基于量子免疫进化的空时多维参数估计

利用阵列信号处理时域与空域等效的关系,以平面阵为基础,采用阵列协方差矩阵的奇异值分解和广义特征值分解估计接收信号的频率,通过分析阵列模型,提出一种抗原和抗体的亲和力函数;利用量子免疫进化的特性,估计出信号的俯仰角和方位角,从而完成阵列信号的多维参数估计,改善了多维参数估计的抗噪性能、数值稳定性和运行时间。通过计算机仿真,证明了该算法的有效性。     

基于ESPRIT的噪声抑制频率估计算法

在中低信噪比时,协方差矩阵受噪声影响较大导致ESPRIT算法性能降低,使其与克拉美罗下限(CRLB)有一定距离。针对该问题,提出一种基于ESPRIT的噪声抑制频率估计算法,利用信号频域内若干子带的谱线估计协方差矩阵,通过该矩阵的特征向量张成信号子空间,估计信号各分量的频率。实验结果表明,该算法能用于多个频率分量的信号分析,归一化频率估计的范围为 ,且性能接近于CRLB下限。     

基于空时离散傅里叶变换投影的宽带旋转不变技术估计信号参数算法

利用采样频率和频域数据的关系,对空时离散傅里叶变换(DFT)投影方法进行改进,并且讨论分析了采样频率对其解相干性能的影响,然后将窄带旋转不变技术估计信号参数(ESPRIT)类算法应用到宽带相干源方位估计中,提出一种基于空时DFT投影的宽带ESPRIT算法。仿真结果表明,适当地增加采样频率可以改善空时DFT投影方法的方位估计性能,并且比起快速傅里叶变换(FFT)插值法,空时DFT投影方法具有更加优越的方位估计性能。     

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。     

基于FFT旋转不变性的ESPRIT跳频信号频率估计算法

为了解决信号的信噪比(SNR,signal to niose ratio)较低时,ESPRIT(estimated signal parameters via rotational invariance technique)算法的估计性能明显下降这一问题,提出一种基于FFT(fast Fourier transform)旋转不变性的ESPRIT跳频信号频率估计算法。该算法通过对采集到的信号样本进行FFT变换,对变换结果中幅度最大的谐波系数进行筛选构造新的信号序列,再利用FFT的旋转不变性重新合成两个具有旋转不变性的矩阵,最后再利用ESPRIT算法对信号频率进行估计。理论分析和仿真结果证明了该算法的可行性和有效性。     

基于加窗插值和ESPRIT的电力系统间谐波算法

临近谐波或基波的间谐波是导致电压闪变的直接原因.为准确检测间谐波,通过分析加窗插值算法和ESPRIT的局限性,提出基于加窗插值和ESPRIT的间谐波检测方法.通过加窗插值求解各个信号参数,采用频率分析定位临近谐波和间谐波所在频率区间,并采用ESPRIT算法计算时域滤波后的残差分量.仿真对比结果表明,该方法的频率分辨率和精度均优于加窗插值法和传统ES-PRIT算法,能有效消除伪谱的影响.     

时空谱分析的本征结构方法——对均匀阵列和非均匀阵列

在雷达、声纳、地震学等应用中,经常要通过分析计算从传感器阵列中接收到的数据来估计信号参数。分析处理接收数据的方法很多,在本文中,我们在理解参考资料所提出的用本征结构方法来分析处理阵列数据的时空谱而得到信号参数的理论基础上,分析算法,在M-340机上模拟且作出实现结果。对均匀阵列,直接在时域中分析,而对非均匀阵列,则变换到频域中讨论。     

L型阵列结构及信号模型的建构与仿真

通过信号处理技术实现空间入射信号参数估计是雷达阵列信号处理的基本问题.然而目前阵列信号处理在工程实践中仍存在诸多困难,如阵列结构复杂,冗余度大,由此付出的巨大运算量及存储量都不利于实际运用.该文围绕以上问题,研究和建构了L型阵列,并基于此阵列,针对远场窄带信号,利用时延数据,以时间变元作为旋转因子,构造信号模型,实现ESPRIT技术,达到同时估计信号频率和二维到达角的目的.该算法避免了平面阵的复杂性,同时频率和方向可以实现自动配对.在仿真实验结果中亦可看出,各参数仿真结果接近真实值,同时,运算量大大减少,更加便于实际应用.     

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。     

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。     

基于正交化算法的均匀圆阵空时二维谱估计

本文讨论了阵列信号的谱估计问题,将G-S正交化算法用于均匀圆阵的空时二维谱估计中,研究了目标信号频率与到达角联合估计问题。通过仿真结果可以表明该方法与MUSIC算法相比,能更精确的估计目标信号的频率与方位角。     

基于辅助阵元的二维波达方向估计算法

;针对任意平面阵列,提出了一种基于辅助阵元的二维波这方向估计算法.首先利用附加的一个辅助阵元及信号的空、时域信息,构造时空旋转矩阵实现对仰角的分离估计,再利用得到的仰角信息通过一维搜索获取方位角.与传统基于子空间的二维波达方向估计算法相比,该方法不需要进行二维谱峰搜索与参数配对,对阵元的幅相误差具有较强的鲁棒性,并具有...     

基于圆阵双基地MIMO雷达多维角度联合估计

提出了一种基于均匀圆阵双基地MIMO雷达多目标多维角度估计的新算法。对阵列接收信号进行分析,表明其具有平行因子三线性模型特征,利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出多维角度。该方法无需谱峰搜索,可实现参数的同时估计与配对,与基于旋转不变参数估计技术(Estimation of signal parameters via rotational invariance techniques,ESPRIT)思想的算法相比具有更高的估计精度,而且在小样本数下也能较好地工作。仿真结果验证了该算法的有效性。     

采用单次快拍数据实现信源DOA估计

针对均匀线性阵列DOA估计中的实时性和解相干问题,提出了一种基于单次快拍数据的估计算法,通过对阵列接收的单次快拍数据进行相关处理后重构Toeplitz矩阵,并证明该矩阵的秩不受信号相干性的影响。通过特征值分解,得到对应的信号子空间和噪声子空间,结合MUSIC算法和ESPRIT算法实现了对相干和非相干信号的DOA估计。算法不损失阵列孔径,具有更好的实时性和抗噪声干扰的能力;在低信噪比条件下,仍具有较好的估计性能。最后计算机仿真结果证实了算法的有效性和可行性。     

一种自相关矩阵改进的Pisarenko算法

Pisarenko算法是通过N个采样数据估计一个平稳随机信号参数的算法.改进的Pisarenko算法在噪声环境下可以精确估计信号频率.该算法通过一个时域累积量等式选择适当的数量关系得到新的自相关矩阵,最后利用最小二乘法求解得到频率的估计值.该算法把频域中提取的信号转换到时域中求解,从而避免了经典Pisarenko算法由于对自相关矩阵进行降维,使用样本自相关函数少,影响最后频率估计精度的缺点.仿真实验结果表明,所提的算法能够有效提高频率估计值的精度,频率估计性能稳定.     

基于预处理提高角度频率联合估计的稳健性

研究了可建模为对称α稳定（SαS）分布的冲击噪声环境中的联合角度频率估计问题。利用SαS分布的特性，首先对阵列接收数据做高斯拖尾零记忆非线性变换（GZMNL）进行预处理，以降低幅值大的异常数据对参数估计性能的影响，然后给出了用2-D ESPRIT型方法来联合估计信号的二维参数。计算机仿真结果显示了所给算法的有效性及其对冲击噪声环境的稳健性。     

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。     

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。     

一种改进的波束域ESPRIT算法

高分辨方位估计技术在声纳、雷达、通信、地质探测等众多应用领域中占有十分重要的地位.ESPRIT算法作为一种成熟的高分辨算法有运算量小的优点,但其减小了阵列的有效孔径,在现有的高分辨处理设备中,由于空间的限制,阵列不可能随意增大,因此要最大限度的扩大阵列的有效孔径.通过对均匀线列阵下波束域ESPRIT算法(BmESPRIT)的研究,提出了一种基于ESPRIT的新算法,并给出了转换成波束域处理的构造方法.该算法利用后向平移技术,使两子阵列与原阵列具有相同的有效孔径.有效的利用了阵列资源.仿真结果表明在相同条件下该算法的估计性能明显提高.     

基于快速傅里叶变换的正弦信号频率高精度估计算法

为了进一步提高加性高斯白噪声背景中正弦信号的频率估计精度,提出了一种新的基于插值快速傅里叶变换(FFT)的正弦信号频率估计算法.首先,对N点正弦采样序列进行等长度时域补零延长,再进行 2N 点FFT; 然后, 搜索幅度最大离散谱线位置得到频率粗估计值; 最后, 采用幅度最大谱线以及原信号的离散时间傅里叶变换(DTFT)在幅度最大谱线左右两侧的两点抽样值进行精估计.仿真结果表明,当信号实际频率位于FFT两条离散谱线之间任意位置时,所提算法的频率估计均方根误差均接近克拉美罗下限,具有较好的一致性,估计精度高于Candan算法、Fang算法、三谱线合理结合(RCTSL)算法和Aboutanios算法, 且信噪比阈值较低,估计性能优于现有频率估计算法.