基于块Hankel矩阵构造的双基地MIMO雷达相干多目标定位

该文提出了一种相干多目标情况下双基地MIMO雷达的收发角度估计方法。利用接收协方差矩阵中的元素构造块Hankel矩阵,该矩阵的秩等于目标的总个数,而与目标源的相干性无关,并通过奇异值分解获取信号子空间,最后运用ESPRIT算法估计出目标的发射角和接收角。仿真结果表明:本文算法能有效地估计出相干目标的收发角,且实现自动配对;相对于2维空间平滑算法,在低信噪比和低快拍数情况下,具有更好的估计性能。     

基于矩阵束的MIMO雷达低仰角快速估计方法

针对多径效应的影响,提出了一种基于矩阵束的MIMO雷达低仰角快速估计方法。该方法同时考虑了发射多径信号和接收多径信号,采用单样本数信号矢量构造了一个前后向矩阵束,并利用两个酉矩阵对该矩阵束进行降维处理,最后采用广义特征值分解的总体最小二乘法来估计目标角度。算法不需要估计数据协方差矩阵,可在低信噪比和单样本数情况下,有效地克服多径效应,实现同时多目标低仰角估计,相比最大似然算法,避免了谱峰搜索,计算量小。仿真结果验证了该算法的有效性。     

基于噪声子空间奇异值的信号分量数目估计

针对现有信号分量数目估计方法在低信噪比时估计性能差的问题,该文提出了基于噪声子空间奇异值恒虚警检测方法估计信号分量数目。通过对Hankel矩阵奇异值与噪声能量之间关系的研究,利用高斯白噪声包络平方服从指数分布的特点,在虚警率一定的条件下,获得噪声子空间奇异值检测门限。仿真结果显示该方法在低信噪比时有效。     

认知无线电中基于SVD分解的频谱感知新算法

为了解决认知无线电中能量检测法在低信噪比下检测概率低的问题,本文提出了一种基于SVD分解的频谱感知算法。首先利用接收信号构造Hankel矩阵,通过SVD分解,将矩阵分离成信号空间与噪声空间,再将较小的奇异值置零,然后重构矩阵,从而提高接收信号的信噪比（SNR）。其次,将SVD系统输出信号功率对噪声功率进行归一化,把降低噪声功率转化成提高主用户信号功率。最后进行能量检测,以此来提高检测概率。理论分析和计算机仿真表明,在相同条件下,基于SVD分解的频谱感知算法与传统的能量检测法相比,检测概率显著提高;要达到相同的检测概率,对信噪比的要求也显著降低。      

基于信号共轭循环平稳特性的算法研究

该文在深入研究共轭循环平稳算法内在联系的基础上,提出了一类基于信号共轭循环相关特性的预处理算法(HAM,MHAM,IHAM)。这些预处理算法充分利用了共轭循环相关数据矩阵是。Hankel矩阵的先验信息,通过Hankel预处理来提高算法在低信噪比时的信号到达角估计性能。最后通过计算机仿真实验证实算法的有效性。     

SIMO信道中基于奇异值分解的盲信噪比估计算法

信噪比（SNR）是现代通信信号处理中一个重要参数,许多算法需要它作为先验信息以获取最佳估计性能。针对单输入多输出（SIMO）系统的信噪比估计问题,本文提出了一种盲信噪比估计算法。该算法利用多路信号协方差矩阵的奇异值分解（SVD）,通过计算矩阵的最大特征值实现各路信号信噪比估计。该算法无需知道信号的先验信息,能够对加性高斯白噪声信道（AWGN）和多径信道下常用的数字调制信号进行信噪比估计。仿真结果表明该算法具有良好的估计性能。与单路信号中基于SVD信噪比估计算法相比,该算法无需估计信号空间与噪声空间维数,提高了估计精度,同时大大减小计算复杂度。      

一种二维信号波达方向估计的改进多重信号分类算法

多重信号分类(MUSIC)算法是一种经典的空间谱估计算法。该文以L型阵列为例,针对2D-MUSIC算法在接收信号信噪比较小时对多个目标中方位相近的目标无法进行准确估计的问题,提出一种改进2D-MUSIC算法。该算法对经典2D-MUSIC算法所构成的协方差矩阵进行共轭重组,并将重组后矩阵的平方与原协方差矩阵的平方进行相加求平均,由此获得新的矩阵,再对该矩阵对应的噪声子空间进行加权处理,选取适当的加权系数构造新的噪声子空间,最后通过谱峰搜索识别出目标位置。计算机仿真结果表明,与2D-MUSIC算法相比,改进后的算法在接收信号信噪比较小时对多个目标中方位相近的目标也能够进行信号波达方向(DOA)估计,提高了L型阵列2维DOA估计的分辨率,具有较好的工程应用价值。     

基于交互式伯努利滤波的机动目标TBD算法

低信噪比环境下,原始数据未知门限的机动目标跟踪是一个比较棘手的问题。提出了一种交互式多模型伯努利(IMM-Bernoulli)检测前跟踪(TBD)算法,该算法结合交互式多模型算法对滤波器中每个目标状态的采样粒子进行预测,利用伯努利滤波对目标粒子进行递归,粒子更新阶段结合TBD算法进行,最终实现目标存在概率及分布密度的更新估计。算法对粒子预测时采用多个模型参与转移预测,使得预测粒子更加接近目标真实运动状态,兼备了伯努利TBD算法和交互式多模算法的特点,可用于处理低信噪比环境下机动弱目标检测跟踪问题,且对目标状态的估计更加精准。仿真实验表明,该滤波器能够实时地估计出目标位置,比传统的伯努利TBD算法具有更好的滤波性能。     

基于自适应重采样次数的协方差角度估计算法

针对基于Hermitian分解的协方差角度估计算法在低信噪比(SNR)时性能差的问题,提出了基于自适应重采样次数的协方差角度估计算法。该算法首先用接收信号扫描角度空间内的所有导向矢量,划定正确的角度估计区间,并给出判断角度估计结果是否可靠的标准。然后构造协方差矩阵,得到角度估计结果,接着以角度估计结果是否可靠为判断标准自适应地对原始信号进行重采样。若重采样后对应某一信号的多个角度估计结果都不可靠,则对原信号重采样并估计到达角,直到所有信号均有可靠结果为止。仿真结果表明,所提算法修正异常的角度估计结果,提高协方差角度估计算法在低信噪比时的精确度。     

基于稀疏重构的角度-速度联合目标参数估计方法

针对目标多参数联合估计问题,利用目标在空-频域的稀疏性,提出了一种基于奇异值分解的正则化多测量矢量欠定系统聚焦求解(SVD-RMFOCUSS)算法,实现了目标角度速度参数的联合估计。在发射信号采用脉间捷变频技术的基础上,通过建立基于过完备字典矩阵的角度速度估计信号模型,采用奇异值分解提取信号子空间以降低运算量,利用RMFOCUSS算法完成目标角度速度参数与字典元素的自动匹配,给出了基于MUSIC算法的角度速度联合谱计算公式,并与文中所提算法进行了比较。仿真实验表明文中所提方法可以在低信噪比的情况下实现目标参数的精确估计,且估计性能优于MUSIC方法,具有更高的角度、速度分辨力及估计精度。同时该方法也适用于强欺骗干扰下对弱信号的检测与估计。     

基于改进时频分析方法的天波雷达机动目标检测算法研究

在天波超视距雷达(OTHR)中,基于时频分析技术的机动目标检测算法具有信噪比要求低和参数估计精度高等优点。但是传统的时频分析方法计算量大,难以满足实际工程应用需要。针对该问题,该文提出一种新的时频分析方法,该方法构造时间-频率变化率的联合域并沿时间轴进行积分实现机动目标的检测和参数估计。由于该算法积分路径的特殊性,可以避免使用Hough变换,进而减小算法计算量,使其满足实际工程需要。仿真结果表明,该算法在低信噪比(SNR)下检测效果好,运算量低,且具有更高的参数估计精度;此外,该算法对不同时刻的频率变化率成分进行了积累,有效抑制了多机动目标引起的交叉项,避免了虚假目标的出现。     

基于张量分解的子空间频率估计及应用

为了提高短时序列的频率估计精度,提出一种基于张量分解的适用于多通道接收数据的子空间高分辨率的频率估计算法。该方法将接收到的多通道采样信号按照一定的形式构建三维数据结构,利用子空间的移不变性,采用张量的高阶奇异值分解直接对数据进行频率估计。仿真表明在低信噪比的情况下,基于张量分解的频率估计算法性能要优于基于矩阵奇异值分解的频率估计算法,将此算法应用于目标轨迹测量中,可以获得高精度的目标轨迹参数。     

基于改进矩阵束的超宽带一维散射中心提取方法

针对微动参数的高精度快速估计问题,该文提出一种基于几何绕射(GTD)模型和改进矩阵束的超宽带(UWB)散射中心提取算法,可实现散射中心径向距离、类型参数及散射强度的同时估计.该方法将超宽带条件下的目标GTD散射模型转化为状态空间方程,利用奇异值分解将汉克尔矩阵中的噪声分量去除,对降秩的汉克尔矩阵做广义特征值分解,利用单...     

基于遗传算法的OTHR机动弱目标检测

天波超视距(OTH)雷达系统中,为了获得较高的多普勒分辨率,通常会采用长的相干积累时间,但对于机动目标,长相干积累时间会导致回波的多普勒展宽,不利于检测。对于弱目标,由于其能量低,容易被强目标掩盖,加大了检测难度,针对这一问题,提出一种基于目标运动参数估计的OTHR机动弱目标检测方法。利用遗传算法优越的参数估计性能这一特点,采用遗传算法估计各目标的运动参数,并引入"clean"算法的思想,在时域上逐个减去强目标,以消除强目标的掩盖效应。又考虑到遗传算法的运算量较大,进一步提出采用时频分析算法估计各参数范围,减小遗传算法的运算量。仿真结果表明,与已有算法相比,文中算法具有更高的参数估计精度和弱目标检测性能。     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

非理想条件下基于矢量水听器阵列的一种快速方位估计算法

为了实现少快拍、低信噪比(SNR)条件下的水下目标快速方位估计,该文建立矢量水听器阵列方位估计稀疏表示模型。利用实值转化技术将复数方向矩阵转化到实数域,以便利用平滑L0算法对稀疏信号矩阵进行重构从而得到方位估计结果。该文改进平滑L0算法,利用收敛性更好的复合反比例函数(CIPF)函数作为平滑函数以及提出促稀疏加权的方法,该方法通过加权的方式修正噪声条件下L2范数作为迭代初始值偏离稀疏解较远的问题来促进算法快速收敛于稀疏解。通过仿真验证了该文提出的基于实值转换的促稀疏加权平滑L0算法在少快拍、低信噪比的条件下可以实现优于传统子空间类算法的性能,并且在保证性能的同时,显著提高方位估计的速度。     

机动目标DOA跟踪粒子滤波算法

针对标准粒子滤波算法在机动目标波达方向(direction of arrival, DOA)随时间快速变化导致跟踪精度下降、实时性变差及多目标跟踪误差大等不足的问题,本文提出了一种改进粒子滤波(particle filter, PF)算法。该算法依据阵列信号处理模型和匀速(constant velocity,CV)模型,建立了机动目标跟踪的状态方程和观测方程作为状态空间模型,并在此基础上,借鉴多重信号分类(multiple signal classification,MUSIC)算法谱函数修改了粒子滤波的似然函数,实现了对目标方位的实时动态跟踪。仿真结果表明,与传统子空间类跟踪算法和标准粒子滤波算法相比,本文方法跟踪精度更高,收敛速度更快,抗噪能力及鲁棒性更强,对轨迹交叉的多目标跟踪性能也更优。      

单基地MIMO雷达中基于改进传播算子的二维DOA估计算法

单基地多输入多输出（Multiple input multiple output,MIMO）雷达中,针对传播算子算法在低信噪比和小快拍数环境下进行二维波达方向（Direction of arrival,DOA）估计性能下降的实际问题,提出了一种基于改进传播算子（Propagator method, PM）的二维DOA估计算法。该方法将数据共轭重构的思想应用到传播算子的估计中,借助传播算子的线性变换得到方向矩阵,由方向矩阵还原出二维波达角信息,利用矩阵变换与结构特点实现了仰角和方位角的自动配对。复杂度分析和仿真结果表明,该算法具有较低复杂度的同时,改善了传播算子算法在快拍数有限、低信噪比条件下的估计性能,实现二维DOA的自动配对。