基于高阶累量的盲高分辨DOA估计及其性能分析

本文基于３阶和４阶统计量提出了一种未知阵元增益及相位情况下盲的ＤＯＡ估计方法，该方法不需要作谱峰搜索，亦不需要进行ＤＯＡ估计与阵元误差校正来回送代运算，可对陈元增益及相位与ＤＯＡ同时精确估计。     

利用多普勒信息的波达方向最大似然估计方法

为了充分利用信号的时域特性来改善信号波达方向（ＤＯＡ）的估计性能，本文从最大似然估计出发，推导出了有限快拍，低信噪比情况下多普勒信号波达方向的迭代估计计算法，为进一步减小运算量，本文还推导了一种简化算法，本文提出的两种算法对低信噪比，少快拍数下多普勒信号的ＤＯＡ估计性能比不利用时域特性的ＭＬ方法有明显改善，Ｍｏｎｔｅ－Ｃａｒｌｏ实验验证了本文方法的有效性。     

基于四阶累积量的DOA估计方法及其分析

本文提出了一种基于四阶累积量的ＤＯＡ估计方法,同ＭＵＳＩＣ－ｌｉｋｅ方法一样,它也对实际阵列进行了四阶扩展。文章证明了这两种方法对实际阵列口径和阵元数的扩展特性,指出了它们在阵列扩展方面的差别。文章最后采用计算机模拟验证文中结论。     

修正MUSIC算法对相关信号源的DOA估计性能

本文介绍了用修正ＭＵＳＩＣ算法提高相关信号源ＤＯＡ估计性能的方法。理论分析表明,采用该方法后,可将相关信号源的相关系数平均降低为原来的６３％,因而可改善ＭＵＳＩＣ算法对相关信号源的ＤＯＡ估计性能。且该方法不影响对非相关信号源ＤＯＡ的估计,计算量也无明显增加。计算机仿真实验结果验证了上述理论分析的正确性。     

螺量域波达方向估计的稳健性

本文提出了一种用于等矩线阵的四阶累重量域波达方向（ＤＯＡ）估计算法，并着重研究了算法的稳健性（Ｒｏｂｕｓｔｎｅｓｓ）该算法利用了空间累量阵中的所有非冗余量元素，并将相位相同不量元素做平滑处理。Ｔｏｅｐｌｉｔｚ化后形成新的虚拟协方差矩阵，方向估计基于此阵，分析表明，该算法对阵列误差有较强的容差性，加之累量对高斯噪声的自然盲性，因而算法具有稳健性，该算法的另一个特点是可以提供虚拟扩展孔径（扩展近两倍）     

基于高阶循环平稳特性的二维波达方向估计算法

本文提出了一种利用虚拟双线性平行阵的循环累量域二维波达方向 （ＤＯＡ）估计算法。该算法构造了一个虚拟ＤＯＡ循环矩阵（ＶＤＯＡ Ｃｙｃｌｉｃ　Ｍａｔｒｉｘ）,井基于此矩阵进行ＤＯＡ估计。理论分析表明,通过对虚拟ＤＯＡ循环矩阵的特征值分解,就可以得到源信号的二维ＤＯＡ估计。同时由于循环累量对高斯噪声的自然盲性和对信号的选择性,该算法具有循环域和累量域ＤＯＡ估计算法的良好性能。该算法的另一特点是可以提供虚拟扩展孔径,提高了ＤＯＡ估计的性能．     

基于空间特征的多用户循环累量域波达方向估计算法

本文提出了一种基于空间特征的多用户相干源ＤＯＡ估计算法。该算法构造了循环累量域窨特征矩阵,通过对空间特征矩阵的特征分解估计多用户信号的空间特征,并利用前后向平滑空间特征协方差矩我用户信号的ＤＯＡ。理论分析表明：该算法能估计共信道多用户相干信号的ＤＯＡ,并自动分组。它的另一个特点是具有ＤＯＡ估计的选择性。     

Hopfield优化网络用于DOA估计存在的问题

本文讨论了用Ｈｏｐｆｉｅｌｄ优化网络解决ＤＯＡ估计问题方法的有效性和正确性，虽然这种方法可以避免特征分解和谱峰搜索运算，但在不限制网络中输出为１的神经元个数的条件下，方法中代价函数的构造是不正确的，理论分析和仿真实验证实了上述结论。     

增益相位误差下基于部分校准嵌套阵列的DOA估计

现有的波达方向（Direction of Arrival,DOA）估计方法大多依赖于阵列导向矩阵的精确无偏条件,而实际工程中由于时钟偏移、阵元位置偏差的存在导致该条件往往难以满足.为匹配阵列实际接收条件,本文基于部分校准嵌套阵列,提出了一种增益相位误差下的DOA估计新方法.该方法首先利用连乘子函数和简单的代数运算完成初始增益相位误差估计,然后通过协方差矩阵向量化和稀疏表示理论构建具有连续自由度的稀疏表示向量模型,最后考虑有效样本的影响,在初始增益相位误差估计的基础上应用稀疏总体最小均方（Sparse total least squares,STLS）算法完成波达方向估计.本文所提方法不仅对阵列增益相位误差不敏感,而且可依靠嵌套阵列高自由度特性和STLS算法的抗扰动特性获得改进的分辨率和估计精度,计算机仿真结果验证了所提算法的有效性.     

一种全数字QAM接收机符号定时和载波相位恢复方案

本文提出的全数字ＱＡＭ接收机同步系统的实现方案，将最大平均功率定时同步算法与最大似然载波相位恢复方法相结合，实现了符号定时的同步和载波相位的恢复，整个算法构成一个数字信号处理过程，将符号定时、载波相位和符号解调最佳问题的三维搜索分解为符号定时和载波相位最佳估计的一维搜索，在实现同步的同时也得到符号的最佳解调。算法在定时和相位估计过程中分别采用局部并行前向结构，运算速度快，不需要专门设计同步头就能用于ＴＤＡＭ突发模式。     

基于四阶累量的MUSIC算法对阵元误差的稳健性分析

本文分析了基于四阶累量的ＭＵＳＩＣ算法（记作ＦＯＣ－ＭＵＳＩＣ），在实际阵元存在幅相误差时，对波达方向（ＤＯＡ）的估计性能，给出了大样本情况下的估计方差公式，并与基于协方差矩阵的标准ＭＵＳＩＣ算法作了比较。计算机仿真结果表明，本文给出的方差公式与实验仿真结果十分接近。文中还给出了利用高阶累量的方法可获得阵列有效孔径扩展的新解释。     

平坦响应空域滤波器和在DOA估计中的应用

本文依据半无穷维二次优化技术提出了一个设计平坦响应空域滤波器（ＳＦ）的新方法，基本思想是使用线性泛函不等式约束夺感兴趣的空域范围内保证ＳＦ响应的平坦性，同时使输出噪声功率最小化，由于使用了硬的线性泛函约束，ＳＦ响应总可以控制在充许的误差范围之内，最后研究了基于平坦响应的信号到达方向（ＤＯＡ）估计问题，计算机模拟结果和分析表明本文提出的基于平坦响应ＳＦ的ＤＯＡ估计性能优于其它有关方法的估计性能。     

累量域波达方向估计的稳健性

本文提出了一种用于等距线阵的四阶累量域波达方向（ＤＯＡ）估计算法，并着重研究了算法的稳健性（Ｒｏｂｕｓｔｎｅｓｓ）．该算法利用了空间累量阵中的所有非冗余累量元素，并将相位相同的累量元素做平滑处理，Ｔｏｅｐｌｉｔｚ化后形成新的虚拟协方差矩阵，方向估计基于此阵．分析表明，该算法对阵列误差有较强的容差性，加之累量对高斯噪声的自然盲性，因而算法具有稳健性．该算法的另一个特点是可以提供虚拟扩展孔径（扩展近两倍），从而提高了算法的估计性能和分辨能力．仿真实验验证了分析结果，表明了算法良好的性能．     

信号数目估计错误的最大似然波达方向估计的性能分析

本文分析了汝信号数目估计与真正的信号数目有出入时的波达方面（ＤＯＡ）最大似然（ＭＬ）估计的性能。中给出此时角度估计的渐近分布，也就给出这一估计的渐近方差的角析表达式，计算机模拟试验表明，理论预计结果是相当准确的。     

一种利用MAP估计的双目运动体视算法

本文提出一种融合运动和体视信息的运动与结构参数的鲁棒估计算法，算法首先通过计算瞬时ＦＯＥ，实现对每个像素处位移的ＭＡＰ估计，并计算关联的置信度；然后利用位移估计，从两图像序列之一计算相对深度，导出能用于匹配两体视图像序列的视差先验概率分布，使体视对的两帧图像匹配，确定３Ｄ景物深度，算法可方便地估计每个像素处的视差，不需对表面作平滑假设。     

高分辨信号DOA估计的跟踪算法

本文论述了一种基于子空间方法的高分辨ＤＯＡ估计跟踪问题的解法，该方法基于对采样数据矩阵的广义奇异值分解。本文讨论了ＧＳＶＤ的更新修正算法，在每步计算中只需有限次的运算，即可由前一次的近似分解结果计算出新的近似分解。     

双路宽带低功耗电流反馈运放

ＯＰＡ２６５８是一种双路超宽带低功耗电流反馈视频运放，特点是高转换速率和低差分增益／相位误差。电流反馈设计即使是在高增益的情况下也允许优越的大信号带宽。低差分增益／相位误差，宽带宽和低的静态电流使得ＯＰＡ２５６８对于许多视频、图像和通信方面的应用是一...     

秩—相位误差估计自聚焦方法的改进

本文提出了改进的秩－相位误差（ＩＲＯＰＥ）估计自聚焦算法，与ＲＯＰＥ算法相比，ＩＲＯＰＥ有两个优点：（１）它基于的模型更符合实际，所以具有更好的鲁棒性。（２）它对迭代过程初值的设定是近似准确的。本文通过近似分析证明。ＩＲＯＰＥ对相位误差差分的估计最最大似然（ＭＬ）估计，而相位梯度自聚焦（ＰＧＡ）算法是ＩＲＯＰＥ的一个子集，即在满足一定条件时，ＩＲＯＰＥ和ＰＧＡ对相位误差的估计都是线笥无偏最小方差估     

一种新的二维 DOA 估计方法研究

针对高斯色噪声背景下均匀圆形阵列观测数据的相位模式激励变换结果，提出了一种 基于四阶累积量的 MUSIC 方法。该方法直接利用相位模式激励变换结果构造一种特殊的四阶累积量， 然后借助传统 MUSIC 方法的思想进行二维 DOA 估计。与传统 MUSIC 方法相比，该方法能完全抑制高 斯色噪声，从而得到很好的二维 DOA 估计，在高斯色噪声环境下估计性能明显好于传统的基于相关矩 阵的 MUSIC 方法。计算机仿真验证了算法的有效性。     

红外小目标检测的快速并行算法

利用平均灰度绝对差最大测度（ＡＧＡＤＭ）估计目标背景的不相似性,提出了一种红外小目标检测算法,分析了预处理前后图像信噪比增益与目标大小的关系,进而建立了检测概率和信噪比增益的关系,理论上证明了该算法具有优越的性能。接着,在分析了ＭＰＰ并行计算机体系结构的基础上,提出了两种基于ＭＰＰ的小目标检测并行快速实现算法。理论分析表明,基于ＭＰＰ的ＡＧＡＤＭ小目标检测并行快速实现算法运算时间复杂性为Ｏ（Ｌ２ｉ／Ｎ）。