阵列结构的特点,提出一种宽带信号二维来波方向的估计方法.该方法在相干信号子空间法的基础上,通过采用流型矩阵展开的方式获得聚焦矩阵,并针对聚焦后的协方差矩阵,利用基于子阵的ESPRIT算法和二维MUSIC算法进行联合估计,从而提高了测向精度且减小了谱峰搜索的范围.理论分析和计算机仿真实验表明,该方法对于非相干信号源和相干信号源都具有较好的估计效果,并具有较低的计算量.     

基于nested阵列的高分辨DOA估计

针对nested阵列对邻近信号的分辨力受信噪比和快拍数等因素限制的问题,提出了基于nested阵列的加权子空间平滑M USIC算法.该算法对协方差矩阵向量化以提高整个阵列的自由度,使用空间平滑恢复新接收数据矢量阵的秩,采用校正的噪声特征值对噪声子空间进行加权,并对信号子空间进行空间谱合成,得到新算法的空间谱函数.通过搜索空间谱函数极大值实现DOA估计.结果表明,该算法在低信噪比及小快拍数条件下,对间隔较近的信号具有高分辨力.     

酉求根MUSIC算法在双基地MIMO雷达中的应用

研究双基地多输入多输出(MIMO)雷达多目标波离角(DOD)和波达角(DOA)的联合估计问题,提出一种酉求根多重信号分类(MUSIC)算法。该算法在求根MUSIC算法基础上,利用协方差矩阵的中心Hermite对称性质,通过酉变换将协方差矩阵的复数运算转为实数,进行实值特征分解得到噪声子空间,对比原协方差矩阵和实值协方差矩阵的特征对应关系,得出酉求根MUSIC谱函数,分两步分别估计目标DOA和DOD,且计算结果自动配对。相对于传统求根MUSIC算法,该算法只进行协方差矩阵的实值特征分解而不需要进行复数运算,因此大大降低了计算量,而且在不降低阵列孔径的条件下无需空间平滑即具有解相干能力。计算机仿真证明了该算法的有效性。     

非圆信号多级维纳滤波DOA估计求根算法

针对非圆信号DOA估计的计算量问题, 运用多级维纳滤波和信号子空间的多项式求根方法, 提出了一种快速算法. 首先利用非圆信号特性构造出扩展阵列输出矩阵, 然后不需进行协方差矩阵的生成和分解, 利用多级维纳滤波求出信号子空间, 针对均匀线阵推导出信号子空间多项式求根方法, 得出目标的DOA估计值. 新算法的均方根误差性能与非圆信号求根MUSIC算法、非圆信号ESPRIT算法、非圆信号扩展传播算子算法等快速算法相仿, 但是计算量小于已有的算法, 特别是在阵元数较多的情况下算法的实时性优势更加明显.     

基于均匀圆阵Toeplitz矩阵集重构解相干算法

针对目前均匀圆阵相干信源波达方向估计的矩阵重构算法仅利用部分阵列接收数据的相关或协方差矩阵部分元素进行重构造成信息利用不完整的问题,提出一种改进Toeplitz矩阵重构算法。利用模式空间变换后的数据协方差矩阵所有行元素信息构造包含阵元完整相关矩阵信息的Toeplitz矩阵集,经与Hermitian转置矩阵相乘及正反向平滑运算得到满秩数据协方差矩阵。该算法能够直接结合子空间类算法实现相干信号的角度估计,无需平滑算法广义特征值分解,同时解决了目前模式空间矩阵重构算法因忽略相位差变化造成的估计性能下降甚至失效问题。计算机仿真结果验证了本文算法的有效性。     

基于矢量阵的自初始化MUSIC方位估计算法

MUSIC空间谱估计突破了常规波束形成中的锐利限,能够对目标进行高精度方位估计.探讨了MUSIC算法在矢量阵上的应用,给出了矢量线阵MUSIC噪声子空间谱估计表达式,利用单个矢量阵元的阵簇估计提供的初始参数,对MUSIC噪声子空间谱进行迭代搜索谱峰实现目标的方位估计,用以提高目标方位估计的精度.对单目标和双目标方位估计进行了仿真研究,在文中的仿真条件下,当满足信噪比大于5dB的条件时,可对目标方位进行较好估计.研究结果表明,通过单个矢量阵元阵簇得出的目标方位估计精度较差,而迭代搜索MUSIC谱峰方法提高了方位估计精度.     

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。     

基于均匀面阵的相干信号源二维DOA估计新方法

相干信号源的来波方向(Direction of Arrival,DOA)估计问题一直是阵列信号处理技术的一个研究热点。现实环境中的信号源多为相干的,针对此问题提出一种改进的相干信号源二维DOA估计算法。通过对接收信号协方差矩阵进行矩阵重构处理,将采样数据协方差矩阵的秩恢复到等于信号源的个数;对重构的协方差矩阵进行特征分解,构造出信号子空间矩阵和噪声子空间矩阵,将两个子空间矩阵联合构造出新的空间谱函数;基于新的空间谱函数进行二维谱峰搜索,即可估计出多个入射信号的二维DOA。使用计算机软件进行仿真验证,仿真结果表明了所提方法的有效性。     

色噪声下圆阵的全加权MUSIC算法

针对色噪声下多重信号分类(Mutiple Signal Classification,MUSIC)算法方位估计的不准确问题,提出一种预处理修正的全加权MUSIC算法。该算法利用估计的噪声相关矩阵对圆阵接收数据进行预处理后即可消除色噪声对方位估计的影响,然后应用修正的全加权MUSIC算法,在不需要知道信源数目的条件下就可实现目标的准确估计。仿真结果证实该方法有效。     

基于非均匀时延的频率估计改进算法

为了减少算法运算量,将多级维纳滤波器引入非均匀时延频率估计中,对原有算法进行改进.改进算法通过简单的乘加运算得到噪声子空间,无需对观测数据协方差矩阵进行特征根分解,因此也更加易于硬件实现;结合一维MUSIC高分辨算法完成对信号频率的参数估计.仿真结果表明：在信噪比大于0dB时,改进算法与原有算法性能相当.     

基于统计估计的图像边缘检测

针对传统的基于微分边缘检测算法的噪声鲁棒性较差这一问题,分析了图像边缘形成机理,依据统计估计评价准则,提出一种基于统计估计的边缘检测算法.该算法将像素点的圆形邻域沿θ方向分割成2个半圆,分别计算出2个半圆内像素样本的均值和方差,分析2个半圆内样本统计估计的有效性,进而排除噪声和纹理对边缘检测的影响.根据边缘两侧像素样本的统计估计偏度呈屋脊形分布的特点,对边缘进行细化和连接,以无噪声Canny算子检测得到的边缘作为先验知识,运用条件概率建立边缘检测评价函数.实验结果表明,基于统计估计的图像边缘检测方法具有较好的检测精度和噪声鲁棒性.     

阵元随机扰动对方向估计的影响

本文研究了阵元随机扰动对方向估计的影响。指出了在阵元随机扰动下,用MUSIC法和数据矩阵分解法得到的方向估计具有统计无偏性,即从统计意义上讲,阵元的随机扰动对如上两种方法的估计性能没有影响。但由于实际短数据的原因,阵元扰动将会使方向估计产生一定的偏差。本文也给出了这种偏差的统计分析和模拟结果。     

基于改进MUSIC算法的二维DOA估计方法

提出了一种改进的二维MUSIC算法,该算法通过重构阵列接收数据协方差矩阵来降低入射信号源间的相关性,抑制信号子空间向噪声子空间的扩散,从而解决用MUSIC算法估计相干信号源到达方向(DOA)时的漏估计问题.该方法不仅对相关信号源的DOA估计有好的特性,也可以提高非相关信号源的DOA估计特性,而且计算量也没有大的增加.仿真试验证明了改进算法的有效性.