一种改进的二维ESPRIT算法

针对二维旋转不变子空间算法(estimation of signal parameters via rotational invariance technigues,ESPRIT)在求解信号时协方差矩阵存在阵列冗余问题,提出一种改进后的二维ESPRIT算法。该算法利用阵列结构原理构造2个互相关矩阵,然后由合并的特殊大矩阵进行奇异值分解来估计信号子空间,最后利用2D-ESPRIT方法实现二维测向。该算法估计精度高,计算量小,通过空间平滑后既能对相干信号进行估计,也能同时估计非相干信号。     

基于E-PASTd的盲扩频码序列估计算法

针对直接序列扩频信号的扩频码盲估计问题,改进了特征分解的方法,提出了一种基于压缩投影近似子空间跟踪的PN码恢复算法。该算法由两个主特征向量估计非同步延迟值,结合利用压缩投影近似子空间跟踪技术的快速收敛特性提取主分量,避免了对自相关矩阵的直接特征分解运算。计算机仿真表明该算法降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能优于已有的梯度算法和神经网络算法。     

基于噪声子空间二阶锥规划求解的宽带波达方向估计算法

现有宽带子空间类方位估计方法需要对庞大的空时联合采样相关矩阵进行特征分解运算以获得好的估计性能,计算复杂度高.提出一种基于噪声子空间二阶锥规划求解、计算有效的宽带波达方向估计算法.该算法将宽带信号低秩模型的噪声子空间估计转换为凸最优理论中的二阶锥规划问题,实现宽带源方位估计,整个过程不需要估计样本协方差矩阵,不需要矩阵特征值分解或奇异值分解,运算量低.给出算法的理论分析、实现步骤.统计性能比较表明该算法分辨门限低、方位估计精度高.千岛湖湖试结果证明该算法在实际声纳阵系统中可有效实现宽带源波达方向估计.     

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。     

空间非平稳噪声环境下的DOA估计新算法

针对环境噪声为白噪声而阵元噪声为空间非平稳的情况,文中提出了一种加性色噪声环境下的DOA估计新算法,该算法可以有效估计出加性色噪声相关矩阵,通过利用估计的噪声协方差矩阵对阵列数据相关矩阵进行预白化处理,克服了空间非平稳噪声对空间谱估计的影响误差,进而实现色噪声环境下DOA精确估计,理论分析和仿真结果均表明所提方法的有效性.     

基于Cyclic-Music算法MIMO雷达的DOA估计

在具有循环平稳特性的信号环境中,传统DOA（Direction Of Arrival）估计算法精度很差,甚至失效。为此,将Cyclic-Music算法运用在MIMO（Moltiple Inpat and Multiple Output）雷达系统中,利用循环统计量理论计算接收信号间的循环相关函数,基于此构造循环互相关矩阵,并对其进行奇异值分解和谱峰搜索,从而得到信号的波达方向角。理论推导和仿真结果均表明,该方法可以有效估计具有循环平稳特性的人工信号波达方向,从有效性和精度两个方面改善了MIMO雷达的估计性能。     

自相关矩阵奇异值分解法进行信噪比估计研究

主要介绍了一种典型的信噪比估计算法,并对信噪比的自相关矩阵奇异值分解估计法进行了研究。然后对该算法应用于AWGN信道中的估计性能进行仿真测试,结果表明,当数据观察长度在2 000以上时,在实际信噪比为[-10,25]dB内,该算法可以控制估计标准差在0．6 dB内。测试表明,数据误差完全符合要求,这说明该信噪比估计算法是可行的。     

一种二维到达方向估计的ESPRIT新方法

提出了一种在高斯白噪声环境下基于L型阵列的二维到达方向估计新算法。该算法利用阵列结构的特点形成多个相关矩阵。然后构造一个特殊的大矩阵并由其特征分解获得信号子空间的估计。进而利用2-D ESPRIT方法实现二维角度估计．新算法具有估计精度高,运算量小的优点。而且能够很好地解决信号参数配对问题．     

基于奇异值分解处理相干信号的新方法

相干信号的波达方向(DOA)估计一直是空间谱估计研究的一个重点问题,文章通过对奇异值分解解决信号相关问题的研究,提出了一种基于奇异值分解处理相干信号的新算法(MSVD),即利用信号相关阵的最大特征值所对应的特征矢量按一定规则排列出新的矩阵,再对此矩阵进行修正,最后利用奇异值分解得到信号的有关信息.该算法能在低信噪比条件下有效地估计相干的信源,其估计精度要远远高于常用解相干算法.最后用大量的计算机仿真实验来说明新方法的性能:即在低信噪比情况下(0 dB),MSVD的分辨能力远远高于MSS算法和SVD算法;在信号间隔较小时,MSS和SVD方法已无法分辨出信号源,而MSVD方法仍能分辨.     

麦克风阵列二维方向估计聚焦算法研究

聚焦算法是解决宽带信号方向(DOA)估计问题的重要算法。常规的宽带聚焦算法需要进行预估计和多次迭代,算法的计算复杂度较高。该文根据宽带聚焦算法的思想,结合语音信号的特点,以各频率点的频域相关矩阵和聚焦点的相关矩阵的均方误差最小为最优化准则,提出了一种不需要预估计和迭代的二维宽带聚焦算法。该算法实时性好、计算复杂度低。采用八元均匀圆环麦克风阵列,仿真验证了该算法的良好二维DOA估计性能。     

基于多级维纳滤波器的信源参数估计

为了解决传统的MUSIC算法需要计算相关函数并对其进行特征值分解或奇异值分解而导致的计算量增加问题,本文基于多级维纳滤波器快速子空间分解方法,分别在远场环境和近场环境中对信源参数进行了有效估计,并提出在一定条件下,可以采用该方法代替对相关函数的计算和分解。该方法计算量小,特别是在阵元数和快拍数较多的情况下优势更加明显。仿真实验证明了该方法的有效性。     

基于Unitary ESPRIT的双基地MIMO雷达目标定位算法

针对双基地MIMO雷达目标定位问题,提出一种基于Unitary ESPRIT的双基地MIMO雷达目标定位算法.该算法利用MIMO雷达发射阵列和接收阵列的相位延迟特性对接收数据矩阵进行重构,使协方差矩阵为Centro-Hermitian矩阵,然后通过酉变换将协方差矩阵从复数域变换为实数域,最后利用Unitary ESPRIT算法实现目标的DOD和DOA估计,且DOD和DOA自动配对.与传统的ESPRIT算法相比,该方法有效地增加接收数据信息,提高了目标角度估计性能,且所有的特征值分解及矩阵计算均在实数域进行,大大降低了运算复杂度.仿真结果验证了该算法的有效性.     

基于广义逆理论的河网糙率反演研究

引入广义逆和Backus-Gilbert反演理论，构造了牛顿-广义逆方法和自然逆方法计算优化算法的搜索方向，进行 河网糙率反演，并推导了两种算法反演解估计的分辨率矩阵和单位协方差矩阵.理论分析表明,牛顿-广义逆优化算法具有 二阶收敛速度.在反演过程中结合Wiggins方法控制观测数据中的噪声，能够有效调节河道糙率反演结果的分辨率和方差. 数值仿真表明这两种算法与Wiggins方法相结合，选取适当的控制参数，既能达到较高的精度，又能有效地抑制噪声，提 高数值计算的稳定性.     

一种基于改进的BlockFFT算法的联合检测矩阵求逆算法

联合检测是TDSCDMA系统的关键技术之一。而影响该技术复杂度的主要因素是矩阵求逆算法的设计。文章结合TD SCDMA系统的特性,并灵活应用块循环矩阵的性质,给出了一种基于改进的Block FFT算法的联合检测矩阵求逆算法。仿真结果表明,该算法与常用的Cholesky算法、近似Cholesky算法相比,时间复杂度和空间复杂度较后两者明显降低,从而提高了该算法的工程实现性。     

时间反演多址系统中的一种多用户检测算法

针对时间反演多址系统中信道的相关性会导致多用户干扰的问题,为了消除用户间干扰,降低计算复杂度,提出基于最小均方误差的3条对角线矩阵分解的低复杂度近似算法.首先提取检测矩阵（Gram-N）中包含主对角线的3条对角线矩阵;然后将3对角线矩阵分成2个2对角线矩阵;再利用2对角线矩阵求逆规律,分别求出这2个2对角线矩阵的逆,由此得出3对角线矩阵的逆;最后,根据诺依曼级数近似,用3对角线矩阵这个稀疏矩阵的逆来逼近Gram-N的逆.仿真结果表明,该算法在误码率和频谱效率方面具有明显的性能优势,并且具有较低的复杂度,在复杂度较低时可获得近乎最优的性能增益.     

基于子空间的DS-UWB系统高分辨率低复杂度时延估计

研究了在室内多径衰落信道下直接序列超宽带(DS-UWB)系统的时间延迟估计问题,提出了一种基于子空间的高分辨率、低复杂度的时延估计方法。该方法将滑动相关输出的时间平均相关矩阵分解成信号和噪声子空间,然后用MUSIC谱计算,再通过最大值搜索获取时延估计。将滑动相关的时间分辨率与传统相关MUSIC方法的计算复杂度进行了对比。计算机仿真结果表明,在多径时延差接近一个切谱(Chip)周期情况下,新的算法能够有效分辨出多径时延,性能明显高于传统的滑动相关方法。     

基于广义协方差张量分解的欠定盲辨识算法

针对欠定盲源分离中的混合矩阵估计问题,该文利用广义协方差的统计和结构性质以及塔克分解的压缩特征,提出了一种新的欠定盲辨识算法。首先基于广义协方差矩阵建立核函数,再将核函数堆叠成三阶张量模型,然后应用塔克分解求混合矩阵。该算法不仅具有优良的辨识性能,而且具有较低的实现复杂度。最后,仿真实验证明了该文算法的有效性。     

基于传播算子的间谐波参数智能估计算法

为了降低多重信号分类(MUSIC)法频率估计的计算复杂度,提出基于传播算子的间谐波频率估计方法.通过传播算子可以得到噪声子空间,不需要估计协方差矩阵和进行特征分解,并且不需要间谐波个数的先验知识,基于传播算子MUSIC算法的频率估计性能与MUSIC算法几乎相同.构造复数域自适应线性神经网络模型来估计谐波和间谐波的幅值和相位.该模型的输入变量和权值仅为实数域自适应线性神经网络的一半,简化了网络结构;采用Levenberg Marquardt(LM)算法对网络进行学习,大大减少了学习次数.仿真结果表明,该算法无需同步采样,能够快速准确地估计间谐波的频率、幅值和相位.     

一种新的稀疏重构的DOA估计算法

为提高低信噪比和较少快拍数条件下远场窄带信号波达方向的估计精度,提出一种新的基于加权l₁范数的稀疏重构波达方向的估计算法．该算法首先采用前后向空间平滑技术获得阵列输出数据协方差矩阵;其次构造出改进Capon算法空间谱函数中的倒谱系数矢量,设计得到符合加权l₁范数的权值矩阵;最后通过奇异值分解对接收数据进行降维处理,获得基于稀疏重构的加权l₁ 范数约束问题模型．仿真结果表明,在低信噪比或快拍数较少的情况下,该算法能够有效地抑制空间谱伪峰和保证较强的稳健性,且信源不需要进行相关处理,仍能获得很高的估计精度．     

基于均匀圆阵的矢量重构解相干算法

为解决基于均匀线阵矢量重构法不能直接用于均匀圆阵这一问题,提出一种模式空间矢量重构算法.提取模式变换后最大广义特征值对应的特征矢量,并对修正的信号特征矢量采用前后矢量重构方式构造数据矩阵实现解相干.在变换前提取最大特征值对应的信号特征矢量,充分去除噪声,且无需变换后广义特征分解计算,算法复杂度显著降低.理论分析和仿真结果验证了该算法的有效性.