基于模糊函数的LFM UWB雷达信号滑动平均波达方向估计

针对线性调频类超宽带雷达信号的线性时频特性,提出了基于2阶统计量——信号模糊函数的线性调频类超宽带雷达信号波达方向估计算法,通过分析仿真证明该方法优于传统方法。根据分析指出循环平稳算法与模糊函数算法之间的关系,介绍了循环平稳算法对基于窄脉冲形式的无载波超宽带雷达信号DOA估计的有效性。系统完整地论述了超宽带雷达信号DOA估计算法。     

基于二维空间平滑的波束域MUSIC算法

针对强相关及多径信号环境下,基于均匀平面阵的高分辨方法无法准确估计信号的二维到达角以及运算量大等问题,提出了一种基于二维空间平滑的波束域MUSIC算法。该方法首先沿均匀面阵的两维方向对阵列接收数据进行二维空间平滑,实现相关源的解相关;然后将空间平滑后阵元空间的数据变换到波束域以降低计算量和系统复杂性;最后利用波束域MUSIC算法估计相关信号的二维角度。该算法能有效地对相关信号进行解相关,在降低传统的高分辨方法运算量的同时,可以获得比阵元空间处理更稳健的测角性能。理论分析和数值仿真结果验证了算法的有效性。     

基于极化单脉冲雷达扩展目标角度估计方法

当单脉冲雷达受到箔条质心干扰时, 将视为波束内存在两个不可分辨的目标, 由于目标和箔条干扰回波混叠耦合, 导致单脉冲测角偏差, 最终致使目标跟踪丢失。对此, 利用宽带单脉冲雷达测角精度高的优点和极化信息, 提出一种基于极化单脉冲雷达的扩展目标角度估计方法。首先,分析宽带单脉冲雷达体制下箔条质心干扰的特点, 给出扩展目标双极化和差信号模型。然后, 根据和、差通道极化回波信号, 通过联立方程组, 估计出目标和箔条干扰的到达角(angle of arrival, AOA), 为后续利用目标角度信息跟踪目标提供条件。最后,通过蒙特卡罗仿真实验分析关键参数对目标角度估计性能的影响, 并与传统单脉冲雷达体制的测角方法进行比较。理论分析和仿真实验表明, 在质心干扰条件下, 宽带单脉冲雷达估计目标AOA的性能要优于传统单脉冲雷达。     

调幅调频信号的循环平稳特性分析

介绍了循环平稳信号的基本概念 ,对调幅和调频信号的循环平稳特性进行了详细的理论分析 ,计算机仿真实验也验证了分析得到的结果 ,即在一定条件下 ,调幅调频信号具有一阶和二阶循环平稳特性。仿真同时说明了利用信号的循环平稳特性具有较好抑制平稳噪声或 (和 )干扰的能力。这为实现基于民用调幅、调频广播信号的隐身目标探测系统提供了一种较好的信号处理方案 ,具有极大的应用前景。     

基于相位干涉仪的极化和到达角的联合估计

传统干涉仪天线通常是单极化的,不能测量电波的极化特征。在传统干涉仪阵列天线的基础上增加一个正交极化天线,构成极化干涉仪,它能同时测量电磁波的极化特征和到达角,并且具有硬件结构简单、易于实现等特点。建立了极化干涉仪的理论模型,提出了极化参数和到达角的频域估计方法和时域估计方法,比较了两种方法的优缺点。仿真结果证明了理论模型和算法的正确性。     

基于FRFT的宽带水下动目标的速度估计

宽带系统中发射信号为线性调频信号时,根据其窄带模糊度函数脊线为直线而运用解藕原理估计目标速度的性能将急剧下降。目标速度引起信号的尺度伸缩,回波信号依然是线性调频信号。由于分数阶傅立叶变换对线性调频信号的聚焦特性和变换的尺度特性,提出了基于分数阶傅立叶变换估计目标的径向运动速度方法,推导了目标运动速度和分数阶傅立叶变换阶数之间的关系并分析了阶数对速度估计的影响。最后进行了数值仿真,结果表明该估计方法可以有效地估计高速目标的速度,并且具有较高的估计精度。     

ARM干涉仪导引头对chirp信号辐射源测角误差研究

针对ARM干涉仪导引头对chirp信号辐射源的测角问题,从几何关系与信号分析两方面揭示了传统方向角估计方法产生测角误差的机理,分析了干涉仪测角误差随鉴相器积分时间变化的关系,重点对积分时间最长这一极端情况开展研究。结果表明,方向角测量误差随弹目视线偏离干涉仪天线基线的法平面的夹角增大而增大,测角系统误差会增大到几十个角分。为消除测角误差,给出了方向角解析解方程以及工程上可行的简化方法,当鉴相器积分时间取最大时,可以将原来的误差降低六个量级。     

基于AR模型的共轭循环波达方向估计

基于信号循环特征的DoA估计都需要确定循环相关函数的最优延迟时间参数,当相同循环频率的多个信号具有不同的最优延迟参数时,利用确定的延迟时间参数很难确定所有信号的DoA估计。利用信号的共轭循环平稳特性,采用基于AR模型的空间谱估计来确定信号的DoA估计,提高了有限长阵列孔径空间分辨率,且该方法不需要选择最优延迟时间参数,从而适用于任何调制类型信号的DoA估计。     

LBI测向定位系统的多标校源校正算法

采用长基线干涉仪测向定位的系统,对干涉仪基线矢量的测量精度要求非常高,而通常的测姿设备在增加载荷系统复杂度的同时并不能直接提供干涉仪指向信息。针对这一问题,提出共用定位系统测量方向余弦角的相位差测量通道,利用同时测量的两个(以上)已知校正源的相位差,实时解算、提供干涉仪的空间指向,并给出了校正干涉仪指向的性能估计方法。仿真表明,该算法能够有效获得干涉仪的空间指向。     

MIMO-OFDM系统中基于CS-ESPRIT算法的多频偏盲估计

提出了一种基于接收信号循环平稳特性(CS)和基于旋转不变技术的参数估计方法(ESPRIT)的多输入多输出正交频分复用(MIMO-OFDM)系统多频偏盲估计算法。理论分析表明,算法无需训练序列或导频符号,可估计每对收发天线间频偏,适用于任意分布加性平稳噪声下的频偏估计。计算机仿真验证了算法在低信噪比下仍可取得稳定性能,并在传统单入单出(SISO)OFDM系统中也可获得较好的性能。     

脉冲噪声下基于相关熵的OFDM时域参数估计

针对传统的正交频分复用(orthogonal frequency division multiplexing,OFDM)时域参数估计方法在Alpha稳定分布噪声环境下性能退化的问题,该文提出了一种基于相关熵的时域参数估计新方法。相关熵是适用于非高斯信号处理的一种广义相关函数,用于表征随机变量的局部相似性。该方法利用OFDM信号时域结构具有局部相似性这一特点以及相关熵对脉冲噪声较好的抑制作用,完成Alpha稳定分布噪声下OFDM信号有用符号时间和符号周期这两个时域参数的估计。此外,为进一步提高强脉冲噪声下有用符号时间和符号周期的估计性能,该文利用累积法对相关熵进行了改进。仿真结果表明,在Alpha稳定分布噪声下,本文提出的基于相关熵的方法具有良好的估计性能,并且在强脉冲噪声下优于基于分数低阶统计量的方法。     

基于均匀圆阵时频干涉仪的LFM信号二维测向算法

提出了一种基于均匀圆阵时频干涉仪的线性调频(linear frequency modulation, LFM)信号二维波达方向估计算法。首先利用LFM信号时频聚集性非常好的特点,对阵元的输出进行互维格纳〖CD*2〗威尔分布(Wigner-Ville distribution, WVD)计算,然后提取互WVD时频冲激点的相位,从而得到包含信号到达角的方程组,解算出信号的到达角。通过选取不同的阵元对组,采用模糊数搜索的算法进行解模糊运算,最终完成信号到达角的估计,仿真实验验证了算法的有效性。     

α稳定分布噪声中基于最优核时频分析的跳频信号参数估计

针对传统非线性时频分析方法在跳频(frequency hopping, FH)信号参数估计时,会出现严重的交叉项和参数估计精度降低等问题,引入径向高斯核(radially Gaussian kernel,RGK)时频分析方法,该方法根据FH信号的不同自适应选择最优核函数,从而有效抑制交叉项。RGK时频分析方法可在高斯噪声环境下估计FH信号的参数,但在脉冲性较强的α稳定分布噪声中,该方法性能退化甚至失效。对此,结合最大似然估计理论,提出了一种α稳定分布噪声环境下的加权最大似然广义柯西(weighted maximum likelihood generalized Cauchy,WMGC)滤波的新方法。采用基于WMGC滤波器的RGK时频分析方法(WMGC RGK方法,即WR方法),对该噪声中的跳频信号进行参数估计。仿真结果表明,与基于分数低阶及Myriad的时频分析方法相比,WR方法在α稳定分布噪声中具有良好的鲁棒性和优良的跳频信号参数估计性能。     

强信号背景下基于噪声子空间扩充的弱信号DOA估计方法

针对强信号背景下弱信号波达方向(direction of arriaval,DOA)估计问题,提出了一种基于噪声子空间扩展的弱信号DOA估计算法。该算法提出并使用了噪声子空间扩充的思想,其先将强信号导向矢量所在空间纳入噪声子空间进而构造出扩展噪声子空间,再在该扩展噪声子空间基础上利用常规多信号分类(multiple signalclassification,MUSIC)算法得到弱信号的DOA估计。通过噪声子空间的扩充有效地抑制了强信号谱峰,算法无需已知强信号方向及导向矢量,运算量与常规MUSIC相当。理论分析表明该算法对弱信号DOA估计性能不劣于对应的强信号阻塞类算法,仿真实验证实了其有效性和可行性。     

基于阵列接收模型的宽带盲源分离算法

针对传统盲分离算法对宽带信号不适用的问题,提出了一种基于阵列接收模型的宽带盲源分离算法。该算法以子带分解的方法实现了瞬时复值盲分离方法在宽带情形下的扩展。针对扩展过程中可能出现的子带间次序模糊及子带内幅度模糊的问题,利用阵列接收情况下分离矩阵与混合矩阵的特点,提出了一种基于波达方向(direction of arrival, DOA)估计的次序调整及幅度去模糊方法。仿真结果表明,该算法不仅能有效地分离宽带信号,而且可准确地恢复出信号幅度。     

独立信号和相干信号DOA估计新方法

传统的波达方向(direction of arrival, DOA)估计算法在独立信号和相干信号同时存在时往往失效或者性能下降;因而寻求可以同时估计独立信号和相干信号的测向算法具有重要意义。基于均匀线阵接收到信号的特点,提出了一种简单有效的独立信号和相干信号DOA估计新方法。该方法首先利用求根多重信号分类(root-mutiple signal classification, root-MUSIC)算法进行DOA估计,并根据相干源对应根的特点来消除相干信号的干扰,从而获得独立信号的波达方向;然后利用阵列接收数据协方差矩阵中独立信号的托普利兹(Toeplitz)特性,从中去除独立信号的数据分量,再利用改进矢量重构和总体最小二乘-旋转不变子空间(total least squareestimation of signal parameters via rotational invariance technique, TLS-ESPRIT)算法来估计相干信号的波达方向。理论分析和实验仿真结果表明,所提方法具有一定的阵列扩展能力,且计算量小、估计性能好。     

独立分量分析联合最小二乘的DOA估计

研究了线性均匀阵列的信号波达方向(direction of arrival, DOA)估计问题。提出了一种基于独立分量分析(independent component analysis, ICA)联合最小二乘(least square, LS)处理的DOA估计新方法。通过天线阵列因子的虚部,建立新的信号接收模型,并以此进行ICA应用的可行性分析,将获取源信号的幅值转化为LS问题进行求解。设计了方法的实现步骤,推导了新方法用于DOA估计的角度公式,指出天线阵元间距应满足的条件,在提高精度方面可采用细估计对粗估计的更新来实现。仿真表明,所提方法具有较好的低信噪比性能、角度分辨力较高以及所需数据长度较短,为DOA估计问题提供了一种新的解决方式。     

Multi-component LFM signal detection and parameter estimation based on Radon-HHT

A new method is proposed to analyze multi-component linear frequency modulated （LFM） signals, which eliminates cross terms in conventional Wigner-Ville distribution （WVD）. The approach is based on Radon transform and Hilbert-Huang transform （HHT）, which is a recently developed method adaptive to non-linear and non-stationary signals. The complicated signal is decomposed into several intrinsic mode functions （IMF） by the empirical mode decomposition （EMD）, which makes the consequent instantaneous frequency meaningful. After the instantaneous frequency and Hilbert spectrum are computed, multi-component LFM signals detection and parameter estimation are obtained using Radon transform on the Hilbert spectrum plane. The simulation results show its feasibility and effectiveness.     

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。     

ULA中基于LS-ICA的短时高效DOA估计

研究了均匀线阵(uniform linear array, ULA)的波达方向(direction of arrival,DOA)估计问题,提出了一种能充分利用阵列结构上来波数据的信号处理方法进行角度估计。所提方法的关键是采用天线阵列因子的实部来构造新的信号接收模型,进而通过独立分量分析(independent component analysis,ICA)对接收信号进行盲分离,用最小二乘(least square,LS)法求解入射信号的角度,同时给出了天线阵元间距应满足的条件。仿真表明,与多重信号分类(multiple signal classification,MUSIC)方法相比,本文方法能够适应阵元间距的变化,在低信噪比(signal-to-noise ratio,SNR)时估计性能以及角度分辨力均较优,通过一步粗估计就可获得较高精度且具有实时性,均方根误差(root mean square error,RMSE)向克拉美-罗界(Cramer-Rao bound,CRB)的逼近程度也说明了新方法的优势,此外还可以采用细估计来提高估计精度。