任意阵列二维测向的快速子空间算法

为了对空间辐射源进行精确定位，建立了基于任意阵列对多目标源进行二维DOA估计的数学模型。将MUSIC算法推广到三维空间阵列可以对辐射源进行二维高精度测向，但由于其需要估计接收数据的协方差矩阵和进行特征分解，因而其计算量较大。利用多级维纳滤波器的前向递推获得信号子空间和噪声子空间，不需要估计协方差矩阵和对其进行特征分解，从而降低了MUSIC算法的计算量。将文中的方法应用于任意阵列的二维DOA估计中进行计算机仿真和实际侧向系统性能验证，实验结果均表明该方法达到了MUSIC算法的性能，但与常规MUSIC算法相比降低了计算量。     

基于高阶累积量的信源数目估计方法

信源数目确定在许多高分辨阵列信号处理中具有至关重要的作用.提出了一种基于阵列输出4阶累积量信息的信源数目估计方法.通过构造阵列输出的4阶累积量矩阵,根据4阶累积量矩阵特征值分布并采用最小描述长度(MDL)准则估计信源数目.由于信号高阶累积量具有盲高斯特性,该方法能有效地抑制色噪声干扰,可实现色噪声背景下的信源数目估计.仿真分析验证了该方法的有效性.     

基于维度特性的二维到达角及极化参量联合估计算法

针对利用极化敏感阵列进行多维参数联合估计运算复杂度大的问题,提出一种基于噪声子空间维度特性的极化敏感阵列DOA及极化参数联合估计算法。算法利用阵列接收数据协方差矩阵噪声子空间的维度特性构造谱函数,有效降低了极化敏感阵列信号参数联合估计的计算复杂度,同时保证了算法的估计性能。对算法与现有基于长矢量的MUSIC算法的运算复杂度进行了理论分析对比。最后,仿真对比实验验证了算法的有效性。     

基于加权-改进MUSIC算法的相干信号波达方向估计

针对传统波达方向估计算法对相干信号失效的问题,提出了基于加权-改进多信号分类法(MUSIC)的波达方向估计算法。该算法首先对接收数据协方差矩阵进行重构,进而构造出新的噪声子空间,再根据特征值大小对噪声子空间特征向量进行加权,完成对相干信号的波达方向估计。仿真分析表明,算法成功地完成了对相干信号的波达方向估计。     

MIMO雷达二维低复杂度MUSIC测向算法

基于单基地MIMO雷达收发天线共址特性,提出一种二维低复杂度MUSIC测向算法。该算法通过构造交换矩阵和降维矩阵,有效去除MIMO雷达收发联合处理过程的冗余信息,大大降低协方差矩阵的维度。仿真结果表明,该算法的低复杂度特性随阵面天线阵元数的增多越来越显著,同时具有和原MUSIC算法相近的角度估计性能,甚至在低SNR时能获得更高的估计性能。     

基于双平行互质阵列的二维非网格DOA估计

近年来,基于稀疏表示的DOA估计方法已经被广泛提出,这些方法都需预设离散的网格点,而实际信号来波方向在空间域内具有随机性,任何来波方向都是等概率出现,很有可能信号的来波方向不在网格上,因而会存在网格误差,使DOA估计结果产生较大偏差。为提高DOA估计精度,本文提出了非网格的DOA估计模型。同时,为提高测向自由度,本文应用由两个均匀线阵组成的互质阵列,并且将两个均匀线阵平行放置在同一平面。通过将两均匀线阵的互协方差矩阵向量化成互协方差矢量,可得到一维虚拟扩展的接收数据矢量,并且在稀疏表示框架下应用相应的稀疏恢复算法恢复出跟DOA参数相关的向量,从该向量中得到唯一的并且自动配对的二维DOA估计参数。仿真实验结果验证了本文算法较传统算法具有更好的DOA估计性能。     

基于矩阵重构的DOA阵元位置误差校正方法

针对阵元位置误差引起阵列流型出现一定的偏差和扰动,从而导致多重信号分类(MU-SIC)算法估计波达方向(DOA)性能下降的问题,本文在Toeplitz预处理算法的基础上,提出了一种基于矩阵重构的阵元误差校正算法.所提算法首先对有阵列位置误差的协方差矩阵进行预处理,恢复理想情况下协方差矩阵的Toeplitz结构,然后利用核范数优化算法构造凸优化函数,对处理后的协方差矩阵进行降噪,同时保证信号和噪声子空间的正确划分,最后利用MUSIC算法进行DOA估计.计算机仿真和实验分析表明,所提算法有效改善了存在阵元位置误差时MUSIC算法的角度分辨能力,而且减少了由快拍数不足带来的影响,提高了估计精度.     

基于非圆信号的阵列扩展方法

提出了一种基于非圆信号的稀疏分解DOA估计方法,用于解决非圆信号数多于阵元数时的DOA估计问题。该方法首先利用非圆信号为实值信号的特点,用阵列上的接收数据及其共轭拼接构造一个新的扩展矩阵,选择扩展协方差矩阵的第一列作为稀疏分解向量,利用扩展阵列的导向矢量构造完备字典,建立了DOA估计的稀疏模型。仿真结果证明了该方法的可行性和有效性。     

基于RD-SRT的TR MIMO雷达DOA估计算法

针对时间反转MIMO雷达多重信号分类算法计算量庞大的问题,提出一种基于降维子空间旋转变换技术的多目标波达角估计算法。首先,通过采用降维思想对TR MIMO回波信号进行降维处理,来减少计算量; 然后,为构造旋转变换矩阵,对噪声子空间按行分块并取其逆矩阵; 最后,利用该逆矩阵对噪声子空间矩阵旋转变换,得到低维子空间矩阵,对比导向矢量构造谱函数估计目标的角度信息。相对于传统的MUSIC算法,该算法降低了噪声子空间的维度,大大降低了计算量,而且具有更高的目标分辨率。     

基于协方差矩阵重构的互质阵列DOA估计方法

针对现有基于互质阵列的DOA估计方法,由于舍弃差联合阵列中非均匀虚拟阵元而导致最大可估计信号损失的问题,提出了基于协方差矩阵重构的互质阵列DOA估计方法。根据差联合阵列与波程差一一对应的关系,将协方差矩阵扩展为一个部分元素缺失的Toeplitz矩阵;通过求解迹范数最小化问题实行对协方差矩阵中零元素的填充,阵列自由度得到提升;利用求根MUSIC方法实现DOA估计。仿真结果表明:该方法有效提高了可估计信号数且能够有效避免传统稀疏重构算法中模型失配对估计性能的影响。     

高斯色噪声背景下双基地MIMO雷达的多目标定位

针对雷达实际环境中的高斯色噪声背景,提出了基于ESPRIT-like的双基地MIMO雷达多目标定位方法。首先利用接收信号构造四阶累积量,然后根据新的联合导向矢量的特殊结构,对四阶累计量数据实施行抽取运算,提取出发射和接收"扩展"旋转不变因子,并基于ESPRIT-like方法估计出目标的发射角和接收角,最后利用复矩阵法实现了目标收发角度的配对。理论和仿真实验表明:该方法不受接收阵元数目的限制,不需要解相位模糊问题,在低信噪比时,角度估计性能优于已有的相关算法,在高信噪比时,角度估计性能接近于根克拉美罗界。     

基于高阶累积量的聚束合成孔径雷达二维目标特征提取

本文研究了聚束式合成孔径雷达目标特征提取算法。证明在目标由几个主要散射点构成时,特征提取实际是二维谐波恢复的过程。针对高斯色噪声的影响,提出采用高阶累积量的特征提取算法。并提出一种简单的谐波配对算法。该算法与FFT和基于自相关函数的MUSIC算法相比, 能更有效地抑制高斯色噪声的影响。     

基于互质阵列的信号波达方向估计算法

互质阵列具有灵活的天线摆放形式,相比于均匀阵列,有更大的阵列孔径,可以获得更高的自由度从而减少硬件资源成本,因此受到广泛的关注。本文针对基于互质阵列的空间平滑MUSIC算法(互质SS-MUSIC算法)估计精度低、计算量较大的问题,提出两种基于Toeplitz矩阵重构的互质阵列DOA估计算法。两种算法均利用扩展互质阵列构造虚拟阵列,然后进行协方差矩阵重构,重构后的矩阵是Toeplitz矩阵,对其进行划分,对划分后的矩阵进行特征值分解,求出信号子空间和噪声子空间,从而得到信号的入射角度。仿真实验结果表明,两种算法均能够实现信号的欠定DOA估计,与互质SS-MUSIC算法相比,两种算法在低信噪比-5 dB时的测向误差分别减少1.1°和0.5°,具有更高的估计精度;在相同条件下,运行时间分别减少45.9%和69.1%,具有更低的计算复杂度。     

基于无噪协方差矩阵变换的宽带测向算法

宽带测向一直是阵列信号处理领域研究的热点。本文提出了一种基于无噪协方差矩阵变换的宽带测向算法。该算法通过构造变换矩阵,把各个窄带频率处的无噪协方差矩阵变换到聚焦频率处,然后应用子空间的方法得到波达方向估计值。与通常的信号子空间宽带测向算法相比,本文提出的算法不需要对波达方向进行预估计。理论分析证明了本文波达方向估计算法的无偏性。把该算法应用到均匀线阵上,仿真实验结果证明了算法的有效性。     

奇数阶累积量的计算优化及其应用

为了用奇数阶累积量提取非线性振动系统的高次频率耦合特征,定义了四次频率耦合、二三对频率耦合等高次耦合新概念,分析了奇数阶累积量特征,研究了奇数阶累积量计算方法与计算量间的关系,提出了奇数阶累积量计算优化算法,该算法将奇数阶累积量的直接估计变为递推估计,将奇数阶累积量的多维运算转化为一维运算,大幅度减小了计算量,在工程上具有可实现性。用由计算优化算法估计的奇数阶累积量构造的自适应谱线增强器,能有效地从高斯噪声环境中恢复或提取四次频率耦合特征、二三对频率耦合特征等高次耦合特征。理论分析与仿真结果验证了算法的有效性。     

一种稳健的VMUSIC算法

对基于四阶累积量的VMUSIC算法进行了分析,发现在信噪比不高和快拍数有限的条件下,由于对四阶累积量的估计误差较大,从而影响到该算法的DOA估计性能。为了解决这一问题,文中通过对四阶累积量矩阵进行Toeplitz化的办法,提出了一种稳健的VMUSIC算法,并指出该算法对四阶累积量的估计误差不敏感,更适宜在信噪比不高和快拍数有限的条件下工作。计算机仿真试验也证明在同等条件下,与原VMUSIC算法相比,文中算法有着更好的DOA估计性能。     

基于圆柱共形阵的极化MUSIC算法

基于圆柱共形阵列的波达方向(Direction-of-Arrival,DOA)估计方法受载体曲率影响,对于不同极化入射的信号存在极化接收不匹配的问题,同时由于载体的遮挡,会使测向精度下降,甚至产生测向错误.针对极化接收和载体遮挡效应,本文提出了一种基于圆柱共形阵列的极化MUSIC算法,建立了基于圆柱共形阵的极化敏感阵列信号接收模型,考虑载体遮挡效应对信号的导向矢量进行重构,保证了信号子空间和噪声子空间的正交性,并运用极化秩亏MUSIC算法进行DOA估计和极化参数估计.仿真结果表明,与子阵分割极化MUSIC算法相比,本文算法在低信噪比10 dB时测向误差减少了0.9°,具有更高的信号测向精度,信号估计准确率提高了27.4％.     

改进的自适应卡尔曼滤波在SINS 初始对准中的应用

为提高 Sage-Husa 自适应滤波的稳定性,提出一种基于 UD 分解的改进自适应滤波算法。对在线估计的量测噪声协方差阵和状态估计误差方差阵采取UD分解的形式进行标示和更新,结合捷联惯导静基座初始对准模型,对改进自适应算法进行仿真测试。仿真结果表明：在先验量测噪声和状态估计协方差矩阵存在误差的情况下,新算法能够提高对准精度。     

基于粒子群算法的阵列位置误差校正方法

针对阵列信号空间谱估计中出现的阵列位置误差导致高分辨率测向算法性能下降甚至失效的问题,提出一种基于粒子群算法的阵列位置误差校正方法。该方法利用一个方位已知的校正源,从阵列输出的协方差矩阵中提取位置信息,建立目标函数,然后利用粒子群算法运算简单、寻优能力强的优势,估计得到阵元所处的实际位置值。计算机仿真结果表明:经过该算法校正过的MUSIC算法的性能已经接近无阵列位置误差时的性能,显示了该算法的实用性和有效性。     

基于平行因子分析的欠定混合矩阵估计算法

针对现有算法在解决非稀疏信号的欠定混合矩阵估计中,存在的计算时间长、初值敏感且容易陷入局部收敛的问题,提出了基于平行因子分析的欠定混合矩阵估计算法。该算法利用信号的协方差矩阵构造三阶张量,采用直接三线性分解确定交替最小二乘(ALS)算法的初始迭代矩阵,然后在迭代过程中采用标准线搜索加速收敛,最终实现张量分解得到混合矩阵。仿真实验表明,该方法不要求信源的稀疏性,较ALS算法估计精度可以提高约3 dB,迭代次数减少约41.4%～84.3%,是一种有效的欠定混合矩阵估计算法。