脉冲噪声下基于自适应特征值分解的时延估计新方法

依据分数低阶统计量理论和噪声特征,提出一种鲁棒性自适应特征值分解（RAED）时延估计方法,扩展了自适应特征值分解（AED）时延估方法的使用环境．该算法在脉冲噪声环境下,组合两个接收信号,使其共变矩阵最小特征值对应的特征向量为信道的估计,并基于广义归一化最小平均p范数（广义NLMP）方法自适应得到该特征向量,从而获得时延估计．计算机仿真表明该方法在脉冲噪声环境下具有较好的鲁棒性．     

一种新的近场源定位算法

给出了一种近场源的到达角（DOA）和距离的二维参数联合估计算法.该算法利用四阶累积量矩阵的特征值估计DOA,通过在估计的DOA下进行有限的一维搜索得到距离估计.该算法将二维搜索降低为一维有限搜索,并提高了直接使用高阶累积矩阵估计信源位置的方法的距离估计精度.计算机仿真证实了该方法的有效性.     

均匀圆形阵列的联合二维角度-频率估计

研究均匀圆形阵列的联合二维角度-频率估计问题.基于数据矩阵的重新排列、信号子空间的实数化处理、复数移不变方程以及联合特征值估计,推导出联合估计参数的ESPRIT类算法,该算法将参数估计问题转化为3个具有实特征值的实数矩阵的联合特征值估计问题.通过同时对角化算法估计矩阵的联合特征值,获得了参数联合估计的强可辨识性,即允许信号参数在任何一维任意重复,并可以使估计参数实现自动配对.理论分析和仿真证明了所提算法的有效性.     

一种基于L型阵列的改进的二维DOA估计方法

二维DOA估计在电子侦察、智能天线、雷达等方面都有广泛应用.二维DOA估计的方法有很多,主要用水平面L型阵列和ESPRIT算法进行二维DOA估计.提出用水平线阵和垂直线阵构建L型阵列,分成四个子阵,计算四个互相关矩阵,四个互相关矩阵构造一个特殊的大矩阵,对该矩阵进行特征值分解获得信号子空间估计,再用ESPRIT算法进行方位角和仰角的估计.该方法可以直接得到目标仰角,不需要换算,简化了计算,通过子空间估计,提高了DOA估计的分辨率并可以估计更多目标的DOA.仿真结果表明本文的改进二维DOA估计方法提高了DOA估计的精度.     

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.     

基于四阶累积量的近场源三维参数联合估计

针对近场窄带信源仰角、方向角和距离三维参数的估计问题,提出了一种新的近场源三维参数的联合估计方法。该方法利用特征值及相应特征向量和四阶累积量估计信号参数,不需要进行谱峰搜索,只需一维参数匹配,计算量适中,并且适用于加性高斯噪声环境。仿真实验证明,当信噪比为0时,该方法仍能够正确估计信源的参数。     

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.     

基于矩阵重构和酉变换的DOA估计

为了提高重构相干信号测向算法的估计性能,降低算法运算量,提出了一种基于矩阵重构和酉变换方法的酉矩阵重构算法。该算法首先通过酉变换将阵列接收数据从复值计算转换为实值计算,使计算量大大降低;然后计算阵列协方差矩阵并进行特征值分解得到信号子空间,再将信号子空间重构为Toeplitz矩阵实现解相干并再次进行酉变换;最后通过特征值分解得到信号子空间并使用最小二乘法实现波达方向(direction of arrival, DOA)估计。相比于改进的旋转不变性的信号参数(estimation of signal parameters via rotational invariance techniques-like, ESPRIT-Like)算法和空间平滑处理算法,由于消除了噪声影响、构造了Toeplitz矩阵以及充分利用了数据的共轭信息,该算法的估计精度更高、具有更高的运算效率且在ESPRIT-Like算法失效的条件下新算法仍能有效估计DOA。本文算法的运行时间是ESPRIT-Like算法的71.2%,实验结果证明了该方法的有效性和真实性。     

OTST-ESPRIT算法及其性能分析

讨论了无线网络中多径信号角度和时延的联合估计算法,给出了OTST ESPRIT算法·该算法通过使用基于一步特征值分解的OT ESPRIT和OS ESPRIT算法估计多径信号的传播时延和波达方向,有效避免了多次特征值分解,从而降低了TST ESPRIT算法的复杂性·其次给出了多径信号模型联合角度和时延估计的罗克拉美下限,分析了OTST ESPRIT算法的计算复杂性·最后在仿真的基础上对OTST ESPRIT算法的性能进行了讨论·     

基于四阶累积量的近场源多参数联合估计

提出了一种近场窄带信源多参数联合估计新方法,通过所构造四阶累积量矩阵的特征值及其特征向量就可以直接获得近场源频率、方位及距离三维参数的联合估计,无须峰值搜索,适用于任意高斯噪声环境．与现有方法相比,所提方法有效地避免了阵列孔径损失,而且算法简单高效．仿真综合结果表明了新方法的有效性．     

基于分数阶傅里叶变换的宽带LFM信号波达方向估计新算法

提出一种新的基于分数阶傅里叶变换和信号子空间分解的宽带线性调频(LFM)信号波达方向(DOA)估计算法.该方法利用LFM信号在分数阶傅里叶变换域的极高的聚集性,在分数阶傅里叶变换域分离信号,并构造分数阶傅里叶变换域的阵列信号相关矩阵.通过对相关矩阵进行特征值分解,估计信号子空间和噪声子空间,并利用MUSIC算法估计宽带LFM信号的波达方向.仿真验证了新方法的有效性.     

Dynamic Direction of Arrival Estimation with an Unknown Number of Sources

Aiming at source number determination and direction of arrival(DOA) estimation under the case of time-varying source number,a method of DOA estimation with an unknown number of sources was proposed.Firstly,an algorithm based on crossvalidation technique was introduced to determine the number of sources.Then dynamic DOAs of source were estimated using an algorithm based on blind source separation(BSS) under the case that number of sources were unknown in advance and it was timevarying.The effectiveness of the proposed method was validated by simulation of time-invariant and time-varying numbers of source.Compared with other conventional methods,the proposed method has superior evaluation performances The proposed method can estimate m(the numbers of sensor) DOAs while other conventional methods estimate less than m DOAs.The R_(mse) of the proposed method in the case of low signal-to-noise ratio(SNR)(equal or lower than 30 dB) is smaller than 0.2 while R_(mse) of other conventional methods are greater than 0.8.     

空时编码多载波码分多址系统上行空时信道盲估计

针对当前空时编码系统利用训练序列求解信道信息将导致频谱资源浪费和系统用户容量下降这一问题,提出了宏蜂窝体制下基站使用均匀线阵空时编码多载波码分多址系统的上行空时信道盲估计算法.该算法构筑了蕴涵用户空时信道和波达方向的辅助矩阵,通过对该辅助矩阵进行特征分解得到了相应于每个用户的信号子空间,进而通过对该信号子空间进行奇异值分解实现了无需训练序列的空时信道的盲估计,节省了频带资源.仿真结果表明,该算法可以通过增加基站阵元数目使用户容量达到系统活动用户数的上限,并且信道估计的均方误差对用户数表现出鲁棒稳定性.     

奇异线性抛物问题的时空有限元方法

讨论了一类奇异线性抛物方程的自适应有限元方法,即时间间断、空间连续的间断时空有限元方法.以对偶问题的强稳定性和误差估计为基础,给出了有限元解的加权L2模误差估计.     

基于子空间旋转的信号频率和波达方向同时估计方法

针对宽频段窄带信号,利用时间平移构造伪数据矩阵,同时,将伪数据矩阵信号子空间进行旋转,并通过对构造的信号空间矩阵进行特征分解,提取导向矢量矩阵和旋转因子中所包含的角度和频率信息,从而直接获得频率和波达方向（DOA）的同时估计,计算机仿真表明,该方法在中等信噪比下是有效的,且无需搜索过程和配对处理。     

新型准正交空时分组编码预编码的设计

为了改善准正交空时分组码的MIMO系统的性能,该文提出了将准正交空时分组码和预编码矩阵相结合的方法．信息在经过准正交空时分组码编码后,需经过线性预编码矩阵处理后才从发射天线发送,并且应用一种性能优于一般准正交编码的新型准正交分组码．预编码矩阵设计利用了MIMO信道的非零均值矩阵和相关矩阵,并采用成对差错概率（PEP）作为其最优设计准则．仿真表明,相对于未经过预编码矩阵的系统和一般准正交分组编码与预编码矩阵相结合的系统,新的编码方法的误码率性能有明显改善．     

一种快速二维到来方向估计算法

讨论了无线网络通信中多径窄带信号的二维到来方向估计算法的特点和性能,提出了一种基于双平行线阵列结构的二维到来方向估计的快速算法.与以前的工作相比,该算法在求解过程中只需要对较小维数的数据矩阵进行特征值分解,具有较低的计算复杂性,并且能够解决具有相近的方位角或仰角的入射波束问题.该算法利用特征值估计二维到来方向,利用特征向量的对应关系解决二维到来方向的配对问题.仿真试验表明提出的算法具有较小的估计误差,对信噪比的变化具有更好的鲁棒性等优点.     

基于先验知识的广义旁瓣对消器STAP

空时自适应处理（space-time adaptive processing,STAP）算法的运算量与处理性能构成了一对矛盾。利用广义旁瓣对消器（generalized sidelobe canceller,GSC）形式的处理器结构,提出一种基于先验知识的 STAP 算法以解决该问题。该算法使用相控阵雷达系统参数以及阵列几何模型等先验知识来构建空时杂波的匹配矩阵,并计算空时多约束导引矢量,实现对 STAP 算法的自适应加权初始化。该算法的优点是无需协方差矩阵求逆从而使处理速度得到加快。仿真实验表明该算法的处理性能未受影响,而收敛速度则明显提高。     

具有状态约束的基因调控网络的集员滤波器研究

针对基因调控网络中切实存在状态约束现象,在考虑一类含时滞、参数不确定、噪声干扰的离散基因调控网络模型基础上设计一种集员滤波器,实现基因调控网络状态的估计.通过假设测量噪声是未知但有界的,采用LMI方法设计集员滤波器,获得滤波器的增益矩阵,运用递归优化算法对集员滤波器进行优化.最后,通过数值仿真证明了所提算法的有效性,实现了基因调控网络中的mRNA和蛋白质浓度的准确估计.     

一种新的宽带波束形成算法

基于对角加载思想,针对宽带信号空时处理结构,将空时接收协方差矩阵进行特征值分解,并利用矩阵求逆定理推导出空时结构对角加载值的范围,得到空时结构对角加载波束形成算法的优化方程以及最优权向量的解.仿真结果表明,算法有效地对协方差矩阵估计进行了修正,增强了空时波束形成算法的鲁棒性.