通道失配对MUSIC算法测向性能影响研究

分析了通道失配条件下MUSIC算法测角偏差及方差,推导了单源情况下幅度失配及相位失配引起的测角偏差和方差的具体公式。仿真结果表明,理论分析能准确预测通道失配时MUSIC算法的角度偏差和方差。     

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。     

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。     

TD-SCDMA系统中MUSIC算法的改进

针对MUSIC算法中直接用零特征值的个数不易确定信号空间维数的缺点，提出了利用信道冲激响应来限制信号的维数的方法。TDSCDMA系统本身需要利用信道冲激响应来进行联合检测，因此该改进方法并不增加系统的复杂度，具有良好的工程实现性。从MUSIC谱上比较不同算法的性能，用信道冲激响应估计信号源的路径以确定信号的维数的方法比直接用门限法有更好的分辨率，同时也比直接选取最大的信号维数的方法更精确。     

基于辅助阵元法的MUSIC算法

阵列误差会使MUSIC算法的性能急剧下降.现今大多数校正算法都是用于校正方位无关的阵列误差.但实际中的阵列误差几乎都与信号方位有关.辅助阵元法是校正方位相关阵列误差的有效方法.首先论述了辅助阵元法与MUSIC算法相结合的算法,然后重点分析了信噪比和校正阵元的精度对算法性能的影响,同时提出了提高算法精度的方法,为实际应用提供参考.仿真实验验证了算法的有效性.     

TD-SCDMA系统中MUSIC算法的改进

针对MUSIC算法中直接用零特征值的个数不易确定信号空间维数的缺点,提出了利用信道冲激响应来限制信号的维数的方法.TD-SCDMA系统本身需要利用信道冲激响应来进行联合检测,因此该改进方法并不增加系统的复杂度,具有良好的工程实现性.从MUSIC谱上比较不同算法的性能,用信道冲激响应估计信号源的路径以确定信号的维数的方法比直接用门限法有更好的分辨率,同时也比直接选取最大的信号维数的方法更精确.     

基于均匀线阵的改进MUSIC算法

在相干信源下,传统的MUSIC(MUltiple SIgnal Classification)算法不能准确地估计波达方向。为此,在对传统的MUSIC算法进行研究的基础上,提出了一种改进的MUSIC算法。该算法是将阵元接收的数据做相应的变换,从而得到新的阵列数据,再通过求互协方差等运算,得到新的数据协方差矩阵。同时,对该算法和传统的MUSIC算法进行了仿真,对其DOA(Direction of Arrival)估计性能进行比较。仿真实验表明,改进后的算法在相干信源的情况下具有很好的去相干性能,而且没有阵列孔径的损失。能精确地估计信号的波达方向。     

MUSIC及其改进算法的DOA估计

MUSIC算法是一种有效的DOA(Direction of arrival)估计方法,但它仅能估计非相关信源,不能估计相关信源。前后向空间平滑技术(Forward/Backward Spatial Smoothing Technique)是一种改进的MUSIC算法,对相关信源有很高的分辨率。分析了它的基本原理及优缺点,仿真了它的分辨性能。     

用感知机学习算法改善MUSIC测向算法的分辨率

文中指出了通过计算机仿真了解到的影响MUSIC测向算法分辨率的一些因素 ,分析了造成MU SIC测向算法计算机仿真的分辨率较低的原因 ,并提出了一种用人工神经网络中的感知机学习算法改善MU SIC测向算法计算机仿真分辨率的方法     

二维高精度MUSIC算法的高速实现

多重信号分类(multiple signal classification,MUSIC)算法是一种经典的空间谱估计算法,其利用信号子空间和噪声子空间相互正交的特性,估计出入射信号的波达方向(direction of arrival,DOA)。文章以二维高精度DOA估计的应用需求为目标,通过分析MUSIC算法中各个步骤的计算特点,提出了一种算法的实现方法,并在现场可编程门阵列(field programmable gate array,FPGA)上完成了各个模块硬件电路的设计验证。该方法利用矩阵元素行列序号的对称性,得到了一种计算协方差矩阵的并行化分解方案;采用阈值比较法提高特征分解速度的同时,避免了最值求解,降低了硬件复杂度;在谱峰搜索中使用分步搜索法来提高实时性,并设计了专用硬件电路计算方向向量,以节省存储资源和避免数据读取延时带来的性能损失;与传统实现方法相比,实现了高精度和高实时性的统一。实验结果表明,该方法中的硬件实现方案在100 MHz工作频率的FPGA芯片上,完成一次精度为0.1°的二维DOA估计耗时3~5ms,具有精度高、速度快、资源消耗少的优势。     

室内无线高精度定位的改进MUSIC算法

室内定位在一些特定场合的实用性和必要性已经日趋显著,其应用前景广阔,研究意义非常大。但是目前基于传统RSSI的定位算法不能满足室内定位的要求。针对RSSI测量方法误差较大的问题,提出用MUSIC算法估计信号的波达方向。传统的MUSIC算法只能对非相干信号进行DOA估计,但在室内环境中,存在严重的多径效应,MUSIC算法将会失效。通过构建Toeplitz矩阵,达到去相关的目的,从而对多信号的波达方向做出正确的估计。     

二维MUSIC算法分维处理及其阵列结构的研究

基于阵列接收信号相关矩阵特征结构的谱估计方法是信号参数测量的主要方法之一。随着应用研究的不断深入,对信号的二维参数进行测量的要求日益迫切。针对目前多信号环境下二维DOA参数测量问题,对二维MUSIC算法分维处理中的参数配对耦合问题进行了分析,得出了耦合阵列结构的特征,即二维MUSIC算法分维处理中,耦合的产生与否由阵列的横坐标矢量与纵坐标矢量的线性相关性决定。该特征表明,传统的平面阵列存在着较大的阵元冗余。在此基础上,提出了无冗余的配对阵列。同时,提出了解耦合的F型阵列结构和分维搜索方式,进一步减少二维参数测量的阵元冗余。与现有的二维DOA参数测量方法相比,在计算量、阵元利用率和测量精度等方面性能突出。通过仿真,表明了算法和阵列结构的有效性。     

文化鱼群算法的广义MUSIC测向技术

针对现有的测向算法测相干信号源会损失天线阵列孔径的问题,在引入广义导向矢量和广义导向矩阵的基础上,建立了一种通用的阵列数据模型,提出了一种基于四阶累积量的广义MUSIC测向算法。为求解所提的广义MUSIC测向算法,在文化算法中使用人工鱼群进化机制,引入了一种多维搜索的文化鱼群算法。仿真结果证明了所设计的测向算法在不损失四阶累积量所扩展阵列孔径的情形下,可有效测相干信源与独立信源的方向,与现有一些经典算法相比,所提算法有较大的优势和较广的应用范围。     

循环MUSIC算法的误差分析及改进

通过分析循环MUSIC算法信号模型的误差,考查载波频率、信号带宽、循环频率、阵元间距和波达方向(DOA)等因素对DOA估计性能的影响,根据分析结果提出在计算导向矢量时选择最适当的频率以减小偏差,改进估计性能.仿真结果表明上述与信号模型相关的因素对DOA估计的精度有一定影响,与理论分析一致,且证实改进算法有效.     

Root-MUSIC，PM，MUSIC算法的比较

对测向算法（DOA）中的2种降低运算量的算法,即求根的MUSIC算法（Root-MUSIC）和传播算子算法（PM）,与多重信号分集算法（MUSIC）进行比较,并对两者降低运算量的作用进行了有效性分析和验证.Root-MUSIC算法通过求根降低运算量,PM通过矩阵乘法代替矩阵分解降低运算量.仿真结果表明,在阵元数较少时Root-MUSIC是最有效的算法,否则PM算法更为有效.     

基于改进MUSIC算法的宽带DOA估计

经典MUSIC算法的统计特性主要建立在阵元数固定且快拍数趋于无穷的情况下,在有限样本中,当快拍数无法满足远大于阵元数的条件时,DOA估计会产生偏差.对于宽带信号的DOA估计,利用相干信号子空间(Coherent Signal-subspace Method,CMS)方法,构造聚焦矩阵使不同频率的信号子空间映射到同一参考频率上,用聚焦后的频域窄带模型进行DOA估计,并针对在实际应用中,阵列的阵元数较大且快拍数受限时经典MUSIC算法估计精度不高的情况,利用改进后的MUSIC算法-Spike-MUSIC算法,提高DOA估计精度.在不同信噪比下,分别对DOA估计的误差进行了MonteCarlo仿真实验,仿真结果表明,相对于普通的CSM方法,基于Spike-MUSIC算法改进的CSM方法在宽带DOA估计中具有更高的精度.     

立体匹配算法研究综述

立体匹配算法作为双目立体视觉的核心内容,是通过匹配两幅或者多幅图像获得视差并得到相应深度信息的技术。本文通过对国内外立体匹配算法的研究与分析,对立体匹配算法进行了综述,详细阐述了全局立体匹配算法和局部立体匹配算法,最后总结了当前立体匹配算法面临的挑战以及对立体匹配算法的展望。     

混淆算法研究综述

首先对混淆算法的力量、弹性、执行代价和隐蔽性等性能及其度量作了介绍.随后对各种混淆变换作了简要的叙述和评论.混淆变换主要分为以下几种:第一,词法变换;第二,控制流变换,包括分支插入变换、循环条件插入变换、将可化简的控制流转换为不可化简的控制流,取消循环和控制流恶化;第三,数据变换,包括数组重构变换、变量重组变换、将静态数据转换为与程序相关的数据和数值变量混合变换;第四,类结构变换,包括类熔合、类分裂和类型隐藏.此外,对使用对象和别名的不透明谓词和利用并行技术构建不透明谓词进行了简介,并综述了对混淆算法的攻击方法以及混淆算法的应用.最后对反混淆和对混淆算法的攻击进行了总结,并提出了若干可能的研究方向.     

某测向系统中MUSIC算法的FPGA实现

针对多信号分类(MUSIC)算法计算复杂度高,难以实时实现的特点,给出了适用于均匀圆阵的实数化预处理算法和实用的空间谱定义,并选择了适合硬件实现的特征值分解算法和排序算法;另外,基于某测向系统给出了MUSIC算法FPGA实现的总体结构和执行流程,并重点讨论了大矩阵特征值分解和空间谱计算的硬件结构设计.验证结果表明,该FPGA实现能够完成MUSIC算法的准确、快速计算.     

改进的MUSIC算法用于雷达海上目标检测

海杂波的存在严重影响了雷达检测海上目标的性能,海杂波的建模与抑制方法是其研究的重要方面。首先介绍了高频雷达海杂波的产生机理,然后建立海杂波的信号模型。在信号模型的基础上,研究抑制海杂波以及提取目标信号的方法,主要研究对比了SVD和MUSIC方法。利用海杂波信号模型产生满足条件的模拟杂波以及目标信号,仿真出抑制海杂波以及提取目标信号的过程,仿真结果可以验证方法的有效性。