一种对称α稳定分布噪声环境下DOA估计新算法

脉冲噪声环境下波达方向(DOA)估计是阵列信号处理领域一个新兴研究方向。针对α稳定分布噪声环境下经典MUSIC算法性能退化的问题,提出了一种新的基于非线性压缩核函数(NCCF)的DOA估计算法。该算法利用基于NCCF的有界矩阵代替了MUSIC的协方差矩阵,通过对有界矩阵进行特征分解确定信号子空间和噪声子空间,借用MUSIC谱估计公式进行谱峰搜索,得到DOA的估计值。仿真结果表明,NCCF-MUSIC算法运算复杂度较低,相比于基于分数低阶统计量(FLOS)的MUSIC方法和基于广义类相关熵(GCAS)的MUSIC算法,该方法具有更好的准确度和稳定性。     

脉冲噪声环境下基于分数低阶循环相关的MUSIC算法

该文以稳定分布作为噪声模型,研究了脉冲噪声环境下循环平稳信号的波达方向估计问题。针对在脉冲噪声环境中基于传统2阶循环相关的算法效果显著退化的问题,该文提出了基于分数低阶循环相关的分数低阶循环MUSIC算法(FLOCC-MUSIC)。将分数低阶循环相关与MUSIC算法相结合,可以有效抑制脉冲噪声的同频带干扰。计算机仿真表明了此算法可有效完成高斯噪声和脉冲噪声条件下的波达方向估计,其性能优于传统的基于2阶循环相关的Cyclic-MUSIC。     

Alpha稳定分布噪声环境下类M估计相关的DOA估计新算法

提出了一类适用于Alpha稳定分布随机变量的统计量—类M估计相关（MELC）,通过构造阵列输出的类M估计相关矩阵,提出了适用于Alpha稳定分布噪声环境下的波达方向（DOA）估计新算法,即MELC-MUSIC算法。仿真实验表明,在Alpha稳定分布噪声环境下,MELC-MUSIC算法在抗噪声特性、多源信号分辨性以及对不同形式信号（圆对称信号或非圆对称信号）的适应性方面获得比基于分数低阶统计量（FLOS）的MUSIC方法更好的估计性能。     

脉冲噪声环境下循环ESPRIT新方法

以a稳定分布作为噪声模型,研究了脉冲噪声环境下循环平稳信号的波达方向估计问题.针对在脉冲噪声环境中,基于传统二阶循环统计量的算法效果显著退化的问题,提出了分数低阶循环相关矩阵概念;并在此基础上,提出了分数低阶总体最小二乘(TLS)循环ESPRIT算法的2种形式.计算机仿真表明所提出的算法可有效地估计出脉冲噪声条件下的波达方向,其性能优于传统的基于二阶循环统计量的循环ESPRIT类算法,有潜在的应用前景.     

脉冲噪声下基于中值离差相关熵的DOA估计方法

作为阵列信号处理的一个基本问题,波达方向估计在现代通信领域有着广泛的应用。常规估计方法通常基于高斯噪声假设。 而当阵列接收数据包含 Alpha 稳定分布脉冲噪声时算法将完全失效。针对 Alpha 稳定分布噪声下的波达方向估计问题,本文定义了一种改进的相关熵算子——中值离差相关熵,并从理论上证明了它的有界性。 以此为基础结合 MUSIC 算法提出了一种波达方向估计新方法。该方法不需要噪声先验知识,且在脉冲噪声环境中具有鲁棒性。仿真实验表明, 即使在短快拍、强脉冲噪声的恶劣环境下,本文方法依然具有良好的性能。      

脉冲噪声环境下的SCOT加权时间延迟估计新方法

针对平滑相干变换(SCOT)加权广义相关时间延迟估计方法在脉冲噪声环境下的退化现象,依据分数低阶α稳定分布噪声的尖峰脉冲特性和分数低阶统计量理论,提出了基于分数低阶协方差的SCOT加权时间延迟估计方法,并进一步提出了不依赖于分数低阶α稳定分布噪声参数估计的基于非线性变换(Sigmoid变换和反正切变换)的SCOT加权时间延迟估计方法。理论分析和计算机仿真结果表明,新方法在高斯和非高斯脉冲噪声环境下都具有良好的顽健性。     

分数低阶循环统计量及其在脉冲噪声环境下时延估计中的应用

本文以α稳定分布作为噪声模型,研究了非高斯噪声对传统的二阶循环统计量的影响,提出了分数低阶循环统计量的概念,研究并证明了其性质。在此基础上提出基于分数低阶循环统计量的新的时延估计方法—RCCC(Robust Corre- lated Cyclic Covariation)。计算机模拟表明,这种算法是一种在高斯和α稳定分布噪声条件下具有良好韧性的时延估计方法。     

冲击噪声背景下相干信源DOA估计方法研究

研究了冲击噪声环境下相干信源波达方向(DOA)估计问题.在对称α稳定分布冲击噪声假设下,基于共变和分数低阶矩的MUSIC(即ROC-MUSIC和FLOM-MUSIC)方法不能用于相干信源DOA估计.本文首次将空间平滑思想应用于共变系数矩阵和分数低阶矩矩阵中,定义了新的前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵,提出了两种新的适用于冲击噪声环境的相干信源DOA估计方法:基于前后向平滑共变系数矩阵的空间平滑(ROC-SS)算法和基于前后向平滑分数低阶矩矩阵的空间平滑(FLOM-SS)算法.理论分析表明,可以通过前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵的特征分解来估计噪声子空间,从而实现对相干信源的DOA估计.论文还对提出的ROC-SS算法和FLOM-SS算法进行了性能对比分析.计算机仿真结果证明了ROC-SS算法和FLOM-SS算法的有效性和正确性.     

脉冲噪声环境下基于宽带模糊函数的双基地MIMO雷达目标参数估计新方法

以Alpha稳定分布作为噪声模型,研究了脉冲噪声环境下宽带双基地MIMO雷达系统中参数估计问题.针对在脉冲噪声环境中,基于传统的信号模型和算法效果显著退化的问题,本文提出了基于分数低阶统计量的宽带模糊函数算法.首先根据分数低阶宽带模糊函数的峰值点实现对多普勒频率尺度因子和时延的联合估计.接下来基于分数低阶宽带模糊函数构造两个子阵.通过采用改进的MUSIC算法和ESPRIT算法实现了收发角的联合估计.仿真实验表明本文算法具有很好的性能.     

脉冲噪声环境下单基地MIMO雷达目标角度估计算法

以α稳定分布作为脉冲噪声数学模型,研究了脉冲噪声环境下单基础多输入多输出(MIMO)雷达目标角度估计问题。为了解决基于分数低阶统计量的目标角度估计算法需要脉冲噪声先验信息的问题,利用雷达接收数据构造出两种鲁棒的相关矩阵,即相关熵相关矩阵和非线性压缩核函数相关矩阵,提出了基于这两种鲁棒相关矩阵的单基地MIMO雷达目标角度估计算法。仿真实验表明:在α稳定分布脉冲噪声环境下,新提出的责任中算法的性能明显优于传统的基于二阶统计量和基于分数低阶统计量的目标角度估计算法。     

基于高阶累量的盲高分辨DOA估计及其性能分析

本文基于３阶和４阶统计量提出了一种未知阵元增益及相位情况下盲的ＤＯＡ估计方法，该方法不需要作谱峰搜索，亦不需要进行ＤＯＡ估计与阵元误差校正来回送代运算，可对陈元增益及相位与ＤＯＡ同时精确估计。     

冲激噪声背景下基于幅度预处理的测向新方法

冲激噪声环境下的测向算法大多基于分数低阶统计量提出的,其计算复杂度相对传统的二阶矩测向算法大大增加.通过对冲激噪声幅值特征进行分析,分别提出基于阵列接收数据幅度均值和中值进行幅度预处理的测向新方法.两种方法都是利用了冲激噪声分布的统计特性,首先根据阵列接收数据估计出幅值门限,然后对阵列接收数据进行幅度预处理,可以有效抑制噪声的冲激特性,从而可以利用传统的二阶矩类测向算法进行波达方向估计.理论分析和实验仿真结果表明,两种方法均处理简便,计算复杂度低,无需估计先验参数;基于中值的幅度预处理方法更是具有估计精度优良,对低信噪比时的测向性能有较大改善,且适用于强冲激噪声环境等优点.     

基于联合对角化的近场源参数估计

该文提出了一种基于联合对角化的近场源信号到达方向和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于阵列接收数据的高阶累积量矩阵的对角结构信息利用联合对角化方法估计近场信号的阵列方向矩阵,从而由阵列导向矢量联合估计信号源的到达方向和距离。与高阶ESPRIT方法相比,该方法能够提高阵元利用效率,同时不需要参数配对算法。计算机仿真实验证实了所给算法的有效性。     

基于联合对角化的近场源三维参数估计

提出了一种基于联合对角化的近场源频率、到达角（DOA）和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于白化后的接收数据构造一组高阶累积量矩阵,利用联合对角化方法来得到高阶累积量矩阵的对角结构信息以及对角化矩阵来分别估计阵列流形和信号源的频率,进而由阵列导向矢量结合对应的信号源频率联合估计信号源的到达方向和距离。与基于高阶累积量的类 ESPRIT方法相比,算法可以提高阵元利用率,具有更好的估计效果,同时不需要谱峰搜索且各参数自动配对,计算机仿真结果验证了该方法的有效性。     

一种新的基于二阶统计量的的近场源定位算法

该文提出了一种基于二阶统计量的近场窄带信源频率、距离及到达角三维参数联合估计新算法。该算法首先基于特定序号阵元输出计算的二阶统计量构造3个矩阵,接着结合这些矩阵的结构特点构造2个新的矩阵,然后利用其特征值和特征向量估计信源参数。与现有基于二阶统计量的算法相比,该文算法节省1个阵元,且仅需计算3个二阶统计量矩阵,此外参数自动配对。仿真结果表明该算法是有效的。     

ARM抗有源诱偏中的DOA估计算法

基于对反辐射导弹抗有源诱偏问题中信号特点的分析,提出了一种有针对性的信号波达方向估计算法。利用均匀线阵导向矢量的Vandermonde结构,推导出噪声子空间的代数表达形式,继而利用多项式求根法获得DOA估计。新算法仅对接收数据的一阶统计量进行处理,与经典的Root-MUSIC算法相比,不仅计算复杂度大大降低,而且在间距较近、信号相关/相干辐射源情况下性能优势明显。仿真实验结果验证了所提方法的有效性。     

基于分数低阶统计量的空域-模糊域DOA估计算法

该文提出一种非高斯SS噪声背景下非平稳信号的DOA估计算法。算法首先定义基于分数低阶统计量的空间模糊函数,利用信号在模糊域中的不同特征将信号分离;然后对不同的信号,选择信号模糊函数对应的模糊点的平均进行子空间分析;最后利用MUSIC算法实现DOA的估计。与基于分数低阶统计量的空域处理方法相比,该文提出的算法利用了信号在模糊域中的信息,提高了算法的估计精度。计算机仿真证明了算法的有效性。     

基于虚拟阵列扩展的DOA估计

讨论了基于虚拟阵列扩展的DOA估计问题,对此问题传统阵列处理方法主要利用高阶累积量进行阵列扩展,计算量较大。在四阶矩基础上,通过扩大阵列孔径和自由度解决信源数目较阵元数多的DOA估计问题,利用特殊矩阵对扩展阵列的冗余信息进行剔除,降低了计算复杂度,提高了计算效率。仿真结果验证算法高效可靠,为工程实现提供了理论基础。