基于SVD的二维子空间拟合DOA估计

改进传统子空间拟合波达方向(DOA)估计方法,以快拍数据矩阵的奇异值分解代替接收数据协方差矩阵的特征值分解,用奇异值和奇异值矢量进行信源数估计,避免协方差矩阵估计,减少运算量和矩阵估计误差。根据已有子空间拟合的一维修正变化投影(MVP)算法原理,推导出二维MVP算法实现步骤,对基于均匀圆阵的接收信号进行二维DOA估计。     

基于对角加载奇异值分解的波束形成算法

在自适应波束形成算法中,QR分解具有很好的数值特征和固有的高度并行性。但当采样数较少,采样协方差矩阵估计值的噪声特征值分散会导致波束形成算法的性能下降问题,QR算法的性能就会下降。针对此缺陷,提出了对角加载奇异值(DSVD)分解的算法,该算法先对采样数据所构成的矩阵进行重构、分解、再重构、再分解,最后实现对角加载。通过仿真结果可以看到,DSVD算法不仅避免了对阵列协方差矩阵的估计和求逆,而且减少了估计运算量和估计误差,在复杂度与性能之间进行折衷。     

基于奇异值的信源数估计方法

信源数估计是空间谱估计中的重要内容,在估计采用不同的判决准则时,往往需要利用信号协方差矩阵的特征值来进行信源数估计。新算法采用数据矩阵的奇异值分解,通过奇异值建立不同判决准则的判决函数。该算法无需进行协方差矩阵估计,也不需要利用奇异值求解特征值,减少了运算量和估计误差。同时,对数据矩阵进行平滑操作,可以解决信号相干性问题。通过数学推导和计算机仿真,证明了算法的正确性。     

基于加权特征投影的信源数估计方法

考虑到色噪声或低快条件下噪声特征值发散,导致基于特征分解的信源数估计方法得到的信号判据值和噪声判据值区分不明显,提出了一种基于加权特征投影的信源数估计方法;首先,为了使该方法可适用于低信噪比条件,对阵列接收数据的协方差矩阵进行降噪处理,并利用降噪后协方差矩阵所有特征值和特征向量构造了一个用来区分信号和噪声的加权空间矩阵;然后,将降噪后的协方差矩阵在该加权空间矩阵上投影,从而增大了信号判据值与噪声判据值的差异;最后,结合幂函数的缩放性构建了判决函数,进而实现信源数估计;通过理论分析和实验验证,该方法不仅适用于白噪声和色噪声条件,而且在低快拍和低信噪比条件下优势明显,在快拍数为10,信噪比分别为0 dB的白噪声和6 dB的色噪声条件下,该方法的成功检测概率均达到90％以上,同时该算法在信源数较多时效果鲁棒.     

一种低信噪比下的特征向量类信源数估计算法

经典的特征值类信源数估计算法在低信噪比、少快拍数条件下的估计性能急剧下降,针对该问题,提出了一种新的信源数估计算法。该算法利用采样协方差矩阵的特征向量对信噪比不敏感的特性来构造判决变量,根据改进的预测描述长度（PDL）准则来实现对信源数的有效估计,理论分析和仿真实验证明了所提算法的有效性。     

一种预处理的恒模波束形成算法

传统恒模波束形成算法在干扰信号功率大于期望信号功率情况下会出现干扰捕获现象。针对这一问题,提出一种预处理波束形成算法。预处理波束形成算法利用天线接收的数据矩阵的协方差矩阵构造新的协方差矩阵,使新的协方差矩阵关于期望信号的对角最小化,并用新的协方差矩阵的最小特征值对应的特征向量作为权值的初始值,此算法能够准确地捕获到期望信号并抑制干扰信号。通过仿真证实了算法的有效性。     

不计信源数目的修正MUSIC算法分析

在介绍MUSIC算法的基础上，分析了信源数目估计误差对MUSIC算法测向性能的影响，针对信源数日过估计下出现虚假信号和欠估计下存在谱峰消失的问题，根据阵列协方差矩阵特征分解后噪声特征值非常接近的特点，提出了一种在未知信源数日情况下进行正确DOA估计的修正MUSIC算法，计算机仿真结果证明了该算法的可行性和有效性。     

毫米波通信的低复杂度时变信道估计算法

当毫米波通信系统工作于时变信道场景中时,为解决通信用户快速位移导致的方位角计算误差和信道估计算法精度下降等问题,通常要消耗大量计算资源。因此,基于用户在快时变信道场景下的信号传输特征,首先在确定毫米波传输信号方位时采用对角加载方法,根据高斯白噪声先验信息得到对角加载方法的参数;然后采用对角带矩阵分解方法对所得到的信道干扰矩阵模型进行处理,从而降低信道估计与均衡算法的复杂度。仿真结果表明,所提算法能够使工作在时变信道条件下的通信系统以低于常规算法的运算复杂度处理系统中的干扰,且不降低传输性能。     

基于新型聚焦矩阵的宽带信号DOA估计

针对宽带信号波达方向(DOA)估计问题,分析聚焦变换的原理,提出一种基于阵列输出信号协方差矩阵的聚焦算法.通过对不同频率和聚焦频率下的输出信号协方差进行特征分解,分别求取其大特征值对应的特征向量.根据最佳聚焦矩阵的求解条件,求出聚焦矩阵的表达式.该方法无需进行方位角度预估计,可以处理相干宽带信号源的DOA估计问题.通过实验仿真和性能分析验证了该算法的有效性.     

两种协方差估计方法的性能比较

干扰抑制合并(IRC)是一种能有效应对小区间同频干扰的算法。与最大比合并(MRC)不同,IRC能根据干扰的统计特性来抑制干扰。实现IRC算法的关键有两方面,而对干扰噪声的协方差矩阵的估计是其中之一。在接收信号的处理中加入对干扰噪声协方差的考虑,可以有效的抑制干扰,提高系统性能。干扰噪声的协方差估计有两种方法,一种是通过导频信号估计,另一种是接受信号协方差估计。在多数通信系统中,导频信号属于稀有资源,虽然可以通过求出导频位置的干扰加噪声协方差矩阵,进而使用插值获得每个时频位置的干扰加噪声协方差矩阵,但是参考信号太少,带来的估计误差难免对IRC算法的干扰抑制能力产生影响,再加上信道估计的误差,最终的性能难尽人意[1]。导频信号固然有限,但是能够利用的接收信号却绰绰有余,本文将通过理论证明和仿真验证,用两种协方差估计方法(接收信号协方差估计、干扰噪声协方差估计)恢复的信号存在一定的比例关系,基于这种关系,可以将接收信号的协方差矩阵替代干扰噪声协方差矩阵,获得较理想的译码性能。