一种用于二维DOA估计的新颖Unitary ESPRIT算法

提出了一种基于双均匀线阵的特性新颖的Unitary ESPRIT算法。算法根据阵列接收数据,构造了一种实值数据形式,对其作实值奇异值分解,获得信号子空间。算法利用阵元几何的平移不变特性,构造了包含入射信号方位角和俯仰角的估计量。利用构造的估计量的特征值估计俯仰角信息,利用其对应的特征向量估计方位角信息,自动完成角度的配对。所提方法不仅保持了矩阵DOA估计算法和二维ESPRIT算法的优点,如自动的参数配对、不需要二维谱峰搜索等,而且能够在实数域中直接获得信号子空间,能够有效降低运算量。算法可以增加估计信号个数。仿真实验验证了算法的有效性。     

相干信号源DOA估计ESPRIT改进算法研究

ESPRIT算法是空间谱估计中的经典算法,算法仅适用于非相干信号。提出了一种基于SVD思想的ESPRIT改进算法,算法对接收数据阵列的协方差矩阵进行特征值分解,取能代表信号全部信息的最大特征值所对应的特征向量,并将它按照一定的方式进行矩阵重构,对重构后的矩阵进行SVD分解,从中取出信号子空间,然后按照LS—ESPRIT算法求解。通过大量仿真结果表明：该算法适用于解相干信号,并且效果优于基于空间平滑思想的改进ESPRIT算法;在解非相干信号的时候,改进算法效果优于常规的LS—ESPRIT算法。     

提取ESPRIT算法信号子空间的DOA估计研究

ESPRIT算法在有效性和稳定性方面都有非常突触的表现,所以其受到了广泛的研究.同时不可避免的要进行特征值分解,无法满足实时系统的要求.因此,提出了一种提取信号子空间的快速算法,通过对旋转矩阵的改进,不需要进行特征值分解和繁琐的迭代计算,节约了计算时间,使得所提算法可以运用于实时处理,并且取得了良好的效果.     

一种附加约束的ESPRIT测向方法

经典旋转不变技术（ESPRIT）算法测向估计性能在大多理论情况下接近于克拉美罗下界,且其在计算量方面要明显优于多信号分类算法（MUSIC）。本文首先论述了经典ESPRIT方法,描述了广义特征值分布在单位圆附近的实际工程应用情况,并提出了一种将广义特征值附加约束在单位圆上的修正ESPRIT算法。理论分析和仿真实验表明,该算法同经典的ESPRIT算法相比,当阵列存在几何误差的情况下,可明显改善测向估计的性能。     

基于扩展PASTd跟踪算法的谐波检测方法

子空间分解类算法在理论上具有任意的高分辨率,非常适合于电力系统各类谐波的分析,但需要对高维矩阵进行特征值分解,这不仅费时而且不易于工程实现。将投影近似子空间跟踪算法引入电力系统谐波分析领域,详细分析评估PASTd算法的性能。仿真结果表明,紧缩投影近似子空间跟踪算法即PASTd算法不仅保留了子空间分解类算法的超分辨率特性,而且收敛速度较快,稳定性好,可推广用于电力系统谐波检测领域。     

基于GA和MP的信号稀疏分解算法的改进

信号的稀疏表示在信号处理的许多方面有着重要的应用,基于MP的稀疏分解是目前信号稀疏分解的最常用方法,也是几乎所有稀疏分解算法中速度最快的,但其存在的关键问题仍然是计算量十分巨大。基于利用MP（Matching Pursuit）方法实现的信号稀疏分解算法,采用遗传算法（GA）快速寻找MP 过程中每一步分解的最佳原子。并针对基本遗传算法存在的未成熟收敛和易陷入局部最优解的问题,提出了对基于GA和MP的信号稀疏分解的一种改进算法,实验结果证实了改进算法的有效性。     

OMP信号稀疏分解的改进ACFOA实现

稀疏分解能用少数原子表示原始信号,但运算复杂是阻碍其实际应用的一个重要原因。果蝇优化算法（FOA）能有效地提高稀疏分解中原子的搜索效率,但其易于陷入局部最优。自适应混沌果蝇优化算法（ACFOA）能够针对局部最优进行混沌操作,提高全局寻优性能。正交匹配追踪（OMP）通过对已选原子的正交化,能够增加稀疏分解的收敛速度,但计算复杂度却有所增加。因此,利用智能算法的并行性,将ACFOA应用于OMP,并对其味道浓度判定值和混沌映射函数进行改进,以降低整个算法的复杂度,提升最优原子的搜索性能。实验结果表明,相比于其他几种算法,改进的ACFOA-OMP算法重建信号均方误差是最佳的。     

基于子空间跟踪的ESPRIT空间谱估计算法

在实际中接收天线与辐射源之间通常存在相对运动,此时传统的高分辨算法性能将严重下降,针对上述问题提出一种自适应信号波达方向即DOA估计算法。新算法以快速稳定的信号子空间跟踪算法为基础,结合ESPRIT算法实现DOA估计,不需要特征值分解,计算复杂度小。仿真实验显示新算法比基于幂迭代的动目标DOA估计算法具有更好的估计性能。     

基于限定PSO初始化空间的随机最大似然算法

针对随机最大似然算法（SML）在波达方位（DOA）估计中由于多维非线性优化导致计算复杂度大的问题，提出一种限定粒子群（PSO）算法搜索空间的SML算法。该算法克服了一个缺陷，即在采用ESPRIT算法限定PSO初始化空间时，在阵列结构是非均匀线性阵列而且信号是相干信号时ESPRIT算法不能直接处理信号，且需要采用一组预处理技术，这增加了算法计算的复杂度。提出的算法的关键之处在于采用假设技术确定初始化点来代替ESPRIT算法的解，结合克拉美罗界（CRB）确定PSO算法的初始化解空间。这一方法不必再采用预处理技术，且利用限定PSO初始化空间的算法大大降低了SML算法的计算复杂度。实验结果表明，提出的算法为相干情况和非相干情况都提供了相当好的初始值。最后，将该算法与许多现有算法进行比较，验证提出算法的有效性和准确性。     

限定GA搜索空间的WSF求解算法

波达方向（DOA）估计在无线传感器网络中得到了广泛的应用,本文针对DOA中加权子空间拟合（WSF）算法多维非线性优化计算量大的问题,提出一种限定遗传搜索空间的WSF求解算法.该方法将旋转不变子空间（ESPRIT）与无偏估计量的理论最小误差（TME）相结合来限定遗传算法的搜索空间,通过缩短遗传算法的基因长度来降低加权子空间拟合算法的求解复杂度.仿真结果表明,该算法的估计性能与WSF基本相同,与其它的一些智能优化算法相比,显著的降低了算法的计算量.     

一类非高斯噪声干扰信号的广义TLS-ESPRIT谱估计算法

提出了一类比较普遍存在的非高斯噪声－过滤白噪声的定义,并且讨论了这类噪声的性质。在此基础上,本文拓宽了对信号噪声的要求,对传统的ＴＬＳ－ＥＳＰＲＩＴ谱估计算法进行一定的改进,推导出了在这类噪声加性干扰下信号的广义ＴＬＳ－ＥＳＰＲＩＴ谱估计方法。通过特征分解技术,获得并证明了一种有实际应用价值的算法。这种算法具有高分辨、运算量低、短数据和宽频带等特点。该算法对噪声的假设更加一般化,具有比其他方法更强     

一种实用的空间平滑ESPRIT 算法

针对移动通信环境中多径传播的信号到来方向估计问题，结合空间平滑技术，提出一种空间平滑的ESPRIT算法，并给出了多径信号数目的推定方法．仿真结果证明，与ESPRIT算法相比，所提出的算法不仅适用于独立信号源，而且适用于相关信号源，具有分辨率高、计算量小等特点。     

非圆信号与圆信号共存下的快速方位估计算法*

针对非圆信号和圆信号共存时,信号的波达方向估计算法运算量较大的问题,提出了一种可同时估计非圆信号和圆信号DOA的快速算法。首先,利用观测数据及其复共轭构造中心复共轭对称矩阵,通过双映射定理可将该矩阵转换为实矩阵;然后,利用多级维纳滤波,无需计算阵列协方差矩阵及对其进行特征分解,仅通过对接收的实数据矩阵递推可快速求出观测数据的信号子空间;最后,利用酉ESPRIT算法的实值性,不必谱峰搜索,在保证DOA估计精度的同时可大大降低算法的计算复杂度。仿真结果验证了算法的有效性。     

Parameter estimation of the 2D‐GTD model and RCS reconstruction based on an improved 2D‐ESPRIT algorithm

The two‐dimensional estimating signal parameter via rotational invariance techniques (2D‐ESPRIT) algorithm is a classical method to estimate parameters of the two‐dimensional geometric theory of diffraction (2D‐GTD) model. While as signal‐to‐noise‐ratio (SNR) decreases, the parameter estimation performance of 2D‐ESPRIT algorithm is severely influenced. To solve this problem, a performance‐enhanced 2D‐ESPRIT algorithm is proposed in this article. The improved 2D‐ESPRIT algorithm combines the conjugate data with the original back‐scattered data and obtains a novel covariance matrix by squaring the original total covariance matrix. Simulation results indicate that the improved algorithm has a better noise robustness and a more stable parameter estimation performance than the classical ESPRIT algorithm and the classical TLS‐2D‐ESPRIT algorithm. To further validate the superiority of the improved 2D‐ESPRIT algorithm, reconstructed radar cross section (RCS) is presented in this article. Compared with the classical 2D‐ESPRIT algorithm, the proposed algorithm presents higher RCS fitting precision. Furthermore, the impacts of other factors on parameter estimation, such as matrix pencil parameters and paring parameters, are also studied in this article.     

Computationally efficient eigenspace decomposition of correlated images characterized by three parameters

Eigendecomposition is a common technique that is performed on sets of correlated images in a number of pattern recognition applications including object detection and pose estimation. However, many fast eigendecomposition algorithms rely on correlated images that are, at least implicitly, characterized by only one parameter, frequently time, for their computational efficacy. In some applications, e.g., three-dimensional pose estimation, images are correlated along multiple parameters and no natural one-dimensional ordering exists. In this work, a fast eigendecomposition algorithm that exploits the “temporal” correlation within image data sets characterized by one parameter is extended to improve the computational efficiency of computing the eigendecomposition for image data sets characterized by three parameters. The algorithm is implemented and evaluated using three-dimensional pose estimation as an example application. Its accuracy and computational efficiency are compared to that of the original algorithm applied to one-dimensional pose estimation.     

一种高性能的二维波达方向估计算法

在二维虚拟ESPRIT算法的基础上,提出了一种高性能的改进算法。改进方法依照子阵数据直接空间平滑的思想对子阵数据进行预处理,用虚拟阵列变换技术实施阵列变换,采用波达方向矩阵法的思路计算二维角度参数。仿真结果表明,相比于空域平滑的DOA矩阵法和空域平滑的二维虚拟ESPRIT算法,该方法在低信噪比情况下对相干信号源具有更好的估计性能,对独立信号源,能够估计出超过子阵阵元数的信号。     

Two-dimensional angle estimation for monostatic MIMO arbitrary array with velocity receive sensors and unknown locations

In this paper, the problem of two-dimensional angle estimation for monostatic multi-input multi-output (MIMO) array is studied, and an algorithm based on the usage of velocity receive sensors is proposed. The algorithm applies the estimation method of signal parameters via rotational invariance technique (ESPRIT) algorithm to obtain automatically paired two-dimensional angle estimation. By utilizing the relationship within the outputs of velocity sensors, the rotational invariance property of ESPRIT does not depend on the array geometry any more. Hence, the proposed algorithm can provide two-dimensional DOA estimation for the MIMO array without the knowledge of sensor locations in the array. The algorithm requires no peak searches, so it has low complexity. Furthermore, it has better angle estimation performance than propagator method using the same sensor configuration. Error analysis and Cramér–Rao bound (CRB) of angle estimation in MIMO radar are derived. Simulation results verify the usefulness of the algorithm.     

高效相干源DOA估计的ESPRIT新方法*

ESPRIT算法是一种速度快、精度高的常用算法,但它不能解相干。针对此缺陷,提出了一种新的高效相干源DOA估计的改进ESPRTIT方法,新方法对数据协方差矩阵的最大特征值对应的特征向量按一定方式进行重排处理,以此来重构需要解相干矩阵。它不仅解决了常规ESPRIT算法不能解相干的问题,同时相对常规ESPRIT算法计算过程大大简化。计算机仿真实验证明了该方法在解相干方面的良好性能,为解相干的ESPRIT算法在阵列信号处理的超高分辨领域开辟了新的途径。