三种修正的宽带信号子空间谱估计方法

宽带子空间谱估计法存在着信号子空间维数扩展问题，给信号子空间和噪声子空间划分及子空间谱估计带来困难。本文提出了信号子空间维数估计法、噪声子空间加权法和扩展MUSIC法3种修正的子空间谱估计方法，它们均有效地解决了这一问题。信号子空间维数估计法用包含信号99．9％以上功率的特征值数目来估计信号子空间维数，正确地划分了子空间。噪声子空间加权法和扩展MUSIC法不用划分子空间，而是给噪声子空间特征向量或全空间特征向量加权，减小了子空间维数扩展的影响。计算机仿真验证了3种方法的有效性。     

基于信号子空间的正交矢量谱估计新方法--OVSS法

频谱估计被广泛的应用于工程中，在自相关阵的特征值分解中，存在着两个特征矢量子空间－－信号子空间和噪声子空间，基于信号子空间的频谱估计方法具有较好的统计稳定性；基于噪声（正交）子空间的频谱估计方法则具有很高的谱分辨率，本提出的新方法具有更高的谱分辨率和更好的统计稳定性，新方法对信号相关阵的最大特征值所对应的特征矢量按一定规律排成矩。进行奇异值分解，其右奇异矢量同样存在信号子空间和正交子空间，基于正交子空间的正交矢量谱估计法，源于信号自相关阵的信号子空间，有着高统计稳定性，同时又是正交方法，具有很高的分辨率，由于主特征矢量排出的矩阵阶数较低，也不会出现伪峰，将此方法称之为OVSS谱估计法，大量模拟试验显示OVSS谱估计法，是一种高质量谱估计方法。     

一种改进的正弦波频率谱估计方法

当OVSS谱估计方法中构造的奇异矩阵的行数大于信号频率个数加1时，会产生虚假的正弦信号，在实际应用时容易造成误判．本文通过修正OVSS谱估计式的分母，由原来单一的正交乘积，变为多个正交乘积的加权求和得到了一种改进算法．改进算法能彻底消除伪峰，且性能稳定，分辨率高．仿真结果表明改进算法整体上优于OVSS方法．     

Banach空间子空间的维数及其应用

对Ｂａｎａｃｈ空间的任意闭子空间,引入一种广义维数及其加法与减法,并使之全序化,发现了可列个无限维数∞＊〈∞＾ｎ〈∞＾ｍ,其中ｍ,ｎ为整数且ｎ〉ｍ,由此对Ｂａｎａｃｈ空间上的任意有界线性算子定义了广义指标,并讨论了非线性映射的秩定理。     

通信信号自动分类的一种方法—学习子空间法的应用

文中提出了应用学习子空间法的通信信号自动分类的网络结构，通过将输入矢量在子空间内的投影实现聚类运算，达到了将隐含层节点数降低的目的，提高了网络的训练速度，增强了网络的抗干扰和实时处理能力，文中还对加噪后的通信信号进行计算机模拟实现了分类。     

关于RS码子空间子码的研究

本文用谱的方法对RS码的子空间子码进行重新描述,得到了判断一个向量是RS码子空间子码的码字的充要条件,这些充要条件在研究RS 子空间子码的维数及编码RS码子空间子码时有重要的意义。本文还就RS码子空间子码的最小汉明距离,给出了一些初步的研究结果。     

CF（p^m）（p〉2）上RS码的子空间子码的维数

研究了有限域ＣＦ（ｐ＾ｍ）（ｐ〉２）上ＲＳ码的子空间子码（ＳＳＲＳ）的结构,给出了ＳＳＲＳ码的维数计算公式。     

单个正弦波下二维线性预测谱估计方法的改进

针对二维复正弦信号,提出了一种简单的线性预测的谱估计改进算法.其思想是利用可分离二维信号的性质,把单个二维复正弦信号分解成2个一维复正弦信号之积,然后分别对2个一维信号进行谱估计.其间对一雏线性预测误差滤波器系数进行适当修正,这样可得到较高分辨率和稳定性的正弦信号的谱估计结果.大量仿真结果表明,简单的修正可使二维信号功率谱第1峰更加尖锐,第2峰值比未修正前要小10～15dB.     

用于宽带信号测向的修正RSS算法

宽带信号测向是信号处理研究的难点课题之一,在许多领域都有重要应用.如何提高测向算法的精度和运算速度成为急需解决的问题。这里利用矩阵奇异值分解的性质,对旋转信号子空间宽带测向算法中聚焦矩阵的计算方法进行修正,从而给出了一种简便的聚焦矩阵计算方法─修正RSS算法,该算法可以大大减小运算量,与传统的RSS算法相比,修正的RSS算法在方向估计精度、分辨率和相干测向性能等方面都获得了较大提高.将该算法应用到八元均匀线阵上,仿真实验结果证明了算法的有效性.     

基于信号子空间的IPR改进算法

研究了到达角(DOA)估计问题中的改进多项式根(IPR)法.针对IPR算法在信号较少时,噪声特征向量构成的矩阵计算量较大的问题,改进算法从信号子空间出发求出构造多项式的系数,从而求得到达角.通过理论推导和计算机仿真实验证明了该方法的有效性,降低了运算的复杂度,并且具有比MUSIC算法更好的性能.     

一种改进的SRP-PHAT宽带信源DOA估计算法

针对离散联合可控响应功率和相位变换（DSRP-PHAT）算法用于宽带信号DOA估计时精度不稳定问题,在线性阵列条件下提出了一种改进算法（IDSRP—PHAT）．该算法首先计算各时延对应的角度,对其进行排序,然后通过滑窗法计算波束功率并反推得到波束角度,最后在峰值搜索中采用加权求和的方式估计DOA．仿真实验表明,相比DSRP-PHAT算法,IDSRP-PHAT算法提高了平均估计精度,同时也消除了不同DOA带来的精度差异．     

一种存在阵列误差情况下的宽带DOA估计方法

相对于窄带信号,宽带信号阵列模型误差更加复杂和多样。文章首先给出了宽带信号条件下的阵列误差模型,利用四阶累积量估计出各频点上实际的方向矩阵,然后利用总体最小二乘(TLS)算法给出了一种存在阵列误差情况下的聚焦矩阵的求法。仿真结果表明此方法在存在阵列误差时DOA估计精度较高,稳健性好。     

一种改进的宽带DOA估计算法

针对现有宽带相干信号源DOA估计算法（CSM）存在依赖于初始值的选取以及需要先验信息等缺陷,提出一种改进算法——自聚焦算法.通过建立均匀线阵以及十字阵模型,推导了自聚焦算法,证明了自相关矩阵为正定时聚焦矩阵是一个酉矩阵,不会产生任何的聚焦损失.最后对自聚焦算法和CSM算法进行了仿真.仿真结果验证了自聚焦算法的有效性;与CSM算法相比,自聚焦算法可以有效解决相干信号源的问题,具有更好的鲁棒性.     

Wideband Direction-of-Arrival Estimation Based on Deep Learning

The performance of traditional high-resolution direction-of-arrival (DOA) estimation methods is sensitive to the inaccurate knowledge on prior information, including the position of ar-ray elements, array gain and phase, and the mutual coupling between the array elements. Learning-based methods are data-driven and are expected to perform better than their model-based counter-parts, since they are insensitive to the array imperfections. This paper presents a learning-based method for DOA estimation of multiple wideband far-field sources. The processing procedure mainly includes two steps. First, a beamspace preprocessing structure which has the property of fre-quency invariant is applied to the array outputs to perform focusing over a wide bandwidth. In the second step, a hierarchical deep neural network is employed to achieve classification. Different from neural networks which are trained through a huge data set containing different angle combinations, our deep neural network can achieve DOA estimation of multiple sources with a small data set, since the classifiers can be trained in different small subregions. Simulation results demonstrate that the proposed method performs well both in generalization and imperfections adaptation.     

利用四元阵估计强干扰中弱信号的原理及仿真研究

提出了利用四元阵估计强干扰中弱信号的原理,推导了了估计弱信号的一般表达式,理论分析表明,只要知道信号波达方向,无需其他信号和干扰噪声的住处,就可估计强背景干扰噪声中的弱信号,估计信号的精度只与各阵元输出干扰功率之比有关,与背景干扰的功率起伏无关,因此它比利用三元阵估计信号的方法能更好地适应环境的变化。仿结果说明本提出的方法正确并具有广阔的应用前景。     

RIS辅助太赫兹通信的宽带上行信道估计

针对现有可重构智能表面(Reconfigurable Intelligent Surface, RIS)辅助通信系统的宽带信道估计方案只考虑了信道的频率选择性,而忽略波束斜视的影响导致性能下降的问题,提出了一种基于分组策略的分布式Dice子空间追踪(Distributed Dice Subspace Pursuit, DDSP)方案。首先,利用太赫兹(Terahertz, THz)信道的稀疏性,将级联信道估计问题转化为稀疏信号恢复问题;然后,设计了宽带字典和提出了一种分组策略来解决波束斜视的影响;最后,引入Dice系数准则和回溯思想优化支撑集的选择。仿真结果表明,所提算法相较于传统宽带信道估计方案能够提高信道估计的精确度。     

基于辅助阵元的宽带相干信源DOA估计快速算法

针对阵列互耦误差存在的情况,基于宽带信号互耦模型,提出一种基于辅助阵元和传播算子的宽带信号处理算法.该算法在互耦矩阵未知的情况下,利用辅助阵元可以直接对宽带信号进行聚焦,并且在构造聚焦矩阵和获得噪声子空间时利用传播算子不需要进行特征值分解,因而极大地降低了运算量.仿真结果表明了存在阵列模型误差时本算法的有效性和稳健性.     

波导色散对宽带信号脉压性能的影响

基于成对回波理论，针对波导色散对宽带信号脉压的影响进行了理论分析，推导出了具体的数学表达式．并针对宽带LFM信号进行了仿真实验．理论分析和仿真表明，波导色散会使宽带信号的脉压波形主瓣展宽，旁瓣幅度升高和积分旁瓣比变大．