基于稀疏重构的L型阵列的二维波达方向估计

在L型阵列下,基于稀疏重构提出一种可实现自动角度配对的二维波达方向估计方法。首先,根据两均匀线阵接收数据的互相关矩阵构建二维稀疏线性模型;然后,通过数学变换将该二维模型转换为联合稀疏重构模型之内,通过联合稀疏重构算法分别单独获得信源方位角和俯仰角的粗略估计,并将此信息融入二维稀疏线性模型,大大减少了模型中原子个数,达到降低计算复杂度的目的;其次,从理论上分析了新方法可分辨的信源个数和计算复杂度;最后,通过一系列计算机仿真将新方法与其它子空间类二维波达方位估计方法进行比较,表明了新方法在估计精度上的优越性。     

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。     

一种未知信源数的快速DOA估计算法

针对众多性能优良的超分辨DOA估计算法大都是以预知信源数为前提,信源数估计不准可能会导致DOA估计失败这一问题,提出了一种基于协方差矩阵对角加载的超分辨DOA估计算法。该算法不需预判信源个数和进行特征值分解,且通过对协方差矩阵进行对角加载,可以平滑小快拍数时噪声特征值分散程度,因此该算法更适用于快拍数较少的情况。理论分析表明：该算法的统计估计性能接近于MUSIC（Multiple Signal Classifjcation）算法。计算机仿真结果验证了该算法的鲁棒性和可行性。     

一种未知信源数的快速DOA估计算法

文章针对众多性能优良的超分辨DOA（Direction—Of-Arrival）估计算法大都是以预知信源数为前提、信源数估计不准可能会导致DOA估计失败这一问题,提出了一种基于协方差矩阵对角加载的超分辨DOA估计算法。该算法不需要预判信源个数和进行特征值分解,且通过对协方差矩阵进行对角加载,可以平滑小快拍数时噪声特征值分散程度,因此,该算法更适用于快拍数较少的情况。理论分析表明：该算法的统计估计性能接近于MUSIC（Multiple Signal Classification）算法。计算机仿真结果验证了该算法的鲁棒性和可行性。     

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.     

盲稀疏度信号重构的改进正交匹配追踪算法

在信号盲稀疏度条件下,现有重构算法的固定阈值选择限制了重构精度和重构速度提高,鉴于此,提出一种改进的正交匹配追踪算法。通过非线性下降的阈值快速选择原子,自动调节候选集原子个数,以便每一次迭代时更加精确地估计真正的支撑集,并利用正则化过程实现支撑集的二次筛选,最终实现了盲稀疏度信号的精确重构。仿真结果表明,在相同的测试条件下,本文算法的重构精度和速度分别提高了8.5%和9.2%。     

多径条件下阵列互耦自校正算法研究

在实际的阵列中,阵元间的互耦和相干信源的存在都会使得大多数高分辨的DOA估计算法的性能严重下降,甚至完全失效.针对这一问题,在应用子空间原理的基础上,利用均匀线阵互耦矩阵的带状循环特性及对称Toeplitz性,并结合前后向空间平滑算法,提出了一种阵元互耦条件下的相干信源的波达方向估计新算法.该算法无需阵元的互耦参数信息,就可准确地估计出相干信源的DOA,估计性能优良,且只需一维搜索,计算量较小.仿真结果验证了该算法的有效性.     

基于多分辨率复合阵列的未知信源数波达方向估计

为解决信源数未知情况下的多分辨率复合阵列波达方向(DOA)估计问题,将未知信源数的相干信号DOA估计算法拓展到多分辨率复合阵列中。本文研究了基于子阵空间谱联合的DOA估计方法,首先构造各个子阵列的托普利兹矩阵,并进行未知信源数的相干信号DOA估计;然后利用多分辨率复合阵互质的特性,构建联合代价函数进行解模糊。针对全范围搜索计算量大的不足,文中提出了单个不模糊区搜索,反推全部模糊角度的改进方案。仿真结果验证了所提方法的有效性,相比于全空间搜索的MUSIC算法和Capon算法,该算法无需信源数先验信息,且在信噪比大于15 dB和快拍数大于300时,其DOA估计的均方根误差仅为传统方法的1/2。     

相关噪声背景下相干信源DOA估计算法研究

根据信号和噪声的非圆对称特性,利用除第一个阵元外的其它阵元接收数据的共轭信息,对原阵列进行有效地扩展,提出了一种相关噪声背景下相干信源波达方向（DOA）估计的新算法。由于对阵列进行了虚拟扩展并运用斜投影算法将非相干信源与相干信源分开分辨,因此该算法具有很强的信源过载能力及阵元节省能力,在一定程度上提高了空间分辨率DOA估计的性能,并可对消空间具有非圆对称性的相关噪声,适用于低信噪比环境。仿真结果证明了算法理论的正确性和有效性。     

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。     

相干信源DOA估计的非对称加权空间平滑差分算法

提出了相干信源DOA估计的非对称加权空间平滑差分(UWSSD)算法。在空间平滑差分运算的基础上,对各子阵协方差矩阵采用非对称权值加权处理,破坏差分矩阵的负反对称特性,从而使信源差分协方差矩阵恢复为满秩。差分矩阵中不含相关噪声及非相关源信息,可利用它分辨相关及相干信源,而利用传统子空间算法分辨非相干信源,从而重复利用阵列接收数据,可分辨更多信源。通过分析差分矩阵的特点,提出了一种无需矩阵特征分解的快速算法。仿真结果表明,UWSSD算法具有较强的噪声抑制能力及信源过载能力。     

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。     

基于最大似然准则的L阵2D-DOA配对算法研究

针对L阵两维到达方向(2D-DOA)估计中方位角和俯仰角配对错误导致的模糊问题,对一种基于最大似然准则的配对算法进行了研究。根据建立的L阵信号模型,用超分辨算法获得在非相干源和相干源时的L阵两组线阵的一维DOA估计。由一个线阵接收数据和估计的一维DOA得出信源的最大似然估计,构造第一个信源协方差矩阵,其中目标的排列顺序与该线阵估计的一维DOA顺序对应;再用两个线阵接收数据的互相关矩阵估计第二个信源协方差矩阵。当两个线阵估得的一维DOA对应时两个信源协方差矩阵等价,可由两个矩阵中元素的位置关系实现配对,获得无模糊的方位角和俯仰角。仿真结果表明:所提算法在低信噪比、小快拍数下均具较高的鲁棒性,适用范围广,在无任何先验信息条件下能较准确地实现配对。     

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。     

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。     

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.     

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。     

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。     

求根传播算子方法及其在ARM抗诱偏中的应用

反辐射导弹（ARM）抗有源诱偏问题中,多源信号在空、频域的强相关性往往造成导引头对信源数目欠估计,从而导致传统超分辨算法的测向性能下降。针对这一问题,提出了一种求根的传播算子方法,该算法首先在信源数过估计情况下计算信号到达角,然后利用每个角度对应的信号功率来剔除虚假角度。求根传播算子方法不需要预先估计信号源数目,而且在信号高度相关的情况下具备很好的角度分辨性能,因此适用于解决ARM抗诱偏问题。仿真实验结果表明,求根传播算子方法在提高ARM抗诱偏能力方面的表现优于MUSIC算法。