智能天线的MUSIC算法研究

智能天线系统是具有自适应信号处理能力的天线阵列,利用数字信号处理技术对多个不同的用户产生多个空间波束,每个波束各自自动地对准不同用户的来波方向,把零陷方向对准干扰方向,从而消除多址干扰,提高移动通信系统的性能。智能天线应用的一个关键问题是对用户的入射角度进行估计,即波达方向(DOA)估计问题,MUSIC算法是DOA估计的一种,是利用输入协方差矩阵的特征结构,具有高分辩能力的多重信号分类技术。通过对MUSIC算法的仿真,验证了MUSIC算法具有稳定、高分辨、高精度和计算量较小的优点。     

阵列天线MC-CDMA系统用户波达方向估计

提出了一种阵列天线MC-CDMA系统用户波达方向估计算法.该算法首先利用MC-CDMA系统用户扩频码的正交性、子载波频域分集性,进行用户信号的分离、多址干扰的抑制和用户信号的增强,然后再通过传统波达方向估计的子空间算法实现用户信号波达方向的估计.仿真结果显示所提出算法在估计阵列天线MC-CDMA系统用户波达方向时,波达角估计误差很小,表明了算法的有效性.     

冲击噪声背景下独立信号与相干信号并存的测向自适应新方法

根据冲击噪声的幅值特点和快拍数数量,通过对阵列接收数据进行去冲击预处理后进行数据重构,提出一种冲击噪声背景下独立信号与相干信号并存的DOA估计的新自适应方法。首先,估计出阵列接收数据中信号成分的幅值上限;然后,对阵列接收数据中受到冲击噪声影响的数据进行归一化处理,削弱冲击噪声;最后,根据快拍数量对噪声残差数据进行采样后重构信号,利用传统的二阶统计量方法分别对独立信号和相干信号进行达波方向(DOA)估计。研究结果表明:该方法阵列利用率较高,估计性能好,且在强冲击噪声环境和小快拍数下仍然具有良好的估计性能。     

传感器网络中基于节点数据相关的DOA估计

 波达方向(DOA)估计是水声阵列信号处理的重要研究方向.由多个矢量水听器组成的传感器网络利用各节点所在位置的声压、质点振速可以实现DOA估计,节点的协同合作能够确定目标声源的位置.本文根据矢量水听器的特点、相关性及DOA算法等理论,仿真分析相关性对DOA算法的影响,并结合实际湖试对节点数据的相关性进行分析处理.由于各节点数据包含严重的噪声,导致其频谱情况很差,处理后节点数据的频谱及节点间的互相关性明显改善,并能有效抑制宽带噪声干扰.结果表明,处理后节点线谱信号突显出来,各节点的互相关性得到了提高,且满足DOA算法对数据相关性的要求,具有一定的工程实用性.     

统一扩频测控系统接收信号处理技术

统一扩频测控体制的多飞行器测控系统应用自适应天线数字多波束形成 技术对目标实施跟踪和测控。采用恒模降列和自适应信号对消器估计出各个信号的波达方向（DOA），应用最小干扰噪声功率判据获得最优加权向量。为了提高天线系统的处理增益，用最优加权向量形成波束，有效地消除多址干扰的影响。波束形成处理器得到的相对相位偏移向量用于上行遥控信号分时发送时，形成对指定目标的高增益波束。对恒模阵列和自适应信号对消器估计获得的导向向量用于数字多波束形成的性能进行了仿真研究。     

一种基于锁角环路的DOA估计定位跟踪

为了解决传统移动目标波达方向估计定位跟踪过程中,实时性差、精度低、计算复杂度高的问题,提出一种基于锁角环路的DOA估计定位跟踪算法.该算法采用锁角环路(DiLL)结构实现信号的波达方向(DOA)估计和定位,并实时随信号角度变化自动调整方向,以实现信号方位的跟踪.为了减小非线性和噪声对定位跟踪性能的影响,通过UKF滤波将估计目标信号的干扰消除,以提高信号方位定位跟踪的精度及系统的稳定性.仿真结果表明:该算法能够得到较高分辨率的DOA估计信号,能够对多个移动目标的方位进行有效定位跟踪,系统的精度、效率和稳定性也较高.     

非高斯噪声环境迭代自适应DOA估计的算法

提出一种应用于非高斯噪声环境的迭代自适应(Iterative Adaptive Approach,IAA)波达方向(Direction of Arrival,DOA)估计方法.该方法针对描述非高斯噪声的高斯混合(Gaussian Mixture,GM)模型,给出了通过逐步迭代来估计噪声模型参数,并通过它们来修正信号协方差矩阵的估计,进而将其逆阵作为加权矩阵来进行空间谱估计的方法.仿真结果表明,在非高斯环境下,本文方法有效地提高了迭代自适应DOA估计方法的性能.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

基于抵消干扰信号相关阵的DOA估计

讨论了异步直接序列码分多址(DS-CDMA)系统中多用户环境下的波达方向(DOA)估计问题,针对路径总数大干天线阵元数这一问题,提出了一种有效的DOA估计模式．通过抵消干扰信号的相关阵,可方便地提取出感兴趣信息;此时,采用传统的DOA估计算法即可逐次估计出各DOA信息．为改善系统性能,本文提出了2种改进措施：Mahalanobis变换法及矩阵点除算法．前者能够大幅度地提高估计精度,而后者则可避免特征值分解运算,大大降低算法复杂度．仿真实验验证了算法的有效性．     

一种色噪声背景下的信源方位估计快速算法

针对实际环境中相干信源普遍存在的情况,提出一种基于对称均匀线阵的波达方向(DOA)分步估计方法。该算法在未知噪声协方差矩阵为复对称Toeplitz(色噪声)结构的情况下,利用空间差分方法和相干信源Toeplitz矩阵重构方法相结合,来处理同时存在相干(或相关)和独立信源的情况。首先利用常规谱估计算法估计独立信源;然后用差分的方法将其排除掉,同时可以排除色噪声信息;然后用Toeplitz重构的方法将剩下的相干信源恢复为满秩,进而可以利用传播算子的方法进行DOA估计。与传统的去噪、解相干算法相比,该算法在提高阵列信源过载能力的同时,可明显减小算法的运算量。计算机仿真结果证明了新算法的有效性和正确性。     

时域同步正交频分复用系统的频偏估计

针对时域同步正交频分复用系统现有的频偏估计精度低的问题,提出了一种精确频偏估计算法(FFDE).该算法将接收信号中相邻的2个帧头分别与对应的本地PN序列作相关运算,将相关结果共轭相乘,再取相乘结果的辐角,最后再除以帧头间的时间间隔,即可得到频偏估计值.FFDE算法具有复杂度低,精度高,抗噪声、抗多径能力强等优点.理论分析表明,FFDE算法具有极低的性能界,在高斯白噪声信道条件下,在合理的信噪比范围内,其归一化估计值的方差在10叫.以下.仿真结果与理论分析完全一致,即使在多径环境下,在信噪比为15 dB时,FFDE算法的绝对估计误差的标准差只有0.5 Hz,仅为子载波间隔的0.03%,是传统方法的1%.     

基于自相关检测法和能量重心法的正弦信号频率估计算法

为了提高淹没在高斯白噪声中的实正弦信号的频率估计精度,提出了一种综合的结合自相关检测法和能量重心法的正弦信号频率估计算法。该算法首先通过多次自相关运算对输入信号进行预处理,可检测出淹没在噪声中的微弱正弦信号,来提高信噪比;然后对信号进行FFT(fast fourier transform)运算可得信号的功率谱,通过搜索最大值谱线的位置可粗估计出信号频率;最后运用离散频谱能量重心法,可精确估计出正弦信号的频率。仿真结果表明本算法在整个频段上频率估计性能比较稳定、频率估计的均方根误差更小,性能优于Rife算法、Quinn算法和能量重心法,并易于硬件实现,具有工程实用价值。     

抑制局部放电混合干扰的浮阈值量化算法

由于局部放电(PD)信号与含有的混合干扰(白噪和窄带)在能量分布频段上存在明显差异,根据小波包变换各节点分解系数能够有效反映被分析信号能量变化的特点,建立一种以反映PD信号分解系数中噪声能量为判据的浮阈值量化算法,使得最优基下各节点阈值随相应节点分解系数中信号噪声强度的变化而变化,自适应地决定各节点最佳阈值选择,以实现对PD信号分解系数更精细划分。通过对含有混合干扰的仿真与实测PD信号的小波包最优分解,分别用传统全局阈值量化算法与笔者建立的浮阈值量化算法进行了干扰抑制效果的对比,结果表明：后者具有更强的抑制混合干扰的能力,且混合干扰抑制前后PD信号波形相似度更高。     

基于干扰子空间估计的跳频多址信号检测

通过对跳频多址信号的时频图案分析,建立了基于信号子空间的系统模型和跳频多址信号的解相关检测算法.该算法采用子空间跟踪的思想,将干扰子空间从检测信号空间上予以消除,克服了传统检测器需要知道系统中所有用户跳频图案的约束和串行干扰消除中的干扰扩散问题.与传统检测器相比,该算法具有更好的系统误码性能、较低的计算复杂度和很好的系统稳健性.MonteCarlo仿真结果表明,在同一个误码率条件下,基于子空间的盲多用户检测器比传统检测器的信噪比提高了2～4dB.     

α噪声背景下谐波恢复方法研究

为解决α 噪声背景下的谐波恢复问题,提出了归一化循环相关结合多重信号分类算法。该算法包含两种 多重信号分类算法( MUSIC: Multiple Signal Classification) : 样本空间MUSIC 算法和特征空间MUSIC 算法。 这两种MUSIC 算法充分利用信号子空间和噪声子空间,在空域内做谱峰搜索以求取谐波频率。该算法不仅能 估算谐波信号频率,同时也能提高谐波估计的精度。计算机仿真结果表明,使用这两种算法可完成谐波信号频 率有效估算,而且效果比原有分数低阶矩及其派生的分数低阶统计量更优,且有效地解决了非整数算子造成的 相位扭曲问题,应用前景广泛。     

超宽带系统中盲自适应降秩接收机

针对超宽带系统中的多址干扰和码间干扰问题,提出了一种低复杂度的盲自适应接收机,该接收机首先采用多级维纳滤波算法抑制多址干扰并提取期望信号各多径分量;再进一步采用紧缩近似投影子空间跟踪方法估计信道并进行最大比合并,提高输出信干噪比。仿真结果表明,其误码性能优于匹配滤波器、传统Rake接收机、解相关Rake接收机和基于恒模算法的自适应接收机,且收敛速度较快、复杂度较低。     

空域色噪声下的多输入多输出雷达角度估计

由于多输入多输出(multiple input multiple output, MIMO)雷达的空域色噪声协方差矩阵通常为非对角矩阵,因此在色噪声下信号子空间与噪声子空间无法有效分离,从而致使传统算法无法有效估计目标角度。为此,首先利用信号协方差矩阵的低秩性和色噪声协方差矩阵的稀疏性来抑制空域色噪声。然后,根据MIMO雷达数据的内在多维结构特性,建立四阶张量CP(canonical or parallel factor analysis, CANDECOMP/PARAFAC)分解模型。针对传统交替最小二乘算法对数值病态性较为敏感而导致CP分解精度低的问题,利用张量因子矩阵之间的共轭关系来降低求解的病态敏感度,提高张量分解的稳健性。最后,利用最小二乘拟合法从因子矩阵的估计值中得到目标角度。仿真结果表明,所提算法能够对色噪声有效抑制并提高了角度估计的精度。     

基于集成神经网络的信道估计方法研究

为解决噪声以及信号干扰等因素严重影响接收端信道估计的问题,提出一种基于集成神经网络的信道估计方法,利用多个改进后的神经网络来提取带噪导频信号与原始导频信号之间的非线性关系模型,根据其输出误差来计算差异度值,并结合差异度对其进行集成,得到训练完成的集成神经网络模型,通过集成神经网络模型来获取信道估计结果;与最小二乘(least squares,LS)估计方法相比,该方法不仅可以提高通信的可靠性,而且还能减少导频开销提高通信有效性;在不同的调制方式下,当误码率相同时,算法所需的信噪比LS算法均要更低;基于正交频分复用(orthogonal frequency division multiple,OFDM)通信系统进行仿真,结果证明,该方法具有优良的性能。