一种随机媒质时间反转成像算法

提出在随机媒质中采用时间反转镜对主动换能器阵列超声成像的一种新算法。这种算法主要特征是：对散射中接收的信号进行到达时间分解；响应矩阵频域奇异值分解；时城内目标函数的构建是统计稳定的并且对散射形成峰值。     

一种适用于小样本的迭代多重信号分类算法

当样本数不足时,由采样协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得多重信号分类(MUSIC)算法目标角度(DOA)估计性能下降。为了解决这个问题,该文提出了一种迭代算法通过校正信号子空间来提高MUSIC算法性能。该方法首先利用采样协方差矩阵特征分解得到的噪声子空间粗略估计目标角度;其次基于信源的稀疏性和导向矢量的低秩特性,由上一步得到的目标角度以及其邻域角度对应的导向矢量构造一个新的信号子空间;最后通过解一个优化问题来校正信号子空间。仿真结果表明,该算法有效地提高了子空间估计精度。基于新的信号子空间实现MUSIC DOA估计可以使得性能得到改善,且在低样本数下改善尤为明显。

     

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.      

闪电通道重构的时间反转和多重信号分类技术

近年来,连续宽带阵列信号处理算法在闪电甚高频(VHF)定位领域取得一系列突破性进展,展现出相对于传统广义互相关闪电定位算法的明显优势,可实现对闪电通道高精度、高分辨反演重建,促进对闪电小尺度精细特征的科学研究。文章梳理了宽带甚高频阵列技术在闪电辐射源定位领域的国内外研究进展和应用情况,详细阐述了宽带甚高频阵列时间反转(TR)和多重信号分类(MUSIC)算法的原理和实现步骤,对比分析了两种算法的定位精度、空间分辨率以及抗干扰能力。针对实际观测应用中面临的问题,对一些可能的研究方向进行了展望,供广大研究人员参考借鉴。     

基于频域数据采样和时域信号同步的超宽带时间反转成像

提出一种基于频域数据取样和时域信号同步的超宽带（Ultrawideband,UWB）时间反转（Time-Reversal,TR）成像方法.单个发射机发射UWB脉冲信号到探测区域,时间反转镜（Time Reversal Mirror,TRM）的每个天线单元对散射信号进行细频和粗频数据采样,得到各自单元的频率-频率-多站数据矩阵（individual-FF-MDM）.把所有单元的该矩阵堆砌起来,形成一个全体单元的频率-频率-多站数据矩阵（full-FF-MDM）,并对full-FF-MDM进行奇异值分解（Singular Value Decomposition,SVD）,得到耦合了目标位置信息的左奇异值向量.将每一个左奇异值向量变换成时域脉冲回传辐射,则来自TRM各单元的回传辐射信号在相应目标处同时到达波形的最大值,而在非该目标处则不能同时达到最大值.于是,定义各单元的回传信号乘积作为目标成像函数,可获得良好的横向和纵向分辨率.     

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。     

一种新型微弱ADS-B信号译码算法

广播式自动相关监视(Automatic Dependent Surveillance-Broadcast, ADS-B)广泛应用于空中交通管制,但传播距离远时,ADS-B信号可能十分微弱,不易正确译码。针对此问题,提出低信噪比ADS-B信号的译码算法。该算法计算含噪信号数据块的协方差矩阵,利用该矩阵修正信号起始位置的估计值后,再重新确定新的协方差矩阵,对新的矩阵做奇异值分解,得到脉冲波形估计值;利用脉冲波形估计值与标准脉冲波形分别进行初步译码,并对低置信度比特进行循环冗余纠错。理论计算和仿真表明,在噪声为加性高斯白噪声且前导脉冲位置确定时,该译码算法能明显提高信号的正确接收概率。实验表明,当实测微弱信号的功率为-99 dBm时,正确接收概率为97.9%。     

CS算法结合COAA算法提高机载合成孔径雷达成像质量

该文将对比度最优自聚焦算法(COAA)与基本Chirp Scaling算法(CSA)相结合,对CS算法方位处理过程做适当变化,把COAA算法融入其中,一方面进行精确的无插值距离徙动校正,一方面进行准确的二次相位误差估计和校正,从而提高机载合成孔径雷达的成像质量。通过对COAA算法采用变步长迭代提高二次相位误差估计的精度和速度,增强算法的实用性。文中给出两种算法相结合进行雷达数据成像处理的流程图,并用条带正侧视SAR模式实际雷达数据验证研究结果的有效性。     

高分辨信号DOA估计的跟踪算法

本文论述了一种基于子空间方法的高分辨ＤＯＡ估计跟踪问题的解法，该方法基于对采样数据矩阵的广义奇异值分解。本文讨论了ＧＳＶＤ的更新修正算法，在每步计算中只需有限次的运算，即可由前一次的近似分解结果计算出新的近似分解。     

改进奇异值分解算法在时间域瞬变电磁信号降噪中的应用

奇异值分解降噪算法中,有效秩阶次的判断对降噪算法的性能的影响至关重要。为选取更准确的有效秩阶次,本文研究了奇异值序列的差分,提出判断奇异值分解重构的有效秩阶次的新方法,并应用其对时间域瞬变电磁信号降噪,提高输出信号的信噪比。与现有判断有效秩阶次的算法不同,本文算法考查奇异值序列的归一化差分的峰值而不是最大值,通过选择归一化差分的合适峰值,并综合差分比序列以判断阶次。实验中发现,对于两个大小相近的尖峰,其中差分比小的,更适合作为有效秩阶次。本文算法在降噪的同时,能较好地保留有用信号的波形特征,减小失真。      

基于时间反转的探地雷达多目标成像算法研究

时间反转成像算法用于探地雷达多目标成像时,由于各个目标体的能量聚焦时刻和聚焦能量的强度都不相同,使得智能识别局部能量聚焦时刻成为该算法的瓶颈。为了实现时间反转成像算法用于探地雷达多目标成像,首先在B-Scan 中检测到潜在目标双曲线位置,然后用窗口框出各个潜在目标体的“空间-时间”位置,之后将该“空间-时间”窗口转化为待成像区域中的“位置-埋深”窗口,并对各个潜在目标窗口分别进行时间反转成像,虚假目标不存在能量聚焦,进而剔除虚假目标,实现多目标成像。实验结果表明:该算法能较好地实现多目标成像,由于该算法只对潜在目标窗口进行成像,而不是对整个待成像区域进行成像,大大提高了成像效率。     

Property of the Constant Modulus Algorithm to Capture the Weak Signal

Property of the Constant Modulus Algorithm to Capture the Weak Signal~~     

超宽带信号时延估计算法研究

研究定位中的超宽带(Ultra Wide-band,简称UWB)信号时延估计问题,给出UWB信号的模型,在研究传统的相关法、双谱法及MUSIC算法的基础上,提出一种改进的MUSIC算法.通过仿真实验,给出估计性能曲线,和传统的相关法、双谱法及MUSIC算法相比,仿真结果表明改进的MUSIC算法具有更好的估计性能.     

基于空频分解信号子空间向量的时间反演成像

论文提出基于空频分解信号子空间向量的时间反演成像新方法。利用天线阵列采集的散射场数据建立空频矩阵,奇异值分解该矩阵得到信号子空间向量,以此实现对目标的选择性成像。基于完全散射场数据的成像伪谱包含多个子向量贡献,相当于多次成像叠加,具有统计特性。新方法既避免了传统的空空分解时间反演算法产生的随机相位的影响,又具有较好的抗干扰性能,即使叠加信噪比10 dB的高斯白噪声,也能实现对多个目标的准确成像。     

传感器非线性输入输出信号反演 处理中的"归十"算法

 介绍一种传感器中非线性输入输出信号反演的所谓"归十"算法.其要点是将最大和最小输出信号分别作为坐标轴的十和零.其它输出信号按比例位于其中.输入信号可表示成"归十"的输出信号的五阶反演多项式,即五阶交错级数.该多项式的一阶和二阶项系数的近似值可从两组样本值解其联立方程而得到.其它高阶项系数可从它们可能的最小值到最大值逐步代入多项式,多次迭代后使各计算值接近相应样本值而得到.这些高阶项系数最小值至最大值的范围可从大多数试验的各种可能数据分布情况利用规范化多项式拟合法估计得到,以使寻找最佳系数的范围缩小.最后又进行输出信号的 "去十"化处理,得到输入与此输出信号的五阶反演多项式.以酒精敏感器件的输入输出信号反演为例加以说明.输入信号是等量的酒精,输出信号是敏感元件的电阻或其上的电压降.输出信号经微处理器处理后,酒精量便以反演结果而被显示.反演的精度为酒精量的±1.5%.     

AWGN信道中非恒包络信号SNR估计算法

本文提出一种利用信号自相关矩阵的奇异值分解(SVD)对加性高斯白噪声(AWGN)信道下非恒包络信号信噪比的盲估计算法,并作了详细理论分析.通过对该算法进行计算仿真,结果表明:该算法性能稳定,对MPSK、MQAM信号在实际信噪比为1~20dB时,估计误差小于0.5dB.     

压缩感知观测矩阵的优化算法

为克服基于压缩感知的图像重构算法存在的不足,文中对观测矩阵设计方法进行了改进,并根据稀疏信号的特点对观测矩阵加权,令奇异值分解得到的对角阵对角线上的元素全部为1。通过仿真实验表明,将改进后的矩阵作为压缩感知算法的观测矩阵,在大压缩比时PSNR值约提高(1~2 dB),在小压缩比较时PSNR值提高了(8~9 dB)。     

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。