电磁矢量阵中基于PARALIND分解的相干DOA估计算法

将电磁矢量传感器阵列参数估计问题与平行线性相关剖面模型(Parallel profiles with linear dependencies, PARALIND)相结合,利用PARALIND分解,提出了一种线性电磁矢量阵中相干信号波达方向(Direction of arrival, DOA)估计算法。该算法能够实现对电磁矢量阵中相干信源的角度估计,同时能得到相应的相干系数矩阵,其估计过程无需谱峰搜索,对均匀线阵以及非均匀线阵都适用。该算法角度估计性能优于传统的前后向平滑借助旋转不变性进行信号参数估计(Forward backward spatial smoothing-estimation of signal parameters via rotational invariance techniques, FBSS-ESPRIT)算法和前后向平滑传播算子(Forward backward spatial smoothing-propagator method, FBSS-PM)算法,且对于角度相隔较近的相干信源,该算法也能进行有效的辨识与估计。     

电磁矢量互质阵中基于降维Capon的DOA和极化估计算法

将传统电磁矢量均匀阵列推广为电磁矢量互质阵列,突破了阵元间距不大于半波长的限制。提出了电磁矢量互质阵列中基于降维Capon的波达方向（Direction of arrival,DOA）和极化联合估计算法。该算法无需假设已知极化信息,且只需一维搜索,避免了多维搜索,可实现DOA和极化参数自动配对;与相同阵元数的均匀阵列相比,明显提高了角度估计性能,并拓展了天线孔径,具有相对较高的自由度,且降低了运算复杂度。相同阵列及参数条件下,本文算法的角度估计性能优于ESPRIT算法和三线性分解算法。     

基于压缩感知理论的声矢量阵方位估计方法

水下目标在方位估计搜索空间中具有稀疏性,基于声矢量传感器阵空间稀疏模型实现小样本条件下的方位估计,结合压缩感知(CS)理论框架下方位估计的特点,通过对平滑l0范数快速精确的求解来估计目标方位角,该方法具有运算速度快、高分辨的特点.通过实验仿真从运算时间、分辨力等方面与常规波束形成(CBF)算法和最小方差无失真响应(MVDR)算法进行比较分析,验证了该方法的可行性与有效性.     

单电磁矢量传感器DOA和极化的同时估计

针对单个电磁矢量传感器,提出基于四阶累积量的极化域虚拟ESPRIT二维波达方向(DOA)和极化参数同时估计算法。该方法借助累积量操作提取信号在极化域的旋转不变结构,并利用虚拟ESPRIT方法同时估计信号的二维DOA和极化参数,它可以分辨多个极化域可分的非高斯信号。给出的仿真结果验证了算法的可行性和有效性。     

基于无网格压缩感知的DOA估计算法

应用传统的压缩感知理论对天线阵列信号的波达方向(Direction-of-arrival,DOA) 进行估计,存在基的失配问题。基于交替方向乘子法 (Alternative Direction Method of Multiplier,ADMM) 的无网格压缩感知(Grid-less Compressive Sensing) 技术能够解决该问题,但仍存在收敛速度慢的缺陷。针对该缺陷, 提出带自适应惩罚项的ADMM (ADMM with adaptive penalty,AP-ADMM)算法,即根据输入信号的噪声功率,自适应地选择惩罚项的初始值;同时在算法迭代求解的过程中,自适应地对目标函数的惩罚项进行调整。与传统算法相比,在保证收敛精度和DOA的恢复成功概率的条件下,带自适应惩罚项的ADMM算法收敛速率明显加快。仿真结果验证了新算法的有效性。     

基于压缩感知平行因子分解的电力系统谐波与间谐波频率估计方法

电力系统中的电力电子设备所产生的谐波数量日益增加,谐波问题是一个备受关注的话题。本文通过引入压缩感知理论和平行因子模型,提出了一个用于谐波和间谐波的频率估计算法。先从信息发送终端中获取数据,然后使用欧拉公式将正弦信息转化为空域信息构造多时延输出并建立为平行因子模型,再对模型进行压缩后进行平行因子分析。最后将所得的数据经过贪婪算法重构,再进行频率值的估计。与传统的平行因子计算比较,该计算具有压缩过程,计算工作量相对较小,对数据存储容量需求也较少。所提计算的频谱估计性能与传统的平行因子分解算法（Parallelfactorization,PARAFAC）非常接近,而且也比采用旋转不变技术的信号参数估计算法（Estimating signal parameter via rotational invariance techniques,ESPRIT）更加精确。     

基于压缩感知的DOA估计方法研究

压缩感知是近年来应用数学界提出的一套关于稀疏信号采集和重构的新理论,它突破了传统奈奎斯特采样定理的限制,以远少于传统奈奎斯特采样定理所需的测量数据就能够精确恢复原信号或估计信号的相关参数。将压缩感知理论应用到DOA估计,可以解决传统DOA估计中高采样率、以及较多辐射源信号条件下难以定位的限制。研究了基于压缩感知理论的DOA估计方法,并利用MATLAB进行仿真,通过与传统MUSIC算法比较可知,基于压缩感知的DOA估计方法具有显著的优势。     

基于压缩感知的二维DOA估计

针对L阵列,提出基于压缩感知的二维波达方向估计新方法。定义方位角和俯仰角余弦乘积为空间合成角,利用等余弦网格划分空间合成角构造超完备的冗余字典,将子阵接收的单快拍数据矢量转化为冗余字典下的稀疏表示问题;采用单位列向量组合矩阵随机抽取的新方法构造高斯随机测量矩阵;通过改进正交匹配追踪算法求解二维波达角。指出所提出的算法比传统二维MUSIC算法在高信噪比、多快拍条件下估计性能更好,并且有一定的阵元节约效能。计算机仿真实验证明了以上结论。     

基于三维压缩感知的MIMO雷达角度估计算法

基于张量模型的参数估计是雷达信号处理的一个发展趋势,然而现有张量算法无法在估计精度和计算复杂度方面达到良好的折衷。为解决上述问题,提出一种三维压缩感知（Three-way compressive sensing,TWCS）的多输入多输出雷达角度估计算法。利用匹配滤波后的信号内部隐含的多维结构,将接收数据堆叠成一个三阶张量模型。为降低高维张量在存储和计算方面的复杂性,利用高阶奇异值分解对高维张量数据进行压缩。其次将压缩后的张量与三线性模型相联系,获取压缩的方向矩阵。利用目标角度在所处背景的稀疏性,设计两个过完备字典,采用优化的方法获取目标角度。由于利用了接收数据的多维结构,TWCS中参数估计的精度要优于传统的子空间算法。此外所提TWCS算法不需要额外配对计算,且能进一步获取目标的多普勒信息。最后,利用仿真实验验证TWCS算法的估计效果。     

基于分类的分布式压缩感知算法

在无线传感器网络中,压缩感知是一种新兴的数据融合方法,能利用少量数据采样进行数据恢复。由于具有较好的节省能耗的性质,压缩感知受到研究人员越来越多的关注。然而,传统的应用于无线传感器网络中压缩感知方法是在汇聚节点得到所有节点的加权和,然后利用重构算法对整个网络中各节点的数据进行恢复,并没有考虑到网络节点的分布式的特性。因此,当网络拓扑较复杂时,应用压缩感知时数据需要传输的次数并不会低于利用最短路径树时数据需要传输的次数。在该文中,我们考虑如何将压缩感知技术更好的和网络节点的分布式结构相结合,使得该技术的更加符合无线传感器网络的需求。     

基于单声学矢量传感器的最大能量动态声源波达方向跟踪算法

针对在空域非均匀噪声环境下目标定位跟踪问题,提出一种基于单声学矢量传感器的最大能量动态声源波达方向(DOA)跟踪算法.首先结合噪声协方差矩阵估计结果实现对传感器接收信号的预白化处理,进而确定加权参数值,提出一种加权参数固化的最大能量算法,从而在声压与振速域噪声功率比未知的条件下提高了DOA估计精度.在此基础上,利用最大能量定向估计子输出信息来构建运动目标的量测方程,并在容积Kalman滤波框架下实现对于动态声源的状态跟踪.理论分析与仿真结果验证了算法的可行性和有效性.     

基于广义相位平滑的矢量阵列波达方向估计

研究如何利用信号的非圆性提高声矢量阵列信号波达方向(Directon of arrival,DOA)估计的精度.提出通过广义相位平滑预处理提高多重信号分类(Multiple signal classification,MUSIC)DOA估计方法特征子空间对数据协方差矩阵扰动的鲁棒性.该法适用于任意中心对称声矢量阵列,且无需子阵划分,不存在孔径损失,并可完成两个多径信号的解相干.仿真结果表明,广义相位平滑处理可明显改善恶劣条件下(低信噪比,小快拍教)基于MUSIC的非圆信号DOA估计精度.     

MEMS矢量水听器及其方位估计研究

水下目标被动侦测对高灵敏、低频检测矢量水听器提出了越来越高的要求,传统的矢量水听器已不能满足需求。基于新原理的矢量水听器的大量研究,提出了一种新的MEMS矢量水听器,介绍了该水听器方位检测原理;设计了方位估计实验方案,完成了实际的方位估计实验。测试结果表明：该水听器角度测试值与真实值基本相符,误差约为2°。     

基于AVS和稀疏表示的鲁棒语者声源DOA估计方法

基于声学矢量传感器（Acoustic vector sensor,AVS）和空间声源稀疏表示理论,进行了鲁棒的高精度语者声源到达角（Direction of arrival,DOA）估计方法研究。考虑混响和加性噪声影响,本文推导了AVS接收信号的向量化的协方差矩阵模型,设计了过完备字典,依此建立声源的空间稀疏表示模型,最终通过求解稀疏空间谱获得鲁棒的DOA估计。本文进行了大量的不同混响和加性噪声条件下的仿真实验和实际环境中的DOA估计实验,实验结果表明,本文提出的语者声源DOA估计方法在信噪比5~30 dB范围内可获得均方根误差（Root mean square error,RMSE）小于1°的估计精度。在实际环境中也取得了2~10°误差的DOA估计结果。     

压缩感知算法在阵列测向中的相干信号分辨

现有算法在进行信号重建时,需要原始信号的稀疏信息来控制初始原子集的大小和算法迭代的最大次数,这削弱了重建精度,增加了计算复杂度,限制了其实际应用能力。为了克服这个问题,提出了基于正交匹配追踪算法的改进算法。该算法将阵元个数作为假设稀疏度,在稀疏度未知的初始阶段扩展初始原子集。最后通过对测量信号的幅度进行阈值过滤以实现信号的分辨和信源数的估计。为解决测向人员面对监测软件所指示的多个信号示向度中,无法分辨哪些指示方向是同一个信号源所产生的折反射信号的问题,首次提出了基于压缩感知算法的相干关系分析和相干信号分辨的模型。实测数据结果表明,该算法在不同环境下可以清晰分辨相干信号,并且能够适应多种实验平台。     

一种宽带信号DOA估计新方法

该文研究了信号稀疏分解在阵列信号处理中的应用，将信号非正交分解应用到阵列信号处理领域，突破了信号正交分解的思想．通过计算传感器阵列输出信号的稀疏分解，实现了信号空间谱的超分辨估计，提出了一种全新的宽带信号源波达方向（DOA：Direction of Arrival）估计算法。在较低信噪比情况下，该新算法的性能优于传统的波达方向估计算法，计算机仿真结果验证了算法的有效性。     

互耦效应下多组相干源的波达方位估计算法

对于实际环境中存在的多径现象和阵元间的互耦效应,提出一种互耦效应下针对相干源的波达方向估计算法。首先,通过波达方向矩阵法利用二阶矩求出互耦效应下的广义导向矢量;然后对广义导向矢量进行子空间平滑,通过矩阵变换得到一个线性约束下的规划问题,实现相干源方位和互耦系数的级联估计。该算法只需利用二阶矩求得广义导向矢量,相比常规的四阶累积量方法,减少了计算量;本文算法在解互耦和解相干过程中都没有损失阵列孔径,极大提高了阵元利用效率。计算机仿真结果验证了该算法的有效性。