双向虚拟平滑阵列解相干信号的MUSIC算法的研究

本文首先对经典MUSIC算法的基本原理进行介绍,然后提出了基于这种算法的双向虚拟平滑阵列方法,计算机模拟结果证明了本文提出的方法能够克服经典MUSIC算法的缺点,对相干信号源的DOA能够进行准确的估计。     

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.     

冲击噪声下的改进TLS-ESPRIT算法研究

在冲击噪声背景和相干信源下,基于高斯白噪声的DOA估计算法完全失效,为了解决该问题,本文提出了一种改进的TLS—ESPRIT算法。本算法的原理是结合分数低阶矩阵知识,将空间平滑理论应用于TLS—ESPRIT算法之中。本文算法无需进行空间谱搜索,因而大大地减少了计算量。计算机仿真实验证明,在冲击噪声背景和多径干扰下,新算...     

基于空间平滑MUSIC算法的智能天线DOA估计方法

波达方向(DOA)估计是智能天线系统中的关键技术之一,在研究基于MUSIC算法的传统DOA估计的基础上,提出了一种基于空间平滑技术MUSIC算法的DOA估计方法。仿真结果表明,对于相干信源,采用空间平滑MUSIC算法,能够得到尖锐的谱峰和较高的分辨率。     

冲击噪声背景下均匀圆阵相干信源的DOA估计

在对称α稳定分布噪声的假设下,现有的基于共变和分数低阶矩的MUSIC（即ROC-MUSIC和FLOM-MUSIC）方法不能用于均匀圆阵信源相干情况下的波达方向（DOA）估计.为了解决这一问题,基于模式空间变换算法以及空间平滑算法的思想,结合ROC-MUSIC算法和FLOM-MUSIC算法,实现在冲击噪声背景下均匀圆阵相干信源的DOA估计.仿真实验验证了该方法的有效性.     

基于改进平滑 l 0 范数的 DOA 估计算法

为提高现有基于压缩感知的 DOA(Direction of Arrival)估计算法估计精度, 提出一种基于改进平滑 l 0 范数 的 DOA 估计算法。 该算法在构造一个恰当的平滑连续函数后根据接收数据的初始解确定一个合适的递减{δ} 序列[δ1 ,δ 2 ,…,δ J ], 并对每个δ 值, 采用最速下降法求解 l 0 范数逼近函数 Fδ (S)的最小值; 然后将该δ 值作 为下一次迭代的初始值, 并通过多次的迭代获得逼近函数的最小解, 即逼近的最小 l 0 范数。 同时通过仿真实 验对该算法进行了验证。 结果表明, 该算法在单快拍条件下即可对 DOA 进行有效估计, 与 OMP(Orthogonal Matching Pursuit)算法相比, 运算过程简单、 精度较高, 具有更好的估计性能。     

MIMO雷达多目标角度估计的空间平滑改进算法

针对基于阵列协方差矩阵特征分解的子空间类算法存在的问题,提出了一种基于改进空间平滑的新方法。首先介绍了"等效信源"的概念,在此基础上分析了当目标数多于发射阵元数时,一些基于子空间类算法失效的原因;从理论上推导说明了在接收阵元数足够多的情况下,本文算法可突破发射阵元数对可估计目标数的限制的机理,从而使得MIMO雷达在发射阵元数较少时能估计更多的目标。仿真结果表明:本文所提方法具有比TDS算法更好的估计性能。     

一般相关量测噪声下线性系统的平滑估计算法

提出了具有一般相关量测噪声的线性系统的平滑估计算法,该算法是在系统正向和逆向滤波估计结果的基础,利用线性无偏最小方差估计获得的。由于量测噪声的相关性,使得其后验均值不一定等于其先验均值,而它的后验均值又无法通过计算得到,因而提出的算法是一个次优算法。在正、逆向滤波结果已知时,所提出的算法计算量小,易于实现。仿真实例说明,该算法的估计结果要优于正、逆向滤波估计结果,以及量测噪声不相关的Ｋａｌｍａｎ平     

一种新的实值信号共轭MUSIC算法

利用实值信号特性提高波达方向(direction of arrival,DOA)估计性能,提出一种新的共轭多重信号分类(conjugate multiple signal classification,CMUSIC)算法.先拼接阵列上的接收数据矩阵和其共轭矩阵,再利用新矩阵中数据间的均匀延迟关系进行矩阵重构,对其奇异值分解获得信号子空间,CMUSIC可充分利用信号的实值特点,对多于阵元数的信号进行测向,不仅可以处理非相干信号,还可以处理相干信号,获得的测向精度优于多重信号分类(multiple signal classification,MUSIC)算法和空间平滑算法.仿真实验结果证实了CMUSIC算法的有效性.     

一种新的实值信号共轭MUSIC算法

利用实值信号特性提高波达方向(direction of arrival,DOA)估计性能,提出一种新的共轭多重信号分类(conjugate multiple signal classification,CMUSIC)算法。先拼接阵列上的接收数据矩阵和其共轭矩阵,再利用新矩阵中数据间的均匀延迟关系进行矩阵重构,对其奇异值分解获得信号子空间。CMUSIC可充分利用信号的实值特点,对多于阵元数的信号进行测向,不仅可以处理非相干信号,还可以处理相干信号,获得的测向精度优于多重信号分类(multiple signal classification,MUSIC)算法和空间平滑算法。仿真实验结果证实了CMUSIC算法的有效性。     

任意分布冲击噪声背景下基于ESPRIT的DOA估计方法

针对冲击噪声背景下的传统波达方向(DOA)估计算法性能下降的问题,该文提出一种适用于任意分布冲击噪声的无穷范数归一化旋转不变子空间(Inf-ESPRIT)算法.该方法首先对阵列接收的快拍数据进行无穷范数归一化处理,然后对伪协方差矩阵进行特征分析,利用ESPRIT算法实现DOA的估计.与传统的基于分数低阶矩的方法相比,该算法具有以下优势:适用于多种不同分布的冲击噪声环境,无需已知冲击噪声特征指数的先验信息或估计值,可以获得更好的估计性能.计算机仿真实验证明了所提算法的有效性.     

基于正交性检测的宽带DOA快速估计算法

基于子空间的正交特性,给出了一种宽带信号波达方向(DOA)快速估计算法.应用正交性检测获得方向估计,无需预处理,成功避免了预处理误差给估计结果带来的影响;通过频谱分析只选取能量集中的少数窄带频段数据进行角度估计,大大降低了奇异值分解的矩阵规模,可做到快速实时;在对信号能量比较充分利用的同时也保证了算法的高分辨率.计算机仿真验证了该算法的有效性和快速性.该算法可以应用于任意阵列.     

空间特征的累量域估计算法与共信道相干源波达方向估计

提出了一种基于累积量的多用户空间特征估计算法,并将该算法用于智能天线系统中的多用户相干源波达方向（ＤＯＡ）估计。该算法构造了累量域空间特征矩阵,通过对空间特征矩阵的特征分解得到用户信号的空间特征估计,基于空间特征的估计,利用前后向平滑空间特征协方差矩阵估计共信道多用户信号的ＤＯＡ,并将各用户的ＤＯＡ自动分组,仿真实验验证了算法的有效性。     

基于四阶累积量虚拟阵列扩展的DOA估计

针对Music-like方法能很好地扩展阵列孔径,但计算量较大的问题,提出了一种虚拟阵列扩展的新方法。该方法基于四阶累积量孔径扩展的性质,由实际阵元的坐标与方向矢量直接计算出虚拟阵元的坐标与方向矢量,利用两种阵元坐标之间的关系构造四阶协方差矩阵,运用MUSIC(Mu ltip le S ignal C lassification)算法对非高斯独立信号源进行DOA(D irection of Arrival)估计。该方法在任意阵列的情况下,对非高斯独立信号源进行一维与二维DOA估计,均能准确估计出多于实际阵元数目的方向角与仰角。实验表明,对一N元阵列,该方法最多能够扩展N2-N 1个虚拟阵元,能够估计出N2-N个非高斯独立信源,提高了阵列的空间分辨能力,有效抑制了高斯噪声的干扰,减少了高阶累积量协方差矩阵的计算量。     

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。     

MIMO雷达双向空间平滑的多径目标DOA估计算法

针对多径情况下MIMO雷达低角目标DOA估计问题,提出了一种基于双向空间平滑FBSS的样本复用MIMO雷达低角多径目标DOA估计算法。考虑到MIMO雷达相干信号测角时与多径信号测角时情况的不同,算法采用了MIMO雷达四路径回波信号模型,首先依据MIMO雷达波形分集的特性对接收信号匹配滤波得到虚拟阵列,在此基础上对虚拟阵列采取行列复用并分别进行双向空间平滑,有效提高了低信噪比条件下低角目标DOA估计精度。计算机仿真结果表明,在信噪比小于-12dB条件下,该算法比M-SSMUSIC算法的均方根误差平均减小了1°。     

基于EM算法的光滑参数选择

在非参数建模中,可以通过最小化均方误差（mean squared error）来优化光滑参数λ,即需要刻画出均方误差随λ的变化趋势,进而使均方误差最小的λ值即为最优的估计值,但在实际应用中并不知道回归函数的显示表达式,因此方法具有一定的局限性;通过样条回归模型与混合效应模型之间的关系,结合极大似然理论与EM算法去优化光滑参数λ.