基于协方差矩阵高阶幂的二维DOA估计新算法

 针对稀疏分解方法进行均匀圆阵(UCA)的二维波达方向(DOA)估计运算复杂度大的问题,提出了一种基于协方差矩阵高阶幂稀疏分解的二维DOA估计新算法。该算法首先利用协方差矩阵高阶幂无需进行特征值分解和信源数估计的特性,构建了协方差矩阵高阶幂的稀疏分解向量;然后运用粒度分层思想,构造了粗区域估计和细方位估计的分层多粒度的快速分解模型,分层字典的长度大大减少,在保持估计精度的前提下,算法运算时间远小于现有的恒定冗余字典的稀疏分解方法,从而解决了基于稀疏分解的圆阵二维DOA估计问题。论文提出的算法与二维MUSIC算法相比,估计精度高,且能满足对相干信号的估计。仿真结果验证了算法的有效性和可行性。     

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。     

鲁棒EKF在脉冲星导航系统中的应用

针对脉冲星导航系统的滤波问题,传统的扩展卡尔曼滤波(EKF)算法存在不能克服系统模型存在不确定性参数以及乘性噪声等缺陷,提出一种鲁棒EKF算法。首先,分析了状态预测误差方程和估计误差方程,利用统计学原理,得到了状态预测方差矩阵和状态估计方差矩阵计算等式。由于系统模型存在不确定性参数,状态预测协方差矩阵和状态估计协方差矩阵无法计算;因此,利用4个重要矩阵不等式,分析并找到预测方差矩阵和状态估计方差矩阵的上界。最后,利用状态估计误差协方差矩阵上界设计状态增益矩阵,使得状态估计协方差矩阵的迹最小。将该算法对脉冲星导航系统进行仿真,仿真结果验证了所提算法的有效性。     

MIMO雷达中一种降维MUSIC的相干角度估计算法

研究单快拍下双基地多输入多输出（Multiple—InputMultiple-Output,MIMO）雷达中相干信源的离开角（Directionofdeparture,DOD）与到达角（directionofarrival,DOA）联合估计问题。利用单快拍下双基地MIMO雷达的接收信号构造一组Toeplitz矩阵,利用这组ToepIitz矩阵重构一个信号矩阵,提出一种基于降维多重信号分类（ReducedDimensionMultipleSignalClassification,RD-MUSIC）的DOD与DOA联合估计算法。提出的算法能够有效估计相干信源以及非相干信源的角度,实现角度的自动配对,并且角度估计性能远优于FBSS—ESPRIT算法以及ESPRIT-like算法。仿真结果验证了算法的有效性。     

基于迭代QR分解的DOA估计技术

提出了一种基于迭代QR分解的信源到达角(DOA)估计技术.DOA估计的子空间方法主要是通过估计信号协方差矩阵的信号子空间或者噪声子空间来求出信号的DOA参数.估计这些子空间通常需要大量的计算,采用ASIC实现时其成本会非常昂贵.本文采用迭代QR分解方法进行子空间分解,可以利用较少量的计算资源完成处理任务.仿真实验结果达到0.23毫弧度,说明该算法比较可靠有效.     

一种基于时频分析的欠定盲源分离算法

针对欠定盲源分离,提出了基于时频域信源数估计的盲源分离算法。通过短时傅里叶变换将信号变换至时频域进行分析。在混合矩阵估计环节,根据源信号稀疏性的假设,在时频域利用信号的时间频率比,确定与源信号对应的混合向量。在混合向量聚类过程中,利用同类向量间的距离以及向量不同聚类间的解析度,提出一种信源数估计方法,解决了在聚类算法中假设信源数已知的问题。在源信号分离环节,利用时频子空间中接收信号相关矩阵对角线元素与剩余元素的比值,提出一种子空间信源数估计算法,通过确定信源数,将子空间中欠定模型转换为超定或正定模型,以完成源信号分离。仿真证明算法对混合矩阵估计的正确性以及信号分离的可靠性。     

基于压缩感知的信源个数与信号参数估计算法

信源个数与信号参数估计是盲信号处理的关键环节，对后续信号的侦察处理意义重大。针对当前盲信号信源个数与信源参数估计研究割裂的问题，提出了一种联合估计算法。通过分析信号的稀疏系数在不同测量矩阵相同稀疏字典下位置相同的特点，提高了信源个数和信号参数的估计精度，实现算法的自适应控制；通过数理分析确定了多级搜索策略的最优级次，大大降低了稀疏字典的原子数目。仿真结果表明：算法在一定信噪比下能够实现信源个数和信号参数的有效估计；信源个数和信号参数的估计精度随着压缩比的降低而逐渐提高，随着信噪比的提高而逐步增强；噪声对信源个数和信号参数估计精度的影响很大，尤其是低信噪比下；第2个信源载波频率和调频斜率的估计误差明显高于第1个信源参数的估计误差。     

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。     

基于先验知识及其定量评估的自适应杂波抑制研究

 为了改善训练样本数受限的非均匀杂波环境中的系统检测性能,研究了基于先验知识及其定量评估的自适应杂波抑制算法。提出了使用经真实杂波信息白化后的先验杂波协方差矩阵与单位矩阵之差的谱范数,来定量评估杂波先验知识的准确程度,并给出了真实杂波协方差矩阵未知时的矩阵谱范数估计方法。结合先验知识定量评估结果,获得了具有先验知识约束时的杂波协方差矩阵最大似然估计方法。分别基于多脉冲相参雷达以及空时自适应雷达进行了杂波建模,在此基础之上分析了算法性能。仿真结果证实了该算法优于使用样本协方差矩阵及先验杂波信息形成杂波抑制权值的性能。     

基于稀疏表示的双基地MIMO雷达多目标定位及幅相误差估计

 基于稀疏表示理论,提出一种新的双基地多输入多输出(MIMO)雷达收发角度及幅相误差估计算法。利用接收数据,分别构造发射和接收协方差矩阵,并以列向量化后的发射和接收协方差矩阵为量测信号建立2个一维稀疏线性模型,构造模型求解的 L₂-L₁ 混合范数优化目标函数,通过交替迭代寻优获得目标角度估计和幅相误差估计,最后给出了本文算法的收敛性分析。与现有算法相比,该算法充分利用了目标发射和接收空域的稀疏特性,且能够通过对噪声功率的预估计来抑制噪声。仿真结果表明:在低信噪比(SNR)条件下,本文算法仍能够得到较好的估计精度,且对幅相误差具有一定的稳健性。     

基于改进TLS-ESPRIT算法的相干定位信号波达方向空间平滑

针对室内角度定位,在定位信号相干条件下无法实现准确估计波达方向(DOA)的问题,提出了一种基于TLS-ESPRIT算法的双向空间平滑方法。该算法先对定位相干信号进行双向空间平滑处理,然后用TLS-ESPRIT算法进行DOA的精确估计,使其最大限度地利用信号子空间的信息,从而解决了算法计算过程中输出信号的协方差矩阵秩亏损情况。该算法能够准确实现定位信号相干条件下DOA估计,与传统的空间平滑结合其他改进ESPRIT算法相比,具有更好的平稳性及抗干扰能力。最后通过仿真实验验证了算法的有效性和稳定性。     

基于约束最小冗余线阵与干扰对消的测向方法

针对有源干扰背景下信号源和干扰源的个数超过线阵的自由度而产生线阵饱和现象,提出一种将约束最小冗余线阵与干扰对消技术相结合的测向方法。通过将无源状态和有源状态下线阵输出数据的协方差矩阵进行对消运算去除有源干扰和噪声分量,并对约束最小冗余线阵的波达方向(DOA)估计算法进行改进,构造了新的协方差Toeplitz矩阵,有效抑制了由阵列非均匀性导致的伪峰,提高了阵列的DOA估计性能。仿真结果表明:该算法在低信噪比背景下具有抗有源干扰能力,扩展了阵列孔径,并具有较高的测向精度和鲁棒性。     

Performance of diversely polarized antenna arrays for correlatedsignals

The performance of direction finding systems in a correlated signal environment utilizing diversely polarized antenna arrays is investigated. The Cramer-Rao bound (CRB) is used to evaluate the accuracy of the estimated directions of arrival (DOAs). Compact closed form formulas are presented for the CRB corresponding to the joint estimation of the DOAs, signal covariance matrix, signal polarization parameters, and noise variance. The CRB is evaluated numerically for selected examples, to provide insights into the potential improvement in direction-finding accuracy due to polarization diversity     

基于多级维纳滤波的双基地MIMO雷达多目标定位方法

为了降低双基地多输入多输出(MIMO)雷达目标定位过程中的计算复杂度,避免进行占主要计算量的协方差矩阵特征值分解或奇异值分解和二维空间谱的峰值搜索,将多级维纳滤波(MSWF)应用于双基地MIMO雷达多目标定位的研究中。利用MSWF的前向递推原理,得到信号子空间;然后利用ESPRIT算法估计发射角(DOD)和接收角(DOA),且DOD和DOA自动配对,实现了多目标交叉定位。分析了本文算法和ESPRIT算法的计算复杂度,并通过仿真实验及性能分析验证本文算法的有效性。理论分析和实验结果表明:本文算法在保证二维方位角估计性能的基础上,显著地降低了计算复杂度,缩短了运算时间,更加符合MIMO雷达信号实时处理的要求。     

回溯降维相干分布式非圆信号DOA快速估计

在相干分布式非圆(CDNC)信号波达方向(DOA)估计中,针对阵列输出矩阵扩展后维数增加带来的较大运算量问题,基于降维的多级维纳滤波(MSWF)技术,引入回溯优化思想,提出了一种快速估计算法。该算法首先利用信号非圆特性扩展阵列输出矩阵,然后通过MSWF递推分解快速求出信号子空间,避免了计算阵列协方差矩阵及特征分解,并且在递推过程中引入回溯优化机制提高了各级匹配滤波器的估计性能,最后由最小二乘(LS)或者总体最小二乘(TLS)得到DOA估计。仿真分析表明,所提算法与相干分布式非圆信号旋转不变子空间算法(CDNC-ESPRIT)性能相当,但复杂度得到了大幅度降低,相比于基于MSWF的非圆信号快速子空间(NC-MSWF-FS)算法,在较小的复杂度代价下大幅度提升了低信噪比时的估计性能,并且对初始参考信号的选取具有了较强的鲁棒性。     

基于FPGA的自适应阵列协方差矩阵特征分解的实现

卫星导航抗干扰的过程中，对空间信号波达方向估计、干扰个数检测、最优权矢量的求解直接影响着导航接收机的抗干扰性能，而协方差矩阵的特征分解是这些算法实现的核心部分。根据自适应阵列天线获得的协方差矩阵的特性，基于双边并行Jacobi算法，实现了基于FPGA的协方差矩阵特征值和特征向量的求解，并通过在信号波达方向估计的应用进行了验证。另外，在实现的过程中对直接调用CORDIC IP核的方式进行了精度误差分析，并用一种双精度浮点的方式进行修正，提高了矩阵特征分解FPGA的实现精度，为导航抗干扰接收机性能的提升提供了有效的工程基础。     

Airborne/spacebased radar STAP using a structured covariance matrix

It is shown that partial information about the airborne/spacebased (A/S) clutter covariance matrix (CCM) can be used effectively to significantly enhance the convergence performance of a block-processed space/time adaptive processor (STAP) in a clutter and jamming environment. The partial knowledge of the CCM is based upon the simplified general clutter model (GCM) which has been developed by the airborne radar community. A priori knowledge of parameters which should be readily measurable (but not necessarily accurate) by the radar platform associated with this model is assumed. The GCM generates an assumed CCM. The assumed CCM along with exact knowledge of the thermal noise covariance matrix is used to form a maximum likelihood estimate (MLE) of the unknown interference covariance matrix which is used by the STAP. The new algorithm that employs the a priori clutter and thermal noise covariance information is evaluated using two clutter models: 1) a mismatched GCM, and 2) the high-fidelity Research Laboratory STAP clutter model. For both clutter models, the new algorithm performed significantly better (i.e., converged faster) than the sample matrix inversion (SMI) and fast maximum likelihood (FML) STAP algorithms, the latter of which uses only information about the thermal noise covariance matrix.