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。     

频域空域二维稀疏SIMO高分辨雷达成像方法

利用频域稀疏的线性调频步进信号（FSCS）作为雷达发射信号,并结合空域稀疏的SIMO雷达阵列来构建二维稀疏的高分辨雷达成像模型。针对该稀疏模型,首先通过对低维数据简单补零处理,然后利用图像熵准则完成对运动目标速度的有效估计。在此基础上,结合压缩感知理论,构造有效的观测矩阵、稀疏变换矩阵以及重构算法,获得目标高分辨距离像（HRRP）,进一步提出基于保相性的频域空域二维稀疏SIMO高分辨雷达成像方法。该方法可以大幅减少FSCS脉冲串的子脉冲个数,大幅减少SIMO高分辨雷达接收天线阵元个数,并获得高质量的HRRP和目标二维像。仿真实验验证了本文方法的有效性和鲁棒性。     

基于极化敏感阵列的高效DOA与极化参数联合估计算法

提出一种基于极化敏感阵列的二维波达方向(DOA)和极化参数联合估计算法.首先建立入射信号模型,然后利用重构的x轴、y轴、z轴阵列导向矢量之间的关系计算出入射信号的DOA和极化参数的无模糊粗估计值;同时根据重构阵列导向矢量内在的旋转不变结构估计出x轴和y轴空间相移因子,得到入射信号的高精度无模糊DOA估计.最后利用粗估计精估计相结合的方式进行解模糊,进而完成DOA估计.算法允许阵元间距大于入射信号的半波长,扩展了有效阵列孔径,提高了算法的测向精度.此外,算法避免了复杂的四维谱峰搜索,具有较低的运算复杂度.仿真实验结果验证了算法的有效性和良好的估计性能.     

基于稀疏系数位置特征的LFM雷达信源个数估计算法

信源个数估计是多信源信号处理的基础,对后续信号的捕获分析关系重大。依据稀疏系数在不同测量矩阵、相同稀疏字典下位置信息相同的特点,提出一种新的信源个数估计算法,突破了传统算法最优门限阈值随信噪比变化的桎梏,实现了信源个数的准确估计。仿真结果表明,算法在保证估计性能的同时降低了运算复杂度。     

平稳色噪声背景下相干信源DOA估计的新算法

提出一种基于对称均匀线阵的波达方向(DOA)估计新方法.该算法在未知噪声协方差矩阵为复对称Toeplitz结构的情况下,利用空间差分方法和相干信源信息Toeplitz矩阵重构相结合,来处理同时存在相干、非相干信源的情况.该算法在提高阵列的信源过载能力的同时,可明显减小运算量.计算机仿真结果证明了算法的有效性和正确性.     

一种改进的基于LDPC码的信源信道联合译码方法

提出一种改进的将LDPC迭代译码和隐马尔可夫估计相融合的迭代译码算法。一方面通过隐马尔可夫信源估计获取信源残留冗余,作为外信息提供给LDPC迭代译码;另一方面,通过LDPC迭代译码获得更精确的信源估计模型参数,加快迭代收敛速度,获得更好的迭代译码性能。其优点是无需知道任何关于信源的先验信息,计算复杂度低,并行操作性强,尤其适用于宽带多媒体传输。     

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。     

基于共轭模糊函数的时差-频差联合估计方法

提出了一种新的二阶到达时差（TDOA）和到达频差（FDOA）联合估计算法。该方法利用非圆信号具有非零二阶共轭矩这一特点构造所谓二阶共轭模糊函数,通过对该模糊函数进行二维极值搜索获得TDOA和FDOA的联合估计。新方法能够抑制相关噪声,但计算复杂度远小于传统高阶累积量方法。     

锥面共形阵列相干源DOA和极化参数的联合估计算法

针对共形阵列中的多参数联合估计问题,用交叉电偶极子对天线单元在锥面共形载体上构造极化敏感阵列并建立了快拍数据模型,在此基础上提出一种适用于相干源的多参数联合估计算法。该算法充分挖掘阵列中隐含的多个空域旋转不变结构,首先通过空间平滑预处理恢复子阵协方差矩阵的秩,实现信源的解相干,然后根据旋转不变子空间思想完成多个相干信源二维到达角和极化参数的联合估计。Monte Carlo仿真结果表明了算法的有效性。     

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。     

稀疏信号重构的迭代平滑 l0 范数最小化算法

压缩感知理论 (Compressed Sensing, CS) 是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值重构稀疏信号是压缩感知理论中的核心问题。针对稀疏信号的重构问题,提出了迭代平滑l0 范数最小化算法。该算法首先利用上次迭代得到的稀疏解估计部份支撑集I,然后建立并求解基于支撑集I的平滑l0 范数最小化问题,最后对以上两步迭代少数几次得到稀疏解。数值仿真表明,本文所提出的算法重构信号需要测量值数少于已有的算法,且计算速度较快。     

基于稀疏重构的杂波环境下红外图像空间邻近目标超分辨方法

基于稀疏重构的超分辨方法是应对空间邻近目标的有效方法之一,但是当目标处于杂波环境下时,杂波会布满在整个视场范围内,导致场景原有的稀疏性被破坏。针对这一现象提出了一种在杂波环境下的超分辨方法。该方法充分利用了传感器的结构特性以及重构算法中的参数,通过建立观测信号的红外成像模型并利用像元网格划分的方式,建立空间邻近目标群的位置和幅度信号的稀疏表示,并利用其光学系统的点扩散函数来构造超完备字典,最后通过控制重构场景中非零元素的个数比例来使重构参数处于一个合理的区间范围,以此来达到去除杂波干扰并准确重建稀疏目标的目的。     

利用字典优化方法实现sub Nyquist采样数据的频率估计

在稀疏重构理论中,重构信号需要预先设定稀疏表示字典,针对预设字典与真实字典之间的失配对信号稀疏表示造成的不利影响,提出一种基于字典优化和稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)的频率估计算法。该算法首先构造基于sub Nyquist采样数据的信号稀疏表达式,然后利用SBL算法估计信号频率,同时根据估计结果优化字典,最后反复迭代上述步骤直至计算出的频率值和对应的幅度值趋于稳定。仿真结果校验了方法的有效性。     

基于马尔可夫蒙特卡洛法的系统辨识方法研究及应用

提出了基于马尔可夫蒙特卡洛(MCMC)的贝叶斯辨识方法,以解决高超声速飞行器系统辨识中复杂动力学模型转换为简单或稀疏模型所带来的不确定性问题,以及存在的训练数据大和积分难处理的问题。该方法将数据退火算法引入MCMC中,不仅解决了MCMC易陷入局部最优的问题,并且将数据退火与“高信息训练数据”的概念相结合,能够以较低的计算成本分析大数据集。此外,该方法可以对参数估计过程中存在的不确定性进行量化,获得未知参数的最优估计值。通过仿真实验,验证了提出的系统辨识方法的有效性,辨识出的模型能够有效应用于控制器设计之中,并获得较好的控制效果。     

基于稀疏重构的蜂窝夹层复合材料板中Lamb波传播特性估计方法

针对航天器装备中蜂窝夹层复合材料板中的超声Lamb波传播特性难以准确估计的问题,提出基于导波信号稀疏表达与重构方法的传播特性曲线估计方法。首先,根据Lamb波传播的散射模型建立Lamb波在频率?波数域下的稀疏表达方程;然后,以Lamb波频率?波数域表达的稀疏性为约束条件,建立基于l₁范数的基追踪消噪求解方法;最后,通过提取重构的导波频率?波数域表达结果脊线,可准确获取Lamb波传播的频散速度曲线。在蜂窝夹层复合材料机翼结构上进行测试实验验证的结果表明,该方法能在有限次数的测试下保证传播特性曲线的估计精度,具有较好的工程应用前景。     

基于贝叶斯稀疏重构的非均匀样本谱估计

在航空电子对抗领域,往往需要利用非均匀样本来估计信号的频谱。针对非均匀样本谱估计问题,提出了贝叶斯稀疏重构谱估计算法(BSRSE)。该算法首先将非均匀采样的谱估计表示为稀疏信号重构问题。然后利用拉普拉斯分布表示稀疏性,建立贝叶斯模型。最后通过构造加速的不动点迭代方法估计参数,从而估计信号频谱。与现有谱估计方法比较,该算法具有较高的频率分辨力、较强的噪声适应能力,且需要较少的样本数。数值仿真验证了该算法的有效性。     

传播模型驱动的三维频谱地图测绘研究

频谱地图是频谱资源管理、安全治理和频谱作战等应用的基础。针对传统频谱测绘局限于二维空间的问题,给出了一种面向空天地一体化需求的三维频谱数据采集和测绘系统架构,提出了一种传播模型驱动的频谱地图重构方案,能够实现稀疏采样条件下高精度的三维频谱地图绘制。该方法在单辐射源和多辐射源情况重构的频谱地图与基于射线跟踪方法获得理论结果吻合度较高。此外,针对典型场景的实测结果也进一步验证了本文方法的可行性。     

基于压缩传感的线阵SAR三维成像方法研究

线阵SAR是一种新型雷达三维成像技术。由于实际中线阵天线长度有限,基于匹配滤波的传统线阵SAR成像方法不仅需要大量的阵元数,而且在切航迹向的分辨率也较低。结合三维场景空间目标的稀疏特征,提出一种基于压缩传感理论的高分辨线阵SAR三维成像方法。相对于传统匹配滤波线阵SAR三维成像方法,本方法只利用少量的稀疏天线阵元回波对切航迹向的稀疏散射目标进行L1范数优化重构,大大抑制了切航迹向旁瓣影响并显著提高分辨率。最后,通过线阵SAR点目标仿真三维成像表明了本文算法的有效性。