声矢量传感器阵列的实值Root-MUSIC算法

为提高矢量传感器阵列的波达方向(DOA)估计精度和减少运算量,提出了基于矢量传感器阵列的实值化求根MUSIC算法。该算法计算量远远小于矢量传感器阵列的MUSIC算法和RootMUSIC算法。通过阵列信号的空间谱,选择合适的引导方位向量。对阵列协方差矩阵进行实值化重构与特征分解,构造蕴含信号源方位信息的多项式,再将阵列的DOA估计转化为多项式的求根问题。仿真实验与相同阵列孔径的声压传感器阵列的对比实验表明,该算法在低信噪比、小快拍数情况下具有更好的估计性能。通过湖试试验验证了该算法具有较强的工程实用性。     

基于特征向量的阵列误差矩阵最优闭式解

阵列互耦和幅相误差的综合作用会严重影响MUSIC算法的测向性能. 该文重点研究了由互耦和幅相误差 引起的阵列误差校正问题,给出3 种阵列误差矩阵校正算法. 它们具有相同的计算模式和理论框架,均可通过计算某 个Hermite矩阵最小特征值对应的特征向量获得最优闭式解. 算法I未利用阵列误差矩阵的任何性质,算法II利用了阵列 误差矩阵的稀疏性,算法III利用了某些规则阵列的阵列误差矩阵的特殊结构. 仿真实验比较了3 种校正算法的估计精 度,结果表明,尽可能利用阵列误差矩阵的特殊性质有利于提高阵列误差矩阵的校正精度.     

特殊阵列的二维到达角方向估计

在特殊均匀线阵的基础上,提出一种二维DOA估计新方法,利用参考阵列的旋转不变性构造整个虚拟阵列的旋转不变性,采用横向和纵向双重扩展提高了阵列的扩展性能,并实现四阶累积量矩阵的无冗余数据处理. 新方法只需计算两个四阶累积量矩阵就可获得信号子空间的估计,进而利用二维ESPRIT方法求得最终的解. 理论分析和仿真实验表明,该算法计算量低,阵列扩展能力强,估计精度高,具有一定的实用性.     

非线性阵列Khatri-Rao子空间宽带DOA估计

针对非线性阵列,基于Khatri-Rao子空间概念提出一种新的无预估角宽带到达角(direction-of-arrive,DOA)估计方法. 从Khatri-Rao子空间虚拟阵列导向矢量出发,利用虚拟阵列所增加的维数,以流形分离技术构造与到达角无关的宽带聚焦矩阵,无需预估角且估计性能良好. 采用Root-MUSIC算法避免传统算法中的谱峰搜索过程,降低了计算量. 仿真结果表明,该方法与需要预估角的已有Khatri-Rao子空间宽带DOA估计方法FKR-RSS相比,具有相近的估计精度和目标分辨力. 在信号源数大于阵元数的情况下,其性能优于FKR-RSS.     

共形阵列LFM信号DOA和极化参数的联合估计

利用分数阶傅里叶变换(fractional Fourier transform, FRFT)对线性调频(linear frequency modulation,LFM)信号的能量匹配聚焦特性来简化共形阵列的数据模型,根据子空间拟合原理提出一种信源DOA和极化参数的去耦联合估计方法. 直接进行DOA估计涉及求解难度较大的多维多峰参数搜索过程,于是通过重构噪声子空间
和流形矩阵建立了单峰的目标函数,然后用PSO算法估计信源方位角和俯仰角,在此基础上利用ESPRIT实现极化参数估计. 仿真实验表明,去耦参数估计方法能在保证算法性能的前提下简化问题复杂度,有效降低运算量.     

平面阵列下的二维角度和频率联合估计

在均匀面阵列结构基础上提出一种二维角度和频率联合估计新方法. 对阵列天线输出的信号进行建模分析,表明阵列接收信号具有平行因子四线性模型特征. 利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出信源的参数. 该算法首先利用四线性交替最小二乘算法估计出方向矩阵和频率矩阵,然后利用频率矩阵的Vandermonde特征和方向矩阵的结构特点及最小二乘法计算频率和二维角度. 该方法无需谱峰搜索即可实现参数同时估计与配对,与现有的基于三线性分解的算法和ESPRIT算法相比具有更高的估计精度,而且在小样本数情况下也能较好地工作. 仿真结果验证了该方法的有效性.     

CDMA中一种新的波束形成算法

基于CDMA环境提出了一种新的波束形成算法,并且以此形成二维Rake合并器.这种新的方法,根据最大信号噪声干扰比准则推导出计算权矢量的公式,将求导向矢量再求逆的两步问题转化为直接求Hermit阵的最大广义特征值和特征向量,且使用解扩后数据计算干扰加噪声的协方差阵.该法计算量小,数据存储量小,不需要训练序列和参考信号,步骤简单且性能优于导频辅助法,计算量小于码滤波法.此法可应用于第三代移动通信系统中快衰落环境下的波束形成.     

GPS空时自适应滤波矩阵重构抗干扰算法

小快拍数、干扰移动及天线平台震动引起协方差矩阵估计误差增加,导致现有的全球定位系统(global positioning system,GPS)空时自适应滤波抗干扰算法的性能急剧下降,为此提出了一种基于矩阵重构的GPS空时自适应滤波抗干扰算法.该算法利用Capon空间谱估计方法重构干扰加噪声协方差矩阵,并对矩阵进行时域平滑得到空时滤波权值.仿真结果表明,该算法在多干扰、低信噪比、小快拍数情况下降低了阵列误差的影响,提高了阵列天线输出信干噪比,与对角加载算法和矩阵锐化算法相比提升5dB左右.     

用初等变换法求r-循环矩阵的逆矩阵

首先给出r-循环矩阵的定义与良好的结构,探讨了r-循环矩阵的相应的线性方程组,然后利用矩阵初等行变换求出线性方程组的解,即可求出r-循环矩阵的逆矩阵.该方法不需要计算三角函数,且具有很少的计算量,显得实用、简便.     

基于一种二维ESPRIT算法的ISAR超分辨成像

应用ESPRIT算法能很好地提高逆合成孔径雷达(ISAR)的成像分辨率,但是传统的ESPRIT算法是一种一维估计方法,因此本文通过构造一个特殊阵元阵列,引入一种二维ESPRIT算法,并且使用了空间平滑技术,试验证明这种方法计算量低、分辨率高、估计方差小等优点。     

一种新的波达角估算方法

提出一种新的基于训练序列波达估计算法．新算法基于如下假设：各个信号源的训练序列互相正交;并且各个信号源都是幅度为1的恒模信号．论文给出了新算法的数学推导过程,得到一个简单的估计公式．结合无空间模糊性的T形阵列,新算法能够快速、精确地估计波达方向．     

双基地MIMO雷达二维DOD和二维DOA联合估计

提出一种双基地MIMO雷达L型阵列下多维角度联合估计的新算法. 该算法利用匹配滤波器输出信号特点构造不同的代价函数,采用迭代最小二乘算法估计收发阵列流形矩阵,根据L 型阵列结构的特点和最小二乘法,从估计出的矩阵中计算目标的二维DOD(direction of departure)和二维DOA(direction of arrival). 该方法无需谱峰搜索,可实现参数的同时估计与配对. 与ESPRIT 算法相比,具有更高的估计精度,并接近于克拉美-罗下限,且在小快拍数下也能较好地工作. 仿真结果验证了该算法的有效性.     

基于峰态的盲信号分离

就一种基于信号峰态(kurtosis)极值化的盲信号分离方法进行了探讨．首先介绍算法理论，然后提出了一种简化快速的最速下降算法，解决了收敛指向性的问题，并将对混合语音信号的分离扩展到混合图像信号的分离．实验结果表明，同其他基于峰态的盲分离算法相比，其分离效果好，而且在收敛速度、运算复杂度方面有显著的优势．     

基于DOA估计算法的多用户检测新方法

提出一种利用天线阵列的多用户检测方法.新方法假设各个信号源的训练序列互相正交,并且各信号源都是幅度为1的恒模信号.结合无空间模糊性的T型阵列,新方法能快速、精确地估计波达方向矩阵,进而检测多个用户的信息,利用Matlab对算法进行了仿真实验,并给出了新方法的误码率性能.     

调频连续波散射计相干信号的检测

该文提出了采用调频连续波体制的微波相干极化散射计的相干信号检测方法,着重介绍调频连续波相干信号的产生和相干幅度及相位信号的检测方法,最后给出了于近期完成的L波段相干极化散射计的实测结果。     

稀疏阵列MIMO雷达高精度收发角度联合估计

提出一种基于孔径扩展的稀疏阵列MIMO雷达高精度收发角度估计算法. 采用收、发阵列均为稀疏线性分布式子阵的双基地MIMO雷达系统,通过非均匀阵列设计,利用Khatri-Rao乘积运算实现收发阵列中阵元间短基线和子阵间长基线的同时虚拟扩展. 对接收数据进行降冗余和数据平滑处理,利用双尺度酉ESPRIT算法解周期性模糊,得到无模糊的高精度收发角度估计. 与传统算法相比,所提出的算法在不增加天线数目和硬件复杂度的情况下可有效扩展MIMO雷达的阵列孔径,在实现多目标收发角度联合估计的同时获得更高的参数估计性能. 仿真结果验证了阵列虚拟扩展和算法方位估计的有效性.     

基于凸组合的麦克风阵列自适应语音增强方法研究

广义旁瓣相消器是应用极为广泛的麦克风阵列语音增强方法,对含高斯噪声的语音信号降噪效果较明显.然而,当语音信号中混有脉冲噪声时,利用此方法进行降噪处理所得增强后的语音信号可识别性明显变差.为改善含脉冲噪声语音信号的降噪效果,本文提出一种基于凸组合的麦克风阵列自适应语音增强方法.该方法利用由线性滤波和非线性样条滤波构成的凸...     

解到达角估计模糊的二次虚拟阵列变换

引入非均匀时延构造虚拟阵列变换的变换矩阵,提出一种基于二次虚拟阵列变换的到达角估计方法. 该方法利用非均匀时延间隔的随机性,每一次快拍下都等效于随机改变虚拟阵元的阵元间隔,突破了空域采样定理的限制,解决了在使用较大阵元间距条件下到达角估计的模糊问题. 同时增大的阵元间距也提高了估计的精度和分辨力. 进一步的实验表明,该方法是可行的、有效的,且能改善小信噪比条件下的估计精度.