基于特征分解MUSIC算法的DOA估计

对于非相干信号源,基于特征分解的多重信号分类算法是一种具有高分辨率的波达方向估计算法,通过计算机仿真比较了它与Bartlett和Capon算法的性能,并分析了信号源数目估计值大于或小于真实值时接收信号入射角的估计结果.研究了一种新的自适应加权空间平滑算法,提高了MUSIC算法对于相干信源DOA估计的性能.仿真结果表明该算法可以有效地去除期望信号与干扰信号之间的相关性,在相干干扰方向上形成深的零陷,在平滑次数相同的情况下新算法比常规空间平滑算法得到更高的输出信干噪比.     

改进的稳健Capon 波束形成算法性能分析

常规Capon 波束形成算法能够使波束在期望信号方向形成高增益,在干扰方向形成零陷,针对该算法在期望信号导向矢量失配的情况下,出现性能下降的问题,研究了期望信号导向矢量在不确定集约束下的求解。通过分析稳健Capon波束形成算法的特点,推导出了期望信号导向矢量在球形不确定集约束下的权矢量近似闭式解,并采用图像法,找到给定条件下的最优约束参数。在指向误差和相位误差存在情况下,对算法进行了仿真分析,仿真结果验证了算法在误差存在情况下的稳健性。     

基于子空间的宽带信号时延差与相位差估计方法

针对现有的Simple、Sumple等互相关类算法无法分辨多个信源的问题，结合子空间算法中的超分辨估计——Music算法，提出了基于子空间的子带相位差估计算法——Music-Simple。对Music-Simple算法的合成性能进行了仿真分析并与传统的Music算法进行对比，验证了Music-Simple算法的正确性。结果表明，Music-Simple具有分辨多个信源的能力，可以同时估计出多个信源在多个接收天线处的相位差，显著提升了对包含多个信源信号的合成性能。     

一种稳健的稀疏Capon波束形成算法

常规Capon波束形成算法具有相对较高的旁瓣增益,且在期望信号导向矢量存在失配时,阵列输出性能下降甚至失效。为解决这一问题,引入了稀疏约束Capon波束形成算法,该算法降低了旁瓣,对期望信号来向不确定具有一定稳健性,但在幅相误差、期望信号指向偏差等多种误差同时存在的情况下其性能下降。本文在稀疏约束Capon波束形成算法基础上,给出了一种稳健的稀疏Capon波束形成算法。该算法主要是在最差性能最优化的情况下,在稀疏Capon上增加了一个导向矢量存在偏差的约束条件。通过计算机仿真,验证了新算法在多种误差环境下的有效性与优越性。     

一种未知信源数的高分辨DOA估计算法

众多性能优良的超分辨波达方向(DOA)估计算法通常需要预先判定信源数目,然而,现有的信源数估计算法在有限采样快拍条件下,估计性能随着信噪比的降低而下降,错误概率也相应增加,最终导致DOA估计失败。该文提出一种超分辨的DOA估计算法,此算法不需要预判信源个数和进行特征值分解,同时在时变环境中,针对快拍数较少的情况下,依然保持较高的角度分辨能力,可以被认为是综合了Capon法和MUSIC法的优点。通过对实验数据和实测数据的计算机仿真及性能分析可得,与传统算法相比较,该算法有很好的鲁棒性和可行性。     

信源数目过估计和欠估计下MUSIC算法分析

分析了信源数目过估计与欠估计情况下的MUSIC算法性能，仿真实验发现信源数目过估计下MUSIC谱出现伪峰，并且随着过估计程度的加重伪峰的数目增多，DOA估计的均方根误差增大；而欠估计情况下某些谱峰消失，并且随着欠估计程度的加重谱峰数减少，均方根误差增大。提出一种改进算法，在信源数目有误差的情况下，该算法的性能好于MUSIC算法的性能。     

基于半正定秩松弛方法的稳健波束形成

现有的向量加权稳健波束形成方法只有在指向误差较小的情况下才能有效估计目标的信号功率;矩阵加权波束形成方法在指向误差较大时,虽然可以估计目标的信号功率,但是它的系统实现复杂度与向量加权稳健波束形成方法相比较大。针对以上问题,该文提出基于半正定秩松弛(SDR)方法的稳健波束形成,该方法优化模型中的目标函数与Capon算法的目标函数相同,优化变量为加权向量的协方差矩阵,并约束方向图的主瓣幅度波动范围、旁瓣电平,协方差矩阵的秩为1。应用SDR方法求得加权向量的协方差矩阵,将该矩阵中的每一行(列)转化为加权向量,然后选择使得方向图主瓣与0 dB之间失真最大值最小的一个加权向量。该方法的系统实现复杂度与传统向量加权方法一致,对信号功率的估计性能与矩阵加权方法相当。仿真实验验证了该文方法可以得到理想的方向图形状,并且可以在大指向误差条件下有效估计信号功率。     

非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

智能天线下行波束中DOA估计方法性能分析

随着智能天线技术研究的深入，其下行链路来波方向（DOA）估计技术逐渐成为研究的热点之一。首先比较了Capon法、Music法及ESPRIT法等几种常用的DOA估计方法。然后对其进行了算法仿真，并就仿真结果对其性能进行了分析。     

功率倒置自适应抗干扰算法的性能分析与仿真

功率倒置算法不需要知道接收信号的先验信息,能够使天线产生指向干扰方向的波束零陷,达到抑制干扰的目的。特别适合卫星导航、扩频通信等强干扰、弱信号环境的抗干扰应用。在对功率倒置自适应算法原理分析的基础上,利用LMS算法迭代计算功率倒置的最优权值,然后针对四阵元天线仿真了功率倒置算法在不同干扰条件下的抗干扰性能,以及迭代步长等因素对算法收敛性能的影响,验证了功率倒置算法的自适应抗干扰性能,从而为后续硬件工程实现奠定了基础。     

一种基于协方差矩阵重构的波束形成算法

针对Capon波束形成在误差条件下敏感性问题,提出一种基于协方差矩阵重构的鲁棒波束形成算法。算法将信号集中出现的空域划分为干扰区域和信号区域,接着将两个区域划分为若干相互独立不重叠的部分,对干扰区域积分,构造出干扰协方差矩阵;再利用采样协方差矩阵特征分解后的最小特征值重构出噪声协方差矩阵;最后对期望信号导向矢量误差进行环不确定集建模,并在期望信号导向矢量环不确定集上进行Capon谱积分来估计期望信号协方差矩阵,根据其主特征矢量获取期望信号导向矢量。仿真表明,与传统鲁棒波束形成算法相比,此方法在不同快拍数以及输入信噪比条件下,性能更加优异且稳定,同时计算量较小。     

用于ADS-B解交织的高增益稳健PA算法

广播式自动相关监视(Automatic Dependent Surveillance-Broadcast,ADS-B)是基于全球卫星定位系统的航空器运行监视技术,由于ADS-B信号随机接入的广播方式和不断增加的空域流量,不可避免会带来信号交织问题,造成解码信息错误或丢失。本文基于正交投影（Project Algorithm,PA）,利用天线阵带来的信号处理增益,提出了一种高增益稳健的解交织算法:首先利用PA估计源信号的导向矢量,然后结合Capon波束形成算法,提高解交织信号的输出信噪比,考虑导向矢量的估计误差,本文将稳健波束形成（Robust Capon Beamforming,RCB）算法应用于此,从而进一步提高解交织算法的稳健性。仿真和实采数据结果均验证了本文所提算法能够较稳健地提高解交织信号的输出信噪比。      

Capon estimation of covariance sequences

Estimating the covariance sequence of a wide-sense stationary process is of fundamental importance in digital signal processing (DSP). A new method, which makes use of Fourier inversion of the Capon spectral estimates and is referred to as theCapon method, is presented in this paper. It is shown that the Capon power spectral density (PSD) estimator yields an equivalent autoregressive (AR) or autoregressive moving-average (ARMA) process; hence, theexact covariance sequence corresponsing to the Capon spectrum can be computed in a rather convenient way. Also, without much accuracy loss, the computation can be significantly reduced via an approximate Capon method that utilizes the fast Fourier transform (FFT). Using a variety of ARMA signals, we show that Capon covariance estimates are generally better than standard sample covariance estimates and can be used to improve performances in DSP applications that are critically dependent on the accuracy of the covariance sequence estimates.This work was supported in part by National Science Foundation Grant MIP-9308302, Advanced Research Project Agency Grant MDA-972-93-1-0015, the Senior Individual Grant Program of the Swedish Foundation for Strategic Research and the Swedish Research Council for Engineering Sciences (TFR).     

基于反对角单位阵的窄带多径信号接收波束形成算法

针对多径环境下传统Capon 波束形成器性能下降的问题,该文首先分析了期望信号对消的原因:对应期望信号和多径干扰的阵列输出间的相位差始终在 附近变化。然后利用反对角单位阵构造新的阵列接收数据协方差矩阵和导向矢量,并根据最小方差无畸变(MVDR)准则求取最优加权矢量进行阵列输出。该算法无需估计多径和非相关干扰信号的来向,且可以通过调整选取的阵元个数获得更优的阵列输出性能。仿真实验表明该文算法的性能优于传统Capon 和多径信号接收类算法。      

凸集优化稳健自适应DBF 的在线算法

一种基于凸集优化稳健DBF 的在线算法,以克服平稳和非平稳误差引起的阵列性能下降。算法利用球体约束和 权值约束,建立凸集最优目标函数,采用最速下降法确定对角负载因子,并迭代求解最优权矢量。仿真结果表明,与传 统的capon 算法和固定对角负载值算法相比,基于凸集优化的迭代算法具有更大的阵列输出信干噪比,从而使阵列具有 更好的稳健性。     

一种联合修正的稳健Capon波束形成算法

指出了水平定向天线阵波束形成的主要难点,没有固定相位中心和受交叉极化来波的影响。阵列受随机性误差使得导向矢量存在较大失配,从而导致传统Capon算法性能下降甚至失效。在阵列误差模型下,给出了基于协方差矩阵与导向矢量联合修正的稳健Capon波束形成算法。该算法首先基于收缩得到一个增强的协方差矩阵,然后通过最大化Capon输出功率实现对导向矢量的修正,同时增加二次型约束防止修正的导向矢量接近于干扰导向矢量上。该算法可转化为二次约束二阶规划问题,并通过凸优化进行求解。仿真结果表明,该算法对天线阵模型中误差矩阵具有一定的稳健性,且较其他稳健算法具有较好的性能。