基于双/多基地方位联合估计算法

提出一种基于双/多基地方位联合估计的新算法,利用两个阵列或多个阵列的接收数据的相关矩阵,再结合ESPRIT算法估计方位。该算法可以同时估计目标信号入射到双/多基地的方位角。所估计的参数自动配对,不需要额外的配对运算,并且给出了该方法方位估计的CRLB,计算机仿真结果证明了算法的有效性。     

基于粒子滤波的弱目标检测前跟踪算法

针对低信噪比条件下弱目标的实时检测与跟踪,提出了一种基于粒子滤波,结合序贯概率比检验和固定样本长度似然比检验的递归检测前跟踪算法。粒子滤波用以解决跟踪中的非线性和非高斯问题;序贯概率比检验通过序贯累积多帧观测数据来提高信噪比,以最小时延检测到目标存在;固定样本长度似然比检验,通过选择合理的样本长度,保证持续检测到目标,且无延迟检测目标消失。仿真试验表明,该算法有着良好的检测与跟踪性能。     

对MIMO雷达参数的侦察估计及性能分析

针对多输入多输出(multiple input and multiple output, MIMO)雷达的侦察对抗问题,基于被动合成阵列技术构建了对MIMO雷达方位、辐射频率联合侦察估计的信号模型,通过多次不同速度联合谱估计算法实现了对MIMO雷达方位、频率的无模糊估计。此外,推导了多辐射源条件下方位与频率联合侦察估计的克拉美〖CD*2〗罗界(Cramer Rao bound, CRB)。频率已知条件下推导了对单部阵列雷达方位侦察估计的CRB表达式,并进一步分别给出了对MIMO雷达和相控阵雷达进行侦察估计的CRB闭解式,对比分析了两种体制下方位侦察估计的性能。理论分析与仿真实验表明:信号频率未知条件下,所提算法能够实现对MIMO雷达方位、频率的无模糊估计,侦察估计精度随着信噪比以及不同速度联合估计次数的增大趋近于CRB;信号频率已知条件下,对单部相控阵雷达和MIMO雷达方位侦察估计性能之比仅与相控阵雷达发射波束方向增益以及阵元个数有关。最后,仿真实验结果验证了本文理论分析的正确性和方法的有效性。     

数论网格法在极大似然估计中的应用

复杂似然函数的多峰性使得极大似然估计的求解存在很大困难。针对这一问题,提出了求解极大似然估计问题的数论网格法。讨论了数论网格法的特点,理论分析了其算法精度,给出了基于数论网格的序贯优化算法的计算步骤,研究了初始搜索区域和算法初始参数的确定方法。最后,以两参数威布尔分布参数极大似然估计为例,给出了极大似然估计的计算过程,比较了序贯优化算法和对分法的估计结果,说明了序贯优化算法的有效性和计算效率。     

基于隐Markov模型的纯方位轨迹检测方法

针对方位历程图中微弱目标信号的轨迹检测问题,分别在纯噪声和目标存在条件下推导了方位历程图中测量值的分布特性,提出了一种基于隐Markov模型的目标信号轨迹检测方法;同时,针对轨迹的起点与中止点的自主判断问题,基于序列检测提出了两种检验算法,充分利用了轨迹点的测量值分布特性和方位的连续性来提升检测性能。相比于传统的能量检测,轨迹点的检测性能提升约3dB,降低了所估计轨迹的均方根误差,同时保持了更低的虚警概率。湖试数据验证了该算法在单目标条件下的有效性。     

基于分段复合的运动点目标序贯检测算法

低信噪比条件下图像序列中运动点目标的检测问题是多维图像处理与目标识别领域的一个难点。本文首先给出了该项研究的前提条件，指出了问题的主要矛盾；然后针对序贯假设检测的基本方法，提出了一个改进的实现框架；最后针对仍存在的问题，提出了对序列先进行分段，并对分段复合，再利用复合帧进行序贯检测的方法。这里引入了分段复合技术，给出一种分段复合方法。该算法层次分明，时空复杂度适中，是国内性能较优的一种算法。     

塔克张量域正则极化ESPRIT

针对极化敏感阵列信号波达方向(direction-of-arrival, DOA)估计问题,提出了一种基于塔克张量域序贯截断高阶奇异值分解的正则极化旋转不变参数估计(Tucker tensor based regularized polarimetric estimation of signal parameters via rotational invariance technique, trpESPRIT)方法。首先对阵列接收信号进行塔克张量建模,之后通过序贯截断高阶奇异值分解获得塔克张量域信号子空间,最后利用多旋转不变子空间幅相关系获得信号DOA估计。相比于传统矩阵建模方法,塔克张量建模更便于组织多维数据结构,实现高维的数据匹配操作,而序贯截断高阶奇异值分解则可以获得更高的信号子空间估计精度以及后续的DOA估计。仿真结果表明,trpESPRIT方法较之常规矩阵方法和矢量方法可以更好地抑制噪声,具有更高的信号DOA估计精度,在低信噪比和低快拍条件下仍然具有良好的分辨能力。     

基于迭代离散度序贯检测的航迹抗差关联算法

针对批处理关联方式对航迹整体信息利用不足以及现有抗差算法无法实现大系统误差下的关联等问题, 提出一种基于迭代离散度序贯检测的航迹抗差关联算法。该算法首先引入迭代离散度作为关联统计量, 并根据基于误差重构的随机量测量推导得到不同时刻离散度的概率分布; 然后根据检测终点的不同设计了两种关联判定准则, 在不同判定准则下进行离散度的序贯检测实现航迹的抗差关联。实验结果表明, 算法在密集目标、大系统误差等复杂场景下均有较高的正确关联率, 并且较常规算法关联速度提升明显。     

准平稳信号的Khatri-Rao积联合稀疏分解DOA估计方法

针对准平稳信号的波达方向估计,提出一种基于Khatri-Rao（KR）积的联合稀疏分解算法。该算法借助KR积将阵列接收数据表示成多个虚拟联合稀疏测量矢量模型,通过求解联合稀疏反问题实现波达方向估计,给出了联合稀疏反问题的唯一性条件,解决了当前稀疏分解方位估计不能处理欠定情况的问题。仿真实验验证了算法的有效性,在低信噪比下获得了更高的分辨率。     

基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

Joint channel estimation and symbol detection for space-time block code

The simplified joint channel estimation and symbol detection based on the EM (expectation-maximization) algorithm for space-time block code (STBC) are proposed. By assuming channel to be invariant within only one STBC word and utilizing the orthogonal structure of STBC, the computational complexity and cost of this algorithm are both very low, so it is very suitable to implementation in real systems.     

双基地MIMO雷达二维方位角及多普勒频率联合估计

提出了一种新的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达二维方位角及多普勒频率联合估计算法。该算法基于m-Capon方法将目标波离方向(direction of departure, DOD)与波达方向(direction of arrival, DOA)相“去耦”,得出了对目标DOD和DOA的估计;然后,在对目标二维方位角的估计的基础上,算法可进一步估计出目标的多普勒频率。因此,其估计出的目标二维方位角与多普勒频率可自动配对。该算法无需预判目标数及对数据协方差矩阵特征值分解,且对目标二维方位角与多普勒频率的联合估计不涉及高维的非线性优化搜索,具有较小的计算量。此外,该算法可适用于发射和接收阵列为任意阵列结构的双基地MIMO雷达系统。计算机仿真结果证明了本文方法的正确性和可行性。     

Iterative Multiuser Receiver Based on Decorrelating Decision-Feedback Detection

Abstract: Iterative multiuser receiver for joint multiuser detection and channel decoding improves the receiver'sperformance by passing soft information between multiuser detection and channel decoding. In this paper, an iterativemultiuser receiver based on decorrelating decision-feedback detection is proposed, which is effective to implementmultiuser detection, channel decoding and parameter estimation. The data decoding and the parameter estimation arereinforced each other. The bit error rate decreases along with the increase of the iteration, and the parameter estimationapproaches the optimum at the same time.     

基于特征选取与树状Parzen估计的入侵检测

针对目前网络空间安全形势快速变化带来的新风险和新挑战, 提出一种基于相关性分析的特征选取和树状Parzen估计优化的入侵检测方法。首先, 通过基于相关性分析的数据特征选取方法对数据维度进行压缩。其次, 对原始数据集进行特征筛选, 生成新的特征子集。最终, 使用序列模型优化算法中的树状Parzen估计算法对随机森林算法进行模型优化。实验结果表明, 相比其他应用机器学习算法的入侵检测方法, 所提方法在提升综合性能的同时拥有更高的检测效率, 有效地提升了入侵检测技术的实用性。     

基于阵列基线旋转的多目标DOA估计算法

传统均匀圆阵波达方向(direction of arrival, DOA)估计算法要求天线数目多于目标数量,易受阵列的通道不一致性影响。针对此问题,引入阵列基线旋转这一思想对多目标进行测向。通过旋转两天线阵列基线,并以固定的时间延迟对阵元的接收数据进行采样,相当于利用有限的两个阵元对目标进行多位置观测,增加了阵元的利用率,提高了DOA估计的测向精度。计算机仿真实验表明,该算法采用两阵元就可以实现多目标测向,其测向性能与基于均匀5元圆阵的传统多重信号分类算法相当,具有对多通道间相位不一致鲁棒性强的优点。     

基于标签多贝努利多传感器组网目标跟踪算法

随着电磁环境的日益复杂, 强干扰和高杂波带来的目标低检测概率问题日益突出, 给探测系统准确估计监测区域内目标个数以及目标状态带来了新的挑战。针对低检测概率问题, 提出随机有限集框架下基于标签多贝努利(labelled multi-Bernoulli, LMB)多传感器组网目标跟踪算法。该算法首次将LMB框架应用到不同探测范围的多传感器组网目标跟踪场景中, 实现了多目标跟踪目标数和相应状态稳定估计。仿真结果表明, 所提方法不仅能在低检测概率条件下获得目标稳定的航迹估计, 及时捕捉目标新生、消亡等事件, 还能有效叠加不同传感器不同探测范围, 充分发挥多传感器优势。     

基于级联MUSIC的面阵中的二维DOA估计算法

提出了适用于面阵中的基于级联多重信号分类(multiple signal classification,MUSIC)方法的二维波达方向(direction of arrival,DOA) 估计算法。该算法仅采用级联的一维搜索即可实现二维DOA的联合估计,避免了经典二维MUSIC算法的复杂计算量,复杂度大大降低,同时角度估计性能非常接近经典二维MUSIC算法。此算法可以实现二维角度的自动配对,角度估计性能优于传播算子算法(propagator method,PM)以及借助于旋转不变技术的信号参数估计算法。同时,该算法可以很好地估计出相同方位角(或仰角)的信源。结合算法的高性能及低复杂度,该算法拥有更广泛的适用范围,其优越性得到验证。     

基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法

传统算法通常采取舍弃互质阵列的“差联合”阵列形成离散虚拟阵元,只利用其中连续虚拟阵元进行离波方向角(direction of departure, DOD)和波达方向角(direction of arrival, DOA)联合估计,存在自由度提升受限、估计性能不佳等问题。对此,提出基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法。首先,将两个互质子阵以零点为中心布列,分别构成双基地多输入多输出(multiple input multiple output, MIMO)雷达的发射阵列和接收阵列,该布阵结构将传统的虚拟阵元由阵列“差联合”结构形式变成“和联合”结构形式,降低了虚拟阵列的冗余度。其次,在形成的虚拟阵元基础上,通过在虚拟阵列孔洞位置内插虚拟阵元使其连续,对于内插的虚拟阵元无实际接收信号问题,基于最小化核范数优化理论,采用协方差矩阵Toeplitz化重建的方式恢复内插虚拟阵元的等价接收信号,利于所有虚拟阵元层面的角度联合估计。最后,针对因角度配对导致的高运算量问题,结合降维多重信号分类(reduced dimension multiple signal classification, RD-MUSIC)算法使角度自动配对,从而减小算法运算复杂度。有效提高了目标分辨力和角度联合估计性能,仿真实验验证了算法的有效性。     

低快拍下基于稀疏重构的大电磁矢量传感器阵列多维参数联合估计

大尺寸电磁矢量传感器(electro magnetic vector sensor,EMVS)比小尺寸EMVS辐射效率更高,研究其参数估计算法有助于推动EMVS的实装化应用.针对大尺寸EMVS阵列研究了低快拍下参数估计问题,提出基于稀疏重构的波达方向(direction of arrival,DOA)和极化参数联合估计...