互耦效应对DOA估计的影响

在均匀线性阵列模型下,结合常规波束形成算法、Capon最小方差无失真响应(MVDR)波束形成算法、MUSIC算法、ESPRIT算法和Root-MUSIC算法等几种主要到达角(DOA)估计算法的原理,分析了互耦效应影响这些算法的作用机理,并利用MATLAB进行了数值仿真.理论分析和仿真结果表明,互耦效应带来的误差增大了DOA估计算法的估计误差,降低了估计成功概率,严重影响了算法的性能.     

改进未知互耦信息下矩阵重构算法的波束形成

针对自适应波束形成器在低信噪比下受阵列互耦效应的干预而导致的性能下降问题,研究一种基于改进未知互耦信息下导向矢量失配的矩阵重构算法的波束形成。利用互耦矩阵的特殊性在加入互耦之前给期望信号导向矢量适配一个误差值,通过设置输入信噪比取值条件,调整导向矢量的估计值,进而对重构出来的干扰加噪声协方差矩阵进行二次特征分解,得到最优权矢量。仿真实验表明,算法显著提高了波束形成器应对未知的互耦信息下抗干扰的能力,在低信噪比下体现出更好的稳健性。该算法对方向矢量进行修正并增强了对干扰的抑制能力,显著提高了波束形成器的性能。     

双／多基地综合脉冲孔径地波雷达的互耦校正

讨论双/多基地综合脉冲孔径地波雷达的互耦校正问题.结合该雷达给出互耦数学模型,提出一种基于子空间理论、利用直达波信号进行互耦系数估计的算法,并讨论在互耦条件下的DOA(directions-of-arrival)估计;同时推导了互耦系数估计的Cramer-Rao界(CRB),由此可以得出接收站方位角对估计性能的影响.Monte-Carlo仿真结果验证了算法的有效性.该算法可获得较高的互耦系数估计精度,其估计方差接近Cramer-Rao界;经过互耦校正的MUSIC算法的DOA估计效果良好.     

秩损法互耦校正在GPS抗干扰中的应用

GPS空时联合(STAP)抗干扰技术是基于自适应波束形成的信号处理方法,通过干扰置零,能够对抗高功率的宽带和窄带干扰。理想的算法认为各个阵列天线之间互不影响,然而实际应用时,各个天线之间会产生互耦,严重影响系统性能。针对此,对自适应天线阵列及其互耦进行了建模,并采用秩损法进行互耦校正,最后将校正结果与分离迭代互耦校正算法作了对比。仿真结果表明,秩损法互耦校正不仅能够有效补偿系统因天线互耦损失的性能,而且在较高输入干噪比下其性能优于分离迭代算法。     

一种基于简化极化敏感阵列的APES波束形成算法

为了有效降低极化敏感阵列各共点分量之间互耦的相互影响,进一步提高极化阵列的滤波性能,基于新的阵列模型提出了幅度相位估计(APES)波束形成算法。首先,给出了简化极化阵列的布阵模型和接收信号模型;然后,针对简化极化阵列给出了极化APES波束形成算法的详细理论推导,得到了最优权向量的表达式;最后,通过仿真实验验证了极化APES在波束形成方面的有效性。仿真结果表明该算法在强期望信号功率、低采样快拍数或是存在相干干扰的情况下都具有稳定的波束图。     

考虑互耦的平面相控阵天线波束形成

针对互耦会影响天线方向图的问题,首先用矩量法精确分析了考虑互耦影响时平面相控阵天线阵元的电流分布,仿真实现了阵元互耦对相控阵天线波束形成的影响效果,然后用软件补偿的方法补偿互耦所造成的影响,从而完成了相控阵天线波束形成的综合.     

基于交替迭代的混合信号DoA与ULA互耦误差估计算法

针对互耦条件下均匀线阵(Uniform Linear Array, ULA),该文基于交替迭代提出一种适用于混合信号模型的波达方向(Direction of Arrival, DoA)与互耦误差估计算法.算法首先利用ULA互耦矩阵的带状Toeplitz结构,提出一种基于门限的非相干信源DoA估计方法,进而实现互耦误差初步估计;在此基础上,以交互迭代方式实现混合信号DoA估计及互耦误差更新.算法最多只需二次交互迭代,就可实现收敛.计算机仿真结果表明:该算法在较少接收快拍数及低信噪比情况下,均具有良好的DoA及互耦误差估计性能.     

存在互耦误差条件下的米波雷达低仰角测高算法

由于多径效应的存在,雷达在低仰角跟踪时除了接收到目标的直接回波外,还会接收到与直接回波相干的地(海)面反射的多径信号.针对存在阵元间互耦情况下的米波雷达低仰角测高问题,本文提出了一种改进的加权空间平滑算法.首先,通过特殊的子阵划分方式,使互耦误差和波达方向估计的代价函数无关,使之转化为无互耦误差条件下波达方向估计问题.然后,直接利用阵列接收数据求得最优加权矩阵,对子阵输出的自相关矩阵和互相关矩阵进行加权空间平滑,改善解相干的性能,提高存在互偶误差情况下米波雷达低仰角波达方向估计的精度.理论分析和计算机仿真都表明了新算法的优越性.     

多子阵互耦影响下的非圆信号自校正算法

针对多子阵互耦影响下的非圆信号波达方向(Direction-Of-Arrival,DOA)估计问题,给出了一种针对最大非圆率信号的互耦自校正算法.该算法利用均匀线阵互耦矩阵的带状、对称Toeplitz性和多子阵互耦矩阵的块状对角特性,能够与传统的互耦秩减估计器一样避免多维搜索和迭代运算.并且通过结合信号的非圆特性来扩展数据模型,使得其估计精度较传统的互耦秩减估计算法有明显提升,可分辨信源数也有所增加.对该算法的理论性能进行研究,分析了其对未知参数的可辨识性必要条件,并基于最大非圆率信号模型给出了相应的克拉美罗界(Cramér-Rao Bound,CRB).仿真结果表明,该算法较传统的互耦秩减估计算法在低信噪比、小快拍数下有更强的鲁棒性.     

互耦效应下用单快拍数据实现相干信源完全解相干和解耦合

阵元间存在互耦时,会对阵列流型产生扰动,同时当空间来波存在相干信源时,协方差矩阵会产生秩亏,这两类问题都会使子空间类估计算法性能急剧下降甚至失效。针对互耦效应下的解相干问题,该文提出了一种仅利用阵列单快拍即可实现完全解相干和解互耦算法互耦效应下的修正单次快拍算法(MC-ENDTOP)。该方法将原单快拍算法应用背景推广至任意形式来波信号,利用一次快拍构造等效接收数据协方差矩阵,通过数据分解,将互耦系数从阵列流型矩阵中剥离,从而实现了完全解互耦,并将其归入分解后的等效信号协方差矩阵中,由于等效信号协方差矩阵为对角阵,且对角元素与信号相关性无关,因此进一步实现了完全解相干。仿真验证了该文算法能够抑制互耦影响,估计性能和无互耦时相当,且适用于实时性要求高的场合。     

基于特征值分解的随机分布传感器信号合成增强

将传感网中随机布设传感器节点所接收到的微弱信号进行合成,可有效增强传感器网络的信号感知能力.本文关注的是该微弱信号的合成权值估计问题.以合成信号的自相关系数作为目标函数,本文提出了一种基于特征值分解的合成权值估计算法.该算法无需估计噪声相关矩阵,适用于噪声方差不一致的环境.数值仿真结果显示,本文提出的基于自相关系数的特征值分解合成权值估计算法,在低信噪比、噪声方差不等的条件下,性能优于以合成信号信噪比或者合成信号功率为目标函数的特征值分解合成权值估计算法.     

一种基于奇异值分解的改进信噪比盲估计算法

针对空间分解类信噪比(SNR)估计算法中子空间维数估计复杂度较高,低信噪比下估计偏差较大的问题,提出了一种改进的子空间维数估计算法。该算法首先利用样本自相关矩阵的奇异值序列进行后向差分得到梯度序列,对梯度序列每一项与后5项之和的比值进行搜索,最大比值所对应的奇异值序号作为信号子空间维数,最后计算信噪比。合适数据长度下的仿真结果表明：在信噪比-5 dB~20 dB范围内,常规通信信号的信噪比估计平均偏差小于0.5 dB,标准差小于1 dB;该算法提升了低信噪比下的估计性能,运算量较小,无需知道调制方式、载波频率、符号率等先验信息,在低信噪比时对信噪比时变的跟踪估计更为准确,且对复杂高阶调制信号同样适用。     

DOA估计算法评价准则在不同功率入射信号下的修正

针对复杂电磁环境中信号功率对入射信号波达方向（DOA）估计的影响问题进行研究,发现用于DOA估计算法性能分析的经典评价准则对不同功率入射信号存在局限性。针对该问题,首先证明了强信号功率会影响弱信号DOA估计性能,得到强信号功率增加会导致弱信号功率克拉美罗界上升,即弱信号DOA估计的均方根误差增加。然后分析了DOA估计算法的经典评价准则对分辨不同功率入射信号存在的局限性,通过蒙特卡洛实验验证了经典评价准则对分辨不同功率入射信号存在较大误判率,当弱信号信噪比低于5dB时,其误判率大于50%。最后本文提出了DOA估计算法新的评价准则,并仿真证明了新准则较经典准则更适用于分辨弱信号信噪比较低时的不同功率入射信号。所提出的评价准则可为基于空间谱估计的DOA估计算法性能分析提供参考依据。      

基于周期模糊函数理论的信噪比估计

周期模糊函数表示周期调制连续波信号的时延-频偏平面的相关,不同的信号具有不同的周期模糊函数。针对雷达中频信号的信噪比估计,提出了基于周期模糊函数理论的信噪比估计方法。根据信号和噪声在周期模糊函数中的不同位置具有不同的表现特征,推导了在高斯白噪声背景下基于周期模糊函数的信噪比估计公式,给出了实现算法,同时和其他信噪比估计算法进行了对比仿真分析。结果表明,基于周期模糊函数的信噪比估计方法,特别是对低信噪比情况下,估计精度高,算法简单,易于工程实现。     

脉内相位编码信号的识别与码序恢复

为了提高低信噪比(SNR)下对雷达脉内相位编码(PSK)信号的处理能力,对传统的相位差分法进行了改进,并利用该方法对PSK信号进行了识别与码元序列的恢复。根据PSK信号的特性,结合滤波、数字变频和高阶差分来减小噪声对相位的影响,提高了相位差分法的抗噪性。对相位差分序列归一化后,先进行码元宽度的精确估计,再由码元关系去除伪跳变点。最后通过一系列的特征提取,实现了PSK信号的综合处理。仿真结果表明,所提算法在低信噪比下性能良好,具有很高的工程应用价值。     

一种抑制参数估计背景色噪声的形态学滤波算法

根据循环平稳有关理论,通信信号的非线性变换频谱中存在体现信号各阶循环平稳性的离散谱线,谱线位置对应着信号载波频率和符号速率的线性组合。通过提取这些离散谱线可以完成信号的基本参数估计,然而非线性变换不仅能产生对应于信号载波频率、符号速率等参数的正弦分量,而且还会形成不利于谱线提取的背景色噪声,当信号信噪比低、数据量小时,色噪声对谱线提取的影响尤为突出。针对这一问题,本文深入研究了信号非线性变换谱特征,结合数学形态学基本理论,提出了一种基于离散灰度形态滤波的方法来抑制背景色噪声。首先利用开运算估计背景色噪声,其次运用顶帽变换进行白化处理,通过闭运算填平杂散负脉冲,增强谱线相对强度,最后设置检测门限,提取离散谱线,完成信号对应参数的估计。详尽的Monte Carlo仿真给出了谱线检测性能与信号脉冲成型系数、信噪比和数据量之间的关系。结果表明,该算法有效抑制了背景色噪声,在信噪比低、脉冲成型系数小、数据量少的情况下提高了谱线检测性能,从而证实了该算法的有效性。      

基于噪声估计的改进能量熵语音端点检测算法

针对传统能量熵的短时能量与子带谱熵容易受噪声环境影响,低信噪比下端点检测性能下降的问题,提出一种基于噪声估计的改进能量熵语音端点检测算法.首先对语音进行噪声估计并以此计算语音存在概率;然后利用估计的噪声能量修正短时能量,用语音存在概率作为加权系数优化子带谱熵,并将两者结合生成改进的能量熵;最后给出基于噪声估计的动态门限以及实时的端点检测策略.实验结果表明,在信噪比5 dB、0 dB的多种噪声环境中,基于噪声估计的改进能量熵端点检测算法相比传统能量熵算法与改进子带能谱比算法,检测正确率平均提升7％.     

CDMA系统基于四阶累积量的DOA估计

提出一种在 CDMA 系统中使用四阶累积量解相干 DOA 估计的算法。该算法不仅能消除多径干扰,且与二阶 MUSIC 算法相比能更有效抑制空间色噪声,提高估计精度,且算法计算量不大,可以实时处理和实现。通过计算机仿真,证明在低信道比色噪声环境下,该方法是有效的。     

Direction of Arrival (DoA) Estimation Under Array Sensor Failures Using a Minimal Resource Allocation Neural Network

This paper presents the use of a minimal resource allocation network (MRAN) for the direction of arrival (DoA) estimation under array sensor failure in a noisy environment. MRAN is a sequential learning algorithm in which the number of hidden neurons are added or removed based on the input data and produces a compact network. The training for MRAN is done under no failure and no noise case and the trained network is then used when there is a failure. Thus, the need for knowing the element and the time of its failure, as required in other methods is eliminated. MRAN's performance is compared with the conventional MUSIC algorithm and also the radial basis function neural network scheme developed by A. H. El Zooghby under normal and failed cases. In normal case, different antenna effects like mutual coupling, nonuniform array and unequal source power have been studied under different signal to noise ratio (SNR) values. Results indicate the superior performance of MRAN based DoA estimation scheme under different antenna effects, failure conditions and noise levels     

基于领域自适应的动态噪声辐射源个体识别

现有基于深度神经网络的辐射源识别算法受训练场景限制,当待测信号与训练数据集的信道环境噪声不一致时,网络的识别性能严重退化.为了克服该问题,本文提出一种基于迁移学习的辐射源个体识别算法.该算法结合领域自适应的思想,建立优化模型将不同信噪比下信号的特征对齐,使在特定信噪比下训练的神经网络学习到与信道噪声无关的射频指纹特征,...