MIMO系统中应用张量分解进行半盲信道估计的算法分析

针对多输入多输出系统半盲信道估计问题,提出一种基于张量分解的半盲联合信号检测和信道估计算法。其思想是利用张量分解的唯一性,对接收信号构造基于张量分解的平行因子模型,并利用正则交替最小二乘算法对信道和发送信号进行联合迭代估计。仿真结果表明:与传统基于导频信道估计方法相比,所提算法只需少量的导频序列即可获得较高的信道估计精度;与已有的交替最小二乘算法相比,所提算法消除了矩阵求伪逆时可能带来的病态问题,收敛速度较快。文章还详细的分析了正则系数和收敛条件等参数对正则交替最小二乘算法性能的影响。      

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。     

声矢量阵张量分解MUSIC算法

矢量水听器同时、共点测量声场中的声压和振速分量,因此相对于声压水听器能够获取更多的声场信息,多重信号分类算法(MUSIC)是一种具有高分辩能力的方位估计算法,本文对声矢量阵接收信号三阶张量建模,并通过高阶奇异值分解得到信号张量子空间,从而结合MUSIC算法对声源进行方位估计。基于三阶张量奇异值分解得到的信号子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声,并且体现了多维数据之间的关联关系,因此方位估计精度更高。计算机仿真结果表明:矢量阵张量分解MUSIC算法性能优于传统矢量阵MUSIC方法。      

低快拍下多输入多输出雷达中的角度估计算法

研究了双基地多输入多输出(MIMO)雷达中的角度估计问题,提出了一种低快拍下的MIMO雷达的离开角(DOD)和波达角(DOA)联合估计算法。该算法利用矩阵束方法从接收数据中构造出扩展矩阵来进行奇异值分解(SVD),进而进行二维角度估计联合估计。在低快拍数情况下所提算法的角度估计性能优于传统的借助旋转不变技术的信号参数估计(ESPRIT)方法,同时该算法能自动配对、无需谱峰搜索,而且复杂度也低于传统的ESPRIT算法。分析了所提算法复杂度,推导了克拉美-罗界(CRB)。仿真结果验证了该算法的有效性。     

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。     

基于联合矩阵对角化的双基地MIMO雷达DOD-DOA估计

针对双基地MIMO雷达收发角(DOD-DOA)估计问题,该文提出一种基于联合矩阵对角化的快速多目标收发角估计算法。该算法首先根据匹配滤波输出的数据结构,利用奇异值分解和秩1矩阵判断定理将收发角度估计问题转化为联合矩阵对角化问题,然后采用单次-扫描迭代算法对其求解,得到收发阵列流型矩阵,最后通过谱分析方法估计收发角。该算法充分利用匹配滤波输出的所有信息,无需2维谱峰搜索,每次迭代均可得到精确的闭式解,且收发角自动配对。与现有算法相比,该算法不仅提高了角度估计精度,而且有效降低了运算量。仿真结果证明了所提算法的有效性。     

基于 GSVD 的分布式 MIMO 雷达测向算法

针对分布式多输入多输出（multi-input multi-output, MIMO）雷达测向中存在的数据信息提取不充分、运算量偏大等问题，开展了基于广义奇异值分解（generalized singular value decomposition, GSVD）的测向算法研究，以提高低信噪比条件下的角度估计性能。首先，建立了分布式阵列MIMO雷达回波信号的统一化表征模型；其次，将分布式MIMO雷达系统接收阵列数据的多线程GSVD问题转换为一个联合优化问题，运用交替最小二乘（alternating least squares, ALS）技术实现阵列信号流行矩阵的拟合，并引入子空间类算法实现目标角度联合估计；最后，对优化问题增加l1范数约束，避免了每次迭代中进行的奇异值分解运算，降低了算法运算量。仿真实验从角度联合估计、均方误差、运算时间等方面验证了所提算法的有效性。     

基于互相关抽样分解的分布式非圆信号DOA快速估计

在非相干分布式非圆信号波达方向(DOA)估计中,针对利用信号非圆特性后输出矩阵维数扩展带来的较大运算量问题,该文提出一种基于互相关抽样分解的DOA快速估计算法。该算法仅需要从子阵间的扩展互相关矩阵中抽样出少量行元素和列元素,构成两个低维子矩阵,进而通过低秩近似分解便可快速地同时求出左右奇异矢量,即分别对应两个子阵的信号子空间,避免了计算整个互相关矩阵及其奇异值分解运算;最后利用两个子阵信号子空间的旋转不变性通过最小二乘得到DOA估计。仿真分析表明,当行列抽样数大于信源数的两倍时,所提算法与直接基于互相关矩阵奇异值分解的非相干分布式非圆信号DOA估计算法性能相近,但复杂度得到了大幅度降低;而相比于传统的低复杂度非相干分布源DOA估计算法,所提算法利用信号非圆特性具有更高的估计性能。     

基于单快拍MUSIC与改进UTJDL的海杂波抑制算法

要实现船载高频地波雷达对海面目标的快速准确检测，必须对非均匀分布的海杂波进行有效抑制。为此，提出一种单快拍多重信号分类(MUSIC)与改进无迹变换局域联合处理(UTJDL)相结合的非均匀海杂波抑制算法。首先通过单快拍MUSIC算法，将阵列信号转换至角度多普勒域并进行局域联合处理(JDL),以有效降低运算量和提高目标分辨率。然后，利用改进的基于奇异值分解(SVD)的无迹变换(UT)对每个距离元的JDL数据进行预处理以获得更多的一致性数据并进行每个距离元的协方差矩阵估计。最后，根据不同距离单元与待检测距离单元的相关系数估计待测距离单元的协方差矩阵，并由此实现对海杂波的快速有效抑制。仿真实验结果表明，文中提出的算法可以有效提升信杂噪比，有利于目标的快速准确检测。     

极化敏感L型阵模值约束的多参数联合估计

对于极化敏感L型阵列的多参数联合估计问题,采用传统的多重信号分类(MUSIC)算法所需计算量大,采用旋转不变子空间(ESPRIT)算法需要考虑参数配对问题。提出了模值约束下的求根多重信号分类(root-MUSIC)算法,首先利用L型阵列中两个相互垂直的线阵构造两子阵接收数据的自相关函数,采用root-MUSIC算法进行波达方向角(DOA)估计,然后根据模值约束条件构造代价函数,通过闭合式解得到极化参数估计。该算法与传统MUSIC算法相比,大大减少了计算量,同时能够实现参数自动配对,避免了ESPRIT算法的不足。计算机仿真结果表明,该算法的角度估计性能与传统MUSIC算法接近,优于E SPRIT...     

加权最小二乘法和MUSIC法联合测向技术研究

针对传统相位干涉仪测向法精度不高和MUSIC算法空间谱峰搜索耗时长的问题,提出了一种基于加权最小二乘法和MUSIC算法相结合的均匀圆阵测向技术。首先根据阵列短基线组求解相位模糊,并通过引入中间变量将相位差测量方程转化为线性方程组,然后运用加权最小二乘法对其进行求解,并利用信号到达角与中间变量的关系得到信号到达角初始估计,最后MUSIC算法依据信号到达角初始估计进行空间谱峰搜索,得到高精度信号到达角估计。仿真实验对比了所提方法与现有相位干涉仪及MUSIC算法的角度估计精度和耗时,证实了所提方法的正确性和有效性。     

基于降维处理的MUSIC二维DOA估计算法

针对 MUSIC(多重信号分类法)估计方法实现二维 DOA(波达方向)估计的计算量大且遍历搜索耗时的问题,给出了一种基于降维处理的 MUSIC 算法。该算法无需进行二维谱峰值搜索。该算法利用二次优化方法将二维 DOA 估计分解为一维 DOA 估计,先通过一维 MUSIC 估计获得信号与 x 轴夹角,再利用最小二乘算法估计获得信号与 y 轴夹角。最后利用角度关系式得到信号的二维 DOA 估计值。该算法的复杂和搜索范围都大大降低,仿真表明,该算法具有较好的角度估计效果。     

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。     

基于联合奇异值分解的二维DOA估计

文章设计了一种新型三维立体阵列并基于该阵列形式提出了一种基于联合奇异值分解的二维DOA（Direction Of Arrival）估计算法。该方法利用三维立体阵,与平面阵相比大大提高某些方向上的测角精度,在方法中使用了子阵列之间的互相关而不是传统的子阵自相关,有效减小了噪声的影响,提高了估计精度,并且利用联合奇异值分解实现了快速配对。最后数值仿真结果证实了所提方法在增加了估计范围,提高了估计精度。     

色噪声环境下GTD模型的参数估计

本文将能够精确描述高频电磁散射的GTD信号模型引入MUSIC算法,并对MUSIC算法做了相应改进。提出利用特征分析方法中信号与噪声子空间正交特性,使改进后的MUSIC算法既能够精确估计目标散射中心位置,又能估计散射中心类型。本文采用基于四阶累量的MUSIC算法,在一定程度上克服了高斯色噪声对MUSIC算法的影响,拓宽了GTD 模型参数求解的条件。     

基于逼近噪声子空间的求根时延估计算法

多重信号分类(MUSIC)时延估计算法需要多径数估计,且其特征分解和谱峰搜索的计算复杂度较高。针对此问题,给出了一种基于逼近噪声子空间的求根时延估计算法。该算法利用协方差矩阵逆的高次幂逼近噪声子空间与其自身共轭转置的积,并构造多项式等式,以多项式求根的方式避免谱峰搜索,从而降低了计算复杂度。仿真结果表明,在无需多径数估计和复杂度低于MUSIC算法的条件下,所提算法的性能与MUSIC算法的性能相当,并且逼近克拉美罗界。     

基于固有模态奇异值熵的微弱目标检测算法

为检测海杂波中的微弱目标,文中首先提出采用固有模态函数构建海杂波的特征矩阵,解决采用延时嵌入法构建时间序列的特征矩阵时嵌入维数和延迟时间难以确定的困难,然后经奇异值分解获得海杂波的固有模态奇异值,并分析海杂波固有模态奇异值的特点以及目标的影响。分析发现,当目标出现时,海杂波的后6个固有模态奇异值明显增大,而固有模态奇异值熵可以描述目标对海杂波固有模态奇异值的这种影响。在此基础上,文中提出了采用固有模态奇异值熵检测微弱目标的方法。仿真结果表明,与基于盒维数的微弱目标检测算法和多脉冲单元平均恒虚警检测算法相比,该文所提算法的检测性能较好。     

基于矢量传感器MIMO雷达的DOD DOA和极化联合估计算法

该文研究了一种基于多输入多输出(MIMO)电磁矢量传感器阵列雷达目标波离角(DOD),波达角(DOA)和极化联合估计问题。提出一种新型矢量阵MIMO雷达系统模型,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器。在此基础上,该文提出4维MUSIC, ESPRIT和迭代1维MUSIC 3种联合参数估计算法。其中迭代1维MUSIC算法首先利用矢量传感器的内在结构特点获得目标DOA预估计,随后采用MUSIC算法对DOD和DOA分别进行1维搜索获得目标角度的高精度估计,最后给出一种基于ESPRIT的目标极化估计算法。迭代1维MUSIC算法可用于不规则阵列,对接收阵列约束较少,无需2维搜索及多维搜索,还可以利用矢量阵特点扩展阵列孔径提高DOA估计精度。此外,论文还推导了DOD, DOA和极化联合估计的CRB。仿真实验表明,与前两种算法相比,迭代1维MUSIC算法具有与CRB更接近的估计精度。     

基于压缩感知的波束域DOA估计

针对传统波达方向角(DOA)估计算法需要大量采样数据从而导致较高计算复杂度的问题,基于压缩感知理论,利用目标信号空域稀疏性,提出一种基于波束域的多测量矢量欠定系统正则化聚焦求解DOA估计算法。该算法将压缩信号从阵元域映射至波束域,一定程度上克服了稀疏重构算法无法用于低信噪比情况下的缺陷。数值仿真表明,与传统的Capon,MUSIC和l1-SVD算法相比,所提算法可对相干信号进行有效DOA估计,具有较高角度分辨力和估计精度;与RMFOCUSS和l1-SVD算法相比,所提算法具有较低计算复杂度。     

有无源智能反射面辅助无线系统信道估计

毫米波在非视距链路传播中损耗严重,为了进一步提高信号的覆盖范围及传输准确性,提出了一种基于少量有源元件的智能反射面(intelligent reflecting surface, IRS)辅助无线通信的信道估计方案。考虑基于少量能够接收处理信号的有源元件辅助信道估计的模型,利用毫米波信道的稀疏性,通过原子范数最小化(atomic norm minimization, ANM)将信道的相关角度参数转化为空间频率,再通过多信号分类算法降维估计相关角度、深度神经网络简化获取信道状态信息(channel state information, CSI)过程、奇异值分解优化波束成形等方法的优势相结合来估计信道参数,最终获取UE-IRS、IRS-BS的单独信道状态信息。仿真结果表明,所提方案在较低的有源元件开销下,有效降低了信道估计的归一化均方误差。