一种适用于BICM-ID系统的迭代载波同步算法

在比特交织编码调制迭代译码(BICM-ID)系统中,针对低信噪比条件下传统的同步算法对频偏和相差估计精度较低的问题,提出了一种码辅助的迭代载波同步算法。该算法基于最大期望(EM)算法,并在此基础上加以改进,利用译码器输出的软信息,迭代的在载波同步和译码之间相互交换信息,实现同步和译码的联合处理。仿真结果表明,在译码器收敛的允许范围之内,提出的算法能够大幅提高同步参数的估计精度,在迭代次数达到8次时,BICM-ID系统的误比特率性能基本接近理想同步条件下的译码性能。     

CS损伤成像中的时间逆转多重信号分类算法

将时间逆转多重信号分类算法应用于混凝土结构内部损伤检测中,由换能器单元发射的信号和接收的损伤回波信号构建传递矩阵,并通过对传递矩阵奇异值分解后得到的奇异值反映了损伤的数量与损伤的程度,奇异向量则包含了损伤信息,基于多重信号分类算法结合奇异向量对CS内部结构成像并实现损伤定位,通过数值仿真和实验验证了时间逆转成像方法用于CS损伤检测的可行性,实现了损伤的准确定位。     

基于自适应步长萤火虫-多重信号分类算法的低空目标波达方向估计

该文针对传统多重信号分类算法(MUSIC)不适用于低空多径环境下目标波达方向(DOA)估计且谱峰搜索计算量大的问题,在解相干基础上,提出一种基于自适应步长萤火虫算法的多重信号分类算法.该方法通过对快拍数据协方差矩阵虚拟平滑实现多径信号的完全解相干和满秩相关矩阵的构造,利用自适应步长萤火虫算法实现谱峰搜索和目标角度估计.仿真结果表明,新方法能够在无孔径损失的情况下较好克服低空多径效应影响,快速、精确地估计目标波达方向.      

一种适用于QAM信号的数字载波估计算法

由于发射和接收机振荡器的不稳定或/和信道的多普勒效应,使载波同步与补偿成为QAM信号接收的关键环节。针对非协作通信中各类载波同步算法只能校正较小的频率偏移的局限,根据QAM信号的基本特点,利用传输符号的统计独立特性,提出了一种新的数字载波频率估计方法。该算法采用开环方式,不需要导频数据,可以估计较大的频率偏移;没有反馈环路,复杂度低,实现起来比较简单。同时,该算法作适当改进,可以直接用于载波的估计。计算机仿真结果表明:该算法可以较好地对各种QAM信号中存在的较大频率偏移进行估计并做补偿;适当改进后可以直接用于估计载波频率,估计效果良好有效。     

基于FFT和多重信号分类算法的高精度相干光相移键控信号频率偏移估计算法研究

针对相移键控(MPSK)相干光通信系统中的频率偏移,最常用的两种算法是基于差分相位或者FFT最大值的算法,但是当数据长度较短时,两种算法均很难实现MHz的估计误差,这将使得后续载波相位恢复估计很难恢复原始数据。为满足MPSK系统中频率偏移估计算法高精度和实时性的要求,首次将多重信号分类算法引入该问题,提出一种基于快速傅里叶变换和多重信号分类的频率估计算法,该算法在数据较短时精度很高。利用基本原理和流程图对算法加以说明,并进行了20-GBaud/sQPSK相干光系统仿真实验验证算法切实可行。     

基于空间平滑多重信号分类算法的低角目标探测

基于阵列信号处理的目标回波到达方向（DOA）估计算法具有分辨力强、估计精度高、抗干扰能力强的特点,是目标测向的研究热点。多重信号分类（MUSIC）算法就是基于阵列信号处理的目标测向算法之一,传统的多重信号分类算法假设目标回波是互不相关的,这导致其应用效果受到较大的限制。在传统多重信号分类算法的基础上,采用空间平滑多重信号分类算法进行目标回波解相干处理,推导给出了估计目标回波到达角度的表达式以及该算法的实现流程框图,并结合数值模拟结果以及实际应用场景对该算法的优缺点进行了对比分析。空间平滑多重信号分类算法在低角目标探测、单目标多径问题、多目标到达角度与多目标数量估计等方面具有一定优势。     

基于改进多信号分类算法的波达方向估计

针对传统波达方向估计算法在低信噪比条件下性能表现不佳的问题,本文提出了一种基于改进多信号分类的波达方向估计算法。本文首先对多信号分类算法的不足进行分析,并采用时间平滑技术构建相关矩阵,然后采用相关矩阵建立空间谱函数达到波达方向估计,最后采用仿真实验对算法的性能进行测试。结果表明,本文算法可以快速准确的估计出多个信号的波达方向,降低了波达方向估计误差,而且性能远远优于其它改进多信号分类算法。     

一种基于循环平稳的MPSK信号调制分类改进算法

给出了一种基于循环平稳的MPSK信号调制分类改进算法.通过对预处理后的MPSK信号进行循环平稳分析,把利用高阶累积量对复基带MPSK信号的调制分类推广到已调信号.这种在高阶循环累积量域构成的分类特征不变量具有良好的抗平稳噪声的能力.通过利用二阶循环累量对码元速率的估计,大大减少了累积量估计的运算量.仿真表明,改进后的算法运算精度与原算法大致相当,运算量大大减少.     

一种适用于高阶QAM信号的改进自恢复均衡算法

本文通过对传统的常模算法进行改进和推广,提出了一种新的常模算法.该算法结合了常模算法优势,利用判决符号的指数幂构成的加权项调整代价函数的模值.在均衡器系数迭代的过程中,可以通过选择权系数,调整MSE的估计值,达到提高算法的稳态性能的目的.理论分析和仿真结果表明,对于高阶的QAM信号来说,在相同的条件下,与常规常模算法相比,提出的算法具有更快的收敛速度和更低的稳态残差;当载波频偏较大时,与多模算法相比,提出的算法仅仅均衡信号的能量,不影响其相位,因此,更适合后端的载波同步处理,得到更好的系统性能.     

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。     

基于互相关协方差矩阵的改进多重信号分类高分辨波达方位估计方法

针对经典高分辨波达方位(DOA)估计方法在低信噪比下分辨性能较差的问题,该文提出一种适用于主动探测系统的基于互相关矩阵的改进多重信号分类(MUSIC)高分辨方位估计方法(I-MUSIC)。该方法首先利用主动声呐发射信号已知的特性,将发射信号与阵元接收信号进行互相关,利用互相关序列形成新的空域协方差矩阵,再进行特征分解。理论分析表明,互相关处理在抑制噪声的同时保留了阵元之间的相位信息,可以得到比MUSIC方法更准确的子空间划分,进而提高低信噪比方位估计性能。在此基础上,提出一种基于相关时间门限的改进MUSIC高分辨方位估计(T-MUSIC)方法,通过对互相关序列设置时间门限进一步提高方位估计信噪比。仿真结果表明,与MUSIC方法相比,I-MUSIC与T-MUSIC可以分别使低信噪比时的估计性能提高3 dB和6 dB,相应平均估计误差分别为原方法的77%和53%。在阵元间接收噪声存在相关性时,T-MUSIC与I-MUSIC方法相比可获得8 dB的估计增益,估计性能更优。I-MUSIC与T-MUSIC应用于多目标主动探测,可大幅提高探测系统在低信噪比下的方位估计性能。     

基于子空间旋转变换的低复杂度波达角估计算法

多重信号分选(MUltiple SIgnal Classification, MUSIC)算法是波达方向(Direction-Of-Arrival, DOA)估计的最重要算法之一,但庞大的计算量使其工程实用性大打折扣。为降低MUSIC的计算量,该文基于子空间旋转(Subspace Rotation Technique, SRT)变换思想提出了一种高效改进算法,即SRT-MUSIC算法。SRT-MUSIC利用秩亏特性对噪声子空间矩阵按行分块并以旋转变换得到降维噪声子空间,进而基于该降维噪声子空间与导向矢量的正交性构造空间谱估计信号DOA。理论分析表明：SRT-MUSIC能有效避免空间谱搜索中的冗余运算,从而成倍降低算法的计算量。对于大阵元、少信号情况,所提算法计算效率优势更为明显。仿真实验证明了SRT-MUSIC的有效性和高效性。     

多测量向量模型下的修正MUSIC算法

压缩感知多测量向量(MMV)模型用于解决具有相同稀疏结构的多快拍问题,在传统阵列信号处理应用中多重信号分类(MUSIC)方法是一种常见的方法,但当快拍数不足(低于稀疏度)时其性能将急剧恶化。Kim等人(2012)推导出一种修正的MUSIC谱,并将压缩重构方法和MUSIC算法结合提出压缩感知MUSIC算法(CS-MUSIC),能够有效克服快拍数不足的问题。该文将Kim等人的结论扩展到一般情形,并基于传统的MUSIC谱和CS-MUSIC谱提出一种修正的MUSIC算法(MMUSIC)。仿真结果表明所提算法能够有效克服快拍数不足的问题,并且具有比CS-MUSIC算法和压缩感知贪婪算法更高的重构概率。     

Polynomial coefficient finding for Root-MUSIC

Root-MUSIC (MUltiple SIgnal Classification) is the polynomial rooting form of MUSIC, namely, the spectrum peak searching is resplaced by the polynomial rooting in MUSIC implementation. The coefficients finding of the polynomial is the critical problem for Root-MUSIC and its improvements. By analyzing the Root-MUSIC algorithm thoughly, the finding method of the polynomial coefficient is deduced and the concrete calculation formula is given, so that the speed of polynomial finding roots will get the bigger ex...     

基于降维噪声子空间的二维阵列DOA估计算法

为提高波达方向(Direction Of Arrival, DOA)的估计速度,该文基于子空间的正交性原理,利用噪声子空间及其共轭的交集进行奇异值分解(SVD)实现噪声子空间的降维,并基于降维噪声子空间与导向矢量及其共轭的双正交性提出一种2维阵列快速DOA估计算法。理论分析和仿真实验表明：该算法不受实际阵型的限制,能将传统MUSIC谱的角度范围压缩至原来的一半,从而将DOA估计的计算量降至传统方法的50%,并具有与MUSIC算法相当的角度分辨率。     

基于差值映射的压缩感知MUSIC算法

多快拍(MMV)问题旨在恢复具有相同稀疏结构的多列信号。在传统阵列信号处理中MMV问题的求解通常采用多重信号分类(MUSIC)等确定性方法实现,但当快拍数不足或存在相干源时该类方法失效;而在压缩感知(CS)的概率求解模型下,即使信源相干也能得到恢复结果,但现有算法普遍性能不足。近期Kim等人的研究表明,将CS与MUSIC相结合可得到比二者更加优秀的性能和更为宽泛的使用条件,该方法被称作压缩感知 MUSIC或CS-MUSIC算法。作为一种投影型非凸优化算法,差值映射(DM)最早用于解决X射线晶体学中的相位恢复问题,并逐渐在其他非凸及压缩感知问题的求解中展示出优良性能。该文提出一种基于差值映射的CS-MUSIC算法,仿真结果表明该算法在MMV问题求解中十分有效,相比经典CS-MUSIC具有更高的恢复成功率。     

Estimation of 2-D DOA using non-circular music method for Uniform Circular and Rectangular Arrays

This paper extends the Non-Circular MUltiple SIgnal Classification (MUSIC) (NC-MUSIC) method for the common array geometries including Uniform Circular Arrays (UCAs) and Uniform Rectangular Arrays (URAs), which enables the algorithm to estimate 2-D Direction Of Arrival (DOA). A comparison between UCAs and URAs of NC-MUSIC is made in this paper. The simulations show that the NC-MUSIC method doubles the maximum estimation number of standard MUSIC. Using non-circular signals, the performance of URAs is improved remarkably while the improvement of UCAs is not so significantly. Moreover, the influence of arrays structures on the NC-MUSIC method is dis-cussed.     

基于谱分解的降阶求根MUSIC算法

求根多重信号分类(Root-MUSIC)算法以多项式求根代替谱峰搜索,降低了波达方向(DOA)估计的计算量,但当阵元数较大时,其计算量依然很大。为进一步降低计算量,该文提出一种降阶Root-MUSIC(RD-Root-MUSIC)算法。该算法基于谱分解将Root-MUSIC多项式的阶次降低一半,再根据矩阵特征多项式与求根多项式的关系构造友阵,采用Arnoldi迭代计算得到友阵的L个大特征值(L为信号数)并估计DOA。仿真结果表明,RD-Root-MUSIC估计精度与Root-MUSIC相近,但其在大阵元下具有比Root-MUSIC更低的计算量。     

极化敏感阵列到达方向估计方法的FPGA实现

针对将传统的复数多重信号分类(MUSIC)算法直接嵌入现场可编程门阵列(FPGA)将消耗大量硬件资源和计算时间的问题,该文提出基于极化敏感阵列的实数化的MUSIC算法的FPGA实现方案。利用圆形分布极化敏感阵列的中心对称特性,提出一种实数化预处理方法,该方法直接对接收信号做线性变换,从而简化极化MUSIC算法的后续计算。该FPGA方案通过协方差矩阵模块并行计算、特征值分解模块采用多级清扫的并行Jacobi算法、多尺度谱峰搜索和各个模块的流水线工作来减少算法耗时。试验结果表明,与复数极化MUSIC算法相比,该方案大大降低了硬件资源消耗和时间消耗。     

强约束优化降维MUSIC二维DOA估计

该文针对2维DOA估计运算量大的问题,提出一种改进的降维MUSIC(MRD-MUSIC)算法。MRD-MUSIC算法利用二次优化方法将2维DOA估计分解为两级1维DOA估计,从而大大降低了运算量。其中采用对优化函数直接求导的方式求解问题函数,使方向向量得到了较强约束,因此求解结果更加接近最优解。仿真实验验证了算法的正确性,角度估计运算效率高,无角度配对过程,且具有较高的成功率与精确度。