基于Y形阵的空时二维DOA估计

提出了一种适用于Y形阵的空时二维波达方向估计方法,在低信噪比下实现了无模糊的二维波达方向估计。该方法利用了Y形阵的特性,采用空时二维处理,通过采样数据归一化、加权处理和参数回代的方法解决了前后向模糊问题,具有较好的稳定性和较小的估计方差。由于在低信噪比下的优良性能,该算法适合于复杂电磁环境下的应用。仿真结果证明了方法的有效性。     

基于极化敏感阵列均匀线阵的二维DOA估计

针对残缺电磁矢量传感器的极化敏感阵列多参数联合估计问题,该文提出一种基于正交偶极子的均匀线阵的2维波达方向(Direction-Of-Arrival, DOA)估计算法。首先,对极化敏感阵列的接收数据矢量的协方差矩阵进行特征分解,然后将信号子空间划分成4个子阵,根据旋转不变子空间(ESPRIT)算法分别求出其中1个子阵与其它3个子阵的相位差,再对不同子阵间的相位差进行配对,最后根据相位差求出信号的DOA估计和极化参数。由正交偶极子组成的均匀线阵使用极化MUSIC算法和传统ESPRIT算法无法进行2维DOA估计,该文提出的算法解决了这个问题,并且相较于极化MUISC算法降低了算法的复杂度。仿真结果验证了该文算法的有效性。     

SMI算法的线性Systolic阵实现

本文给出了一种用线性Ｓｙｓｔｏｌｉｃ阵实现ＳＭＩ算法的新方法。ＳＭＩ算法全部由快速Ｇｉｖｅｎｓ变换实现，阵列只需一种工作状态，与现有常规方法相比，计算时间相同，但阵列设计、实现和控制都得到简化。     

基于均匀圆阵相干信源的二维DOA估计

随着通信技术的不断发展,信号传输环境变得日益复杂。针对多径传播形成的高度相关和相干信号测向问题,提出了一种基于均匀圆阵相干信源的二维DOA估计方法。该方法利用均匀圆阵轴向虚拟平移解相干,通过去噪后利用虚拟子阵的自协方差矩阵和互协方差矩阵构造波达方向矩阵,利用该矩阵特征分解估计信号的俯仰角;然后将平滑后的自协方差矩阵与波束空间变换矩阵相乘,使圆阵的导向矢量具备范德蒙结构,最后用求根MUSIC算法估计出信号的方位角,完成了相干信号的二维DOA估计。该方法无需二维谱峰搜索,方位角和俯仰角自动配对,计算量小,分辨率高。仿真实验证明了所提方法的正确性。     

基于Y形阵的空时二维波达方向估计

提出了一种适用于Y形阵的空时二维波达方向估计方法,在低信噪比下实现了无模糊的二维波达方向估计。该方法利用了Y形阵的特性,具有较好的稳定性和较小的估计方差。仿真结果证明了本方法的有效性。     

基于双弧阵的反卷积波束形成

如何快速、准确地判断出水下目标的位置,是水下目标定位一直追求的结果.目前的被动声定位主要使用波束形成,但是实验中使用的波束形成存在稳健性足够但是角度分辨力不足的问题.为了权衡稳健性与高分辨之间的性能,提出一种基于双弧阵的反卷积波束形成方法.将双弧阵经过虚拟阵列变换预处理再进行反卷积波束形成,从而将仅适用于移不变阵型反卷...     

自适应波束形成权递推自脉动阵实现

本文提出了一种新的自适应波束形成权矢量递推计算的数据域并行实现算法及其脉动阵（Ｓｙｓｔｏｌｉｃ阵）实现结构。算法基于数据矩阵Ｑ Ｒ分解方法实现，在脉动阵上实现了完全并行流水处理。     

用均匀中心对称阵二维酉ESPRIT方法实现闭环形式二维角估计

本文提出了适用于一类均匀中心对称阵的二维西ＥＳＰＲＩＴ方法，它是一种闭环匠高分辨算法，对信号源方位角和仰角估计实现自动配对。在算法最后阶段构造一个矩阵，其第ｉ个特征值的实部和虚部分别与第ｉ个信号源相对Ｘ轴和Ｙ轴的方向余波一一对应。该算法除了初始变换和最后矩阵特征分解外，整个过程都采用高效的实值计算。并推广应用ＤＦＴ波束空间，可在较小的空间维数上处理，从而减小计算复杂性。最后对算法做了一阶近似渐进性     

连续信号的反卷积算法

利用变换法统一理论，导出了连续信号的一种卷积反演算法。此法利用ＦＦＴ算法，使计算方便快捷，便于工程应用。     

分段卷积的两种新方法

本文提出了将待卷积两序列均进行分段的两种分段卷积新方法,使运算等待(运算辅助)时间和运算周期减小为原值的几分之一,从而大大减小(输出)延迟尽快开始输出过滤点,也使整个处理时间大大缩短;能大大节省存储空间。上述时间和空间利用上的高效率,对于长冲激响应(高阶)滤波器过滤长信号尤显突出。此外,不再有原重叠保留法的方法性截尾误差。     

无平方根定标Givens旋转算法脉动阵实现的有限字长分析

最小二乘是许多实时自适应信号处理问题的核心，本文针对无平方根的定标Ｇｉｖｅｎｓ旋转方法，分析了用脉动阵实现各处理单元和内部传递参数的动态范围，并确定了保证算法正确实现的需的字长下界。     

二维子阵级相控阵空间谱估计方法

目前已提出的空间谱估计方法绝大多数需要已知所有阵元的数字化输出信号,即为基于阵元级的方法.我们对应用于相控阵雷达的二维子阵级空间谱估计方法进行了研究.采用简化的阵列流形,只需精确地确定子阵相位中心与增益,大大降低了对相控阵的校正成本与代价.但其有效的方向估计范围只在子阵的3dB波束宽度内,然而与波束扫描相结合可实现任意空间范围内的方向估计.通过引入加权网络对子阵输出进行后处理,提高了阵列处理的灵活性;构造了基于理想子阵方向图的简化阵列流形,克服了直接简化阵列流形方法的测向范围无法调整的局限性,并能更好地抑制旁瓣源.仿真结果证实了所提出方法的有效性.     

一种频域卷积反演的新方法

本文提出了一种卷积反演的新方法。这种方法也是通过离散傅里叶变换在频域实现的，但是避免了通常所用的离散傅里叶变换方法当位于分母位置的信号频谱有零点存在时计算失效的问题。本文讨论了新方法与普通离散傅里叶变换方法之间的关系，并且给出了计算示例。     

声学参量阵均方根调制的FPGA实现

均方根预处理声学参量阵方法在定向声音发生系统中控制谐波失真效果较好,还原音频音质优良.采用多速率信号处理的方式对音频信号进行均方根预处理调制,并在Xilinx SPARTAN3开发板上完成FPGA的实现.结果表明,此方法可为对谐波失真影响较小的声参量阵信号处理系统提供选择.     

基于深度卷积网络的二维波达方向估计方法

为了提高信号波达方向估计技术的实时性和简便性,设计了一种适用于估计均匀圆阵多信号波达方向的深度卷积网络。由阵列观测数据得到的协方差矩阵被当作是包含实部和虚部两个通道的图像,将其当作是卷积神经网络的输入张量,便可以通过训练网络来提取包含在信号协方差矩阵中的波达方向细微特征,从而实现准确快速地同时对多个入射信号的方向进行估计的目的。仿真结果表明,设计的深度卷积网络能够很好地完成二维信号波达方向估计。相比于现有估计方法,卷积网络给出的结果更加精确,且算法相对稳定。因此,提出的深度卷积网络在多目标方位识别与跟踪领域具有潜在的工程应用价值。     

去卷积实现雷达方位超分辨

介绍了一种新的信号处理方法:对天线方向图和天线扫描时产生的目标方位回波通过去卷积提高雷达的方位分辨率。计算机仿真结果证明分辨率得到提高。应用雷达实测数据也证明这种去卷积实现方位超分辨的方法是可行的。     

十字阵虚拟基线二维测向算法

提出了一种利用虚拟基线变换估计信号到达角的方法,首先利用圆阵的对称性得到虚拟阵元与参考阵元的相位差,再利用真实阵元与虚拟阵元间的虚拟短基线得到无模糊的相位差估计,通过解长基线的相位模糊得到高精度的到达角估计值。该算法具有较高的估计精度和分辨率,仿真结果证明了文中算法的正确性和有效性。     

卷积神经网络的卷积实现及其性能分析

本文针对广泛应用于图像分类和语音识别等各个领域的卷积神经网络方法,探索不同实现方式下卷积神经网络核心模块的性能差异,并总结出一定的使用规律和策略。随着问题规模和样本的增加,网络结构也日趋复杂,利用各类方法提升卷积神经网络的计算性能尤为重要。实验结果表明在一般情况下采用im2col方法实现卷积运算具有更高的性能,并进一步讨论了数据并行和模型并行的优化。     

用卷积运算实现反卷积

本文首先简介了用卷积运算实现反卷积的原理、方法和实例;其次,提出了该方法的病态问题,并给出了解决的办法;最后,给出了这种方法的估计误差及实例.