谱估计测向的MUSIC算法研究

由天线阵对被测信号的响应矩阵的特征值,可得到对应于信号和噪声的特征向量,以此扩展成信号子空间和噪声子空间。利用信号子空间与噪声子空间的正交关系,即可求得信号方位角的估计值。这种空间谱估计测向的MUSIC算法,用于圆形天线阵对非相干信号进行测向,可以克服一般干涉仪测向体制中测向模糊和测向盲区的问题。     

复杂电磁环境下ESPRIT算法的测向性能

从复杂电磁环境的实际应用出发,从入射角度、阵元间距、信号带宽、多信源(邻近信号)这4个因素对旋转不变子空间算法的测向精度作了仿真研究,得出了一些结论,发现旋转不变子空间算法比多重信号分类算法更适合于在复杂电磁环境中的应用.     

相干信号源高分辨测向的仿真比较

论述了高分辨测向的MUSIC算法、空间平滑法、修正空间平滑法和MD算法的基本原理,通过仿真实验,比较了在相干信号源条件下各算法测向精度的性能优劣.     

短波信道数字传输脉冲成形技术研究

短波窄带信道上的数据传输,要求将信号的带宽限制在3kHz语音频带内,当系统带宽小于数据信息所需的奈奎斯特最小带宽时,脉冲时域范围的扩展产生的码间串扰会降低系统的误差性能。文章阐明了脉冲成形技术可以压缩信号的频谱,分析了恰当选择的平方根升余弦脉冲成形滤波器可以明显提高短波信道数据传输的误差性能。     

窄带信号小样本谱估计算法

针对窄带平稳随机信号的小样本谱估计问题,结合均匀线性阵列的空间谱估计算法,提出了一种高性能小样本谱估计算法。该算法首先利用采样数据构造一个Toeplitz矩阵;然后对该矩阵进行特征值分解得到信号子空间和噪声子空间;再结合MUSIC、ESPRIT等子空间算法,即可实现对小样本采样数据的谱估计。数值仿真验证了该算法的有效性。     

MUSIC算法测向技术研究

论述了MUSIC高分辨测向算法的基本原理,分析了该算法在处理相干信号源时失效的原因.最后用MUSIC算法对几种条件下的非相干信号源进行了无源测向的仿真.     

平滑重构稀疏贝叶斯学习测向算法

针对二级嵌套阵列中的紧凑阵元结构易受互耦效应影响的问题,提出了两种不同的嵌套阵列结构改进方法：连续平移嵌套阵列和间隔平移嵌套阵列。通过对原有二级嵌套阵列阵元位置进行调整,形成了两种不同的平移嵌套阵列结构,这两种结构对应的差分共阵均"无孔",并且测向自由度和阵列稀疏度均大于原二级嵌套阵列。针对嵌套阵列的差分共阵测向模型为单测量矢量模型,稀疏贝叶斯学习测向算法复杂度高的问题,提出了平滑重构稀疏贝叶斯学习算法。该算法通过空间平滑重构将单测量矢量模型变为多测量矢量模型,降低了观测矩阵的维度,减小了计算复杂度。算法求解时,通过对变换后的观测矩阵进行奇异值分解,进一步降低了观测矩阵维度,利用稀疏贝叶斯学习算法估计辐射源角度。仿真表明,在信噪比和采样数相同的条件下,该算法收敛速度比单测量矢量稀疏贝叶斯学习（SMV-SBL）算法快,且测向精度高于SMV-SBL算法和空间平滑多重信号分类（MUSIC）算法;存在互耦影响时,两种平移嵌套阵列比原嵌套阵列受互耦影响小。     

多重信号分类算法测向精度的仿真分析

作为空间谱估计理论体系中的标志性算法,多重信号分类算法从1979年提出后就一直是阵列信号处理领域的研究热点之一。针对复杂电磁环境中阵列测向的实际应用问题,从多信源、含噪宽带信号、入射角度、阵列间距这4个因素对多重信号分类算法的测向精度作了仿真分析,得出了一些结论。     

一种联合估计的有源校正高精度测向算法

针对存在系统误差的阵列模型,提出了一种有源标校下的联合估计测向算法。该算法把误差矩阵估计转化为误差系数估计,并采用到达角精确已知的源信号进行标校,在此基础上使用最小二乘法联合估计幅相不一致误差系数和互耦误差系数,最后使用结合误差矩阵的MUSIC算法测量信号的到达角。仿真表明,该算法仅需要3个标校源,其精度相比于无阵列误差情况下降0.05°,具有较好的工程可实现性。     

基于导波传播模型的MUSIC损伤识别算法

针对结构健康监测领域的损伤近场定位问题,提出了适用于复合材料结构损伤识别的近场二维多重信号分类（MUSIC）损伤识别算法。该损伤识别算法将导波传播模型引入近场二维MUSIC损伤识别模型,构造损伤散射信号与实验差信号的互相关矩阵,通过信号子空间与噪声子空间正交特性构造近场二维MUSIC空间谱。通过数值仿真和实验验证了所提出的损伤识别算法能够有效地识别复合材料结构损伤位置信息,具有很高的定位精度和分辨率。针对飞机垂直尾翼的加强筋结构对导波传播特性影响较大的问题,提出了分区域监测的损伤检测策略,并利用基于导波传播模型的二维MUSIC空间谱损伤识别算法成功地识别飞机垂直尾翼结构损伤,实现了复杂复合材料结构损伤识别的工程验证。     

空间谱估计经典算法性能比较

空间谱估计是阵列信号处理的一个重要研究方向。空间谱估计理论与技术已日趋成熟，近几十年的经典谱估计技术包括：常规波束形成（CBF）、Capon谱估计、多重信号分类（MUSIC）、旋转不变子空间算法（ESPRIT）、最大似然（ML）、子空间拟合（SF），及这些算法的扩展和变形。上述算法在各个分散的文章中均有具体深入的理论分析和研究，亦有类似的2种或3种算法的性能比较，但是针对这些所有算法的性能比较，就笔者所知尚无公开报道，而使工程实现时对算法的选择没有依据。本文对这些经典算法做了简介，列出各个算法的优缺点，并对性能进行仿真比较，能直观地得到各个算法的性能对比，给工程实现算法选择提供理论依据。     

运动单阵元被动合成阵列波达方向估计

 提出了一种运动单阵元被动合成阵列波达方向(DOA)估计算法。该算法基于被动合成阵列(PSA)的概念,结合空间谱估计的思想构建了运动单阵元被动合成阵列模型,通过多次不同速度合成阵列过程实现对信号DOA的无模糊估计。通过对单次匀速合成阵列过程进行分析得到,在假设信号频率已知条件下,合成阵列算法能够达到与同孔径实阵列多重信号分类（MUSIC）算法相当的DOA估计性能。仿真验证了被动合成阵列与同孔径实阵列的渐近等效性及算法的有效性。     

Resolution of signal sources via spectral moment estimation

In different practical situations it is desired to estimate the number of signal sources and their positions in space or in frequency domain. The first problem is known as the detection or the order estimation and the second one as the resolution. For the resolution problem techniques such as nonlinear least squares (NLSM), high-order Yule-Walker method (HOYW), multiple signal classification (MUSIC), Pisarenko harmonic retrieval method, min-norm method, estimation of signal parameters by rotational invariance technique (ESPRIT), were proposed (Marple, 1987 and Stoica and Moses, 1997). All these high-resolution methods are based on the analysis of the signal covariance matrix. But the covariance matrix is not the only choice to represent the signal spectrum. In different applications (weather radars, synthetic aperture radar (SAR) signal processing, ultrasound imaging in medicine, atmospheric turbulence measurements) the signal spectrum can be modeled through its algebraic moments. Recently a number of efficient nonparametric methods have been proposed to estimate the algebraic spectral moments (Monakov, 1999). The presented paper is an attempt to solve the direction of arrival (DOA) problem via estimation of the algebraic spectral moments. A method proposed in the article is comparable in its accuracy with the MUSIC method. At the same time its computational burden is much lower. The method permits to estimate the signal power of sources easily to complete the full spectral line analysis. Additionally the method shows good robustness in situations when signal sources have noticeable spatial extend     

确定相干机器多噪声源位置的方法研究

提出利用均匀线阵接收的数据构造一种矩阵进行奇异值（SVD）分解,以实现对相干噪声源的方位估计。利用这种方法,通过改变阵列中心位置便可确定机器多噪声源位置。计算机模拟和声学实验证实了这种方法的可行性。