智能射频通信中的快速虚拟DOA算法

在智能射频通信中,通常需要利用信源到达角(DOA)信息来实现对期望信号的有效波束形成,然而这些DOA信息一般是根据相应算法估计得到.当入射信号较多时,基于信号非圆特性的稳健性算法由于对阵列孔径进行了虚拟扩展,故能得到良好的DOA估计.尽管如此.非圆算法需要进行计算量较大的复数特征分解,不利于实现DOA的快速有效估计.为此文中提出了一种计算量远小于现有算法的快速虚拟算法(FVA).FVA可以通过虚拟协方差矩阵的数据来直接构造信号子空间,因此它不需要进行特征分解,就能快速有效地对信号的DOA信息进行估计.理论分析与仿真试验结果表明,在同等条件下与现有非圆算法相比,新算法能以更小的计算量来获得良好的DOA估计性能,故更具应用价值.     

基于噪声子空间解析形式的快速DOA估计算法

该文针对特殊的信号环境各辐射源信号均值相等且不为零,利用均匀线阵导向矢量的Vandermonde结构,推导出了噪声子空间的解析形式,并以此为基础提出了利用均匀线阵和稀疏平面阵的1维和2维DOA估计快速算法。该算法不需要计算接收数据的协方差矩阵,也不需要任何矩阵分解,因此计算量远小于传统的超分辨DOA估计,而且无论信号之间是否具有相干性,该方法有相同的估计性能。仿真实验表明,在噪声均值为零且快拍数足够的条件下,该方法的估计性能整体上与Root-MUSIC算法相当,而在信噪比较低时性能优于后者。     

冲击噪声下基于子空间拟合的DOA估计新算法

研究了在对称α稳定分布(Symmetric α-stable,SαS)冲击噪声背景下的基于子空间拟合的多目标DOA估计算法.由于SαS冲击噪声造成传统DOA算法性能下降,提出了基于分数低阶矩统计量的FLOM-SSF/NSF算法和Screened Ratio原理的SR-SSF/NSF算法.计算机仿真表明两种算法都能有效地改善SαS型冲击噪声对DOA估计的影响,有更好的稳健性,其中SR-SSF/NSF算法性能略好于FLOM-SSF/NSF算法.     

基于实值传播算子的非圆信号DOA估计求根算法

为有效降低非圆信号DOA(direction of arrival)估计算法的计算量,本文提出一种非圆信号DOA估计快速算法,借助实值扩展传播算子和多项式求根方法来降低计算量。首先利用信号非圆特性构造出实值的扩展阵列输出矩阵及扩展协方差矩阵,然后使用扩展传播算子方法代替扩展协方差矩阵的特征分解得到噪声子空间,再利用均匀线阵的多项式求根方法获得目标的DOA估计值。对算法的性能仿真和计算复杂度分析表明,新算法的均方根误差性能与Euler-root-MUSIC、NC-root-MUSIC等快速算法相近,但其计算复杂度小于上述非圆信号DOA估计快速算法。优良的性能和较低的计算量使新算法具有良好的实用价值。      

基于Screened Ratio原理的冲击噪声环境下DOA估计算法

该文提出了一种冲击噪声环境中DOA估计的算法。算法首先根据Screened ratio原理构造阵列信号的相关矩阵,然后利用MUSIC算法实现DOA估计。与基于分数低阶矩(FLOM)的算法相比,该文算法不需要选择FLOM参数p。计算机仿真表明该文算法在冲击噪声环境下具有更佳的稳定性和估计精度。     

稳健性虚拟波达角算法研究

现有研究表明,利用高阶累积量可以对实际阵列进行虚拟孔径扩展,从而产生了例如MUSIC-LIKE、VMUSIC与VESPRIT等波达角(DOA)算法。然而这些算法只有在信号数已知前提下才能工作,这并不符合实际情况,因此有很大的应用局限性。为了解决这一问题,文中对一种稳健性虚拟波达角算法进行了研究。该算法在入射信号数未知的条件下,能够利用四阶累积量矩阵构造恒定维数的噪声子空间,并由此估计出备选DOA信息,进而根据一定的准则筛选出真实DOA。计算机仿真试验表明新算法有着良好DOA估计性能,并能给出对入射信号数的稳健性估计。     

高斯白噪声下L阵二维波达方向快速估计

针对L型阵列,提出一种在高斯白噪声环境下的二维波达方向( DOA)快速估计方法。首先利用阵列结构特点构建两个互协方差矩阵,同时实现了噪声分量的有效抑制,再依据协方差矩阵的性质构造了波达方向矩阵。对该矩阵进行一次特征分解即可分别得到包含方位角和俯仰角信息的方向矢量和方向元素,实现二维DOA估计。该算法避免了传统算法的谱峰搜索或大矩阵构造及其特征分解过程,计算量小,且参数自动配对。仿真结果表明,该算法在低性噪比和少快拍下的估计精度与2 D ESPRIT算法近似,但计算复杂度大幅降低,适用于实时性高的工程应用背景。     

冲击噪声背景下双基地MIMO 雷达目标角度估计方法

实际工作环境中雷达经常会受到琢稳态分布冲击噪声的影响,使得大量高斯噪声背景下基于二阶或更高阶累积量的角度估计算法性能急剧下降。文中提出了一种基于FLOM-ESPRIT算法的双基地MIMO雷达收发角度估计方法,算法通过利用匹配滤波后数据构造分数低阶协方差矩阵实现对冲击噪声的有效抑制,弥补了传统的二阶或四阶统计模型及相应的处理算法不适用于冲击噪声环境的缺陷,增强了信号子空间估计算法的稳健性,并且无需计算量繁杂的二维谱峰搜索。     

α稳态分布噪声下单基MIMO雷达DOA估计

MIMO雷达实际中的噪声通常是没有二阶以上的矩的α稳态分布冲击噪声,基于二阶或更高阶累积量的常用角度估计算法很难实现目标DOA估计。为此,提出了一种基于FLOM-RC-MUSIC算法的MIMO雷达DOA方法,通过利用匹配滤波后数据先进行降维处理,减小了算法的运算复杂度,再构造分数低阶协方差矩阵实现对冲击噪声的有效抑制,弥补了传统的处理算法不适用于冲击噪声的缺陷,增强了噪声子空间估计算法的稳健性。     

空间非平稳噪声下的DOA快速估计新算法

提出了空间非平稳噪声环境下DOA快速估计的新算法.通过利用估计的噪声相关矩阵对接受数据相关矩阵进行预处理.消除了空间非平稳噪声对方位估计的影响.利用线性运算来代替特征分解以求得噪声子空间.可以获得子空间算法的快速实现.计算机仿真结果证实了该算法的正确性和有效性.     

脉冲噪声环境下高斯稀疏信源贝叶斯压缩感知重构

 大多数现有的压缩感知重构算法对脉冲噪声不具有鲁棒性,在脉冲噪声环境下,重构性能急剧下降,使得整个重构系统崩溃.针对此问题,本文提出了一种脉冲噪声环境下的稀疏重构算法BINSR算法,其基于贝叶斯理论,可以有效地估计出信号的支撑集和脉冲噪声中脉冲的位置,并且根据压缩感知观测序列的democracy特性,利用最小均方误差MMSE估计量,有效地估计出原信号.在此基础上,本文结合鲁棒统计学,提出自适应的ABINSR算法,使其不再依赖于信号以及噪声的统计参数.实验结果表明,BINSR算法在脉冲噪声环境下可以有效地恢复出稀疏信号,很大程度上改善了脉冲噪声环境下算法的重构性能.ABINSR算法不仅对脉冲噪声具有鲁棒性,而且可以在高斯白噪声环境下实现有效的信号重构.     

On the Performance Analysis of a Class of Transform-domain NLMS Algorithms with Gaussian Inputs and Mixture Gaussian Additive Noise Environment

This paper studies the convergence performance of the transform domain normalized least mean square (TDNLMS) algorithm with general nonlinearity and the transform domain normalized least mean M-estimate (TDNLMM) algorithm in Gaussian inputs and additive Gaussian and impulsive noise environment. The TDNLMM algorithm, which is derived from robust M-estimation, has the advantage of improved performance over the conventional TDNLMS algorithm in combating impulsive noises. Using Price’s theorem and its extension, the above algorithms can be treated in a single framework respectively for Gaussian and impulsive noise environments. Further, by introducing new special integral functions, related expectations can be evaluated so as to obtain decoupled difference equations which describe the mean and mean square behaviors of the TDNLMS and TDNLMM algorithms. These analytical results reveal the advantages of the TDNLMM algorithm in impulsive noise environment, and are in good agreement with computer simulation results.     

广义复相关熵与相干分布式非圆信号DOA估计

针对相干分布式非圆信号参数估计算法在脉冲噪声环境下性能退化的问题,本文提出了广义复相关熵的概念,并给出了基于广义复相关熵的相干分布式非圆信号DOA（Direction of Arrival）估计方法。该算法首先由分布式信源模型获得入射信号的阵列输出信号,利用信号的非圆特性得到扩展阵列输出信号,再通过扩展阵列输出信号的广义复相关熵矩阵获取信号子空间,避开了传统二阶统计量算法在脉冲噪声下不适应的问题,最后由信号子空间旋转不变特性得到信号的中心波达方向角度。仿真实验结果表明,在Alpha稳定分布噪声条件下,与传统算法相比,本文所提算法具有更好的性能。      

脉冲噪声环境下基于矩阵差分的远近场混合源定位

为了提高脉冲噪声环境下基于二阶协方差矩阵差分（COV-MD）的远近场混合源定位算法的估计性能,本文提出了基于分数低阶协方差矩阵差分（FLOC-MD）和基于压缩变换协方差矩阵差分（CTC-MD）的远近场混合源定位算法。所提出的算法首先利用一维MUSIC谱峰搜索获得远场源信号的方位角估计,然后利用矩阵差分法实现远近场信号源的分离得到扩展的近场源分数低阶协方差矩阵（或压缩变换协方差矩阵）,最后在利用类旋转不变方法（ESPRIT-Like）估计得到的近场源方位角的基础上,再次利用一维MUSIC谱峰搜索获得近场源距离的估计。计算机仿真结果表明:CTC-MD算法和FLOC-MD算法在强脉冲和低信噪比情况下的估计性能都要明显优于COV-MD算法和其他基于二阶统计量的远近场混合源定位算法,同时CTC-MD算法的性能要好于FLOC-MD算法并且不依赖于脉冲噪声的先验信息。      

浅海非高斯噪声下基于变分贝叶斯推断的波达角估计

传统基于高斯统计特性的波达角(DOA)估计方法在高斯背景噪声中可以获得较好的估计性能,然而受脉冲噪声影响的浅海环境噪声不再服从高斯分布,若直接利用传统波达角估计方法会引入较大误差。为提升非高斯噪声环境下的波达角估计性能,该文提出一种浅海非高斯噪声下的基于变分贝叶斯推断的波达角估计方法。首先利用信号与脉冲噪声的稀疏性构建多测量向量稀疏信号恢复(SSR)模型;其次,考虑信号的共稀疏特性与脉冲噪声的独立稀疏性,构建层次化贝叶斯估计框架;然后利用变分贝叶斯推断估计信号与噪声的后验概率估计。稀疏信号模型中考虑离网格误差,利用根稀疏贝叶斯估计实现离网格误差修正,解决离网格误差引起的基失配问题;最后通过迭代更新获得较为精确的波达角估计,同时消除脉冲噪声的影响。仿真结果表明:所提方法在非高斯噪声环境下具有较好的波达角估计性能,同时对于脉冲噪声具有较强的抗干扰特性。     

一种冲击噪声环境中的二维DOA估计新方法

该文提出了一种新的在冲击噪声环境中基于阵列输出信号分数低阶矩的二维测向方法稳健的协变异波达方向矩阵法。该方法利用冲击噪声和SS过程的特点,扩展了原波达方向矩阵法的信号模型和应用环境,对冲击噪声有较好的抑制作用,增强了算法的通用性和稳健性,弥补了传统的基于二阶或高阶统计量的子空间测向算法不能应用于冲击噪声环境的不足,计算机仿真验证了该算法的可行性和有效性。     

A recursive least M-estimate algorithm for robust adaptive filtering in impulsive noise: fast algorithm and convergence performance analysis

This paper studies the problem of robust adaptive filtering in impulsive noise environment using a recursive least M-estimate algorithm (RLM). The RLM algorithm minimizes a robust M-estimator-based cost function instead of the conventional mean square error function (MSE). Previous work has showed that the RLM algorithm offers improved robustness to impulses over conventional recursive least squares (RLS) algorithm. In this paper, the mean and mean square convergence behaviors of the RLM algorithm under the contaminated Gaussian impulsive noise model is analyzed. A lattice structure-based fast RLM algorithm, called the Huber Prior Error Feedback-Least Squares Lattice (H-PEF-LSL) algorithm is derived. Part of the H-PEF-LSL algorithm was presented in ICASSP 2001. It has an order O(N) arithmetic complexity, where N is the length of the adaptive filter, and can be viewed as a fast implementation of the RLM algorithm based on the modified Huber M-estimate function and the conventional PEF-LSL adaptive filtering algorithm. Simulation results show that the transversal RLM and the H-PEF-LSL algorithms have better performance than the conventional RLS and other RLS-like robust adaptive algorithms tested when the desired and input signals are corrupted by impulsive noise. Furthermore, the theoretical and simulation results on the convergence behaviors agree very well with each other.     

冲击噪声下基于混合LL2 -L1 优化求解的CSR 参数估计

针对冲击噪声环境下压缩感知雷达参数估计性能急剧下降的问题,提出一种新的鲁棒性参数估计方法。首先,根据压缩感知雷达参数估计的稀疏线性模型,基于Lorentzian 范数和L1 范数稀疏正则化构造冲击噪声背景下稀疏重构的混合LL2-L1 范数优化模型;然后,利用迭代加权最小二乘法和阈值收缩函数推导上述模型优化求解的一步迭代公式;最后,从理论上对文中算法的收敛性进行证明,并给出算法计算复杂度的定量分析。计算机仿真实验表明,文中算法在冲击噪声下支撑集的重构更精确、重构信号的精度更高、重构的计算量更小。