强干扰背景下基于局部空间差分算法的相干目标DOA估计

针对传统算法对强干扰背景下相干目标的波达方向(direction of arrival, DOA)估计效率低、精度不高等问题,在构造干扰阻塞矩阵消除特定方向强干扰的基础上,基于局部空间差分算法进行相干目标的DOA估计。首先通过接收信号矩阵的角度信息构造阻塞矩阵来剔除协方差矩阵的强干扰信息,然后利用局部空间差分算法将协方差矩阵划分为若干子阵,从而充分提取有效信息并实现解相干,最后利用线性算子算法完成对目标的DOA估计,避免高复杂度的谱峰搜索。结果表明：该算法有效提高了数据利用率,有较好的解相干效果,能够在不同的信噪比和快拍数条件下获得比传统算法更低的估计偏差和更高的成功概率。     

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。     

基于MUSIC算法的信号DOA估计

本文利用一种改进MUSIC算法——空间平滑法来估计相干信号的DOA,该算法将天线阵列划分为均匀子阵,通过求各个子阵的协方差矩阵的均值实现对相干信号解相干,并对此进行了计算机仿真。     

未知噪声背景下的改进型MMUSIC算法

针对不能确知被估计信号源的相关性和非平稳且噪声功率未知的高斯噪声环境,提出一种改进型的修正多重信号分类(MMUSIC)算法.用协方差差分法消除阵列协方差矩阵中的未知噪声矩阵,再用MMU-SIC算法对得到的协方差差分矩阵进行解相关或解相干处理.该算法只要求阵元数为不少于2L+1,即可在不影响相干信号源估计的同时,保证不相关信号源的估计性能.仿真结果表明:算法能够在不能确知信号源相关性和低信噪比的未知噪声环境下,对信号源进行有效的波达方向估计,获得很高的估计精度和角度分辨率.     

基于协方差矩阵重构的DOA估计方法

针对空间信号的波达方向估计,提出了协方差矩阵重构测向算法。由数据协方差矩阵的特征分解求得信号特征值及其对应的信号特征向量,根据各个信号特征向量构造相应的子协方差矩阵,算法定义一个新协方差矩阵。从理论上证明了新协方差矩阵在信号相干时仍然满秩,新算法在解除信号相干性的同时没有造成阵列孔径的损失。与空间平滑类算法相比,估计同样相干信号数,新算法能节省更多阵元。仿真实验证实了新算法优越的分辨能力和估计性能。     

基于协方差矩阵的空间平滑解相干算法

空间平滑是相干信号DOA估计中的一种有效算法,但平滑不仅造成了阵列孔径的减小,而且不能灵活地调整子阵的长度,对于不同的子阵,均需要计算协方差矩阵然后求平均,运算量较大。通过分析协方差矩阵的结构,指出在协方差矩阵中包含了所有子阵协方差矩阵的信息,从而可以通过对协方差矩阵的处理,构成前后向子阵的协方差矩阵,避免了子阵协方差矩阵的运算,可以灵活地实现平滑算法。计算机仿真证明了该处理的有效性.     

一种新的相干信源互耦自校正算法

针对互耦效应下相干信源的波达方向（direction of arrival,DOA）估计问题,提出一种基于阵列接收数据一阶统计量的解相干及互耦自校正算法.算法利用阵元接收数据的一阶统计量构造伪协方差矩阵,理论推导证明,互耦系数已从理想导向矢量中剥离,且该矩阵的秩与信源相关性无关,仅与信源个数相等,即实现了信源的解相干及互耦自校正,因此通过对重构矩阵进行一次特征分解即可实现DOA估计.此外,对算法的子空间估计性能及由互耦系数导致的测角模糊性进行了分析,结果表明该算法实现过程简单,计算量小,在低信噪比和短快拍数时仍具有很高的估计性能.仿真结果验证了算法的有效性.      

基于矩阵重构和酉变换的DOA估计

为了提高重构相干信号测向算法的估计性能,降低算法运算量,提出了一种基于矩阵重构和酉变换方法的酉矩阵重构算法。该算法首先通过酉变换将阵列接收数据从复值计算转换为实值计算,使计算量大大降低;然后计算阵列协方差矩阵并进行特征值分解得到信号子空间,再将信号子空间重构为Toeplitz矩阵实现解相干并再次进行酉变换;最后通过特征值分解得到信号子空间并使用最小二乘法实现波达方向(direction of arrival, DOA)估计。相比于改进的旋转不变性的信号参数(estimation of signal parameters via rotational invariance techniques-like, ESPRIT-Like)算法和空间平滑处理算法,由于消除了噪声影响、构造了Toeplitz矩阵以及充分利用了数据的共轭信息,该算法的估计精度更高、具有更高的运算效率且在ESPRIT-Like算法失效的条件下新算法仍能有效估计DOA。本文算法的运行时间是ESPRIT-Like算法的71.2%,实验结果证明了该方法的有效性和真实性。     

基于斜投影算子的混合信号DOA估计算法

为了提高混合信号的波达方向(direction of arrival, DOA)估计精度并降低其阵列孔径损失，提出一种基于斜投影算子的高精度DOA估计算法.所提算法将混合信号中独立信号与相干信号分两个阶段进行估计，首先利用ESPRIT(estimating signal parameter via rotational invariance techniques)算法处理阵元接收数据的协方差矩阵，得到混合信号中独立信号的DOA估计值；而后利用斜投影算子去除混合信号中独立信号的信息，得到新的协方差矩阵；利用新得到的协方差矩阵的信号子空间进行去相干处理；最后结合ESPRIT算法计算得到相干信号的DOA估计值.仿真结果表明，相较传统的混合信号DOA估计算法，所提算法在低信噪比情况下以及信号入射间隔较小的情况下有较高精度，有效地降低了阵列孔径的损失.在不同的采样快拍数下，本文算法也表现出更强的鲁棒性.     

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.     

一种基于改进空间平滑的信源数估计算法

针对基于信息论准则信源数估计算法不适用于相关信源情况,提出了一种基于改进空间平滑的信源数估计算法。算法对子阵阵元进行新的组合,使得每个子阵阵元数和原阵阵元数相同,取每个子阵协方差矩阵的算术平均,形成一个新的阵列输出协方差矩阵,然后对该协方差矩阵利用信息论准则估计信源数。仿真分析表明,算法在相关信源存在情况下,能正确估计出信源个数,提高了阵元利用率,在低信噪比和低快拍数时,性能优于空间平滑信息论算法。     

在线复值独立分量分析算法

基于复向量不相关特性和复值非线性函数,提出一种在线复值独立分量分析算法.结合非正则复向量的协方差矩阵和伪协方差矩阵构造出了新的代价函数,进而提出新算法,通过复非线性不相关,从混合信号中提取出复值独立分量.由于充分利用了非正则复向量不相关的特性,获得了更多有用的信息量,因此算法的收敛速度更快、提取效果更好,并且在线方式下算法更加稳定.仿真试验表明,所提出的在线复值独立分量分析算法更具有实际应用前景.     

一种基于对角载入的鲁棒MVDR波束形成算法

当信号方向向量精确已知时,传统最小方差无畸变响应(MVDR)波束形成算法具有较好的分辨率和抗干扰能力.在实际通信环境中,由于外部环境、天线阵列以及采样协方差矩阵的估计误差等因素的影响,导致传统MVDR波束形成算法的性能急剧下降.针对这一问题,本文提出了一种新的基于对角载入的鲁棒MVDR波束形成算法.该算法考虑信号方向向量的偏差对MVDR算法性能的影响,并在最大允许偏差范围内导出最优的权重向量,有效地抑制了偏差对输出性能的影响,具有很强的鲁棒性,从而能够适应复杂的通信环境;同时该算法采用递推算法避免矩阵求逆,降低了计算复杂度,便于工程实现.仿真实验表明,与传统MVDR算法相比,所提算法具有更好的输出性能。     

一种相邻相干信号的DOA估计新方法

提出一种估计相邻相干信号方位的新方法.该方法首先对传统空间平滑算法得到的数据协方差矩阵进行修正,然后对修正后的协方差矩阵进行奇异值分解,由左奇异矩阵得到噪声子空间;再构造新数据协方差矩阵,进行奇异值分解得到噪声子空间;最后取两次噪声子空间的平均值得到噪声子空间,利用MUSIC算法找到极大值对应的信号方向.计算机仿真表明,该方法能有效地估计出小信噪比下角度相隔较小的相干信号.     

基于伪数据相关矩阵二次重构的DOA估计新算法

针对传统波达方向估计算法在强信号邻近时弱信号难以估计和信源相干情况下算法性能失效的问题,通过对传统波达方向估计算法的理论推导和研究分析,变换阵元的数据接收矩阵来重构协方差矩阵,再对新的协方差矩阵对应信号的较大特征值进行重新排序,构造出伪数据相关矩阵,并结合MUSIC谱进行谱峰搜索完成对强弱邻近相干信源的波达方向估计.通过仿真比较,结果表明新算法消除了信号的相干性,不造成阵列孔径损失,并能对强弱邻近信号作出准确估计.     

联合特征值和特征子空间投影的信源数估计

高分辨空间谱估计算法中信源数的准确估计是必要前提.文中结合矩阵重构和特征子空间投影方法,提出一种适用于弹载阵列系统的信源数估计算法.将阵列阵元分成相同的2组,求得这2组阵元接收数据的互协方差矩阵并重构信源数估计矩阵,对重构的矩阵特征分解,联合特征子空间投影和特征值加权的方法构造判决函数来估计信源数.理论分析与仿真结果表明:重构矩阵的信号子空间特征值呈平方倍增大,噪声功率得到抑制;算法有效提高了少量快拍数据和低信噪比条件下信源数估计的正确率.     

改进卡尔曼滤波的IRFPA非均匀性校正算法

提出一种改进的卡尔曼滤波的IRFPA非均匀性校正算法,该算法使用求逆引理对传统迭代公式进行求逆变换,使用误差协方差逆阵形式实现迭代过程,使算法计算复杂度由nk×nk阶矩阵求逆降低至nk维对角矩阵求逆,简化了传统卡尔曼滤波算法的递推过程,提高了实时性能．通过对实际采集的红外图像序列进行仿真实验,结果表明：该算法在继承传统校正算法校正精度的同时,兼顾提高了算法校正速度,运行效率可以提高至2倍．     

基于TSVD的在线相干DOA估计算法

对信号波达方向估计中的解相干问题,提出一种新的去相关信号波达方向估计方法。利用阵列实时接收的快拍数据迭代得出协方差矩阵的最大特征矢量,然后通过最大特征矢量建立一个新的Toeplitz矩阵实现去相关,最后对新得到矩阵进行奇异值分解得到信号的波达方向。通过仿真实验证明该方法能够实现对相干信源的有效估计,并且具有很好的实时性,能够有效的降低算法的复杂性。它在低信噪比和小快拍数的情况下有着比TSVD算法更加优良的估计性能。