用数据矩阵奇异值分解实现时间欠采样信号频率无模糊估计

提出一种在欠Ｎｙｑｕｉｓｔ采样下可实现高宽频带内信号频率无模糊估计的算法，该算法通过构造一种特殊的数据矩阵，对数据矩阵奇异值分解，利用有限的采样数据构造出更为精确的噪声子空间，利用信号子空间与噪声子空间的正交性，精确地提取多个空间信号的频率信息。该法比基于协方差矩阵特征分解的算法具有更好的分辨性能。仿真结果验证了该算法的有效性。     

基于特征空间重构的子阵级ADBF方法

为实现大型阵列天线子阵级自适应数字波束形成,提出了一种基于阵列特征空间重构的方法。对子阵协方差矩阵进行奇异值分解,分离出信号、干扰与噪声子空间对应的特征值以及特征向量,并对特征子空间重新分配,重构阵列特征空间,完成子阵级ADBF。与常规方法相比,该方法能够消除子阵级输出噪声功率不一致造成的阵列方向图畸变,减小协方差矩阵估计误差的影响。理论分析与仿真结果表明,该方法在子阵级波束形成以及抗干扰接收等方面具有优良性能。     

基于多级维纳滤波器的二维测向算法及DSP实现

为了对辐射源目标进行精确定位,需要对来波信号进行二维到达角估计。将一维MUSIC算法推广到空间阵列可以对辐射源进行二维高精度测向,但由于其需要估计接收数据的协方差矩阵和进行特征分解,因而计算量较大。为了降低MUSIC算法特征分解的计算量,提出一种基于多级维纳滤波器的子空间分解算法,通过多级维纳滤波器的前向递推估计信号子空间和噪声子空间,获得噪声子空间后采用MUSIC算法实现波达方向的估计,该算法不需要估计协方差矩阵和特征分解。应用于空间阵列的二维DOA估计中进行计算机仿真和DSP实现,仿真结果表明该方法有效地降低了计算量、节省了计算时间,且达到了MUSIC算法的估计性能。     

基于投影矩阵搜索的相干源DOA估计算法

在强相关或相干信号源环境下，基于子空间分解的高分辨方法无法准确估计信号到达角，而许多传统的解相干方法，如空间平滑法等，会减少阵列的有效孔径，且只适用于具有移不变性的阵列结构。针对相干信源DOA估计问题，提出了一种基于投影矩阵搜索的DOA估计算法。首先根据阵列流型构造噪声子空间的投影矩阵，并将阵列接收信号投影到噪声子空间；然后通过遍历搜索所有可能的投影矩阵获得空间谱，进而得到相干源的DOA估计。该算法能有效进行相干信源DOA估计，与传统的相干源DOA估计方法相比，该算法不会减小阵列的有效孔径，且适用于任意阵列结构，并具有良好的估计精度和超分辨能力，但计算复杂度较高。通过仿真实验，验证了该算法的有效性，比较了该算法与传统算法的性能。     

一种新的共轭增强MUSIC测向算法

提出一种新的测向算法。利用阵列输出的非零时延互相关函数及其共轭形成伪阵列输出,从而得到伪协方差矩阵,对其进行特征分解,利用信号子空间与噪声子空间的正交性,搜索得到的空间谱函数的极大值点对应的角度就是波达方向。仿真实验表明,新算法可对多于阵元数的信号进行测向,其测角精度和分辨力优于MUISC和MUSIC-like算法。     

相干信源DOA估计的非对称加权空间平滑差分算法

提出了相干信源DOA估计的非对称加权空间平滑差分(UWSSD)算法。在空间平滑差分运算的基础上,对各子阵协方差矩阵采用非对称权值加权处理,破坏差分矩阵的负反对称特性,从而使信源差分协方差矩阵恢复为满秩。差分矩阵中不含相关噪声及非相关源信息,可利用它分辨相关及相干信源,而利用传统子空间算法分辨非相干信源,从而重复利用阵列接收数据,可分辨更多信源。通过分析差分矩阵的特点,提出了一种无需矩阵特征分解的快速算法。仿真结果表明,UWSSD算法具有较强的噪声抑制能力及信源过载能力。     

基于Krylov子空间的宽带信号DOA快速估计方法

提出了一种基于Krylov子空间的宽带信号DOA（Direction of Arrival）快速估计方法。该方法首先对方向矩阵进行Jacobi—Anger展开来构造“聚焦”矩阵，然后通过多级维纳滤波（MSWF：Multi-Stage Weiner Filter）算法求得聚焦后的阵列协方差矩阵的Krylov子空间，因为在满足一定的条件下，Krylov子空间等价于阵列的信号子空间，所以可以求得信号的DOA。采用Jacobi-Anger展开式构造聚焦矩阵不需要进行角度的预估计，通过MSWF算法求Krylov子空间不需对观测数据的协方差矩阵进行特征值或奇异值分解，从而使得该方法运算量比常用的宽带空间谱估计方法要小。计算机仿真试验证实了方法的有效性。     

一种可用于预白化类空时自适应处理中的阵元误差校正算法

在非均匀杂波环境中,预白化类空时自适应处理(STAP)具有较高的收敛速度,可显著提高雷达的杂波抑制性能。但在实际阵列接收系统中,阵元误差的存在会使预白化类STAP性能严重下降。针对此问题,提出了一种基于杂波回波的阵元误差校正算法。该算法首先将阵元误差表示为方位依赖的幅相误差;然后将空间各个方位的主瓣杂波作为校正源,利用其阵列输出协方差矩阵的Toeplitz结构会在阵元误差影响下发生改变的特性,估计相应方位的阵元幅相误差;最后利用估计的幅相误差校正先验协方差矩阵和假定目标的导向矢量。仿真结果表明:当阵列接收系统存在阵元误差时,阵元误差校正算法可明显改善预白化类STAP算法的杂波抑制性能。     

改进的宽带指向最小方差空间谱估计算法

宽带测向一直是阵列信号处理领域研究的难点。把指向最小方差宽带测向算法（STMV）应用到均匀线阵上，通过对阵列频域采样数据的空间协方差矩阵的估计和加权平均处理。给出了空间谱估计子的改进形式。与通常的信号子空间宽带测向算法相比。提出的算法不需要对波达方向进行预估计，因此避免了预估计误差对最终估计结果的影响。理论分析和仿真实验证明了测向算法的有效性。     

一种新的未知相关噪声下的宽带相干信号DOA估计算法

针对具有某种结构的协方差矩阵的未知相关噪声环境,本文提出了一种新的宽带相干信号DOA估计算法。基于这种结构,如Hermitian Toeplitz型,在各个频率点上首先利用空间差分操作去除相关噪声的影响,并构造新矩阵;其次,对新矩阵进行聚焦操作,并给出相干聚焦后的协方差矩阵;最后,利用基于特征结构的DOA估计算法得到相干信号的DOA估计值。理论分析和仿真结果表明了算法的有效性。     

非高斯杂波协方差矩阵估计新方法

针对雷达目标自适应检测中的复合高斯杂波协方差矩阵估计问题,提出了 一种基于杂波分组的约束迭代估计方法。该方法在迭代过程中有效利用所有辅助数据,并对 最终得到的估计矩阵进行关于迹的约束。在估计的杂波分组大小与实际情况匹配的条件下, 约束迭代估计方法的估计精度与杂波功率水平无关。仿真实验表明,所提出的方法对不同的 杂波分组大小失配情况具有很好的鲁棒性;与已有的两种协方差矩阵估计方法相比,约束迭 代估计方法能极大的提高估计精度,加快迭代过程的收敛速率,且计算量更小。
     

高分辨率多径时延测量算法

提出一种基于最小二乘准则的高分辨率多径信号时延测量方法。对参考信号作三阶样条插值获得每条多径信号最小二乘意义的最优估计,用每条多径信号的测量值重构接收信号,通过反复迭代使重构信号是接收信号最小二乘意义的最优估计,实现多径信号的时延测量。仿真结果表明：新算法在低信噪比、窄带信号条件下仍能获得较高的时延测量精度,性能优于MUSIC类时差测量算法。     

Nonlinear effects in the correlation of tracks and covariance propagation

Even though there are methods for the nonlinear propagation of the covariance the propagation of the covariance in current operational programs is based on the state transition matrix of the 1st variational equations, thus it is a linear propagation. If the measurement errors are zero mean Gaussian, the orbit errors, statistically represented by the covariance, are Gaussian. When the orbit errors become too large they are no longer Gaussian and not represented by the covariance. One use of the covariance is the association of uncorrelated tracks (UCTs). A UCT is an object tracked by a space surveillance system that does not correlate to another object in the space object data base. For an object to be entered into the data base three or more tracks must be correlated. Associating UCTs is a major challenge for a space surveillance system since every object entered into the space object catalog begins as a UCT. It has been proved that if the orbit errors are Gaussian, the error ellipsoid represented by the covariance is the optimum association volume. When the time between tracks becomes large, hours or even days, the orbit errors can become large and are no longer Gaussian, and this has a negative effect on the association of UCTs. This paper further investigates the nonlinear effects on the accuracy of the covariance for use in correlation. The use of the best coordinate system and the unscented Kalman Filter (UKF) for providing a more accurate covariance are investigated along with assessing how these approaches would result in the ability to correlate tracks that are further separated in time.     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。     

提高卫星导航性能的阵列参数估计算法

针对卫星导航信号参数估计性能严重影响导航定位精度,提出了一种利用电磁偶极子对提高信号波达方向和极化参数估计性能的方法。充分利用接收数据协方差矩阵,通过两次特征分解,由特征分解的特征值进行极化参数估计。利用小圆环子阵导向矢量得到波达方向的粗略而无模糊的估计,大圆环子阵导向矢量得到有模糊的估计,通过解模糊得到精确的无模糊的估计,从而大幅提高了到达角的估计精度。比较了单个圆环阵列和同心圆环阵列的参数估计性能,分析了参数估计精度对抗干扰性能的影响,仿真结果表明参数估计精度的提高有效改善了卫星导航抗干扰的性能。     

三重混合范数的L型嵌套阵列二维角度估计

针对L型嵌套阵列二维角度估计问题，提出一种三重混合范数块稀疏重构算法。首先，建立一种俯仰角和方位角可分离的二维稀疏测向模型，将两个维度采样点分块，分别计算联合协方差矩阵，二维角度估计问题被转化为联合协方差矩阵稀疏优化问题；为减小计算复杂度，建立三重混合范数块稀疏重构模型，利用交叉迭代的方法得到稀疏解，实现了二维角度估计，并且可以自动配对。仿真试验表明，三重混合范数稀疏重构算法能够有效估计多个辐射源的二维角度，分辨率较高，并且具有一定的鲁棒性。与传统算法相比，在低信噪比和小快拍数的条件下，均优于传统二维角度估计算法。     

协方差矩阵结构的广义杂波分组估计方法

针对球不变随机向量建模的相关复合高斯杂波背景下雷达目标自适应检测的协方差矩阵结构估计问题,将均匀杂波分组方法进行推广和改进,提出了杂波协方差矩阵结构的广义迭代杂波分组估计（GRCCE）方法。首先,在广义杂波分组背景下利用最大似然方法推导了协方差矩阵结构估计的迭代过程;其次,基于杂波分组思想,给出了广义杂波分组估计(GCCE),利用GCCE作为初始化估计矩阵进行迭代,得到协方差矩阵结构的GRCCE;最后,通过仿真对方法的有效性进行了检测,结果表明,GRCCE只需要一次迭代就能达到收敛,估计精度随着杂波一阶相关系数的增大而提高,而不受纹理分量参数变化的影响。与现有方法相比GRCCE适应杂波环境更广,估计精度更高,而且计算量更小。