平滑重构稀疏贝叶斯学习测向算法

针对二级嵌套阵列中的紧凑阵元结构易受互耦效应影响的问题,提出了两种不同的嵌套阵列结构改进方法：连续平移嵌套阵列和间隔平移嵌套阵列。通过对原有二级嵌套阵列阵元位置进行调整,形成了两种不同的平移嵌套阵列结构,这两种结构对应的差分共阵均"无孔",并且测向自由度和阵列稀疏度均大于原二级嵌套阵列。针对嵌套阵列的差分共阵测向模型为单测量矢量模型,稀疏贝叶斯学习测向算法复杂度高的问题,提出了平滑重构稀疏贝叶斯学习算法。该算法通过空间平滑重构将单测量矢量模型变为多测量矢量模型,降低了观测矩阵的维度,减小了计算复杂度。算法求解时,通过对变换后的观测矩阵进行奇异值分解,进一步降低了观测矩阵维度,利用稀疏贝叶斯学习算法估计辐射源角度。仿真表明,在信噪比和采样数相同的条件下,该算法收敛速度比单测量矢量稀疏贝叶斯学习（SMV-SBL）算法快,且测向精度高于SMV-SBL算法和空间平滑多重信号分类（MUSIC）算法;存在互耦影响时,两种平移嵌套阵列比原嵌套阵列受互耦影响小。     

宽带信号近似最大似然方位估计快速算法

 针对短采样宽带信号近似最大似然方位估计（AML）计算量大的问题,将马尔可夫蒙特卡罗(MCMC)方法与近似最大似然方位估计相结合,提出一种基于完美抽样的近似最大似然方位估计快速算法（PAML）。该算法将AML算法的空间谱函数作为信号的概率分布函数,并利用完美抽样方法从该概率分布函数中抽样。与AML和遗传算法的对比实验研究表明,两目标情况下PAML算法在中低信噪比条件下的估计性能与AML和遗传算法性能相当,而计算量分别是二者的1/24和1/3。随着目标个数的增加,PAML算法的计算量优势将更加明显。     

DOA估计算法性能分析及仿真

分析了几种常见空间谱估计算法的结构,提出了一种未知信源数的高分辨DOA估计算法。该算法继承了求根MUSIC算法优越的性能,直接利用阵列接收数据的协方差矩阵,无须预判信源个数和进行特征值分解,实现高分辨谱估计,同时在信噪比较小时,仍能保持较高的角度分辨力。最后通过大量的计算机仿真实验比较了各种算法的性能,证明了新算法理论的正确性和有效性。     

基于空域稀疏性的宽带DOA估计

利用宽带阵列接收信号的空域稀疏性,将宽带信号的波达方向(DOA)估计转化为一个稀疏信号重构的问题,提出了一种新的宽带信号DOA估计算法。该算法将宽带信号分解为多个子带信号,联合利用多个子带信号的空域稀疏性进行重构。它是对用于稀疏重构的标准的稀疏贝叶斯学习算法的推广,可适用于多冗余字典的信号模型。另外,通过对多快拍的阵列接收信号进行奇异值分解(SVD),提取信号子空间作为算法的输入数据,可以在有效减少运算复杂度的同时,提高对噪声的稳健性。与传统的宽带阵列DOA估计方法相比,该算法能够用于低信噪比、快拍有限和信源相关性较高的场合,同时算法的性能对信源个数的估计值不太敏感。仿真实验表明,该算法相对现有的基于子空间类的方法,具有更好的DOA估计性能。     

基于压缩感知的信源个数与信号参数估计算法

信源个数与信号参数估计是盲信号处理的关键环节，对后续信号的侦察处理意义重大。针对当前盲信号信源个数与信源参数估计研究割裂的问题，提出了一种联合估计算法。通过分析信号的稀疏系数在不同测量矩阵相同稀疏字典下位置相同的特点，提高了信源个数和信号参数的估计精度，实现算法的自适应控制；通过数理分析确定了多级搜索策略的最优级次，大大降低了稀疏字典的原子数目。仿真结果表明：算法在一定信噪比下能够实现信源个数和信号参数的有效估计；信源个数和信号参数的估计精度随着压缩比的降低而逐渐提高，随着信噪比的提高而逐步增强；噪声对信源个数和信号参数估计精度的影响很大，尤其是低信噪比下；第2个信源载波频率和调频斜率的估计误差明显高于第1个信源参数的估计误差。     

基于自适应步长选择的周期格型线搜索估计

稀疏、含噪观测条件下周期点过程的周期估计是一个经典的信号处理问题。针对该问题,提出了一种格型线搜索(LLS)算法,该算法通过数值方式搜索似然函数的最大值,但其性能取决于人为预先选取的搜索步长。推导了一个步长计算公式,并利用该公式改进了LLS算法。改进的LLS算法能够自适应选择搜索步长,其达到的克拉美-罗界(CRLB)的信噪比(SNR)门限与最大似然估计(MLE)算法一致,但计算复杂度比后者低一个多的数量级。性能分析与仿真实验表明,所提算法比已有算法能更好地实现估计精度与复杂度的折中。     

利用重要性采样的时差-频差联合估计算法

针对无源定位中参考信号真实值未知的时差(TDOA)-频差(FDOA)联合估计问题,构建了一种新的时差-频差最大似然(ML)估计模型,并采用重要性采样(IS)方法求解似然函数极大值,得到时差-频差联合估计。算法通过生成时差-频差样本,并统计样本加权均值得到估计值,克服了传统互模糊函数(CAF)算法只能得到时域和频域采样间隔整数倍估计值的问题,且不存在期望最大化(EM)等迭代算法的初值依赖和收敛问题。推导了时差-频差联合估计的克拉美罗下界(CRLB),并通过仿真实验表明,算法的计算复杂度适中,估计精度优于CAF算法和EM算法,在不同信噪比条件下估计误差接近CRLB。     

一种基于多普勒频率的恒模信号直接定位方法

相比于传统的差分多普勒(DD)两步定位方法,以Amar和Weiss提出的基于多普勒频率的单步直接定位方法在低信噪比和小样本条件下具有更高的定位精度。在该类新型定位体制的基础上,提出了一种基于多普勒频率的恒模信号直接定位方法。首先,依据最大似然(ML)准则以及恒模信号的恒包络特征,建立相应的直接定位优化模型。然后,根据目标函数的代数特征将全部未知参量分成两组,并提出一种有效的多参量交替迭代算法,用以获得该优化问题的最优数值解。新算法包含了针对这两组未知参量的Newton型迭代公式,用以避免网格搜索,并能实现多维参数的"解耦合"估计。最后,推导出针对恒模信号的目标位置直接估计方差的克拉美罗界(CRB)。数值实验验证了新方法的优越性。     

未知互耦条件下混合信号波达方向估计

阵列天线互耦对导向矢量的扰动以及信号相干性对数据协方差矩阵造成的秩损,使得基于子空间正交性原理的超分辨波达方向估计(Direction-of-Arrival,DOA)算法性能恶化,甚至失效。针对这一问题,提出一种在相干与非相干信号混合状态下无需阵列互耦补偿的特征矢量平滑DOA估计算法。该算法对部分阵元接收数据的协方差矩阵特征分解,将得到的特征矢量平滑处理后构造等效协方差矩阵,抑制阵列互耦影响的同时完成混合信号DOA估计。在阵列互耦和信号相干性均未知的条件下,正确估计了信号DOA,无需互耦参数估计或补偿。计算机仿真结果验证了算法的有效性。     

子空间投影DOA估计算法分析及合成空间谱

 针对子空间投影波达方向（DOA）估计方法在非理想条件下性能下降的问题,提出利用加权信号子空间投影和噪声子空间投影获得合成空间谱的DOA估计方法。从不同空间投影矩阵的角度对多种基于特征分解的子空间投影DOA估计方法进行归类分析,在分析的基础上通过对信号子空间投影采用主特征值倒数加权,并与常规噪声子空间投影进行空间谱合成对多目标进行分辨。合成空间谱在低信噪比、小快拍数和非等强多目标条件下具有优良的目标分辨能力和稳健性。理论和统计性能分析表明其性能优于多重信号分类（MUSIC）和信号子空间模变MUSIC（SSMUSIC）方法,有较高的工程应用价值。     

Angle of arrival estimation of coherent signals using an arraydoublet in motion

Shown here is how the estimation of signal parameters via relational invariance techniques (ESPRIT) algorithm may be used with a single pair of antennas in motion to estimate angles of arrival (AOA) for coherent signals. The approach exploits the Doppler frequency shifts caused by the doubler in motion. With this estimator, the number of signals that can be handled is not limited by the size of the array, as in the usual ESPRIT application, but by an adjustable parameter. A theoretical performance analysis of the estimator and typical examples showing the use of this estimator are given     

一种稀疏阵列下的二维DOA估计方法

研究了稀疏阵列下二维波达方向（DOA）的估计问题,提出一种基于不动点迭代的空间谱估计（FPC-MUSIC）算法。首先建立基于矩阵填充的DOA估计信号模型,并验证该信号模型满足零空间性质（NSP）,其次通过不动点迭代算法将稀疏阵列信号恢复为完整信号,最后利用恢复信号估计二维DOA。该算法可在稀疏阵列下大幅度降低谱估计平均副瓣,在大幅度降低阵元数的同时具有较高的估计精度。计算机仿真表明：FPC-MUSIC算法可在稀疏阵列下准确估计二维DOA,验证了该算法的有效性和优越性。     

MIMO雷达中一种降维MUSIC的相干角度估计算法

研究单快拍下双基地多输入多输出（Multiple—InputMultiple-Output,MIMO）雷达中相干信源的离开角（Directionofdeparture,DOD）与到达角（directionofarrival,DOA）联合估计问题。利用单快拍下双基地MIMO雷达的接收信号构造一组Toeplitz矩阵,利用这组ToepIitz矩阵重构一个信号矩阵,提出一种基于降维多重信号分类（ReducedDimensionMultipleSignalClassification,RD-MUSIC）的DOD与DOA联合估计算法。提出的算法能够有效估计相干信源以及非相干信源的角度,实现角度的自动配对,并且角度估计性能远优于FBSS—ESPRIT算法以及ESPRIT-like算法。仿真结果验证了算法的有效性。     

一种基于贝叶斯估计的高分辨目标定向新方法

提出一种高分辨方位估计新方法。它是建立在阵列输出信号和噪声参数联合后验概率密度基础上的空间谱估计。仿真结果表明,该方法具有以下几个显著的优点：①极高的空间分辨率和估计精度;②可解相干源;③低信噪比、少快拍数的情况下很有潜力;④可以估计不同方向目标源的能量;⑤具有较好的工程应用前景。该方法和ＭＵＳＩＣ方法的性能进行了比较并给出计算机仿真结果。     

DOA estimation using one-bit quantized measurements

The effects 1-bit quantization of the input samples has on the direction-of-arrival (DOA) estimation accuracy are considered. The signal model assumes a single stochastic Gaussian point source that is embedded in white Gaussian noise (WGN). The inherent limitations governed by the extreme clipping of the input data are analyzed using the Cramer-Rao bound (CRB) that is derived for a two-sensor array. In addition, several estimators for the I-bit estimation are discussed. Numerical and analytical analyses of the estimation error reveal weak dependency on signal-to-noise ratio (SNR) with singular behavior of the estimation error in certain DOA angles.     

多重信号分类算法测向精度的仿真分析

作为空间谱估计理论体系中的标志性算法,多重信号分类算法从1979年提出后就一直是阵列信号处理领域的研究热点之一。针对复杂电磁环境中阵列测向的实际应用问题,从多信源、含噪宽带信号、入射角度、阵列间距这4个因素对多重信号分类算法的测向精度作了仿真分析,得出了一些结论。