MUSIC算法在通信卫星干扰源定位中的应用

通信卫星的安全日益受到关注,利用通信卫星多波束天线的特性获得干扰信号的波达方向已成为干扰源定位的一种重要手段。本文简要介绍了测定向的体制,重点对空间谱估计中的MUSIC算法进行了探讨,结合星载多波束天线的模型对MUSIC算法进行了仿真验证。此外,明确了MUSIC算法在实际应用中需要解决的问题和相应可采取的措施。     

基于UCA的二维干扰抑制MUSIC算法

基于均匀圆阵 (UCA) ,在UCA RB MUSIC算法[1] 和一维零点预处理算法[2 ] 的基础上 ,提出了一种可任意设置响应零点的二维MUSIC算法。计算机仿真表明 ,该方法在保持了UCA RB MUSIC算法的高精度、高分辨力和降低了运算量的前提下 ,能准确抑制空间干扰信号     

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。     

一种实值MUSIC算法

提出了一种实值MUSIC算法,通过构造实值转换矩阵Q[1],对协方差矩阵进行变换,使之转换为实矩阵,再进行实特征值分解,最后构造MUSIC谱进行谱峰搜索来获得信号的DOA估计。谱估计性能优于普通MUSIC算法,能有效减少计算量,并且对相干信号有一定的分辨能力。计算机仿真证明了此方法的有效性。     

多载频MIMO汽车雷达ESPRIT-MUSIC快速联合算法

为提高汽车防撞雷达测角反应速度,结合ESPRIT和MUSIC算法的优点,提出一种多载频MIMO汽车雷达ESPRIT-MUSIC快速联合算法。方法通过采用MIMO雷达产生虚拟阵列来减小系统体积。首先利用ESPRIT算法粗估目标角度,然后通过MUSIC算法在粗估角度附近进行谱峰搜索,精确估计目标位置。仿真结果验证了所提方法的可行性和有效性。     

MUSIC和MMUSIC算法的统计特性对比

文章针对MUSIC算法和MMUSIC算法的统计特性问题,首先简单介绍了这两种算法,并对二者的统计特性进行了对比。     

反辐射导引头二维超分辨测向技术研究

对于反辐射雷达导引头,较宽的波束导致多个目标辐射信号进入导引头接收系统,所以必须提高其多源测向和多目标分辨能力.为此,提出采用超分辨测向技术来估计多个辐射源的到达角,并对该方法的可行性进行研究.首先,给出反辐射导引头超分辨测向模型,在此基础上,采用MUSIC算法进行到达角估计,并对影响MUSIC算法估计精度的因素进行了...     

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。     

一种结合亮温图像和子空间分解的RFI定位算法

射频干扰(radio frequency interference, RFI) 对L波段综合孔径辐射计遥感数据造成了严重污染,降低了产品质量。RFI检测定位是处理RFI的关键步骤。传统的基于亮温图像的定位算法受到仪器角分辨率的限制,无法有效分离相邻的RFI。为了实现更高的空间分辨率,基于子空间分解技术的多信号分类(multiple signal classification, MUSIC)算法被提出。然而,当亮温图像的信噪比较低时,背景和噪声对子空间分解的准确性影响较大,进而降低了MUSIC算法的定位性能。文章通过结合亮温图像和子空间分解两种方法的优点,提出了一种融合改进定位方法。该方法通过在亮温图像域中消除背景场景、增强目标射频干扰,2次提高了图像信噪比,在频域中,利用子空间分解和MUSIC算法实现超分辨率和高精度定位。通过对土壤湿度和海洋盐度（soil moisture and ocean salinity, SMOS）卫星数据进行实验和仿真验证,证明了文章提出的方法在低信噪比情况下优于传统的MUSIC算法和基于亮温的定位算法。此外,在对多个弱RFI源的定位上,该方法的定位精度也优于基于点源波纹的弱RFI检测定位算法。     

基于L型阵列的互耦误差校正算法研究

互耦误差对阵列DOA估计性能产生了严重影响。基于L型阵列,建立了互耦误差模型,提出了一种基于MUSIC迭代法的互耦误差自校正算法和在互耦误差条件下的DOA估计算法。利用MUSIC迭代法对互耦误差矩阵和DOA同时估计,且同时估计出来波信号的方向角和俯仰角。仿真实验验证了该算法具有分辨力强、校正精度高的特点。     

基于极化时频分布的改进DOA估计算法

针对雷达回波信号波达方向估计精度差和时频分析方法运算量大的问题,以极化敏感阵列为模型,结合时频分析方法,充分利用回波信号的空域、时频域和极化域信息,对雷达回波信号进行更准确的估计,并简化其计算量。分析基于空间极化时频分布的多重信号分类(MUSIC)和旋转不变子空间(ESPRIT)算法,并结合两者的优缺点提出了一种改进算法。改进算法用极化时频ESPRIT算法对来波信号确定大致的方位角,以每个方位角为中心确定一个小角度范围,在此范围内用MUSIC算法进行谱峰搜索,得到较准确的波达方向(DOA)估计值,在确保DOA估计精度的基础上节省大部分运算时间。仿真试验验证了该改进算法的有效性。     

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.     

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。     

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.     

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。     

小波降噪在提高测角精度中的应用

分析了MUSIC超分辨算法的测角精度与信噪比的关系。基于小波变换系数极大值同信号奇异性之间的关系 ,采用小波降噪算法 ,改善了信噪比 ,大大提高了测角精度     

多级嵌套L型阵列及其测向算法

针对基于偶数(2q)阶累积量的测向算法中测向性能提高有限的问题,提出了一种基于多级嵌套 L 型阵列的2维测向算法。首先利用阵列的多级嵌套结构和2q阶累积量,形成具有更多自由度的虚拟均匀面阵;然后使用2维平滑方法,恢复其2q阶累积量矩阵的秩; 采用2维MUSIC算法,进行方位角和俯仰角的估计。与常规的2q MUSIC 算法相比,所提算法不仅具有更好的测向精度,而且由于虚拟均匀阵包含更多的虚拟阵元,因此能够估计更多信源的方位角。另外,针对该L型阵列的最优配置问题,推导了各级子阵阵元数的最优和次优分配表达式。仿真结果表明这些结论的正确性。     

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.     

星上高分辨率测向技术研究

介绍地面源星上定位技术，详述了应用于单星定位的高分辨率方向估计技术，并针对MUSIC算法说明星上信号模型，分析影响算法的因素，说明将高分辨率方向估计算法应用于星上将遇到的障碍、关键技术以及解决方法。     

用自适应INS、单脉冲MUSIC和STAR（AIMS）进行目标瞄准

利用目标信号估计目标角度会受到主波束干扰的影响，解决该问题的一个办法就是综合多个传感器的数据。自适应单脉冲多信号分类（MUSIC）算法可以在干扰中区辨出目标方位角估值和俯仰角估或真实频谱。但在进行目标识别和分类时，仅依靠这种算法不能得到理想的误差概率。通过综合综合导航系统（INS）和单脉冲雷达的方位与俯仰信号，能提高精确检测目标位置的概率。设计AIMS算的目的是进行目标瞄准，并综合自适应INS系统、四孔径单脉冲雷达和空时自适应信号处理器的信号。自适应INS系统不断测量地基目标的位置变化；四孔径单脉冲雷达用MUSIC算法自适应地降低主波束干扰，实现可靠的角度估计；空时自适应处理机（STAP）则将目标从杂波中分离出来。结果表明，AIMS算法有效地综合了传感器数据。并提出了识别正确目标信息的效率。