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。     

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。     

嵌套阵列最大似然估计测向算法

针对在辐射源个数未知的条件下嵌套阵列难以估计多个辐射源角度的问题,提出了基于最大似然估计(MLE)的嵌套阵列角度估计算法。算法在嵌套阵列模型的基础上,首先通过推导阵列截获多辐射源信号的最大似然函数及其梯度,利用最速下降法估计出空域中所有潜在辐射源的角度;然后,通过多元假设检验,利用最大似然比与门限进行比较,确定出空域中所有潜在辐射源中某一时刻发射信号的活跃辐射源角度,排除其余噪声形成的虚假辐射源角度,解决了在辐射源个数未知条件下嵌套阵列对多个辐射源角度估计问题。仿真结果表明:与传统多重信号分类(MUSIC)算法相比,该算法在辐射源数目未知、存在相干信号、低信噪比(SNR)、低快拍数条件下,均具有较好的角度估计精度,并且算法形成的虚拟阵列自由度是空间平滑MUSIC算法的2倍;多元假设检验法比传统信源数目估计算法在低信噪比条件下和处理相干信号方面具有明显优势。     

HF multipath passive single site radio location

This paper considers the problem of passive geolocation for the case of HF multipath propagation. A new technique is developed for the estimation of interpath time delay applying the multiple signal classification (MUSIC) superresolution spectral estimation method. The technique samples the signals received by two spatially separated antennas to compute the normalized MUSIC cepstrum. The method is applied to experimental data in a preliminary proof-of-concept analysis     

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。     

一种基于协方差矩阵重构的相干信源DOA估计算法

针对空间相干信源的波达方向估计问题,提出了一种基于协方差矩阵重构的TSVD-ESPRIT算法。它利用包含所有信源信息的特征向量构造Toeplitz协方差矩阵,避免了阵列有效孔径的损失,分辨率高且稳定性好;并且利用ESPRIT算法代替MUSIC算法进行DOA估计,避免了谱峰搜索,大大降低了计算量。数据仿真和分析证明了该算法的正确性和有效性。     

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。     

短波段内多重信号分类算法的窄带假设分析

经典空间谱估计算法的两个适用假设是远场平面波和窄带信号。文章利用7单元均匀线列阵仿真分析了短波波段内多重信号分类（MUSIC）算法的窄带假设上限带宽。可以发现：对于短波信号,50kHz的带宽所带来的测向误差不超过O．08°。这就意味着,对于短波通信信号的侦察测向完全可以采用经典空间谱估计算法,比如MUSIC算法,而不需要为窄带假设来付出代价,这便为设计高精度的短波通信实时测向系统提供了条件。     

Spectral Moment Estimates from Correlated Pulse Pairs

Estimates statistics of the first two power spectrum moments from the pulse pair covariance are analyzed. The input signal is assumed to be colored Gaussian and the noise, white Gaussian. Perturbation formulas for the standard deviation of both mean frequency and spectrum width are applied to a Gaussian shaped power spectrum, and so is a perturbation formula for the bias in the width estimate. Mean frequency estimation from interlaced pulse pairs is presented. Throughout this study, estimators from independent, spaced, and contiguous pulse pairs are compared to provide a continuum of statistics from equispaced tightly correlated to statistically independent pulse pairs.     

基于稀疏表示和近似(e)0范数约束的宽带信号DOA估计

针对宽带信号的波达方向(DOA)估计问题,在稀疏框架下提出一种近似(e)0范数约束的宽带信号DOA估计新算法.首先对宽带信号进行预处理,得到同一参考频率点下的接收数据,然后对其协方差矩阵元素进行加和平均运算,得到一个低维的观测向量,并在稀疏框架下进行稀疏表示,最后利用截断(e)1函数设定权值,构造逼近(e)0范数约束的稀疏重构方法,进而重构信号,获得宽带信号的DOA估计.仿真结果表明,相比于传统的宽带信号DOA估计算法,所提算法具有更高的分辨率和估计精度.     

DOA估计算法性能分析及仿真

分析了几种常见空间谱估计算法的结构,提出了一种未知信源数的高分辨DOA估计算法。该算法继承了求根MUSIC算法优越的性能,直接利用阵列接收数据的协方差矩阵,无须预判信源个数和进行特征值分解,实现高分辨谱估计,同时在信噪比较小时,仍能保持较高的角度分辨力。最后通过大量的计算机仿真实验比较了各种算法的性能,证明了新算法理论的正确性和有效性。     

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。     

基于恒模特性的QPSK-DSSS信号扩频序列估计

 针对非合作低信噪比条件下的QPSK-DSSS信号,提出一种基于恒模特性的扩频序列估计算法。该算法首先将单用户QPSK-DSSS信号等效为两用户的BPSK-DSSS信号,其次通过对信号协方差矩阵进行特征分解,估计出由同相与正交两路扩频序列张成的二维信号子空间,最后利用扩频序列的恒模特性消除特征分解带来的酉阵模糊问题,实现扩频序列的精确估计。本文提出算法实现简单,相对目前现有传统算法具有较低的计算复杂度,而且计算机仿真表明:本文提出算法在低信噪比条件下具有优良的估计性能。     

Improved sequential MUSIC

MUSIC (multiple signal classification) is one of the most frequently considered methods for source location using sensor arrays. Among the location methods based on one-dimensional search, MUSIC has excellent performance. In fact, no other one-dimensional method that may outperform MUSIC (in large samples) was known to exist. Our goal here is to introduce such a method, called improved sequential MUSIC (IES-MUSIC), which is shown to be strictly more accurate than MUSIC (in large samples). First, a class of sequential MUSIC estimates is introduced, which depend on a scalar-valued user parameter. MUSIC is shown to be a special case of estimate in that class, corresponding to a value of zero for the user parameter. Next, the optimal user parameter value, which minimizes the asymptotic variance of the estimation errors, is derived. IES-MUSIC is the method based on that optimal choice of the user parameter. Simulation results which lend support to the theoretical findings are included     

线性极化敏感阵列的极化平滑算法及相干源参数估计

 研究了基于极化敏感阵列的相干信号参数估计问题。首先,提出一种利用均匀线性极化敏感阵列的新型极化平滑算法(ULAPSA),其能够处理更多相干信号的参数估计,且具有更小的计算量。然后,基于ULAPSA给出了波达方向（DOA）和极化参数估计的两种方法：第1种方法利用角度搜索得到信号的DOA估计,适应任何多分量的电磁矢量传感器阵列;第2种方法结合传播算子算法,无需奇异值分解和角度搜索,能够同时估计信号的DOA和极化参数。该方法适应完备的电磁矢量传感器、三偶极子或三磁环构成的矢量传感器。最后,通过仿真实验比较和分析了所提算法的性能。     

聚焦变换在MIMO阵列方位估计中的应用

MIMO阵列是近年来信号处理领域提出的一种新体制阵列技术,可有效避免常规阵列中的相干源问题。为解决多载波造成的方位模糊,提出了一种基于聚焦变换的MIMO阵列目标方位估计方法。该方法将MIMO阵列接收信号分解为多个频率分量的信号,并通过聚焦算法将多个频率信号聚焦到同一信号子空间,然后对聚焦后的信号进行方位估计。仿真结果表明:与直接对MIMO阵列接收信号进行方位估计相比,该方法利用了MIMO阵列的回波不相干性和宽带信号能量,具有更好的分辨能力和更高的方位估计精度。     

基于空域稀疏性的宽带DOA估计

利用宽带阵列接收信号的空域稀疏性,将宽带信号的波达方向(DOA)估计转化为一个稀疏信号重构的问题,提出了一种新的宽带信号DOA估计算法。该算法将宽带信号分解为多个子带信号,联合利用多个子带信号的空域稀疏性进行重构。它是对用于稀疏重构的标准的稀疏贝叶斯学习算法的推广,可适用于多冗余字典的信号模型。另外,通过对多快拍的阵列接收信号进行奇异值分解(SVD),提取信号子空间作为算法的输入数据,可以在有效减少运算复杂度的同时,提高对噪声的稳健性。与传统的宽带阵列DOA估计方法相比,该算法能够用于低信噪比、快拍有限和信源相关性较高的场合,同时算法的性能对信源个数的估计值不太敏感。仿真实验表明,该算法相对现有的基于子空间类的方法,具有更好的DOA估计性能。     

未知互耦条件下混合信号波达方向估计

阵列天线互耦对导向矢量的扰动以及信号相干性对数据协方差矩阵造成的秩损,使得基于子空间正交性原理的超分辨波达方向估计(Direction-of-Arrival,DOA)算法性能恶化,甚至失效。针对这一问题,提出一种在相干与非相干信号混合状态下无需阵列互耦补偿的特征矢量平滑DOA估计算法。该算法对部分阵元接收数据的协方差矩阵特征分解,将得到的特征矢量平滑处理后构造等效协方差矩阵,抑制阵列互耦影响的同时完成混合信号DOA估计。在阵列互耦和信号相干性均未知的条件下,正确估计了信号DOA,无需互耦参数估计或补偿。计算机仿真结果验证了算法的有效性。     

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。     

Estimation of the covariance matrix for dependent signal samples:polarization diversity systems

The problem of the estimation of covariance matrices in multichannel radar system when signal samples are statistically dependent is addressed. An optimal maximum likelihood (ML) estimate is derived. Probability characteristics and sensitivity to signal models of the estimate are evaluated for a polarization diversity system