基于改进PCA的DOA估计方法

阵列信号处理中,MUSIC等高分辨率DOA估计方法都要通过特征值分解来获得波达方向估计,然而矩阵特征值分解的计算量较大,不利于实时处理.提出一种改进的PCA(principal component analysis)迭代算法,来逼近信号子空间.仿真实验表明该算法在估计弱信号时性能要比MUSIC算法好,且计算量要小得多.     

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。     

一种新的强干扰条件下微弱信号DOA估计算法

提出了一种基于扩展噪声子空间的强干扰条件下微弱信号DOA估计算法。该算法在已知强干扰源个数条件下,通过构造扩展的噪声子空间,在此基础上利用MUSIC方法有效地抑制干扰,并且准确估计出微弱信号的DOA参数。此算法的优势在于无需已知强干扰信号方向,且运算量与MUSIC方法相当。仿真实验验证了该算法是有效性和可行性。     

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。
     

非参数化迭代自适应SAR射频干扰抑制方法

合成孔径雷达（Synthetic Aperture Radar，SAR）的成像质量与图像解译精度会因为空间中存在的射频干扰（Radio Frequency Interference，RFI）而下降。本文在加权最小二乘迭代自适应算法的基础上，提出了非参数化的迭代自适应RFI抑制方法。该方法在成像处理前增加了对RFI的预检测环节，在初步检测出存在RFI的数据部分后只对存在RFI的数据进行SG（Savitsky-Golay，萨维茨基·戈莱）卷积平滑处理以提升对弱RFI的检测能力。利用带阻滤波器滤除存在干扰的频段后，使用迭代自适应处理在频谱中估计出被去除频段中的信号分量以获得期望的距离谱。与利用传统距离频率滤波方法进行RFI抑制相比，所提出的方法在图像细节保持方面效果更优，避免了因频谱不连续而导致的旁瓣增加，且运算效率更高。     

GPS和射频干扰

GPS接收机有赖于外部射频信号 ,所以易受射频干扰 (RFI)的影响。射频干扰可能会引起导航精度的降低或接收机跟踪的丢失。首先论述了信号噪声比和信号噪声密度比的概念 ,分析了射频干扰对GPS接收机的影响 ,最后说明了直接检测RFI的方法以及RFI源的定位。     

低波段天基雷达射频干扰机理及抑制方法

天基合成孔径雷达(SAR)是一种重要的主动遥感设备,在测绘、目标警戒、资源探测等方面具有独特的全天时、全天候优势。但由于低波段电磁频谱异常拥挤复杂,也容易受到其他无线电设备的非蓄意射频干扰(RFI)。本文针对工作于P、L波段的天基SAR系统,分析其常见的地面射频干扰源及其干扰机理,并构建典型的窄带与宽带干扰模型,比较分析了频域陷波、最小均方(LMS)算法、自适应线谱增强(ALE)、特征子空间分解与时频滤波等多种干扰抑制算法,并在卫星实测数据的基础上进行仿真验证抑制宽带干扰的有效性。仿真结果表明:时频滤波算法抑制宽带干扰效果最好,造成的信号损失最小,能够为后续天基合成孔径雷达的抗干扰算法设计提供决策依据。     

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。     

通信卫星干扰源定位与自适应调零的一体化实现

上行干扰会造成卫星通信系统性能严重下降,本文提出了干扰源定位与自适应调零技术一体化实现的新构想。基于多波束天线的空间谱估计方法可对干扰源进行精确定位,利用获取的DOA估计信息进一步实现干扰信号的有效抑制。应用MUSIC算法的计算机仿真实验表明该方案是可行的。     

基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

空间谱估计方法在卫星干扰源定位中的应用

利用卫星天线的多波束特性来获取信号波达方向（DOA）信息，是通信卫星干扰源定位技术的一个重要方面。本文简要介绍了卫星通信系统实现干扰定位的技术发展概况，重点研究了应用空间谱估计方法实现卫星干扰源的定位。结合星载多波束天线模型的MUSIC算法的仿真结果进一步验证这一方法的可行性。     

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。     

双矢量传感器近场源定位

针对近场源测向系统,提出了一种基于矢量传感器对的亏秩定位算法.该算法能实现信号角度、距离和极化参数的闭式估计,计算量低;无需对相位延迟项进行菲涅尔近似,而且没有忽略不同空间位置处传感器对于信号源观测视角的差异,进而降低信号源距离阵列接收系统较近时存在的误差,更适合甚近场条件下的定位.仿真结果表明该亏秩算法在低信噪比和短...     

基于改进Hausdorff测度和遗传算法的SAR图像与光学图像匹配

提出了一种新的基于边缘的合成孔径雷达（SAR）图像与光学图像匹配算法。在这种算法中，首先针对SAR图像低信噪比（SNR）与乘性噪声模型的固有特性提出了一种边缘特征的提取方法。在获取光学图像与SAR图像边缘图的基础上，根据Hausdorff距离具有强抗干扰能力和容错能力的特点，采用了改进的Hausdorff距离作为相似性测度。在搜索策略上，根据遗传算法的固有的并行性，采用遗传算法来加快搜索的速度。通过大量基于同一地区的光学图像与SAR图像匹配的试验结果表明，这种算法鲁棒性好，匹配精度高，计算速度快。     

基于lk范数正则化方法的SAR图像超分辨

提高合成孔径雷达（SAR）图像的分辨率对自动目标识别等具有重要意义。为此改进了一种基于lk范数正则化方法，并用于SAR图像超分辨。该方法通过合理开发利用符合SAR成像工程背景的先验知识，构造附加约束，把图像超分辨问题规划为形式简单的带约束优化问题。仿真和实测数据计算结果证实了该方法的有效性。     

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。     

基于匹配追踪算法的SAR超分辨成像

提出了一种新的SAR超分辨成像方法。在SAR图像相位历史域点散射模型的基础上，利用SAR图像目标稀疏的性质，构造子像素级的紧致字典，并设计了一种改进的匹配追踪迭代算法来估计模型参数，从而生成更大尺度的相位历史数据，对得到的相位历史域数据成像即得到了更高分辨率的SAR图像。实验结果表明该算法具有良好的超分辨性能，同时所需时问比基追踪方法缩短40％以上。