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。     

色高斯噪声背景下相干信源DOA估计

为在色高斯噪声背景下估计相干信源DOA,提出一种基于四阶累积量的相干信源DOA估计算法。对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关。通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源DOA估计。仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的DOA,并且相对于空间平滑算法具有更好的估计性能。     

色高斯噪声背景下相干信源犇犗犃估计

为在色高斯噪声背景下估计相干信源 DOA,提出一种基于四阶累积量的相干信源 DOA 估计算法.对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关.通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源 DOA 估计.仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的 DOA,并且相对于空间平滑算法具有更好的估计性能.     

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。     

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。     

基于张量子空间的信号参数估计算法

针对低信噪比条件下多通道信号特征参数估计问题,提出了两种基于张量子空间的信号参数估计算法,分别是基于矩阵堆叠的张量分解算法和基于张量矩阵因子的联合算法。通过研究参数化信号模型、信号子空间旋转不变性和张量范德蒙分解原理,分析了多通道数据的三维张量数据模型的构建;矩阵堆叠的张量分解算法验证了张量高阶奇异值分解是矩阵奇异值分解的推广,矩阵因子联合算法进一步提高了低信噪比条件下的信号参数估计精度。仿真以信号频率和初相位的估计精度为衡量指标,验证了低信噪比的条件下,张量子空间信号参数估计算法要优于传统的矩阵子空间信号参数估计算法。
     

一种改进的正交投影自适应波束形成算法

为减少雷达正交投影自适应波束形成算法中采样协方差矩阵特征分解的运算量，提出了一种改进的正交投影自适应波束形成算法。改进算法利用总体最小二乘法得到噪声子空间。推导了算法的公式，并给出了计算步骤。该算法的计算量小于正交投影算法而性能相当。理论分析和计算机仿真结果表明此算法有效。     

基于时频子空间的DOA估计

提出了一种基于时频子空间的到达角 (DOA)估计新方法。传统的子空间测向方法由于本身固有的原因 ,存在三个缺陷 :无法分辨到达角相近甚至重合的信号 ;信号个数必须小于阵元个数 ;对多个不同中心频率的窄带信号测角时 ,必须进行频域搜索。把时频分析用于阵列信号处理 ,利用信号的时频脊点构造空域时频分布矩阵 (STFD) ,以代替传统的阵列相关矩阵 ,同时可以确定信号的导向矢量。通过对STFD矩阵进行特征分解来估计出信号子空间和噪声子空间 ,从而估计出信号的到达角。克服了传统子空间测向方法的缺陷 ,提高了测向能力。最后对非平稳信号进行了仿真 ,证实了时频子空间测向的优越性。     

一种新的共轭增强MUSIC测向算法

提出一种新的测向算法。利用阵列输出的非零时延互相关函数及其共轭形成伪阵列输出,从而得到伪协方差矩阵,对其进行特征分解,利用信号子空间与噪声子空间的正交性,搜索得到的空间谱函数的极大值点对应的角度就是波达方向。仿真实验表明,新算法可对多于阵元数的信号进行测向,其测角精度和分辨力优于MUISC和MUSIC-like算法。     

一种新的未知相关噪声下的宽带相干信号DOA估计算法

针对具有某种结构的协方差矩阵的未知相关噪声环境,本文提出了一种新的宽带相干信号DOA估计算法。基于这种结构,如Hermitian Toeplitz型,在各个频率点上首先利用空间差分操作去除相关噪声的影响,并构造新矩阵;其次,对新矩阵进行聚焦操作,并给出相干聚焦后的协方差矩阵;最后,利用基于特征结构的DOA估计算法得到相干信号的DOA估计值。理论分析和仿真结果表明了算法的有效性。     

微惯性测量单元信号小波自适应滤波仿真研究

针对微惯性测量单元信号进行小波多分辨率分析后在各尺度空间呈现的不同特性,提出了一种分解层数和阈值门限自适应选取的滤波去噪方法,同时采用具有紧支集特性的Daubechies正交小波基和改进的阈值函数,自适应选取分解层数并逐层进行阈值自适应滤波,然后经小波逆变换重构原始信号,最后应用实际的M IMU信号进行滤波仿真。实验结果表明该方法能有效消除M IMU信号随机误差,大幅改善其零偏稳定性和信噪比,且算法简练通用性强,有很强的实用性。     

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.     

基于时频原子方法的雷达辐射源个体识别

针对雷达辐射源个体识别问题,提出一种时频原子分解的特征提取方法.该方法针对主振放大式发射机,首先根据锁相环频率合成器相位噪声的功率谱,模拟含有特定相位噪声的辐射源信号.然后基于时频原子分解原理并采用膜算法将带有相位噪声的辐射源信号在正弦原子库中进行一次分解.最后利用分解后的原子提取出正弦原子能量特征和原子频率偏差特征,...     

基于QR分解的自适应差分滤波在SINS大方位失准角初始对准中的应用

针对差分滤波算法存在数值稳定性差及系统噪声统计特性不准确导致滤波性能下降 的问题,提出一种改进的差分滤波算法。新算法将矩阵QR分解及Cholesky分解因数更新技术 引入,并结合一种新的噪声估计方法及选择更新策略,有效地改善了系统噪声统计特性不准 确带来的滤波性能下降问题,增强了传统差分滤波算法的数值稳定性。通过在捷联惯导系统 大方位失准角初始对准中的应用,仿真结果表明了新算法的有效性和鲁 棒性 。
     

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。     

未知噪声环境方位-俯仰-频率-时延等四维参数联合估计方法

提出一种基于空时扩展虚拟传感器阵列的未知噪声环境下方位、俯仰、多普勒频移和相对时延四维参数联合估计新算法。未知噪声背景下的UN-MUSIC、UN-CLE等算法不易于完成多参数联合估计任务,而UN-ESPRIT算法又需要信号具有空、时域子空间旋转不变特性,对阵列结构要求严格。文中通过对原始数据的时延补偿等处理,利用虚拟数据阵的时移旋转不变特性,经由构建空时扩展波达方向矩阵同时获得诸参数的联合估计。虚拟传感器阵列的理论孔径为物理阵列的数倍,具有在低信噪比、未知分布噪声环境下更强的适应能力;且算法对于物理阵列阵元分布无特殊要求,具有很好的理论和实用价值。理论分析以及计算机仿真都证明了算法的有效性。     

空间机器人抓捕目标后动力学参数辨识研究

针对自由漂浮空间机器人抓捕目标后的动力学参数辨识问题,提出一种参数辨识的持续激励轨迹设计方法。首先,基于动量守恒原理建立了自由漂浮空间机器人的动力学参数辨识模型;然后,采用有限傅里叶级数对空间机器人的机械臂关节运动轨迹进行参数化表示,并以参数辨识回归矩阵条件数最小化为指标,通过求解一个包含多约束的非线性优化问题得到傅里叶级数的待定系数;最后,采用基于QR分解的递推最小二乘估计方法实现对采样数据的序贯处理,并求解出待辨识参数。仿真结果表明,提出的激励轨迹设计方法可以显著提高空间机器人参数辨识的收敛速度和准确性。     

最差性能最优的稳健宽带Capon波束形成算法

针对常规Capon波束形成易受期望信号导向矢量失配的影响,提出了一种基于广义特征值分解的稳健宽带Capon波束形成算法。算法利用空间响应偏差约束实现宽带频率不变波束形成,同时增加期望信号导向矢量的不确定集约束,改善了算法对导向矢量偏差的稳健性,推导出自适应权矢量的两类近似闭式解。仿真结果表明,与现有的稳健宽带波束形成算法相比,算法在改善波束频响一致性的同时,提高了阵列输出信干噪比,对期望信号导向矢量的误差具有很好的稳健性。