盖氏圆准则信源数估计算法的分析与改进

为了减少盖氏圆准则信源数估计算法的运算量并且提高信源数估计的精度,根据噪声空间与阵列导向矩阵的正交性原理,设计了基于特征空间的信源数估计算法(Estimator Based on Eigenvectors,EBE).EBE构造时空相关矩阵,利用色噪声在时间上相关性比较弱的特点,实现对空间色噪声的抑制.在空间白噪声环境下和空间色噪声环境下测试了EBE信源数估计的性能并且与传统的盖氏圆准则和其它色噪声类信源数估计的一些算法比较,证明了EBE在空间白噪声和空间色噪声环境下的有效性.EBE不仅节省了盖氏圆准则信源数估计中一次特征分解的运算量,并且同时提高了信源数估计的性能.     

Radial acceleration estimation of multiple high maneuvering targets

The acceleration of a high maneuvering target in signal processing is helpful to enhance the performance of the tracker and facilitate the classification of targets. At present, most of the research on acceleration estimation is carried out in cases of a single target with time-frequency analysis methods such as fractional Fourier transform （FRFT）, Hough-ambiguity transform （HAT）, and Wigner-Vil e distribution （WVD）, which need to satisfy enough time duration and sampling theorem. Only one reference proposed a method of acceleration estimation for multiple targets based on modified polynomial phase transform （MPPT） in the lin-ear frequency modulation （LFM） continuous-wave （CW） radar. The method of acceleration estimation for multiple targets in the pulse Doppler （PD） radar has not been reported so far. Compressive sensing （CS） has the advantage of sampling at a low rate and short duration without sacrificing estimation performance. There-fore, this paper proposes a new method of acceleration estimation for multiple maneuvering targets with the unknown number based on CS with pulse Doppler signals. Simulation results validate the effectiveness of the proposed method under several conditions with different duration, measurement numbers, signal to noise ra-tios （SNR）, and regularization parameters, respectively. Simulation results also show that the performance of the proposed method is superior to that of FRFT and HAT in the condition of multiple targets.     

基于单方程计量经济模型的贝叶斯分析

研究了关于单方程计量经济模型的贝叶斯统计推断问题,即根据样本似然函数的形式构造出未知参数的先验分布,选取正态-Gamma分布为先验分布,对后验分布进行统计推断.最后推导了未知参数在二次损失函数下的贝叶斯估计.     

随机截尾情形下几何分布的参数估计

得到了随机截尾情形下几何分布参数的最大似然估计和近似置信区间,并且求出了平均寿命极大似然估计的数学期望和方差.     

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.     

提高空间谱算法分辨率的DOA估计

针对传统MUSIC算法在低信噪比,小快拍数等非理想条件下分辨率下降的问题,提出了改进的基于子空间投影的MUSIC测向算法. 该算法充分利用子空间信息,采用新的特征值校正方法对噪声子空间进行加权,并与加权信号子空间投影进行空间谱合成,得到新的空间谱函数. 搜索函数极大值,就能得到来波方向. 新方法既保
留了噪声子空间算法的高分辨性能,又保留了信号子空间算法的稳定性. 计算机仿真和实测数据表明新方法有效.     

采用孤立点检测的欠定混合矩阵盲辨识

研究欠定盲源分离中的混合矩阵估计问题,针对多源时频点对混合矩阵估计的影响,提取时频域单源点用于混合矩阵估计,给出一种时频单源点检测方法. 针对时频单源点中孤立点对混合矩阵估计的影响,剔除单源点中的孤立点进一步提高混合矩阵的估计精度,应用减法聚类方法对剔除孤立点后的时频单源点进行聚类,实现了源信号数目和混合矩阵的同时估计. 语音信号的仿真实验表明,与其他两种基于时频单源点的欠定混合矩阵估计算法相比,所提出的算法具有更高的估计精度和更好的鲁棒性.     

协方差矩阵结构的广义近似最大似然估计

针对相关复合高斯杂波背景下相邻杂波纹理分量可能相同的情况,将杂波均匀分组进行推广,结合归一化采样协方差矩阵估计,提出了广义杂波分组的归一化采样协方差矩阵估计方法(generalized normalized sample covariance matrix, GNSCM). 利用最大似然估计方法,进一步推导了广义杂波分组背景下协方差矩阵结构最大似然估计的迭代过程,以GNSCM 为初始化矩阵进行迭代,得到协方差矩阵结构的广义近似最大似然(generalized approximate maximum likelihood, GAML) 估计. GAML 是对现有方法近似最大似然(approximate maximum likelihood, AML) 估计和约束迭代杂波分组估计(constrained recursive clutter-clustered estimator, CRCCE) 的推广,具有更强的杂波适应能力. 仿真结果表明,针对非均匀分组杂波环境,与AML 估计和CRCCE 相比,GAML 具有更高的估计精度,且相应的自适应检测器具有更好的恒虚警率特性和检测性能.     

增长曲线模型中存在UMRU估计的充要条件

本文采用下列记号.对于矩阵 A 和 B,A>B 表示 A—B 是正定对称阵;AB 表示A 和 B 的 Kronecker 乘积;R(A),A′和 A~-分别表示 A 的列空间、转置和广义逆;P_A=A(A′A)~-A′;对于 s×t 矩阵 B=(b_1…6b),用 vec(B)表示 st 维向量(6_1~′…6_~′)′.trA 表示方阵 A 的迹.由 Potthoff 和 Roy 提出的增长曲线模型定义为