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     

单基地MIMO雷达降维酉ESPRIT算法

波达方向(direction of arrival, DOA)估计问题是单基地多输入多输出(multiple input multiple output, MIMO)雷达信号处理中的一个关键问题。在低信噪比、低快拍数的情况下,常规DOA估计算法的性能会严重下降。针对此问题,提出一种新的DOA估计算法：降维酉旋转不变性信号参数估计技术算法。该算法首先通过降维变换将MIMO雷达数据变换至低维信号空间,然后在该低维信号空间构造实值旋转不变性方程估计目标的DOA。仿真结果表明该方法能够在低信噪比、低快拍数的环境下获得较常规ESPRIT方法更高的DOA估计精度,同时具有更低的运算量。     

非均匀线阵MIMO雷达的多目标定位方法

提出一种非均匀线阵多输入多输出（multiple input multiple output, MIMO）雷达的多目标定位方法。该方法基于阵列内插技术,构造一个内插矩阵对非均匀线阵MIMO雷达进行处理,满足虚拟均匀线阵MIMO雷达的特性,推导出虚拟均匀线阵MIMO雷达的信号子空间,最后利用旋转不变信号参数估计技术（estimating signal parameter via rotational invariance techniques, ESPRIT）对目标方位角度进行估计。其优点是突破ESPRIT算法对阵元配置的要求,且有效增加了阵元数目(实为虚拟阵元),提高了方位角分辨率。仿真结果表明,该算法增加了MIMO雷达探测目标数,角度估计精度接近克拉美罗界根。同时,所估计的二维方位角参数自动配对,不需要额外的配对运算,计算量小。     

一种新的基于Krylov子空间的快速子空间分解

快速有效地进行子空间分解是子空间类算法走向工程应用的关键。提出了一种新的期望信号的选择方法,并证明了在空时白噪声条件下由观测信号的协方差矩阵及观测信号与期望信号的互相关矢量构成的Krylov子空间等价于信号子空间,从而可以通过多级维纳滤波方法计算Krylov子空间的基来实现信号子空间的快速估计。由仿真实验可以看出所提出的方法能够快速有效地实现子空间分解,尤其在低信噪比下仍然具有较高的性能。     

用于有虚载波OFDM系统的信道估计算法

提出了一种适用于有虚载波的正交频分复用系统的改进信道估计算法。由于传统的信道估计器无法估计虚载波处的信道传输函数,从而逆离散傅里叶变换导致信道能量泄漏,使得时域滤波方法不能直接应用。为了解决这个问题,利用信道冲激响应的有限性,推导了以最小二乘法(least square, LS)来估计虚载波处的信道传输函数。进一步观察信号子空间和噪声子空间中噪声的相关性,使用最大后验概率准则估计出信号子空间的噪声并消除其带来的估计误差。该算法不仅可在训练模式下应用,也可推广应用于基于判决反馈的跟踪模式。仿真结果表明,改进算法无误符号率平台效应,且其误符号率较传统LS算法有2 dB的信噪比增益。     

Blind CFO estimation algorithm for OFDM systems by using generalized precoding and trilinear model

This paper discusses the blind carrier frequency offset (CFO) estimation for orthogonal frequency division multiplexing (OFDM) systems by utilizing trilinear decomposition and generalized precoding. Firstly, the generalized precoding is employed to obtain multiple covariance matrices which are requisite for the trilinear model, and then a novel CFO estimation algorithm is proposed for the OFDM system. Compared with both the joint diagonalizer and estimation of signal parameters via rotational invariant technique (ESPRIT), the proposed algorithm enjoys a better CFO estimation performance. Furthermore, the proposed algorithm can work well without virtual carriers. Simulation results illustrate the performance of this algorithm.     

一种没有特征值分解的MUSIC算法

提出一种没有特征值分解的MUSIC算法。对于相干信源情况,该方法的噪声子空间估计只需要多级维纳滤波器的空间平滑的前向递推,不需要估计样本协方差矩阵和对其作特征值分解。从而使得该方法具有小运算量和低复杂度的特点,易于实时处理。仿真结果证明了本方法的有效性。     

采用信号子空间稀疏表示的DOA估计方法

利用目标辐射源空间分布的稀疏性,提出了一种基于稀疏表示的多快拍联合波达方向(direction of arrival, DOA)估计方法。该方法首先利用采样数据矩阵大奇异值对应的左奇异向量估计信号子空间,然后采用加权迭代最小方差方法对信号空间进行稀疏表示。与传统的角度高分辨估计方法不同,该方法没有利用样本的统计信息,因而对具有任意相关性的信号源能进行有效的波达方向估计,不需要进行去相关处理,且具有很高的分辨力及估计精度。实验表明在该方法能准确的对目标源方位进行估计,且极大地降低了稀疏表示的计算量。     

双基地MIMO雷达多目标高精度跟踪算法

针对双基地多输入多输出(multiple input multiple-output,MIMO)雷达自适应非对称联合对角化(adaptive-asymmetric joint diagonalization,AAJD)跟踪算法在低信噪比时失效的问题,提出一种双基地MIMO雷达高精度跟踪算法。首先,针对低信噪比时AAJD算法信号子空间扩展问题,利用主成分顺序估计原理求出特征值,根据特征值的大小对导向矢量进行排序,得到更加精确的信号子空间。其次,根据跟踪状态的不同,将多目标分类(multiple signal classification,MUSIC)算法分为两步:第一步全空域大步长扫描,对应跟踪非稳定状态;第二步小空域小步长扫描,对应跟踪稳定状态,空域范围由上一时刻估计角度和运动速度确定,并将峰值搜索过程变为取最大值操作,降低了计算量。算法解决了低信噪比时信号子空间扩展问题,提高了跟踪性能,且采用了性能更高的MUSIC算法,并对其进行改进,降低了计算量。仿真结果证明了算法的有效性。     

基于谱函数二阶导数的波达方向估计算法

针对传统多重信号分类(multiple signal classification, MUSIC)算法在低信噪比(signal noise ratio, SNR)、小快拍数或是信号源相近等复杂信号环境下分辨率严重下降这一问题,提出了一种改进的MUSIC算法。通过对空间谱函数求二阶导数,可以在波达方向(direction of arrival, DOA)附近形成尖锐的负向谱峰。计算机仿真试验表明,与传统MUSIC算法相比,新方法在低SNR、小快拍数下对空间分布很近的信号有更好的分辨率。     

一种基于PCA分析的DoA估计算法

阵列信号处理中,MUSIC、ESPRIT等高分辨率DoA估计算法都要通过特征值分解来获得波达方向估计,然而矩阵特征值分解的计算量较大,不利于实时处理。提出使用PCA(principal component analysis)高效迭代算法,来逼近信号子空间矢量。该算法的计算过程相对简单,并具有自组织特性,适合于神经网络实现。仿真结果表明,所提算法的DoA估计性能与MUSIC算法相当。     

空时矩阵组三迭代DOA估计新方法

利用平移不变结构阵列信号子空间的旋转不变性,构造一组具有对角结构的空时相关矩阵组。给出一种高精度的信号子空间估计方法,利用估计的信号子空间做降维矩阵处理空时相关矩阵组,从而减少计算量并加快收敛速度。基于非线性最小二乘建立代价函数,提出一种三迭代算法求解代价函数进而估计波达方向DOA。仿真结果证实该算法收敛速度较快,估计精度显著高于TLS-ESPRIT算法,尤其在低信噪比和小快拍数据下估计精度显著增强。     

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。     

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。     

一种自适应ESPRIT算法

运用特征子空间方法的关键在于信号或噪声子空间的估计.实际上有些信号的统计特性通常随时间变化,为得到参数的实时估计值,需要随时根据新的阵列接收数据对信号或噪声子空间进行更新.首先建立了用于信号到达主向(DOA)估计的SVD-ESPRIT算法,然后利用受限摄动分析提出了一种子空间跟踪算法.将该跟踪算法与SVD-ESFRIT算法相结合,得到的自适应ESPRIT算法可用于对时变的信号DOA进行跟踪估计.仿真计算结果验证了该算法的有效性.     

MIMO雷达嵌套平行阵下基于子空间的目标二维波达角估计

研究了多输入多输出(multiple input multiple output, MIMO)雷达中的二维波达角(direction of arrival, DOA)估计问题,并提出了一种嵌套平行阵下基于子空间的二维DOA估计算法。利用存在嵌套关系的双平行阵(two parallel uniform linear array, TPULA)作为收发阵列,大大增加了自由度(degree of freedom, DOF)。在DOA估计方面,算法利用数据重构增加虚拟脉冲数,并利用酉变换降低运算复杂度,然后分别基于信号子空间和噪声子空间获得了自动配对的二维DOA估计的闭式解。算法复杂度低,而且相比MIMO雷达中传统TPULA下的算法,该算法拥有更好的角度估计性能,并可辨别空间相干目标。仿真结果验证了算法的有效性。     

基于AccelDSP的MM-MUSIC算法实现及其在多波束测深声纳中的应用

常规的多重信号分类(multiple signal classification, MUSIC)算法计算量庞大,难以应用于多波束测深声纳(multi-beam bathymetry sonar, MBBS),而现有的波束域MUSIC算法仍需要进行协方差矩阵估计和特征值分解而造成系统规模复杂。将基于多级维纳滤波器(multiple stage Wiener filter, MSWF)的快速子空间估计与多子阵波束域MUSIC (multiple subarray beamspace MUSIC, MSB RMU)算法相结合提出MM-MUSIC算法。和MSB-RMU算法相比,该算法用较小的性能损失换来大大降低的计算量和高度的可并行性,基于Xilinx AccelDSP综合工具的快速子空间估计的实现和实验数据的处理证明了该算法的有效性与实用性。     

正交投影阵列信号子空间估计方法

利用特征值分解构造信号子空间存在运算量大的问题,制约了子空间类参数估计方法的实时应用。提出一种新的正交投影阵列信号子空间估计方法,该方法不需要特征值分解,通过对阵列接收数据逐级进行正交投影分解构造阵列信号子空间的一组基向量,使得每个基向量方向上信号投影能量最大,从而保证所张成的信号子空间包含最大的信号能量。定义了衡量子空间估计精度的信号和噪声子空间估计误差函数。理论分析和仿真结果表明,所提方法计算复杂度低,且子空间估计精度优于特征值分解。     

基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。