基于辅助阵元法的非圆信号实值MUSIC算法

针对非圆信号波达方向(direction of arrival, DOA)估计算法在工程应用中受阵列误差影响的问题,基于辅助阵元法的基本原理,并结合非圆信号的特征提出了一种基于辅助阵元法的非圆信号实值多重信号分类(multiple signal classification, MUSIC)算法。该算法利用非圆信号输出阵列的实值扩展方式,既提高阵元输出信号的使用率,也减少算法的计算量。同时详细推导了获取信号DOA估计的数学表达式,并对所提算法进行了仿真实验。实验结果验证了该算法的有效性。     

基于传播算子的非圆信号实值测向方法

针对现代通信系统大量使用的二相相移键控、调幅等非圆信号,为了降低基于扩展传播算子的非圆信号测向算法--扩展传播算子方法(extended propagator method, EPM)的计算量,提出了EPM实值算法。该算法将阵列输出的实部和虚部拼接使用,即对EPM算法中的阵列输出矩阵进行复加权,用实运算实现了EPM算法,降低了计算量。仿真实验证明,新算法的阵列扩展能力及测向精度与EPM算法相当。     

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。     

基于数据矩阵的非圆相干信号完全解相关算法

提出了一种非圆相干信号完全解相关算法。不同于传统阵列信号中每次快拍形成一组数据矢量,该算法每次快拍形成一组数据矩阵。通过形成的数据矩阵,在矩阵内部实现虚拟平滑以达到解相干目的,通过数学证明,有该数据矩阵形成的信号相关矩阵可以等效成入射端信号为独立源时形成的信号相关矩阵,这样使得相干源之间得到完全解相关。该方法无孔径损失,可检测N-1个相干源(N为阵元个数)。计算机仿真验证了该方法的有效性和优越性。     

基于解析振速的ESPRIT算法

基于声矢量传感器在二维平面波入射时的输出信息,提出了其"解析振速"的输出模型,将目标的方位信息蕴含在输出信号的相位之中,并由此得到了矢量阵的输出模型.当ESPRIT算法应用于矢量阵时,由于矢量阵的内禀属性,旋转矩阵不再与阵型和信号的频率有关,只与目标方位信息有关,从而能够实现任意阵型全空间的无模糊测向.理论分析和仿真表明:本算法无需先验已知阵型;单声矢量传感器也可以应用ESPRIT算法,且此时其性能逼近克拉美-罗界.湖试表明本算法是有效的.     

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。     

非圆信号与圆信号混合入射的DOA估计算法

利用非圆信号的非圆特性可以提高波达方向估计算法的性能,然而现有算法大多不适用于非圆信号与圆信号混合入射这样具有一般性的情况。通过分析混合入射信号的导引矢量所需要满足的约束条件,指出现有算法在信源数较多或低信噪比及低快拍数时会产生伪峰这一现象, 并分析产生原因,同时给出一种改进的方法。通过仿真可以看出,改进算法在保证可以同时估计所有信号波达角的基础上,还可以较好地抑制伪峰的产生,并且相对于传统算法提高了精度。     

基于实值分解技术的循环root-MUSIC算法

通过构造了循环自相关矩阵的数据模型,使其具有厄尔米特特性,提出了一种基于实值分解技术的循环root-MUSIC算法,无需空间谱搜索,较好地解决了多径传播环境中信号高度相关问题,极大地降低了计算量。实值循环root-MUSIC算法的均方误差公式的理论推导,证明了该算法既适合独立信号,又适合高度相关信号或者相干信号。仿真实验结果证明,与循环root-MUSIC算法相比,该算法适应多径传播环境,具有计算量小和性能好等特点。     

基于非圆信号的波束域共轭MUSIC方法

针对非圆信号形式,对传统的波束域MUSIC方位估计方法进行重构,提出了波束域共轭MUSIC方法来进行相干信号的波达方向估计.该方法充分利用非圆信号的特性,从阵列接收数据构造共轭对称的Toeplitz矩阵,将其作为伪协方差矩阵,使用波束域MUSIC算法进行处理来得到目标的方位估计值.该方法可以避免常规波束域MUSIC方法使用空间平滑预处理后损失阵列孔径,而导致可测的信号源数减少的问题.仿真表明,该方法在较少快拍数下,无需空间平滑就可以检测多个相关信号,其性能优于使用空间平滑技术的常规波束域MUSIC方法.     

一种稳健的非圆信号波达方向估计算法

为了充分利用非圆信号的特性,提高非圆信号波达方向估计的性能,针对最大非圆率信号,提出了一种稳健的波达方向估计算法。首先,构造两个包含信号非圆信息的四阶累积量矩阵;然后,利用这两个矩阵的旋转不变关系实现信号的波达方向估计;最后,在存在通道幅相误差模型下分析了算法的稳健性,并推导出只要令接收通道中任意两个通道保持一致,算法就能得到正确的波达方向估计。仿真实验表明,算法的测角精度得到提高,并且算法对通道幅相误差具有稳健性。     

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。     

基于非圆信号的MIMO阵列方位估计方法

给出了多输入多输出（multiple-input multiple-output, MIMO）阵列的阵列信号模型。针对信号为非圆信号的形式,提出了一种在MIMO阵列中基于非圆信号的共轭多重信号分类方法（multiple-input multiple-output conjugate multiple signal classification, MIMO CMUSIC）。这种方法充分利用非圆信号的特点,从阵列接收数据构造共轭对称的Toeplitz矩阵得到伪协方差矩阵,然后用常规MUSIC方法进行处理。仿真结果表明,与常规MUSIC方法相比,在只需要一次或者少次快拍下,此方法在MIMO阵列中能够分辨多个目标,性能远优于常规的MIMO MUSIC方法。     

基于ESPRIT算法的柱面共形阵列天线DOA估计

由于共形天线阵列流形的多极化特性(polarization-diversity,PD),信源方位参数与极化状态的“耦合”是实现共形阵列天线波达方向(direction-of-arrival, DOA)估计的主要难点。针对柱面共形阵列天线的特点,建立了柱面共形阵列天线的导向矢量模型;通过合理的阵元排列结构设计,结合ESPRIT (estimation of signal parameters via rotational invariance techniques)算法参数估计的特点,实现了信源极化状态与方位参数的去耦合,推导了ESPRIT算法多参数估计的参数配对方法,最终提出了柱面共形阵列天线盲极化DOA估计算法。计算机Monte Carlo仿真实验验证了所提算法的有效性。     

基于ESPRIT算法的矢量水听器阵方位估计性能分析

研究了矢量水听器阵利用旋转不变子空间(estimation of signal parameters via rotational invariance technique, ESPRIT)算法估计目标方位的问题,分析了几种处理方式的内在机理,并推导了它们的理论误差公式。针对利用振速分量直接估计方位受声源方位影响较大的问题,提出了一种角度融合的方法来提高方位估计性能。仿真结果表明,理论误差与实际非常吻合,提出的优化融合处理方法提高了目标方位估计的精度,降低了估计误差随方位角度变化波动的程度。     

基于累积张量分解的雷达信号欠定盲分离算法

针对时域和频域不充分稀疏条件下的雷达信号欠定盲分离问题,提出了基于信号不同时延的累积量与三阶张量分解估计混合矩阵的方法,并通过修正子空间投影算法完成对雷达源信号的恢复。首先将混合信号的四阶累积量表示成三阶张量,利用三阶张量分解获得混合矩阵估计值;通过求解雷达源信号任意时频点处对应的估计矩阵的列矢量,得到该时频点处最优超定矩阵的伪逆并恢复源信号。该算法可以解决复杂电磁环境下时频域同时混叠的雷达信号盲分离问题,仿真结果表明与现有算法相比提高了盲分离中混合矩阵估计性能和源信号恢复性能。     

基于ESPRIT矩阵束法的UWB雷达目标特征提取

提出了一种基于ESPRIT矩阵束法的UWB雷达目标特征提取方法,该方法把提取信号极点问题转化为求解矩阵束的广义特征值问题。理论分析和数值仿真结果表明,这种方法与传统的Prony算法相比有明显地改进,能有效地提取出目标回波信号的极点和留数,并对随机噪声具有良好的抑制作用。该方法特别适用于UWB雷达或其它高分辨率雷达的目标特征提取。