非圆信号扩展传播算子DOA估计求根算法

为有效降低非圆信号DOA估计算法的计算量,提出了一种非圆信号DOA估计快速算法。该算法运用扩展传播算子和多项式求根方法来降低计算量。首先根据非圆信号特性构造出扩展阵列输出矩阵,并生成扩展协方差矩阵,然后不需要对协方差矩阵的特征分解,使用扩展传播算子方法得到估计的扩展噪声子空间,再利用均匀线阵的多项式求根方法快速求出目标的DOA估计值。对算法的性能仿真和计算复杂度分析结果表明,提出的算法不但其均方根误差性能与NC-root-MUSIC、NC-ESPRIT、NC-MSWF-MUSIC等快速算法相似,同时提出的算法还大大减小了非圆信号DOA估计MUSIC算法的计算复杂度,而且其计算复杂度小于上述提到的快速算法,实现了非圆信号DOA估计算法的快速估计。     

柱面共形阵列DOA与极化参数高效联合估计算法

针对共形阵列天线信源方位与极化状态联合估计算法计算量大的问题,给出了一种基于多级维纳滤波器前向递推的柱面共形阵列天线信源方位与极化参数高效联合估计算法.新算法推导了柱面共形阵列天线多级维纳滤波器的前向递推.算法以某一期望信号的训练信号为已知条件,通过多级维纳滤波器的前向递推,来实现信号子空间和噪声子空间的快速估计,避免了协方差矩阵估计与特征值分解,大大减少了已有联合估计算法的运算量,使计算量由原来的O(N3+N2L)降低到O(N2L).仿真实验表明:算法在降低算法复杂度的同时,可保证算法的估计精度,在信噪比大于10 dB时,与已有算法具有近似相同的估计精度,证明了算法的有效性.     

一种相邻相干信号的DOA估计新方法

提出一种估计相邻相干信号方位的新方法.该方法首先对传统空间平滑算法得到的数据协方差矩阵进行修正,然后对修正后的协方差矩阵进行奇异值分解,由左奇异矩阵得到噪声子空间;再构造新数据协方差矩阵,进行奇异值分解得到噪声子空间;最后取两次噪声子空间的平均值得到噪声子空间,利用MUSIC算法找到极大值对应的信号方向.计算机仿真表明,该方法能有效地估计出小信噪比下角度相隔较小的相干信号.     

二维快速子空间DOA估计算法

提出一种二维快速子空间DOA估计算法,该算法利用阵列协方差矩阵的一个子矩阵得到降维的信号子空间,不需估计整个阵列的协方差矩阵,也不需进行特征值分解,从而使得该方法具有运算量小、复杂度低和易于实时处理的特点,因而可以应用在小数据样本和快速时变的信号环境中.理论分析和计算机仿真结果表明:与MUSIC算法相比,该算法运算量最多为MUSIC算法的1/4,低信噪比条件下DOA估计性能损失并不大,当信噪比大于5dB时,性能与MUSIC算法相当.     

基于PM和Root-MUSIC的MIMO雷达波达方向估计

提出了基于传播算子( Propagator Method,PM)和求根MUSIC (Root-MUSIC)算法的单基地MIMO(Multiple - Input Multiple-Output)雷达多目标定位方法.该方法将上述两种方法结合,利用接收数据协方差得到传播算子矩阵,该矩阵可替代所需的噪声矩阵,避免了特征值分解.再利用多项式求根对方位角进行估计,从而无需谱峰搜索,大大降低了计算复杂度.仿真结果表明了该算法的有效性.     

没有协方差矩阵估计及其特征值分解的ESPRIT方法

提出一种新的ESPRIT(estimation of signal parameters via rotational invariance techniques.)方法.对于相干信源情况,不需要估计空间平滑的样本协方差矩阵及对其作特征值分解,其信号子空间的估计只需要多级维纳滤波器的P次前向递推.这里P为信源数.从而使得新的ESPRIT方法具有小运算量和低复杂度的特点,易于实时处理.仿真结果证明了方法的有效性.     

没有协方差矩阵估计及其特征值分解的ESPRIT方法

提出一种新的ESPRIT (estimation of signal parameters via rotational invariance techniques.)方法.对于相干信源情况，不需要估计空间平滑的样本协方差矩阵及对其作特征值分解，其信号子空间的估计只需要多级维纳滤波器的P次前向递推.这里P为信源数.从而使得新的ESPRIT方法具有小运算量和低复杂度的特点，易于实时处理.仿真结果证明了方法的有效性.     

多输入多输出系统中基于多级维纳滤波的均衡算法

基于多级维纳滤波器,提出了一种多输入多输出系统中的降秩自适应均衡算法.该算法利用多级维纳滤波器得到一组子空间基向量,通过子空间投影,把均衡器输出限定在低维子空间内,从而降低了自适应均衡的迭代复杂度,加快了收敛速度.理论分析和仿真表明,降秩均衡算法有效地提高了均衡器的收敛速度,降低了计算复杂度,并在多级维纳滤波器的级数不超过 10 的情况下,就能达到近似满秩均方误差性能.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

一种高精度低复杂度的改进Root-MUSIC算法

针对目前多数低复杂度Root-MUSIC算法的精度损失问题，研究并提出了一种具备精度补偿能力的低复杂度Root-MUSIC算法.该算法依据有限快拍数得到的近似数据观测矩阵首行重构具有Toeplitz形态的自相关矩阵，使重构的自相关矩阵具备Hermitian性;对重构的自相关矩阵特征值分解后获得噪声子空间，并将噪声子空间翻转拆分，重构新的求根多项式，进而通过求根方法得到DOA估计值.本文算法通过Toeplitz矩阵重构及求根多项式降阶，不但有效提高了改进Root-MUSIC算法的DOA估计精度，同时改进算法的时间复杂度不高于前人算法;在不同的入射信源及采样快拍数下，本文算法表现出更强的鲁棒性和稳定性.     

阵元非均匀高斯白噪声背景下的近场声源定位研究

为解决非均匀高斯白噪声背景下常规近场声源定位算法精度低的问题,提出一种基于噪声协方差矩阵估计的近场声源定位,预白化MUSIC算法,该方法首先从阵列输出数据中估计出噪声协方差矩阵,再利用估计出的噪声协方差矩阵预白化阵列协方差矩阵,从而提高常规算法的估计性能.仿真结果表明,在非均匀高斯白噪声背景下的近场声源定位中,预白化MUSIC算法定位性能高于常规MUSIC和Capon算法的估计性能.     

单通道小样本信号频率估计算法

针对噪声条件下单通道小样本信号的频率估计问题,提出基于MUSIC方法估计信号频率的算法,通过分析单通道接收信号,结合阵列信号处理方法,根据离散采样间隔和线性阵列阵元间距的关系,提出新的观测数据矩阵构造方法.利用采样数据构造一个Toeplitz矩阵,然后对该矩阵进行特征值分解得到信号子空间和噪声子空间,并通过MUSIC算法实现在单通道较小采样数据量的条件下,精确地估计信号频率.最后经过计算机仿真并与快速傅里叶变换(FFT)算法相比,验证了本文算法的有效性和优越性.     

基于MSWF的宽带LFM近场源二维参数快速估计算法

提出一种基于多级维纳滤波器理论和非相干子空间算法的宽带LFM近场源方向角与距离二维参数联合估计算法.与经典算法相比,利用多级维纳滤波器理论直接从阵列接收信号构造噪声子空间,不必使用特征值分解,因此具有较低的计算量.理论推导和仿真实验证明了本算法的有效性.     

OFDM系统中基于子空间加权的时延估计算法

针对低信噪比条件下正交频分复用（orthogonal frequency division multiplexing，OFDM）系统利用MUSIC算法（multiple signal classification）进行时延估计时，特征值分解得到的信号子空间和噪声子空间不能完全正交导致算法性能下降的问题，提出一种基于子空间加权的时延估计算法——WMUSIC算法（weighted multiple signal classification）。算法对信道频域响应估计的协方差矩阵进行特征分解，利用噪声特征值的幂级数对噪声子空间进行加权处理，同时采用信号特征值的倒数对信号子空间进行加权处理，以修正MUSIC算法的伪谱，通过谱峰搜索得到时延估计值。仿真结果表明，与MUSIC算法相比，WMUSIC算法具有更高的时延估计精度，在信噪比为－8 dB时，估计精度在两径条件下提升71.46%，三径条件下提升19.48%。WMUSIC算法有效解决了低信噪比条件下MUSIC 算法伪谱谱峰存在混叠导致谱峰搜索误差较大的问题，可以完成较为准确的时延估计任务，提高了低信噪比条件下OFDM系统的时延估计性能。     

基于空间差分算法的相干信号二维DOA估计

针对传统解相干算法对阵列孔径利用率不高的问题,提出了一种改进的空间差分算法,通过重构子阵之间的协方差矩阵,将阵列接收信号协方差矩阵的所有自相干信息和互相关信息充分利用,再通过建立差分矩阵,利用空间差分算法去除噪声的影响。最后采用传播算子（PM）算法完成二维波达方向（DOA）估计。仿真结果表明,该算法相比传统解相干算法,解相干效果较好,角度估计精度有较大的提高。     

基于协方差拟合旋转不变子空间信号参数估计算法的高分辨到达角估计

为进行高分辨到达角(DOA)估计的同时避免稀疏类算法的不足,提出了协方差拟合旋转不变子空间信号参数估计(ESPRIT)算法.首先将协方差拟合准则转换成半正定规划问题,利用凸优化进行求解,得到更接近理论值的信号协方差矩阵;然后对估计的信号协方差矩阵进行特征分解,利用信号子空间和噪声子空间特征值的差异估计信源个数;最后利用子空间旋转不变性反解出未知DOA.仿真实验从DOA估计精度、分辨率等方面验证了该算法的有效性,较传统ESPRIT算法具有更高的DOA估计分辨率并且受相干信源影响小;与稀疏类算法相比,不依赖先验信息以及避免了网格失配问题.     

基于斜投影算子的混合信号DOA估计算法

为了提高混合信号的波达方向(direction of arrival, DOA)估计精度并降低其阵列孔径损失，提出一种基于斜投影算子的高精度DOA估计算法.所提算法将混合信号中独立信号与相干信号分两个阶段进行估计，首先利用ESPRIT(estimating signal parameter via rotational invariance techniques)算法处理阵元接收数据的协方差矩阵，得到混合信号中独立信号的DOA估计值；而后利用斜投影算子去除混合信号中独立信号的信息，得到新的协方差矩阵；利用新得到的协方差矩阵的信号子空间进行去相干处理；最后结合ESPRIT算法计算得到相干信号的DOA估计值.仿真结果表明，相较传统的混合信号DOA估计算法，所提算法在低信噪比情况下以及信号入射间隔较小的情况下有较高精度，有效地降低了阵列孔径的损失.在不同的采样快拍数下，本文算法也表现出更强的鲁棒性.     

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.     

一种基于Toeplitz矩阵重构的波达方向估计新算法

为了提高空间谱中信号与噪声的区分度以及改善传统Toeplitz矩阵重构算法在进行波达方向(direction of arrival,DOA)估计时的精度,本文提出一种新的基于Toeplitz矩阵重构的DOA估计算法。首先将观测数据估计的自相关矩阵预处理得到数据向量,并基于数据向量进行Toeplitz矩阵重构;再对重构后的矩阵进行奇异值分解,得到信号子空间和噪声子空间;最后同时利用信号子空间和噪声子空间进行空间谱估计。结果表明:无论是相干源还是非相干源的DOA估计,该算法估计精度均优于传统Toeplitz算法,在非相干源的DOA估计精度性能与多重信号分类(multiple signal classification,MUSIC)算法一致,并在处理相干信源个数能力与传统Toeplitz算法相同。     

基于传播算子的宽带近场源二维参数估计算法

针对宽带线性调频近场源参数估计问题,提出一种基于非相干子空间算法的方向角和距离二维参数估计算法.该算法将宽带信号分解成若干个窄带信号,对每个窄带信号构造MUSIC谱函数,并通过谱峰搜索法估计方向角和距离二维参数,使用传播算子(Propagator Method,PM)直接估计接收信号的噪声子空间,构造谱函数,而不需要进行奇异值分解,可有效降低非相干子空间算法的计算量.该算法具有较高的估计性能,仿真实验证明了算法的有效性.