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。     

基于压缩感知的高分辨DOA估计

研究基于压缩感知的多目标DOA估计问题.利用空间目标空域的稀疏性,提出一种新的DOA压缩感知模型,其感知矩阵满足约束等容(RIP)条件.提出一种基于奇异值分解的多测量矢量欠定系统正则化聚焦求解(SVD-RMFOCUSS)算法.该算法在一定程度上克服了压缩感知重构算法无法用于低信噪比情况缺陷,且具有较低的运算复杂度.计算机仿真表明该算法性能优于传统DOA估计算法,能够对任意相关性的信号进行有效DOA估计,具有更高的角度分辨力及估计精度.     

基于Toeplitz矩阵重构的相干信源DOA估计算法

提出了一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

基于HOSVD局部重组的利噪抑噪经验模式分解及应用

及时准确地识别航天机构萌生和发展的损伤故障特征信息,可为机构故障诊断评估、科学任务调整以及未来在轨维修提供科学决策依据。集成噪声重构经验模式分解(ENEMD)及其衍生方法都是基于噪声利用机制以原信号中估计噪声改善模式混淆并实现信号降噪。然而,该方法中奇异值拐点难以获取、阈值处理中噪声不连续等带来的噪声估计偏差,将降低微弱特征提取准确性。为此,提出一种基于高阶奇异值分解(HOSVD)局部重组的噪声估计技术。研究基于滑动窗截断和Hankel矩阵相结合的张量构建,然后将奇异值曲率谱上的最大峰值点作为合理奇异阶,最后根据选取的奇异阶重构张量分解模型得到所需的估计噪声分量。在此基础上,将HOSVD局部重组引入ENEMD方法中,提出利噪抑噪经验模式分解方法。该方法可进一步提高微弱噪声估计精确度,实现对航天机构损伤微弱特征的增强提取。仿真分析和某航天轴承试验案例验证了该方法在损伤微弱特征提取和识别上具有实用性与有效性。     

基于RJ-MCMC的DS-CDMA信号扩频码与信息序列盲估计

针对非合作低信噪比环境下的DS-CDMA信号参数估计问题,在分析信号模型的基础上,提出一种基于可逆跳跃的马尔科夫链蒙特卡罗(RJ-MCMC)扩频序列和信息序列联合估计算法。该算法通过建立信号参数和用户个数的联合后验分布模型,迭代抽样得到待估分布的样本,并有效地在不同维数的子空间中跳转,从而构造一条马尔科夫链,使其平稳分布为待估参数的后验分布。仿真结果表明,该算法在功率相同和不同的条件下均能适应较低的信噪比,并且对不同的用户个数具有较强的适应性,同时算法的估计性能相对现有的方法也有很大的改善。     

一种最大压缩误差可控的高光谱图像压缩算法

提出了一种可以实时控制压缩误差的高光谱图像有损压缩算法。该算法对高光谱 图像矩阵进行奇异值分解得到奇异值矩阵和奇异向量矩阵;用部分奇异值及其对应的奇异向 量重构图像;根据测量系统精度要求确定量化因子并对重构图像与原始图像间的光谱误差进 行量化;采用预测编码和算术编码对用于图像重构的奇异值及其对应奇异向量进行无损压缩 ;设计了非零值编码算法完成对重构误差的无损压缩。对Luna Lake和Low Altitude图像的 仿真结果为：最大相对误差分别控制在0.44％和0.33％时,压缩比为41.5:1和24.6:1, 信噪比为 50.4 dB 和47.8 dB。
     

双基地MIMO雷达收发角和径向速度联合估计

在双基地MIMO雷达信号模型基础上,提出一种新的目标收发角和径向速度联合估计方法。该方法首先将三参数估计问题转化为非对称联合对角化问题,然后采用最小二乘循环算法对其求解,估计收发导向矩阵和速度矩阵,最后利用谱分析算法恢复收发角和径向速度。同时采用截断高阶奇异值分解(THOSVD)对数据进行压缩处理,减小运算量。该方法充分利用匹配滤波输出的所有信息,无需二维谱峰搜索,每次循环均可得到精确的闭式解。与基于并行因子(PARAFAC)分析的方法相比,该方法可获得更高的参数估计精度,且三参数自动配对。仿真表明了方法的有效性。     

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。     

一种利用ILSP的同步DS-CDMA信号快速盲解扩算法

针对同步DS-CDMA信号的盲解扩问题，本文提出了一种基于迭代最小二乘投影算法(ILSP)的快速盲解扩算法。本算法首先通过对截获信号的协方差矩阵进行特征分解，估计出由各用户扩频序列张成的信号子空间，然后结合扩频码序列的有限符号集特性，利用ILSP算法消除由特征分解产生的酉矩阵模糊问题，得到扩频序列的精确估计，最后利用估计得到的扩频序列对截获信号解扩得到信息码序列，完成DS-CDMA信号的盲解扩。仿真结果表明本算法在低信噪比条件下具有良好的盲解扩性能，且相较传统算法本文提出算法大大降低了计算复杂度 。     

传播算子方法在宽带DOA估计中的应用

将传播算子与宽带相干信号子空间方法相结合,推导了基于传播算子的宽带相干信号子空间方法,该方法所构造的聚焦矩阵不需要奇异值分解,在获取噪声子空间时不需要特征值分解,因而大大降低了运算量.比较了双边变换(TCT)方法与所推导的方法在分辨两个相邻较近信号源时的性能,仿真表明,在高信噪比时,该方法性能与TCT方法相近.     

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。     

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。     

基于功率估计的方位数据关联算法

将功率信息与电波传播相关理论引入到测向交叉定位的数据关联问题中,提出一种基于功率估计的方位数据关联算法。推导了阵列协方差矩阵中信号功率与阵列流型之间的关系,利用空间协方差逆矩阵高阶幂逼近噪声子空间的方法,在已知阵列流型的基础上准确获取各目标的功率参数,避免了幅值特征类关联算法易受噪声与信号波形影响的问题;根据功率和传播路径的衰减关系,构造方位组合与功率信息的关联置信度函数,挑选出正确的关联组合。仿真结果表明了算法的有效性和优越性。     

一种不需要源个数估计的MUSIC算法

MUSIC方法是阵列高分辨测向子空间方法中的经典算法,该算法的一个缺点就是需要进行源个数估计,源个数估计不正确将会导致虚假峰和漏峰.提出一种不需要源个数估计的MUSIC方法,该方法首先将快拍分组,对每一组的自相关进行特征值分解,以最小特征值对应的特征向量作为噪声向量,然后将搜索向量在每一组噪声向量上的投影构成新的矩阵,DOA对应的新矩阵将缺秩,根据新矩阵的缺秩程度来估计DOA.仿真结果证明了该方法的有效性.     

基于空间距离的快速稳健子空间跟踪方法

从空间距离的角度分析子空间跟踪问题,提出了一种新的子空间跟踪算法。提出的算法同时适用于信号和噪声子空间跟踪,而复杂度仅为3NL+O(N)。仿真表明算法对基的正交偏离稳健,对舍入误差不敏感,是一种快速稳健的子空间跟踪算法。