基于CS-MUSIC算法的DOA估计

多重信号分类（multiple signal classification, MUSIC）方法在少快拍数或者存在相干信源的情况下不能准确估计信号的波达方向,而压缩感知(compressive sensing, CS)方法在多快拍数或低信噪比情况下分辨性能不稳定,估计准确率受限。提出了一种基于CS的MUSIC方法,简称CS-MUSIC,该方法针对不同的快拍数,建立二者之间的联系,构造出新的正交空间,获得尖锐的谱峰。理论分析和仿真结果表明,所提方法在不同快拍数条件下,具有较高的估计精度,克服了传统方法存在的缺陷,并且对噪声具有鲁棒性。     

基于加权信号子空间投影的MUSIC改进算法

针对MUSIC算法在小快拍条件下DOA估计时性能降低的缺点,提出采用加权信号子空间投影的方法加以改善。首先对信号子空间进行主特征值倒数加权,并将结果与MUSIC空间谱进行叠加。新方法保持了噪声子空间处理的高分辨力,并通过信号子空间处理提高了对有限数据误差的稳健性。理论和统计性能分析表明其对多目标分辨力优于MUSIC方法,特别是在小快拍条件下表现了良好的性能。     

高效的多跳频信号2D-DOA估计算法

为了利用跳频信号的空域特征参数辅助多跳频信号的网台分选,在空时频分析的基础上,提出一种基于多重信号分类(multiple signal classification, MUSIC)对称压缩谱(MUSIC symmetrical compressed spectrum, MSCS)的多跳频信号二维波达方向(two dimensional direction of arrival, 2D-DOA)高效估计算法。首先根据跳频信号的时频域特征,构建每一跳的空时频矩阵(spatial time frequency distribution, STFD),获取时频域的协方差矩阵;然后将共轭子空间的思想引入到MUSIC算法中,通过对噪声子空间及其共轭的交集进行奇异值分解,实现噪声子空间的降维;最终通过半谱搜索实现2D-DOA的高效估计。同时为了提高低信噪比条件下算法的性能,在时频图处理过程中采用形态学滤波进行去噪,并在修正的时频图上完成了跳频信号每一跳的提取。通过理论论证和实验仿真表明,本文算法相比于MUSIC算法,在保证均方根误差相当和估计成功率有所提高的情况下,计算复杂度降低了一半。     

一种改进的MIMO阵列子空间方位估计方法

针对MUSIC(multiple signal classification)类方位估计方法在低信噪比下性能较差的问题,利用多输入多输出系统中已知的发射信号信息和阵列结构本身的特点来改进传统的MUSIC类子空间估计方法。在常规SSMUSIC(signal-subspace scaled MUSIC)方法的基础上,通过对接收信号做匹配滤波和对样本协方差阵做空间平滑来减小噪声子空间的方差,从而大大改善了该方法在低信噪比时的性能。仿真实验结果表明:在文中给定的实验条件下,相比常规SSMUSIC方法,所提方法具有更低的分辨门限和更小的均方根误差。     

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.     

基于单快拍空间平滑的多伯努利DOA跟踪算法

针对阵列信号处理中单快拍情况下的多源时变波达方向(direction of arrival, DOA)跟踪问题, 提出了一种基于单快拍空间平滑的多伯努利DOA跟踪算法。首先,利用多伯努利随机有限集(random finite set, RFS)描述状态过程的随机性, 并直接利用从传感器阵列中获得单快拍量测。其次, 采用空间平滑技术对单快拍量测进行处理, 得到伪协方差矩阵, 并进行奇异值分解。最后,用多重信号分类(multiple signal classification, MUSIC)谱函数作为伪似然函数进行多伯努利DOA跟踪。仿真结果表明, 该算法能实时有效跟踪单快拍量测下的时变信源DOA状态, 且能准确估计信源个数。     

基于MUSIC对称压缩谱的快速DOA估计

为提高波达方向（direction of arrival, DOA）估计的速度、降低运算量,在分析多重信号分类（multiple signal classification, MUSIC）算法原理的基础上,利用噪声子空间降维的思想构造一维MUSIC对称压缩谱(MUSIC symmetrical compressed spectrum, MSCS)。MSCS通过构造共轭噪声子空间并对噪声子空间及其共轭子空间的交集进行奇异值分解得到,其物理实质等效于在空间辐射源的对称位置添加相同数目的镜像辐射源。理论分析和仿真实验表明,MSCS不受实际阵型的限制,能将DOA估计的计算量降至传统MUSIC算法的50%,并具有与MUSIC相当的估计精度。     

基于CS的脉冲压缩雷达单快拍DOA估计

在脉冲压缩雷达系统中估计目标波达方向（direction of arrival, DOA）的主要问题之一是：脉压前信号的信噪比低、目标没有在距离域分开;脉压后的信号虽然信噪比得到了改善且目标已按距离分开,但是快拍数却非常有限。为了解决这一矛盾,提出了基于压缩感知的单快拍DOA(single-snap DOA, SSDOA)估计方法。与传统DOA方法相比,该方法具有更高的估计精度和分辨能力,并且能处理相干信号,且无需已知目标数目。仿真表明,本文提出的SSDOA算法在估计精度上和分辨能力上都优于多重信号分类（multiple signal classification, MUSIC）算法,并为雷达系波达方向估计; 压缩感知; 单快拍处理; 脉冲压缩雷达统的实时分析提供了保障。     

多路延迟结构的修正MUSIC算法频率估计

提出将多路延迟数字测频结构与高分辨率谱估计的MUSIC算法相结合,有效地实现了信号频率估计。针对MUSIC算法在低信噪比条件下频率估计性能下降的缺点,研究的修正MUSIC算法通过对接收数据共轭重构,产生新的协方差矩阵,有助于改善特征值的分布,使其具有平均的意义,从而提高了信号频率估计的性能。实验结果证明,相对于常规MUSIC算法,该方法在相同的信噪比和快拍数条件下,具有更高的频率估计精度和稳健性,而且计算量也无明显增加。     

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。     

一种有效的二维MUSIC超分辨SAR成像算法

多重信号分类(MUSIC)方法是一种高分辨率到达角(DOA)估计方法,将MUSIC方法应用于合成孔径雷达(SAR)可以很好地提高图像质量。提出了一种简单有效的2D MUSIC超分辨成像算法,该方法对已聚焦的SAR图像进行处理,减小了处理过程的复杂性,并结合幅度估计完成超分辨率图像重建。实验结果验证了这种超分辨率方法的有效性。     

载频重频联合捷变雷达目标参数估计方法

针对载频-重频联合捷变体制雷达目标参数估计问题,提出了一种新的基于多重信号分类(multiple signal classification, MUSIC)算法的载频-重频联合捷变雷达目标参数估计方法。通过信号模型的空时等效,将时域信号的处理等效成空域阵列信号的处理,并将超分辨阵列信号处理方法应用到目标的参数估计中,从而把目标距离和速度的估计等效成阵列中二维参数的估计,解决了由于载频-重频联合捷变所带来的目标参数估计难题。仿真实验表明,所提方法能有效实现对目标距离和速度的超分辨估计。     

基于声矢量传感器阵列的空速估计算法

研究了一种新型的空速测量方法。通过引入大气声学中的有效声速概念,建立了稳定气流作用下声矢量传感器阵列的近场输出模型,模型的阵列流形矢量中包含了待估计的空速信息。在此基础上提出了一种基于多重信号分类(multiple signal classification, MUSIC)的空速估计（airspeed estimation,ASE）算法,该算法可用于对空速的高精度估计。为了降低计算复杂度,进一步提出了一种快速的空速估计（fast airspeed estimation, FASE）算法,该算法虽然在ASE的精度上不如MUSIC ASE算法,但无需谱搜索,具有更强的实时性。最后,对算法的估计性能进行分析,推导了ASE的克拉美〖CD*2〗罗界表达式。仿真实验验证了算法的有效性。     

基于变换域张量的机载阵列DOA和极化参数估计

针对强杂波背景下多目标回波的参数估计问题,现有的基于长矢量的多重信号分类(long vector multiple signal classification, LV-MUSIC)法精度下降,基于张量的MUSIC(tensor MUSIC, T-MUSIC)方法通道数不足,无法计算噪声子空间投影矩阵。因此提出基于变换域张量的MUSIC方法。算法利用张量结构,在时域分离不同多普勒频率的信号,分别估计各多普勒通道的回波参数。相比于LV-MUSIC和T-MUSIC,所提算法避免了多目标背景下自由度不足导致的目标分辨力下降的问题,并且能获得更高精度的参数估计。仿真实验证明,所提算法有更高的目标分辨能力,在低信噪比条件下仍保持良好的性能。     

雷达信号阵列处理与检测

雷达信号阵列处理的主要目的就是从噪声、干扰和别的信号环境中估计传输波信源的方向角。根据经典多维谱估计理论,本文论述了提取微弱雷达信号信息的概念和实现方法。 为了改善角谱分辨率,本文还系统地阐明了通过计算平面阵列接收数据空间自相关矩阵,并根据其特征分解所得到的信号子空间和噪声子空间的特征向量相互垂直的概念,计算出所谓高分辨角谱。本文还提出了一种MUSIC谱的修正算法,可以减少正交投影的计算量。     

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。     

New method for passive radar seeker to antagonize non-coherent radar decoy

Using super resolution direction of arrival (DOA) estimation algorithm to reduce the resolution angle is an effective method for passive radar seeker (PRS) to antagonize non-coherent radar decoy. Considering the power and correlation property between radar and non-coherent decoy, an improved subspace DOA estimation method based on traditional subspace algorithm is proposed. Because this new method uses the invariance property of noise subspace, compared with traditional MUSIC algorithm, it shows not only better resolution in condition of closely spaced sources, but also superior performance in case of different power or partially correlated sources. Using this new method, PRS can distinguish radar and non-coherent decoy with good performance. Both the simulation result and the experimental data confirm the performance of the method.     

伪波束域四阶累积量切片高分辨方位估计法

在低信噪比或空间非白噪声情况下,基于信号二阶统计量的高分辨方法,性能变差较快。在基于四阶累积量切片MUSIC方法的基础上,结合波束域高分辨方法的思想,提出了一种四阶累积量切片伪波束域高分辨方位估计方法。分析表明,高阶累积量的运用有效抑制了空间高斯白噪声和有色噪声;波束域方法的运用有效滤除了部分空间噪声,增强了方法的稳健性。仿真结果表明,相比基于四阶累积量切片的MUSIC方法,所提出的方法在高斯白噪声和有色噪声中,有效提高了低信噪比情况下的方位估计精度,降低了目标的分辨门限。