基于信号相位匹配原理的正则化方位估计方法

根据信号相位匹配原理，提出了基于正则化方法的方位估计算法。该方法具有尖锐的搜索指向性，改善了接收阵个别阵元故障条件下的方位估计精度。海试数据的处理结果表明，该方法的定向稳定性和方位估计精度优于传统的波束形成方位估计和基于相位匹配原理的奇异值分解方位估计方法。     

多子阵信号相位匹配原理的信号最小二乘解

提出了利用多元阵信号相位匹配原理的信号方向估计及信号估计的最小二乘法的求解方法，该方法不仅可减小接收通道的相幅度一致性对信号估计的影响，同时也可以消除利用三元阵或四元阵的信号相位匹配原理时产生的估计信号奇异值。利用真实舰船噪声的线谱可实现高精度目标定向，然后根据确定方向实现目标宽带信号估计。仿真结果表明，多子阵的信号相位匹配法的噪声抑制性能明显优于阵元域的噪声抑制性能。     

利用小尺度阵的波达方向估计

提出了一种利用三无线列阵的信号相位匹配原理的波达方向估计方法。给出了阵对准信号方向时的估计信号的表达式；用数值计算方法给出了三元阵的相位匹配原理的指向性特性曲线和波达方向估计的搜索算法；最后给出了仿真计算结果和不同信噪比时的．Monte-Carlo实验结果。仿真结果表明，利用本文提出的波达方向估计精度优于常规波束形成法，与MUSIC(Multiple Signal Classification)方法的估计精度相近，还可同时给出期望信号的波形估计，而反阵结构简单。     

矢量阵自适应零陷强干扰抑制目标方位估计方法

针对方位范围未知的远场强干扰背景下声呐弱目标信号的检测与方位估计问题,本文提出了将自适应空域矩阵滤波技术、矢量信号处理技术及平面波方位估计技术结合的方法。通过最小化滤波后矢量阵信号输出功率以及约束滤波器通、阻带响应,产生自适应零陷干扰抑制效果,并利用二阶锥凸优化的方法首次求解得到了矢量阵自适应空域滤波器。仿真及试验结果表明：矢量阵自适应空域滤波器空域特性相比声压阵自适应空域滤波器更优,矢量阵数据自适应预滤波后再进行方位估计,方位未知的远场强干扰能够被更有效地自适应抑制,进而能够提升矢量线列阵声呐远程弱目标被动探测性能。     

基于稀疏重构的窄带弱信号时延估计算法

提出了一种基于稀疏重构的窄带弱信号时延估计算法.利用信号的互相关谱构造数据矩阵,然后建立时延参数的冗余字典,最后通过矩阵奇异值分解在信号子空间中利用正交匹配追踪算法得到高精度时延估计.理论分析和仿真实验验证了算法的正确性和有效性.相比于传统方法,该算法可将窄带弱信号时延估计精度提高约1倍.     

一种阵元位置误差条件下的DOA估计方法

针对存在阵元位置误差时多重信号分类(MUSIC)算法的信号波达方向(DOA)估计性能严重下降的问题,结合微粒群(PSO)算法,提出了一种在阵元位置误差情况下的DOA估计方法.该方法首先根据MUSIC算法原理拟合校准目标函数,然后运用PSO算法对函数进行寻优,再校准误差矩阵,最后利用MUSIC算法进行DOA估计.通过不同的参数设置条件下仿真结果比较,选择估计性能最好的一组作为PSO算法的关键参数设置,并对比了校准前后MUSIC算法的DOA估计性能.仿真结果表明:本文方法能够有效改善MUSIC算法的角度分辨能力.     

一种基于均匀圆阵的宽频段相干源二维DOA估计方法

基于均匀圆阵，在频率估计的基础上，提出了一种适用于宽频段窄带相干信号的二维DOA估计新方法．计算机仿真表明该方法在总阵元数没有超过UCA-RB-MUSIC法中所需阵元数的前提下，在宽频段内对相干源的二维DOA估计有高精度，而且对接收信噪比的变化表现出很强的鲁棒性．     

单片机原理及信号干扰处理措施探析

单片机就是利用集成电路技术将中央处理器、随机存储器、只读存储器和其他系统功能集成在一块硅片上,形成一个微型的计算机系统.单片机技术的出现,推动了计算机的微型化,具有低能耗、使用简单、处理速度快等特点.本文将对单片机的工作原理及应用进行简单介绍,并且讨论干扰单片机信号的影响因素有哪些,提出一些具体的解决措施.     

基于最大似然法的GPS弱信号载噪比估计算法

为了在弱信号环境下准确估计卫星信号载噪比,提出一种可自适应调整估计时间,基于最大似然准则的载噪比估计算法。在分析GPS信号相关器模型输出的基础上,对该算法的原理和性能进行了理论分析,研究了相干累加次数对该算法的影响,并在仿真平台上进行验证。仿真结果与理论推导吻合,在信号很弱时可通过提高累加次数对载噪比进行准确估计。相对传统载噪比估计算法,该算法估计时间较短,估值准确。根据理论推导求出满足精度要求的最小累加次数,用于自适应调整估计更新时间,可提高算法的灵活性。     

关于在限带噪声干扰中弱确知信号的检测

任何物理可实现的干扰,如天电干扰、电子对抗中的有源干扰,当ω→∞时,其频谱Y_n(ω)至少以1/ω~2的速度趋于零。因此,根据瞬态检测理论,对于可测知基带信号E(t)=S(t) y(t)来说,就可以建立一个与被测信号S(t)无关的干扰微分方程,再利用被测信号的因果关系,进而可以求得所需的初值,使该干扰微分方程具有唯一解,其误差为O(h~n)。因此,若所选被测信号适当,则由此而被恢复的信号S=E(t)-y的误差至少为O(h)。故当h→0~ 时,被测信号S(t)就可以被恢复。所以,它对无线电制控和通信的抗干扰,例如对无线电制导火箭的抗干扰,是很有益处的。     

宽带信号子空间谱估计修正方法的研究

提出了信号子空间维数估计法、噪声子空间加权法和扩展MUSIC法三种修正的宽带信号子空间谱估计方法,它们均有效地解决了宽带信号子空间谱估计法所存在的信号子空间维数扩展问题。信号子空间维数估计法用包含信号99.9%以上功率的特征值数目来估计信号子空间维数,正确地划分了子空间。噪声子空间加权法和扩展MUSIC法不用划分子空间,而是给噪声子空间特征向量或全空间特征向量加权,减小了子空间维数扩展的影响。仿真实验结果表明:三种修正方法是有效的,并具有良好的统计性能。     

混频弱磁信号的采集与处理

为了校准由八个磁通门传感器组成的传感器阵列的灵敏度,设计了一个磁传感器阵列校准系统.利用多通道数据采集卡对信号进行采集,使用快速傅里叶变换和三角积分法对数字信号分别进行了处理.结果表明,利用快速傅里叶变换,可以得到准确的、相互靠近的峰值频率,其范围介于3.8~4.2Hz之间,信号的振幅约为200nT,与理论计算值相差较大;采用三角积分法进行处理,可以获得功率谱密度,得到准确的信号振幅,与理论预测值的误差小于5%.     

一种存在阵列误差情况下的宽带DOA估计方法

相对于窄带信号,宽带信号阵列模型误差更加复杂和多样。文章首先给出了宽带信号条件下的阵列误差模型,利用四阶累积量估计出各频点上实际的方向矩阵,然后利用总体最小二乘(TLS)算法给出了一种存在阵列误差情况下的聚焦矩阵的求法。仿真结果表明此方法在存在阵列误差时DOA估计精度较高,稳健性好。     

一种改进的SRP-PHAT宽带信源DOA估计算法

针对离散联合可控响应功率和相位变换（DSRP-PHAT）算法用于宽带信号DOA估计时精度不稳定问题,在线性阵列条件下提出了一种改进算法（IDSRP—PHAT）．该算法首先计算各时延对应的角度,对其进行排序,然后通过滑窗法计算波束功率并反推得到波束角度,最后在峰值搜索中采用加权求和的方式估计DOA．仿真实验表明,相比DSRP-PHAT算法,IDSRP-PHAT算法提高了平均估计精度,同时也消除了不同DOA带来的精度差异．     

一种改进的宽带DOA估计算法

针对现有宽带相干信号源DOA估计算法（CSM）存在依赖于初始值的选取以及需要先验信息等缺陷,提出一种改进算法——自聚焦算法.通过建立均匀线阵以及十字阵模型,推导了自聚焦算法,证明了自相关矩阵为正定时聚焦矩阵是一个酉矩阵,不会产生任何的聚焦损失.最后对自聚焦算法和CSM算法进行了仿真.仿真结果验证了自聚焦算法的有效性;与CSM算法相比,自聚焦算法可以有效解决相干信号源的问题,具有更好的鲁棒性.     

一种新的波达估计方法

分析了目前常用的波达角估计算法,研究了等距线阵和圆阵的特点,指出其存在关于横轴镜像对称信号源的空间模糊性,利用等距T型阵克服了这一困难。提出了一种新的基于训练序列波角达估计新算法,新算法基于如下假设:各个信号源的训练序列互相正交,并且各个信号源都是幅度为1的恒模信号。该文给出了新算法的数学推导过程,得到一个简单的波达角估计公式。应用Matlab对新算法进行了仿真,仿真结果表明新算法能够快速、精确地估计波达方向。     

双天线对消技术对宽带干扰的抑制性能

提出了一种应用在卫星导航系统中的干扰对消技术.通过理论推导,详细分析了干扰对消系统对宽带干扰抑制能力的极限值,揭示了带宽延时积与干扰对消比的内在关系,量化了幅度误差和相位误差对宽带干扰对消比的恶化程度.通过仿真和实验验证了理论分析的正确性.实验验证了双天线对消系统可使卫星导航接收机的抗干扰能力提高29 dB.     

LSL自适应权向量法检测弱脉冲信号方法研究

自适应权向量ＬＭＳ算法用于检测弱信号具有收敛响应较慢的缺点，本文应用自适应权向量格型ＬＳＬ算法检测噪声中的射频弱脉冲信号取得满意结果。仿真检验表明，本文方法用于检测快变弱信号是一种行之有效的方法。     

Wideband Direction-of-Arrival Estimation Based on Deep Learning

The performance of traditional high-resolution direction-of-arrival (DOA) estimation methods is sensitive to the inaccurate knowledge on prior information, including the position of ar-ray elements, array gain and phase, and the mutual coupling between the array elements. Learning-based methods are data-driven and are expected to perform better than their model-based counter-parts, since they are insensitive to the array imperfections. This paper presents a learning-based method for DOA estimation of multiple wideband far-field sources. The processing procedure mainly includes two steps. First, a beamspace preprocessing structure which has the property of fre-quency invariant is applied to the array outputs to perform focusing over a wide bandwidth. In the second step, a hierarchical deep neural network is employed to achieve classification. Different from neural networks which are trained through a huge data set containing different angle combinations, our deep neural network can achieve DOA estimation of multiple sources with a small data set, since the classifiers can be trained in different small subregions. Simulation results demonstrate that the proposed method performs well both in generalization and imperfections adaptation.     

波导色散对宽带信号脉压性能的影响

基于成对回波理论，针对波导色散对宽带信号脉压的影响进行了理论分析，推导出了具体的数学表达式．并针对宽带LFM信号进行了仿真实验．理论分析和仿真表明，波导色散会使宽带信号的脉压波形主瓣展宽，旁瓣幅度升高和积分旁瓣比变大．