色噪声下双基地MIMO雷达DOD和DOA联合估计

针对双基地多输入多输出(multiple input multiple output,MIMO)雷达在色噪声环境中的收发角度估计问题,提出了一种基于改进四阶累积量的角度估计算法。该算法首先构造回波信号的四阶累积量矩阵,然后根据四阶累积量矩阵的形成规律,在保证虚拟阵列孔径有效扩展的前提下去除其中的冗余项,达到矩阵降维的目的。最后将降维后的矩阵特征分解得到噪声子空间,再利用四阶累积量的多重信号分类(multiple signal classification,MUSIC)算法实现最终的收发角度估计。所提算法不仅可以有效抑制高斯色噪声,并且能够减小四阶累积量矩阵的维数,降低计算的复杂度,仿真结果验证了该算法的有效性。     

基于四阶累积量矩阵特征分解的宽带测向算法

针对信号处理领域研究中的宽带测向问题,基于四阶累积量矩阵定义的灵活性,给出了一种四阶累积量矩阵定义形式,利用累积量的盲高斯性进行简化。通过聚焦操作,把各个窄带频率处的阵列输出矢量变换到聚焦频率处,然后求其累积量矩阵。对各个累积量矩阵的平均值进行特征值分解,就得到四阶信号子空间和四阶噪声子空间。应用子空间的方法进行一维谱峰搜索,即可得到来波方向的估计值。实验结果证明了该算法的有效性。     

基于四阶累积量切片的宽带传播算子测向方法

四阶累积量的盲高斯性改善了高斯噪声存在情况下的方位估计算法性能,四阶累积量切片同样具有盲高斯性,结合改进的传播算子法(MPM)不但可以降低算法的运算量,还可以改善算法的性能。首先利用旋转不变方法(RSS)对宽带信号进行聚焦处理,聚焦处理后的矩阵输出再求其四阶累积量切片矩阵,对该矩阵利用改进的传播算子法得到测向结果。论述了四阶累积量切片适用于改进的传播算子法的原理,并通过仿真验证了算法在盲高斯噪声、运算量及测向性能方面的优越性。     

一种稳健的非圆信号波达方向估计算法

为了充分利用非圆信号的特性,提高非圆信号波达方向估计的性能,针对最大非圆率信号,提出了一种稳健的波达方向估计算法。首先,构造两个包含信号非圆信息的四阶累积量矩阵;然后,利用这两个矩阵的旋转不变关系实现信号的波达方向估计;最后,在存在通道幅相误差模型下分析了算法的稳健性,并推导出只要令接收通道中任意两个通道保持一致,算法就能得到正确的波达方向估计。仿真实验表明,算法的测角精度得到提高,并且算法对通道幅相误差具有稳健性。     

一种改进的四阶累积量波束形成算法

波束形成算法需要使用训练序列,或需要预先掌握期望信号的DOA信息,并且在多径环境中工作性能急剧下降。基于四阶累积量的CUM2算法在理论上可以收集期望信号的各多径干扰并使系统输出信干噪比达到最大,但对于四阶累积量的估计误差使得CUM2抑制干扰信号的性能受到了较大的影响。提出将四阶累积量矩阵进行Toeplitz预处理的思想,进而得到了一种改进算法。仿真试验也证明在同等条件下,改进算法与CUM2相比有着更强的干扰抑制性能。     

面向非圆信号的四阶累积量直接定位方法

针对现有基于四阶累积量的直接定位方法阵列孔径扩展不充分以及数据冗余等问题，提出了一种针对最大非圆率信号的四阶累积量直接定位方法。基于移动阵列在多个时隙对目标观测的定位场景，该方法构造了一系列去冗余四阶累积量矩阵。结合辐射源信号的非圆特性，利用阵列接收数据和共轭数据来构成扩展数据模型，实现了阵列孔径扩展，使等效阵元数增加，从而提升定位性能，并通过重新构造快速提取无冗余数据，大大降低矩阵运算维度。由于结合了信号的四阶累积量与非圆特性，该算法适用于信源个数大于阵元数与阵列色噪声的复杂环境。理论分析与仿真结果表明，该算法具有计算量小、高估计精度以及高分辨率等优势，并在高信噪比条件下能够达到相应克拉美罗界。     

基于高阶累积量的空间特征估计方法及其应用

以均匀直线阵为基础,提出了一种基于阵列输出四阶累积量的信号空间特征估计方法,并将其用于相干多径环境下的多用户信号空间特征的估计。利用阵列输出四阶累积量构造了一种空间特征矩阵,证明了对其作特征分解可以得到各用户的空间特征。然后在空间特征估计基础上,结合前向/共轭后向空间平滑技术对相干多径的波达方向(DoA)进行了估计。该算法是一种不依赖于信号具体特征的全盲估计方法,适用于任意加性高斯噪声,且各DoA与信源自动配对。理论分析和仿真结果说明了算法的有效性和稳健性。     

基于四阶累积量切片的高分辨方位估计方法研究

推导了水下阵列信号的四阶累积量切片与具有相同目标个数、方位角及相应幅度的信号相关函数的关系,把高分辨信号子空间类方法的正交化原理及旋转子空间不变原理引入累积量域,得到基于四阶累积量切片的高分辨方法.仿真结果表明,这类方法在高斯噪声中具有良好的统计性能,是实现高分辨方位估计的有效方法.     

基于ESPRIT方法的近场源参数估计

提出了一种基于ESPRIT的近场窄带信源到达角及距离联合估计新方法。该方法选择特定序号阵元输出计算的四阶累积量构造高维矩阵,利用其特征值分解结果构造2个新的矩阵,再借助新构造矩阵的特征值联合估计信源参数。该方法无须参数配对,无须谱峰搜索;有效利用了阵列孔径,从而具有较高的估计精度。仿真结果表明算法是有效的。     

基于MEMP算法的二维DOA估计

针对L形阵列,提出利用增广矩阵束(MEMP)进行二维DOA估计的新算法。计算两个均匀线阵的互协方差矩阵,利用MEMP方法构造增广矩阵,运用ESPRIT算法实现二维波达方向的估计,并采用一种新的配对算法,实现二维波达角的自动配对。为了克服MEMP方法对阵列有效孔径的损失,利用四阶累积量的阵列扩展的性质,提出了基于MEMP方法扩展的二维DOA估计算法,该算法增加了阵列的有效孔径,无需进行谱峰搜索。仿真实验证明了算法的有效性。     

基于三阶累积量奇异值分解的雷达目标识别

基于一维距离像三阶累积量矩阵的奇异值分解 ,由非零奇异值构成奇异值矢量作为正则子空间法的输入 ,提出一种雷达目标一维距离像识别方法 ,对目标进行分类识别。该方法一方面利用三阶累积量提高了抗噪性能 ,同时又使用非零奇异值矢量减少了存储量与运算量。仿真实验结果表明 :在低信噪比 ,该方法的识别率高于特征子空间法     

基于累量域的近场源三维参数联合估计算法

提出了一种无须参数配对的近场源三维参数联合估计算法。通过对阵列输出信号的四阶累积量构造矩阵进行一定的变换构造处理得到一个新的矩阵,仅需一次特征分解并利用其相应的特征值及特征向量就能估计出距离、方位、频率等三维参数。该算法无须谱峰搜索,适于任意高斯噪声环境,参数估计结果能自动配对。并且该算法无须利用阵列的中心对称结构,因而有效地避免了阵列孔径损失。最后,计算机仿真结果证实了该方法的有效性。     

基于SVD的通信信号背景下脉冲波形和初相估计

雷达侦察接收机往往侦察到的是通信和雷达脉冲的混合信号，如何从通信信号背景中有效提取出雷达脉冲波形，是现代雷达信号处理领域中的重要内容。针对这一问题，提出了一种基于奇异值分解的通信与雷达混合信号中脉冲波形估计算法。该算法通过对信号观测矩阵的奇异值分析和协方差矩阵的特征值分析，证明了观测矩阵的奇异值分解具有稳定性，并且奇异值分解能够最佳近似观测信号的线性特征，给出了一种利用左右奇异向量估计脉冲波形及其相对初相的方法。本文的算法适用于任意脉冲波形，并且能够在较低信噪比环境下估计脉冲信号波形和相对相位，仿真结果证明了算法的有效性。     

三维欧氏重构的快速算法

提出一种分层三维欧氏重构算法。以仿射投影来逼近透视投影,采用线性迭代估计射影深度,通过测量矩阵的奇异值分解实现射影重构。然后利用场景中的平面与像平面的单应矩阵关于摄像机内参数的约束来实现摄象机的标定,最后求解一个满足欧氏重构条件的4×4非奇异矩阵,通过此矩阵将射影重构变换为欧氏重构。实验结果表明该算法是行之有效的。     

基于增广数据陈SVD的MNM 信号DOA估计算法

本文介绍了一种将接收数据共轭重排构造出增广数据矩阵,然后对该数据矩陈进行奇异位分解,用 ＭＮＭ算法实现对信号的 ＤＯＡ估计的方法,并指出了这将改善协方差矩阵特征值的分布,从而提高ＭＮＭ算法的角估计性能。文中最后给出了验证理论分析的模拟结果。     

一种新的盲波束形成器建模与仿真研究

提出了一种新的基于高阶累积量和神经网络的盲波束形成器，并对其进行了建模与仿真研究。该波束形成器应用高阶累积量对期望信号的方向向量进行估计。采用线性规划神经网络实现盲波束形成。不但减少了对阵列流形的依赖，具有较好的 容差性，而且能有效地避免矩阵求逆运算，减小了运算量，易于用硬件实时实现。仿真实验验证了该波束形成器模型的有效性和正确性。     

基于四阶累积量的测向方法研究

针对MUSIC-LIKE方法能很好地扩展阵列孔径但计算量较大的问题,基于均匀线阵提出了一种快速提取阵列无冗余数据的新方法。该方法基于四阶累积量孔径扩展的原理,摒弃了原MUSIC-LIKE算法在均匀线阵DOA(direction of arrival)估计中的大量冗余数据,从而大大降低了矩阵运算的维数,降低了计算量。经过处理后的四阶累积量具有和二阶统计量类似的形式,因而可以将大多数业已成熟的基于信号二阶统计特性的阵列信号处理方法应用于四阶累积量中,计算机仿真证明了算法的有效性。