单目标多阵列子空间数据融合定位算法

传统的多站角度定位系统需要各站先估计目标到达方向角(DOA),然后估计目标位置,在低信噪比时往往会导致角度估计误差太大而无法定位。提出了一种单目标多阵列子空间数据融合(SDF)直接定位算法。该算法首先通过传统方法对各阵列输出数据进行自相关运算和特征值分解,得到各站的噪声子空间数据,再在监测区域内用量子粒子群算法搜索在各噪声子空间投影的和最小的位置矢量,估计目标位置。仿真实验表明,这种算法在低信噪比下较传统的交叉定位算法有更好的性能。     

基于量子粒子群算法的双阈值图像分割方法

为了提高图像分割效率,将量子粒子群算法QPSO应用于图像阈值分割领域,并在QPSO算法基础上提出了一种基于边界控制的量子粒子群阈值分割算法BQPSO.改进算法BQPSO引入了边界控制策略,使得飞越搜索区域的粒子不再聚集到区域的边界,而是回到搜索区域内边界附近的某一位置,保持了群体的多样性,有效地避免了算法陷入局部最优解,增强了算法的全局搜索能力.实验结果表明,与遗传算法GA、粒子群算法PSO和标准量子粒子群算法QPSO的阈值寻优结果相比较,BQPS0算法在运算效率、阈值搜索精度和稳定性以及图像分割效果等方面均具有明显的优势.     

基于遗传算法和MSWF的子空间拟合测向算法

针对传统算法在快时变环境性能不够理想,而在快时变环境性能较好的子空间拟合算法其多维非线性搜索运算量较大而且易于收敛于局部最优解的问题,本文采用基于MSWF的子空间快速分解及子空间维数的快速估计,避免了协方差矩阵的估计和特征值分解;同时用子空间拟合准则构造遗传算法的目标函数实现随机搜索功能,实现全局快速搜索。最后实验验证了遗传算法测向的有效性。     

一种新的二进制编码量子行为粒子群优化算法

为了保持全局搜索和局部搜索之间的均衡,在二进制QPSO算法中引入全面学习和合作方法,提出了一种新的二进制量子行为粒子群优化算法(CCBQPSO).完全学习策略可以保持群体的多样性,合作方法可以直接将算法引入到本地搜索,并快速收敛到最优解.在该算法中,所有粒子的个体最优位置可以首先参与到本地吸引子的更新,每个粒子的新解向量维度将依次取代对应粒子的先前个体最优位置和群体的全局最优位置的维度,并计算出适应值.最后使用5个测试函数对CCBQPSO的性能进行了测试,结果表明该算法可以增加群体的多样性,且提高了算法的收敛速度.     

多口径组合阵列子空间DOA测向算法

现有各类子空间DOA测向算法为避免阵列模糊一般要求阵元间距小于半波长,但为获得更好的测向性能又需要较大的阵列尺寸,这需要大量的阵元,提高系统复杂度和成本.为克服这个问题,本文基于多重信号分类(MUSIC)算法提出一种采用半径不同的多口径组合阵列进行DOA测向方法.其中小尺寸阵列能够避免测向模糊问题,同时对空间谱起到平滑作用,从而降低空间谱计算复杂度;而具有较少阵元数目的大尺寸阵列主要用于提高测向算法精度和分辨力.本文给出算法的原理与实现步骤,并对算法精度和分辨力进行了分析和仿真,理论分析和仿真结果表明算法的有效性.     

基于nested阵列的高分辨DOA估计

针对nested阵列对邻近信号的分辨力受信噪比和快拍数等因素限制的问题,提出了基于nested阵列的加权子空间平滑M USIC算法.该算法对协方差矩阵向量化以提高整个阵列的自由度,使用空间平滑恢复新接收数据矢量阵的秩,采用校正的噪声特征值对噪声子空间进行加权,并对信号子空间进行空间谱合成,得到新算法的空间谱函数.通过搜索空间谱函数极大值实现DOA估计.结果表明,该算法在低信噪比及小快拍数条件下,对间隔较近的信号具有高分辨力.     

智能天线DOA估计技术研究

智能天线DOA估计技术中子空间分解类算法存在计算量大和采样数据多的缺点,为实现实时准确的DOA估计,提出一种在局部信号空间搜索谱峰的改进MUSIC算法,与经典算法仿真对比,结果表明改进算法运算量明显降低.此外,为克服传统算法采样数据量大且存在冗余的不足,研究基于压缩感知的DOA估计方法,即由阵列数据通过阵列流型矩阵重构出空间稀疏信号,从而估计目标信号的DOA,实验结果表明该方法估计效果显著,且性能优于传统算法.     

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.     

基于特征空间MUSIC算法的相干信号波达方向空间平滑估计

为了高效、准确地估计相干信号的波达方向(DOA),提出了一种基于特征空间多重信号分类(MUSIC)算法的空间平滑估计方法。首先对相干信号进行空间平滑处理,然后对其应用特征空间MUSIC算法进行DOA的精确估计,使其最大限度地利用信号子空间和噪声子空间的信息。本文方法并不影响非相关信号存在时DOA的估计,且还可以对信号源功率进行有效的估计,以提高对小能量信号的成功估计概率。与传统空间平滑算法及修正MUSIC算法相比,本文方法具有更低的信噪比门限和更高的估计精度及分辨力。最后的仿真实验验证了本文方法的有效性和鲁棒性。     

无人机蜂群通信的虚拟大规模MIMO信道估计算法

针对利用无人机蜂群通信实现热点区域覆盖的应用场景,提出了一种无人机蜂群通信中虚拟大规模多输入多输出信道估计算法,包括信道状态信息中导向矢量的波达方向(DOA, Direction Of Arrival)估计算法和子阵间距估计算法。考虑到空地信道状态依赖于地面用户的角域信息,因此先利用辅助用户对无人机方向角进行估计,在此基础上提出了一种基于降秩的DOA估计算法,获取精确的DOA信息。进一步,考虑到UAV动态位置变化导致不同UAV的天线阵列相对位置变化,提出了一种基于优化搜索的子阵间距估计算法,避免了大范围搜索带来计算复杂度高的问题。仿真结果表明,所提DOA和子阵间距估计算法可以提高信道估计精度。     

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。     

Anti-Jamming Algorithm Based on Spatial Blind Search for Global Navigation Satellite System Receiver

A novel subspace projection anti-jamming algorithm based on spatial blind search is proposed, which uses multiple single-constrained subspace projection parallel filters. If the direction of arrival (DOA) of a satellite signal is unknown, the traditional subspace projection anti-jamming algorithm cannot form the correct beam pointing. To overcome the problem of the traditional subspace projection algorithm, multiple single-constrained subspace projection parallel filters are used. Every single-constrained anti-jamming subspace projection algorithm obtains the optimal weight vector by searching the DOA of the satellite signal and uses the output of cross correlation as a decision criterion. Test results show that the algorithm can suppress the jamming effectively, and generate high gain toward the desired signal. The research provides a new idea for the engineering implementation of a multi-beam anti-jamming algorithm based on subspace projection.     

非均匀天线阵的超分辨测向

提出了一种基于非均匀天线阵的超分辨测向算法。该算法利用了数字波束形成技术（DBF）,因而设备简单,适应性强。为实现超分辨测向,算法基于Gram-Schmidt正交（GSO）网络,将干扰对消的原理用于信号的方向自适应定位。算法可同时估计波达方向及信源个数,不需预先知道或估计信源数,而且算法简单,便于硬件实现。仿真结果表明,算法可实现超分辨测向,而且在一定条件下,测向精度可分辨率优于MUSIC算法。     

利用小尺度阵的波达方向估计

提出了一种利用三无线列阵的信号相位匹配原理的波达方向估计方法。给出了阵对准信号方向时的估计信号的表达式；用数值计算方法给出了三元阵的相位匹配原理的指向性特性曲线和波达方向估计的搜索算法；最后给出了仿真计算结果和不同信噪比时的．Monte-Carlo实验结果。仿真结果表明，利用本文提出的波达方向估计精度优于常规波束形成法，与MUSIC(Multiple Signal Classification)方法的估计精度相近，还可同时给出期望信号的波形估计，而反阵结构简单。     

基于张量域降噪的宽带DOA估计

针对低信噪比条件下远场宽带信号波达方向(DOA)估计精度低的问题,提出了一种基于张量域降噪的宽带DOA估计算法。首先,联合各子频带数据构造张量信号;然后进行高阶奇异值分解,并利用最小描述长度准则分离信号与噪声;其次,改进协方差矩阵拟合算法,利用L1范数对信号功率进行约束,获得L1约束问题模型并求解;最后,对所有窄带估计结果进行融合得到宽带信号DOA。仿真结果表明,该算法可有效地降噪,同时较求根多重信号分类算法和旋转不变子空间参数估计算法,该算法对DOA估计无需预知信源数目,且在低信噪比条件下具有较小的均方根误差。     

基于矢量阵的自初始化MUSIC方位估计算法

MUSIC空间谱估计突破了常规波束形成中的锐利限,能够对目标进行高精度方位估计.探讨了MUSIC算法在矢量阵上的应用,给出了矢量线阵MUSIC噪声子空间谱估计表达式,利用单个矢量阵元的阵簇估计提供的初始参数,对MUSIC噪声子空间谱进行迭代搜索谱峰实现目标的方位估计,用以提高目标方位估计的精度.对单目标和双目标方位估计进行了仿真研究,在文中的仿真条件下,当满足信噪比大于5dB的条件时,可对目标方位进行较好估计.研究结果表明,通过单个矢量阵元阵簇得出的目标方位估计精度较差,而迭代搜索MUSIC谱峰方法提高了方位估计精度.     

基于循环自相关的DOA估计方法研究

为了克服传统信号DOA估计的不足,提高信号的选择性和分辨率,文章给出了基于循环均值阵列信号模型.根据该信号模型,运用最小二乘得到了对源信号方向进行估计的有效算法.该算法利用信号的循环平稳特性去除接收信号中的非循环平稳信号和不同循环频率的循环平稳信号,用循环统计量方法替代传统的二阶统计量方法,得到很好的DOA估计效果.计算机仿真结果证明,该算法在不同角度下具有很好的估计一致性和噪声抑制性.与其他的DOA估计算法相比,计算量较小,同时处理的对象既可以是窄带信号也可以是宽带信号,具有很好的实际应用价值.     

循环与非循环混合信号源快速DOA估计与识别方法

在日益复杂的信号环境中,阵列信号处理需要面对循环和非循环混合信号源的情况越来越多。针对循环和非循环混合信号源的情况,分析了混合信号源条件下的子空间特征,提出了一种混合信号源条件下的快速波达方向估计与识别方法,有效地利用了混合信号源中的非循环特性。理论分析和仿真实验结果表明,波达方向估计结果的分辨率不仅较于常规方法有所提高,而且可处理的信源数目大于阵元数目,具有较强的过载处理能力。     

DOA矩阵方法及其性能分析

为了在小样本、低信噪比以及高信源相关性的条件下都能对波达方向（direction of arrival,DOA）进行精确估计,基于压缩感知理论,利用目标信号空间分布的稀疏性,提出了基于加权l₁范数稀疏信号表示的DOA估计算法.该算法对l₁-奇异值分解（singular value decomposition,SVD）算法进行改进,对接收矩阵进行预处理,根据子空间的正交性确定加权矩阵,以加权l₁范数作为最小化的目标函数进行优化得到稀疏信号,进而得到信号的DOA.仿真结果表明,通过加权处理的l₁范数下稀疏信号重构方法能有效抑制偏差,在低信噪比下能够准确稳定地估计出DOA,并且能够提高估计精度.