基于多级维纳滤波器降维技术的波达方向估计

针对基于子空间分解的参数估计算法所存在的运算量大、信噪比门限高等缺点，提出了采用多级维纳滤波器进行波达方向估计的方法，该方法将波达万向估计和多级维纳滤波器相结合，即降维的波达方向估计，克服了基于子空间分解算法的缺点，计算机仿真说明了这种降维的波达方向估计方法是有效的，可以应用在快拍教很少和信干噪比很低的情况。     

一种快速的相干信源超分辨方法

提出一种快速的相干信源超分辨方法,信号子空间由空间平滑的Lanczos算法的若干步递推得到．由于该方法只利用到某一信源的训练信号就可实现对所有信号的DOA进行快速估计,不需要对协方差矩阵作特征值分解和多级维纳滤波器的后向递推,所以该方法具有低复杂度和小运算量的特点,更适合实时处理的要求．计算机仿真表明,在低信噪比和小样本的情况下明显优于常规的EPSRIT方法,在高信噪比和大样本的情况下具有和常规ESPRIT方法同样的估计精度．     

低复杂度MIMO雷达波达方向的估计方法研究

为了降低MIMO雷达的运算复杂度,研究了基于对回波信号降维处理算法和基于子空间重构的信号子空间重构（SsR）算法的两类波达方向（DOA）估计方法．通过对5种算法的对比和仿真分析可知：RD—ESPRIT算法相比其他空间谱搜索算法,对降维矩阵的选择较敏感,更强调降维后阵列流型的旋转不变性;RD-求根算法、RD—MUSIC算法和RD—Capon算法则有更好的角度估计性能;RD-ESPRIT算法和RD-求根算法运算量相比其他三种算法低一到两个数量级;RD—ESPRIT算法运算复杂度最小．     

低复杂度多输入多输出雷达目标角度估计方法

针对多重信号分类(multiple signal classification,MUSIC)算法通过谱峰搜索得到目标的角度估计的计算复杂度较高的问题,提出一种用于单基地多输入多输出(multiple input multiple output,MIMO)雷达目标角度估计的低复杂度求根MUSIC方法。首先通过降维变换降低接收数据的维度,然后在低维空间中根据导向矢量和噪声子空间的正交性,构造求根多项式,并通过求解该多项式的根来得到目标的波达方向(direction of arrival,DOA)估计。仿真实验表明,与MUSIC算法和RC-MUSIC算法相比,该算法具有更低的运算复杂度,且在低信噪比条件下具有更好的角度估计性能。     

一种改进的二维ESPRIT算法

针对二维旋转不变子空间算法(estimation of signal parameters via rotational invariance technigues,ESPRIT)在求解信号时协方差矩阵存在阵列冗余问题,提出一种改进后的二维ESPRIT算法。该算法利用阵列结构原理构造2个互相关矩阵,然后由合并的特殊大矩阵进行奇异值分解来估计信号子空间,最后利用2D-ESPRIT方法实现二维测向。该算法估计精度高,计算量小,通过空间平滑后既能对相干信号进行估计,也能同时估计非相干信号。     

基于降维实值ESPRIT的多输入多输出雷达波达方向估计

为了提高多输入、多输出雷达目标角度估计的性能,同时尽可能减轻算法的计算负担,提出了一种用于单基地多输入、多输出雷达波达方向估计的降维实值ESPRIT算法。首先,通过降维变换将高维接收数据转换到低维空间;再利用反射信号的特性,将观测数据的实部和虚部拼接从而构造出元素加倍的实值观测数据矢量;然后,在降维空间中构建扩展导向矩阵的实值旋转不变关系;最后,通过求解实值旋转不变方程来获得目标方位的估计。与常规ESPRIT算法相比,该算法可以获得更好的角度估计性能,同时具有更低的运算复杂度。仿真结果证明了本文算法的有效性。     

基于多级维纳滤波器的高分辨测向研究

针对多级维纳滤波器在降维和计算复杂度低方面的突出特点,对多级维纳滤波器在采样率对其滤波性能影响方面进行进一步研究。通过理论推导得到了输出功率比率期望误差与采样率之间的关系公式。计算机仿真验证了多级维纳滤波器在波达方向估计时此公式的正确性。     

一种新的二维ESPRIT算法的研究

提出了一种新的基于垂直阵列结构的二维ESPRIT方法来估计信号的DOA，此方法只需3个均匀直线阵就可估计用户的二堆DOA．该方法利用其中的一个直线阵来组合两个线阵分别估计的一堆DOA，最大误差不超过0．6％，改善了DOA的估计性能．     

一种数据选择多级维纳滤波算法

针对阵列信号自适应处理器收敛性能会由于目标类型干扰影响显著恶化的问题,提出一种采样数据选择算法,可以有效抑制干扰信号对自适应滤波器性能的影响。通过对多级维纳滤波器采用数据选择算法后,显著提高了其抗干扰能力和在非平稳、非高斯环境下的快收敛性能。最后通过实验仿真验证了此算法的有效性。     

一种基于广义特征向量的改进ESPRIT测向算法

基于信号子空间的ESPRIT算法不需要进行谱峰搜索,但是估计方差大于MUSIC算法。该文提出了一种基于广义特征向量的ESPRIT算法,利用信号子空间旋转不变关系矩阵的广义特征向量估计信号波达方向,得到了比基于广义特征值算法更准确的方向估计结果。该算法充分利用了信号子空间的旋转不变特性,通过利用信号子空间与阵列流形的关系进行波达方向估计,实验证明该算法能够在保持小计算量的优势下达到与MUSIC算法相近的性能。     

矢量阵的非空间ESPRIT算法

矢量水听器同时测量声场中某点的声压和质点振速的正交分量,单个矢量水听器可视为空间共点阵.建立了任意阵型矢量阵的数据模型,研究了任意阵型矢量阵的非空间ESPRIT算法.非空间ESPRIT算法不是利用空间2个子阵组成的矩阵对,而是利用矢量水听器不同的输出分量组成矩阵对完成目标的二维角度(水平方位角和仰角)估计.仿真研究了该算法对单个源和多个源方位估计的情况,并利用外场试验数据验证了算法的有效性.结果表明,在当时的试验条件下,常规波束形成获得的主瓣波束宽度为30°左右,而非空间ESPRIT算法对目标方位估计的标准差为3°左右,说明基于矢量阵的非空间ESPRIT算法在未知阵列流形的前提下可对目标进行高精度方位估计.     

基于ESPRIT算法的L-型矢量阵源方位估计

建立了水平L-型矢量水听器阵列的数据模型,研究了利用ESPRIT算法同时对目标的水平方位角和仰角进行高分辨率角度估计,仿真L-型矢量水听器阵对单个源和多个源的方位估计情况,并和相同阵型的声压阵方位估计性能进行比较,结果表明,相对于声压阵,矢量阵可以在不增加阵孔径的前提下提高对单源方位估计的精度,获得的增益为6dB左右,同时提高了对多目标方位的分辨能力。     

一种基于L型阵列的二维波达方向估计的新方法

提出了一种在高斯白噪声环境下基于L型阵列的二维DOA估计的新方法。该算法利用阵列结构的特点首先计算3个互相关矩阵,然后用这3个互相关矩阵构造一个特殊的大矩阵,对其进行特征值分解获得信号子空间的估计,进而利用二维ESPR IT方法实现方向角与仰角的估计。该方法不需要谱峰搜索,能够很好地解决参数配对问题。仿真试验表明,该算法估计精度高、计算量小,有一定的实用性。     

基于矩阵束方法的ESPRIT算法改进

主要研究了一种ESPRIT的改进算法,该算法利用奇异值分解实现多维角度估计参数配对.由于在一定条件下会出现角度估计模糊的现象,在此基础上采用一种矩阵束的方法作进一步的改进,构造的对角阵中每个不同元素对应于不同信号源的方位角和仰角,并且互不相同.这样特征分解得到的可逆阵唯一,因而特征对角阵中的元素必唯一.从特征对角阵中取的元素实部和其对应的负虚部可求得信号源的二维方向角,克服了二维DOA估计中的角度模糊问题.通过算法仿真证实提出的改进算法的有效性.     

基于矩阵束方法的ESPRIT算法改进

主要研究了一种ESPRIT的改进算法,该算法利用奇异值分解实现多维角度估计参数配对.由于在一定条件下会出现角度估计模糊的现象,在此基础上采用一种矩阵束的方法作进一步的改进,构造的对角阵中每个不同元素对应于不同信号源的方位角和仰角,并且互不相同.这样特征分解得到的可逆阵唯一,因而特征对角阵中的元素必唯一.从特征对角阵中取的元素实部和其对应的负虚部可求得信号源的二维方向角,克服了二维DOA估计中的角度模糊问题.通过算法仿真证实提出的改进算法的有效性.     

基于实值信号子空间的虚拟阵列解相干算法

针对存在相干信源时,传统的DOA估计算法失效问题,提出一种基于实值特征子空间的虚拟阵列解相干算法.该算法根据虚拟阵列变换的思想,利用阵列接收数据构造虚拟子阵,实现对信号的解相干处理,并将协方差矩阵从复数域变换为实数域,获得一个实值信号子空间,最后利用实数域ESPRIT (Unitary ESPRIT)估计信号波达方向.该方法避免了阵列孔径损失,保持了阵列的空间分辨率,估计精度高,利用个阵元可估计个信源,且引入实数域处理和无需空间谱搜索,运算量小.计算机仿真验证了该方法的有效性和优越性.