基于模糊聚类信源数估计算法的研究、仿真与应用

为了改善在小快拍情况下盖氏圆准则信源数估计算法的估计性能,提出了一种基于模糊聚类的信源数估计算法(Fuzzy Clustering Based Estimator-FCBE)。基于模糊聚类的信源数估计算法使用了待分类对象(特征向量)隶属于信号子空间的隶属函数值作为分类的特征,实际上引入了从对象参数到分类特征的一次映射,符合阵列信号处理中信源数估计的实际情况。通过仿真实验比较了基于模糊聚类的信源数估计算法和盖氏圆准则在小快拍下的估计性能,并且在浅水高分辨率测深侧扫声纳中的实际应用验证了基于模糊聚类的信源数估计算法的有效性。     

基于去特征处理的信源数估计算法

在实际测向系统中,由于阵列中各阵元的相互干扰,阵列接收的噪声为空域相关色噪声,由于系统热噪声和散弹噪声的存在,导致阵列接收的噪声同时包含空域相关色噪声与白噪声。传统针对空域相关色噪声的信源数估计算法在白噪声背景下的估计性能往往下降。针对这一问题,提出了一种基于去特征处理的信源数估计方法。该方法对数据协方差矩阵进行去特征处理,得到一组与特征值相对应的新数据协方差矩阵,利用新数据协方差矩阵在信号和噪声子空间上的投影矩阵构造判决函数,进而实现信源数估计。仿真实验及对比数据表明该方法在包含有白噪声成分的色噪声背景下能够有效进行信源数估计,其突出优势表现在小快拍数、低信噪比条件下仍能准确估计信源数,而没有明显增加算法的运算量。     

基于协方差矩阵对角加载的信源数估计方法

针对基于信息论准则的信源数估计方法在白噪声背景下具有良好的估计性能,但在色噪声背景下,利用信息论准则进行信源数估计时,会得到真实信源数目过估计的问题。为了将信息论准则推广应用到色噪声背景下,提出了一种改善色噪声背景下噪声特征值发散的特征值校正算法,首先采用对角加载技术平滑色噪声背景下的噪声特征值,然后对平滑后的特征值利用信息论准则估计信源数。仿真结果证明了该算法的有效性。     

阵元间互耦与通道幅度不一致性条件下的信源数估计

基于信息论的MDL准则和AIC准则在均匀高斯白噪声背景下估计信源个数具有良好的性能,而当系统中存在阵元间互耦和通道幅度不一致性时,系统噪声变成非均匀色噪声,此时再使用MDL准则和AIC准则估计信源个数会完全失效.对此,分析了信息论方法与盖氏圆方法的内在联系,选择盖氏圆半径作为概率模型的参数,提出改进的GMDL准则和GAIC准则.仿真和实测数据实验结果表明,GMDL和GAIC准则在系统存在阵元间互耦和通道幅度不一致性条件下具有良好的估计性能.     

基于特征子空间投影的信源数估计方法

为了适应实际测向系统的环境,针对常规信源数估计方法在色噪声背景下估计性能变差的问题,提出了基于特征子空间投影的信源数估计方法。首先对特征向量分组,获得只含有噪声部分和既含有噪声又含有信号部分的特征子空间。阵列的导向矢量阵与噪声子空间正交,而与信号子空间张成的是同一个空间。根据这个原理,将协方差矩阵在不同特征子空间上进行投影,得到存在差异的投影数据。最后对投影数据进行求方差处理,得到投影方差,将其作为信源数估计的依据,进而实现信源数估计。仿真实验和实测数据测试表明了该算法的正确性和有效性。     

基于前后向协方差矩阵投影的信源数估计算法

针对均匀线阵的信源数估计问题,提出了一种基于前向-后向采样协方差矩阵正交投影的多目标信源数快速估计算法。该算法将经过酉变换后的前向-后向采样协方差矩阵的列矢量做Gram-Schmidt (GS)正交化,并将正交化后矢量的模值与一个自适应判决门限做比较来估计信源个数。该判决门限根据阵列采样协方差矩阵估计误差的渐近分布特性推导得到。计算机仿真证明了该算法的正确性和有效性。     

色噪声背景下基于特征空间的信源估计新方法

准确估计信源数目是很多高分辨算法得以实现的前提条件。传统的信源估计方法大多是在白噪声背景下,以数据协方差矩阵的特征值序列作为研究对象,按照某种标准设定门限来进行判决估计信源数目。而在实际情况中白噪声很难满足,从降一维特征空间的投影矩阵角度出发,获得数据协方差矩阵的局部数据的投影差值序列,从而有效避开了噪声主要能量的影响,对空间色噪声也有一定的抑制效果。仿真结果表明在色噪声背景下,利用该方法可以在多信源情况下准确估计信源数目。     

基于酉变换ESPRIT的相干信源DOA估计算法

为了增强重构Toeplitz矩阵算法的估计性能,降低计算复杂度,提出了适用于相干信源波达方向估计的Toep UESPRIT算法。它使用利用旋转不变性的信号参数估计代替多重信号分类,避免了谱搜索,并且在构造Toeplitz矩阵的基础上,两次构建centro Hermitian矩阵,利用酉变换将复数域的特征值分解和总体最小二乘问题的求解实数化,使计算量大大降低。同时,由于centro Hermitian矩阵的构造过程重复利用了接收数据,估计精度得到大幅提高。实验仿真和分析证明了该算法的正确性和有效性。     

锥面共形阵列天线相干信源盲极化DOA估计算法

针对共形天线阵列流形的多极化特点,建立了锥面共形阵列天线导向矢量的数据模型。通过合理的阵元排列结构设计,推导了锥面共形阵列天线信源解相干的空间平滑算法,解决了ESPRIT(estimation of signal parameters via rotational invariance technique)算法多信源方位估计的参数配对问题,最终给出了锥面共形阵列天线相干信源盲极化波达方向(direction of arrival, DOA)估计算法。该算法利用锥面共形载体的单曲率特性,结合ESPRIT算法参数估计的特点,在盲极化条件下实现了相干信源的高分辨DOA估计。Monte Carlo仿真实验验证了算法的有效性。     

基于Unitary ESPRIT的圆和非圆信号联合DOA估计

基于非圆信号的Unitary ESPRIT(NC Unitary ESPRIT)算法,与unitary ESPRIT相比,明显提高了DOA估计的精度,并且可以处理更多的入射波。但是,在对多个入射波进行DOA估计的时候,更常见的是入射波既包含圆信号又包含非圆信号情形,而NC Unitary ESPRIT算法不能很好地进行这类信号的DOA估计。在分析两种信号共同存在时的信号模型结构的基础上,提出了一种新的同时估计圆信号和非圆信号DOA的unitary ESPRIT算法,并且该方法能够区分出圆信号和非圆信号。计算机仿真表明了所提出的方法比unitary ESPRIT方法有更好的估计效果,并且信号源中非圆信号所占的比重越大,估计效果越好。而当入射波均为非圆信号时,提出的算法性能与NC Unitary ESPRIT相似。     

基于四阶累积量切片的宽带传播算子测向方法

四阶累积量的盲高斯性改善了高斯噪声存在情况下的方位估计算法性能,四阶累积量切片同样具有盲高斯性,结合改进的传播算子法(MPM)不但可以降低算法的运算量,还可以改善算法的性能。首先利用旋转不变方法(RSS)对宽带信号进行聚焦处理,聚焦处理后的矩阵输出再求其四阶累积量切片矩阵,对该矩阵利用改进的传播算子法得到测向结果。论述了四阶累积量切片适用于改进的传播算子法的原理,并通过仿真验证了算法在盲高斯噪声、运算量及测向性能方面的优越性。     

基于互协方差稀疏重构的MIMO雷达低仰角估计算法

针对低空目标仰角估计时,多径信号间的混叠严重影响雷达的测角性能的问题,基于压缩感知理论的波达方向(direction of arrival,DOA)估计算法与多输入多输出(multi-input and multi-output,MIMO)雷达体制结合起来共同进行低空目标DOA估计的研究,提出了 一种基于互协方差矩阵稀...     

基于数据矩阵分解的相干源方向估计新方法

提出一种相干源存在情况下的波达方向估计新算法。利用阵列快拍数据构造数据矩阵,相关去噪后,通过奇异值分解获得低维信号子空间的估计,然后运用ESPRIT思想估计出波达方向。无论是否存在相干源,新算法均能有效估计出波达方向,并且无需角度搜索,运算量小。该算法虽基于一维线阵,但可直接推广到具有线性性质的二维平面阵,如L形阵、十字阵、双平行线阵等。计算机仿真验证了算法的有效性     

基于延时相关处理的ESPRIT算法

为了提高旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法的分辨力和测角精度,充分利用非零延迟相关函数中信号入射角度的信息,提出了基于延时相关处理的ESPRIT算法。根据所有阵列间延时相关信息,构造新的阵列输出矩阵,并且得到新的协方差矩阵。对新的协方差矩阵进行特征值分解得到特征向量,通过将特征向量划分得到含有入射角度信息的子阵,最终求得信源的入射角度。仿真结果表明,该算法的分辨力和测角精度均优于原ESPRIT算法,并且在小角度间距情况下也有较好的分辨性能。     

机载电磁矢量传感器阵列DOA和极化参数估计

针对机载电磁矢量传感器阵列DOA和极化参数估计问题,提出了一种基于复四元数估计方法,该算法利用四元数建立机载电磁矢量传感器阵列信号处理模型,然后利用四元数联合矩阵的特征分解得到阵列数据相关矩阵的特征分解,一方面使得计算过程中数据的贮存量大大减少,另一方面通过推导得到信号子空间和噪声子空间在四元数域上的正交性从而使DOA和极化参数估计的精度更高,仿真证实了本算法的有效性。     

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。     

基于四阶累积量和时间平滑的相干信号DOA估计

高斯色噪声背景下,针对多径环境下的多用户波达方向（direction of arrival, DOA）估计问题,提出一种联合处理算法。新算法首先利用四阶累积量估计出各个用户的空间特征,然后利用基于时间平滑的多重信号分类 (multiple signal classification,MUSIC)算法实现各用户多径信号的DOA估计。该算法突破了传统空间平滑类算法的局限,对于M元均匀线阵,新算法最多可估计M×(M－1)个DOA,且各DOA与各用户可自动实现配对。计算机仿真结果验证了算法的有效性。