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.     

面阵中降维Capon的二维DOA估计

提出了面阵中基于降维Capon的二维波达方向(direction of arrival,DOA)估计算法.先求得接受信号的协方差矩阵,再对其变换式进行谱峰搜索估计出一个参数,进而通过最小二乘估计出第2个参数.采用一维全局搜索实现二维DOA的联合估计,可避免二维Capon算法由二维谱峰搜索带来的巨大计算量,从而大大降低了计算复杂度,且角度估计性能非常接近于二维Capon算法.该算法既可以实现二维角度的自动配对,又可以精确地估计出相同方位角(或仰角)的信源,其优越性均可在文中得到验证.     

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.     

VLSI计算模型上二维 DFT的Wavefront阵列

给出了基于VLSI计算模型的二维DFT（离散富里叶变换）的阵列算法及其处理流程图，在此基础上，利用矩阵乘的Wavefront阵列，提出了二维DFT的Wavefront阵列计算结构，并与其Systolic阵列进行了比较，得出了二维DFT的Wavefront阵列优于其Systolic阵列的结论。     

OFDM中利用酉变换和结构最小二乘的角度和时延联合估计

在正交频分复用系统中,低信噪比条件下基于子空间分解的角度和时延联合估计算法的估计精度受限,为此提出一种利用酉变换和结构最小二乘的联合估计算法.利用酉变换将接收数据转换至实数域,然后用二维结构最小二乘建立目标优化函数,计算含有角度和时延信息的两个实对角矩阵.将这两个实矩阵构成一个复矩阵后对该复矩阵进行特征值分解,通过特征值实部和虚部的对应关系实现角度和时延的配对.该算法的目标函数合理地考虑了误差项之间的耦合关系,更加精确地修正了存在误差的信号子空间矩阵,因此估计结果更接近最优解.实验结果表明,该算法的估计精度和估计成功率比传统子空间算法高.     

双基地MIMO雷达多目标定位

针对双基地多输入多输出雷达目标定位问题,提出一种基于联合矩阵上三角化的收发角度估计算法. 将收发角度估计问题转化为联合矩阵上三角问题,采用扩展QZ迭代算法对其求解,估计收发阵列流型矩阵,最后利用谱分析算法恢复收发角. 该算法充分利用匹配滤波输出的所有信息,无需二维谱峰搜索,每次迭代均可得到精确的闭式解. 与现有算法相比,该方法的角度估计精度更高,且收发角可自动配对. 仿真结果表明所提算法的有效性.     

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。     

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.     

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.     

基于2D-MUSIC算法的DOA估计

利用经典的2D-MUSIC算法对二维阵列的DOA估计进行了研究,在平面阵列数学模型以及2D-MUSIC算法的DOA估计模型基础上,以均匀平面阵列为例,对3种不同参数的DOA估计进行了计算机仿真,分析了仿真结果.得出了在不同参数变化趋势下DOA估计的相应变化情况。     

MIMO-OFDM系统中一种改进的盲信道估计算法

针对MIMO-OFDM系统中线性预编码信道估计算法需要多次计算模糊度矩阵的问题,提出一种改进的盲信道估计算法.该算法首先对各天线上所接收信号的互相关矩阵进行处理,使信道估计矩阵的模糊度矩阵统一,再利用统一的模糊度矩阵通过迭代方法实现系统的信道估计.仿真结果表明,改进算法的估计精度在低信噪比时仅有较小损失,而在高信噪比时与现有的线性预编码算法接近,且具有较好的收敛性.与现有的线性预编码信道估计算法相比,改进算法显著降低了计算复杂度.     

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.     

一种辨识非线性系统的新方法及其应用

提出了一种适用于非线性系统结构和参数估计的新方法。     

基于矢量重构的相干信源测向

传统的解相干方法主要有空间平滑和子空间拟合两类,但这些方法或者阵列利用率低或者计算复杂度高,因此寻求计算量小且阵列利用率高的解相干测向方法有重要意义. 该文基于前后向矢量重构理论,提出一种相干信源测向方法. 根据信号导向矢量矩阵与信号子空间张成同一空间,充分利用大特征值对应的特征向量,采用前后向矢量重构方法构造列满秩的数据矩阵,利用总体最小二乘¡旋转不变子空间算法进行波达方向估计. 该方法适用于独立信源和相干信源同时存在的情况,具有良好的实用性,且运算过程简单,计算量小. 理论分析和仿真结果表明了所提方法具有优良性能.     

信道压缩表示的OFDM快衰落信道估计

针对正交频分复用系统提出基于信道压缩表示的快衰落信道估计算法. 该方法采用一种紧凑型信道冲激响应(channel impulse response, CIR)矩阵及信道核向量的信道压缩表示方法,减少了CIR矩阵中的未知元素数目. 推导了等效信道模型以及CIR矩阵与信道核向量之间的闭式表达式,利用最小二乘和线性最小均方差估计器估计出信道核向量,并由其重构出CIR矩阵,从而实现了信道压缩表示的OFDM快衰落信道估计. 仿真结果表明,该算法能对快衰落信道进行有效估计,并降低系统传输BER.