任意阵列二维测向的快速子空间算法

为了对空间辐射源进行精确定位，建立了基于任意阵列对多目标源进行二维DOA估计的数学模型。将MUSIC算法推广到三维空间阵列可以对辐射源进行二维高精度测向，但由于其需要估计接收数据的协方差矩阵和进行特征分解，因而其计算量较大。利用多级维纳滤波器的前向递推获得信号子空间和噪声子空间，不需要估计协方差矩阵和对其进行特征分解，从而降低了MUSIC算法的计算量。将文中的方法应用于任意阵列的二维DOA估计中进行计算机仿真和实际侧向系统性能验证，实验结果均表明该方法达到了MUSIC算法的性能，但与常规MUSIC算法相比降低了计算量。     

基于降维子空间的多重信号分类快速算法

基于MUSIC的DOA估计存在运算量大的问题,已有的改进快速算法很多是以降低精度为代价的,因此提出了基于降维子空间的多重信号分类快速算法,该算法先利用降维的噪声子空间进行DOA粗略估计,使得MUSIC搜索的运算量大大减小,然后利用最大噪声子空间对估计结果进行修正;数值仿真结果表明,该方法能够在不影响DOA估计精度的情况下显著降低运算量,使MUSIC算法更具实用性.     

基于加权-改进MUSIC算法的相干信号波达方向估计

针对传统波达方向估计算法对相干信号失效的问题,提出了基于加权-改进多信号分类法(MUSIC)的波达方向估计算法。该算法首先对接收数据协方差矩阵进行重构,进而构造出新的噪声子空间,再根据特征值大小对噪声子空间特征向量进行加权,完成对相干信号的波达方向估计。仿真分析表明,算法成功地完成了对相干信号的波达方向估计。     

基于协方差矩阵重构稳健波束形成算法

提出了一种新的基于协方差矩阵重构的稳健算法.该算法基于最小化输出期望信号空间倒谱,利用多项式拟合估计期望信号的导向矢量;从数据协方差矩阵中减去期望信号部分,得到干扰加噪声协方差矩阵,通过修正方法实现对干扰加噪声协方差矩阵的准确估计,解决了低信噪比时由于信号子空间发生缠绕,导致协方差矩阵估计存在较大误差的问题;理论分析与仿真实验表明了该算法的有效性和稳健性.     

MIMO雷达二维低复杂度MUSIC测向算法

基于单基地MIMO雷达收发天线共址特性,提出一种二维低复杂度MUSIC测向算法。该算法通过构造交换矩阵和降维矩阵,有效去除MIMO雷达收发联合处理过程的冗余信息,大大降低协方差矩阵的维度。仿真结果表明,该算法的低复杂度特性随阵面天线阵元数的增多越来越显著,同时具有和原MUSIC算法相近的角度估计性能,甚至在低SNR时能获得更高的估计性能。     

基于降维Capon的相干信号二维DOA估计算法

针对相干信号二维波达方向(DOA)估计运算量过大的问题,提出了基于降维Capon的相干信号二维DOA估计算法。该算法采用空间平滑和半实值降维Capon算法,相比常规二维Capon算法,计算量显著减小。仿真结果表明,该算法的估计性能与常规二维Capon算法和二维MUSIC算法基本相同。     

基于多路延迟结构的频率估计新算法研究

针对多路延迟数字测频结构,提出了基于多级维纳滤波( MSWF)的MUSIC频率估计方法。该方法利用MSWF的前向递推的多级分解特性来实现信号子空间和噪声子空间的快速估计,不需要估计协方差矩阵和对其作特征值分解,所以运算复杂度可以明显降低,并且子空间估计性能与常规方法几乎一样。最后在子空间分解的基础上,通过MUSIC算法对其频率估计性能进行比较。仿真结果表明MSWF-MUSIC算法和常规子空间分解MUSIC算法具有几乎一样的频率估计精度;但本文箅法降低了计算量和复杂度,更易于信号的实时处理;随信噪比或快拍数的增加,两算法的频率估计误差都越来越趋近于Cramer—Rao界。     

基于维度特性的二维到达角及极化参量联合估计算法

针对利用极化敏感阵列进行多维参数联合估计运算复杂度大的问题,提出一种基于噪声子空间维度特性的极化敏感阵列DOA及极化参数联合估计算法。算法利用阵列接收数据协方差矩阵噪声子空间的维度特性构造谱函数,有效降低了极化敏感阵列信号参数联合估计的计算复杂度,同时保证了算法的估计性能。对算法与现有基于长矢量的MUSIC算法的运算复杂度进行了理论分析对比。最后,仿真对比实验验证了算法的有效性。     

基于“列维扩展”信号子空间的双基地MIMO雷达相干角度估计

针对传统算法在解相干时存在阵列孔径损失以及计算量大的问题,提出了基于"列维扩展"信号子空间的相干目标角度估计方法。该方法首先利用两个低复杂度的低维协方差估计来替代高复杂度的高维协方差估计,构造出"列维扩展"信号子空间,证明该子空间的列满秩性质不受目标相干性、回波单多快拍数的影响。然后提取出"扩展"旋转不变因子,实现了目标收发角度估计,最后利用空域滤波法实现收发角度的配对。仿真实验与数据分析表明:该方法在解相干时无需牺牲阵元孔径,其估计精度优于空间平滑类算法,并且适用于单次快拍数据情况的收发角度估计。     

基于互质阵列的信号波达方向估计算法

互质阵列具有灵活的天线摆放形式,相比于均匀阵列,有更大的阵列孔径,可以获得更高的自由度从而减少硬件资源成本,因此受到广泛的关注。本文针对基于互质阵列的空间平滑MUSIC算法(互质SS-MUSIC算法)估计精度低、计算量较大的问题,提出两种基于Toeplitz矩阵重构的互质阵列DOA估计算法。两种算法均利用扩展互质阵列构造虚拟阵列,然后进行协方差矩阵重构,重构后的矩阵是Toeplitz矩阵,对其进行划分,对划分后的矩阵进行特征值分解,求出信号子空间和噪声子空间,从而得到信号的入射角度。仿真实验结果表明,两种算法均能够实现信号的欠定DOA估计,与互质SS-MUSIC算法相比,两种算法在低信噪比-5 dB时的测向误差分别减少1.1°和0.5°,具有更高的估计精度;在相同条件下,运行时间分别减少45.9%和69.1%,具有更低的计算复杂度。     

辅助变量双迭代子空间追踪

提出了一种运用辅助变量的双迭代子空间跟踪方法。该方法采用秩一更新结构,构造两个无约束的代价函数,求其递归最小二乘解获得信号子空间。引入辅助变量使该算法可用于色噪声环境下的信号跟踪。为了简化运算,将推导过程进行了两次近似,运算复杂度大大降低。最后对跟踪结果正交化,获得了良好的正交性。仿真实验证明了该算法的有效性。     

线阵中基于降维NC-MUSIC的非圆信号DOA估计算法

通信领域中非圆(NC)信号的波达方向(DOA)估计已经得到广泛的研究和应用。考虑到非圆信号的多重信号分类算法(MUSIC)计算复杂度较高,提出线阵中基于降维NC-MUSIC的非圆信号DOA估计算法。与传统的需要二维搜索的2D-NC-MUSIC算法相比,该算法只需要一维搜索,降低了计算复杂度。仿真结果表明,该算法优于传统的MUSIC算法,并且与2D-NCMUSIC算法的估计性能非常接近。     

A Void Reference Sensor-Multiple Signal Classification Algorithm for More Accurate Direction of Arrival Estimation of Low Altitude Target

There exists MUSIC （multiple signal classification） algorithm for direction of arrival （DOA） estimation. This paper is to present a different MUSIC algorithm for more accurate estimation of low altitude target. The possibility of better performance is analyzed using a void reference sensor （VRS） in MUSIC algorithm. The following two topics are discussed： 1） the time delay formula and VRS-MUSIC algorithm with VRS located on the minus of z-axes; 2） the DOA estimation results of VRS-MUSIC and MUSIC algorithms. The simulation results show VRS-MUSIC algorithm has three advantages compared with MUSIC： 1） When the signal to noise ratio （SNR） is more than - 5 dB, the direction estimation error is 1/2 as much as that obtained by MUSIC; 2） The side lobe is more lower and the stability is better; 3） The size of array that the algorithm requires is smaller.     

一种正交投影自适应波束形成快速算法

正交投影自适应波束形成算法性能优良，但需要进行矩阵特征分解，运算量大．为了减小正交投影自适应波束形成算法的运算量，提出了一种正交投影自适应数字波束形成快速算法．该算法利用阵列协方差矩阵的一个子矩阵得到干扰子空间。无需特征分解，且无需估计整个协方差矩阵，而只需估计该子矩阵，因而易于工程实现．当阵元数相对干扰数较大时，该算法性能与正交投影算法相差不大，但运算量要小得多．理论分析和计算机仿真结果表明。此方法是有效的．     

基于四阶累积量极性迭代的自适应动态谱线增强快速算法

针对最小均方(LMS)算法抑制高斯噪声效果差和高阶累积量计算量大等问题,研究了四阶累积量递推算法与计算量的关系,提出了基于四阶累积量对角切片极性迭代的自适应动态谱线增强快速算法.并用水下目标辐射谱线的实测数据进行了动态仿真.理论分析和仿真结果表明:该算法的计算量比基于四阶累积量对角切片非极性迭代的自适应谱线增强算法减少约50%;该算法抑制高斯噪声的性能优于基于LMS算法的自适应谱线增强算法.因此,该研究在工程上有一定的参考和利用价值.     

利用高阶信息的干涉仪测向算法

干涉仪可凭较小的复杂度对目标进行较精确的测向,但随着F－22等隐身目标的不断部署,要求干涉仪具有较好的低信噪比性能。在分析经典干涉仪原理的基础上,提出了一种利用信号高阶信息的干涉仪测向算法。仿真实验证明,该算法在低信噪比下的性能优于经典干涉仪方法及MUSIC算法。     

一种声矢量阵最小方差无畸变方位估计算法

针对声矢量阵最小方差无畸变（AVAMVDR）算法,综合考虑角度分辨与单边指向特性,提出一种改进的AVAMVDR（IAVAMVDR）方位估计算法。从空间功率与子空间分解两方面分析了传统AVAMVDR算法特性;利用解析振速与声压-振速抑制各向同性噪声能力,介绍两种协方差矩阵构造方法,并在此基础上实现目标方位估计。理论分析表明, IAVAMVDR算法有效减小了信号子空间影响,使得主瓣更窄、旁瓣更低,并具有一定的抗左右舷模糊能力;仿真与实测数据均证明了该算法的有效性。