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。     

基于协方差矩阵高阶幂的二维DOA估计新算法

 针对稀疏分解方法进行均匀圆阵(UCA)的二维波达方向(DOA)估计运算复杂度大的问题,提出了一种基于协方差矩阵高阶幂稀疏分解的二维DOA估计新算法。该算法首先利用协方差矩阵高阶幂无需进行特征值分解和信源数估计的特性,构建了协方差矩阵高阶幂的稀疏分解向量;然后运用粒度分层思想,构造了粗区域估计和细方位估计的分层多粒度的快速分解模型,分层字典的长度大大减少,在保持估计精度的前提下,算法运算时间远小于现有的恒定冗余字典的稀疏分解方法,从而解决了基于稀疏分解的圆阵二维DOA估计问题。论文提出的算法与二维MUSIC算法相比,估计精度高,且能满足对相干信号的估计。仿真结果验证了算法的有效性和可行性。     

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。     

一种联合估计的有源校正高精度测向算法

针对存在系统误差的阵列模型,提出了一种有源标校下的联合估计测向算法。该算法把误差矩阵估计转化为误差系数估计,并采用到达角精确已知的源信号进行标校,在此基础上使用最小二乘法联合估计幅相不一致误差系数和互耦误差系数,最后使用结合误差矩阵的MUSIC算法测量信号的到达角。仿真表明,该算法仅需要3个标校源,其精度相比于无阵列误差情况下降0.05°,具有较好的工程可实现性。     

基于稀疏表示和近似l_0范数约束的宽带信号DOA估计

针对宽带信号的波达方向(DOA)估计问题,在稀疏框架下提出一种近似l_0范数约束的宽带信号DOA估计新算法。首先对宽带信号进行预处理,得到同一参考频率点下的接收数据,然后对其协方差矩阵元素进行加和平均运算,得到一个低维的观测向量,并在稀疏框架下进行稀疏表示,最后利用截断l_1函数设定权值,构造逼近l_0范数约束的稀疏重构方法,进而重构信号,获得宽带信号的DOA估计。仿真结果表明,相比于传统的宽带信号DOA估计算法,所提算法具有更高的分辨率和估计精度。     

非圆信号的贝叶斯稀疏重构阵列测向方法

对信号非圆特性的有效利用能显著改善子空间类阵列测向方法的性能,但难以弥补此类方法在低信噪比（SNR）、小样本等信号环境适应能力方面的局限。本文引入贝叶斯稀疏学习（SBL）技术以解决非圆信号的波达方向（DOA）估计问题,在结合信号非圆特性的同时对入射信号的空域稀疏性加以利用,通过将非圆信号阵列输出协方差矩阵和共轭协方差矩阵在预先定义的空域字典集上进行稀疏重构,得到入射信号的空间谱重构结果,并依据其谱峰位置估计各信号的方向。该方法对独立和相关信号都具有较好的适应能力,仿真结果验证了该方法在信号环境适应能力和相关信号测向精度等方面的优势。     

回溯降维相干分布式非圆信号DOA快速估计

在相干分布式非圆(CDNC)信号波达方向(DOA)估计中,针对阵列输出矩阵扩展后维数增加带来的较大运算量问题,基于降维的多级维纳滤波(MSWF)技术,引入回溯优化思想,提出了一种快速估计算法。该算法首先利用信号非圆特性扩展阵列输出矩阵,然后通过MSWF递推分解快速求出信号子空间,避免了计算阵列协方差矩阵及特征分解,并且在递推过程中引入回溯优化机制提高了各级匹配滤波器的估计性能,最后由最小二乘(LS)或者总体最小二乘(TLS)得到DOA估计。仿真分析表明,所提算法与相干分布式非圆信号旋转不变子空间算法(CDNC-ESPRIT)性能相当,但复杂度得到了大幅度降低,相比于基于MSWF的非圆信号快速子空间(NC-MSWF-FS)算法,在较小的复杂度代价下大幅度提升了低信噪比时的估计性能,并且对初始参考信号的选取具有了较强的鲁棒性。     

一种基于最小流形长度的高精度线阵设计

 传统上以阵列孔径来比较各种线阵的测向性能,但这一指标没有考虑到阵元数目及阵列几何布局对阵列性能的影响。因子空间类算法需搜索阵列流形来进行测向,所以阵列流形对阵列性能有重要影响。阵列流形又是阵元数、阵列几何布局的函数,可通过阵列流形来研究阵元数、阵列几何布局与阵列测向性能的关系。在分析了线阵流形与线阵测向精度的关系的基础上,提出了一个基于线阵最小流形长度的指标来比较不同线阵的性能,该指标综合考虑了阵元数、阵列几何布局对阵列测向精度的影响。通过对此指标的讨论,给出了提高线阵测向精度的设计思路。对几个不同线阵的仿真证实了该指标的有效性,也验证了该设计思路的可行性。     

基于稀疏表示和近似(e)0范数约束的宽带信号DOA估计

针对宽带信号的波达方向(DOA)估计问题,在稀疏框架下提出一种近似(e)0范数约束的宽带信号DOA估计新算法.首先对宽带信号进行预处理,得到同一参考频率点下的接收数据,然后对其协方差矩阵元素进行加和平均运算,得到一个低维的观测向量,并在稀疏框架下进行稀疏表示,最后利用截断(e)1函数设定权值,构造逼近(e)0范数约束的稀疏重构方法,进而重构信号,获得宽带信号的DOA估计.仿真结果表明,相比于传统的宽带信号DOA估计算法,所提算法具有更高的分辨率和估计精度.     

存在阵列模型误差情况下的宽带DOA估计

 针对工程应用中存在阵列模型误差的任意形状天线阵列的宽带波达方向（DOA）估计问题,提出一种基于信号分离的相关域宽带松弛（RELAX）算法。此算法利用具有记忆与遗忘特征的矩阵算子的投影机理对入射信号进行有效的分离,因此对一定范围内的阵列模型误差较之基于子空间理论的传统宽带测向算法具有较好的鲁棒性与良好的工程应用前景。分析并证明了此算法的信号分离机理及此算法对阵列模型误差稳健的原理。理论分析与仿真结果均表明存在阵列模型误差时此算法宽带DOA估计的有效性和稳健性。     

Direction-of-arrival estimation using signal subspace modeling

A computationally viable algorithm for estimating the direction-of-arrival (DOA) of multiple wavefields that are incident on an array of sensors is developed. The geometry of the array is unrestricted and the incident wavefields may be generated by mixtures of incoherent and coherent emitting sources. In the approach taken, the sensor signals are modeled as a noise-contaminated linear combination of steering vectors which are functionally dependent on a set of DOA parameters. These parameters are to be chosen so that this sensor signal model is most compatible with empirically measured data (i.e., snapshot data). An iterative procedure is developed for selecting the most data compatible set of DOA parameters in both the snapshot domain and the array covariance matrix domain. Critical to the success of such iterative solution procedures is the generation of quality DOA parameters to initialize the algorithm. A sequential beamforming method for this initialization is presented. Numerical examples to illustrate the effectiveness of the proposed algorithmic approach are given     

基于机敏材料的冗余度柔性机器人复模态主动控制

研究了基于机敏材料的冗余度柔性机器人的振动主动控制问题。应用复模态理论对机器人的动力学方程进行解耦 ,建立了受控系统的状态空间表达式。利用极小值原理设计了连续LQR状态反馈控制器 ,并根据对偶原理设计了具有指定稳定度的Luenberger全维状态观测器。平面 3R冗余度柔性机器人的仿真算例表明 ,该方法可以显著改善受控系统的动力学性能。     

一种基于协方差矩阵重构的相干信源DOA估计算法

针对空间相干信源的波达方向估计问题,提出了一种基于协方差矩阵重构的TSVD-ESPRIT算法。它利用包含所有信源信息的特征向量构造Toeplitz协方差矩阵,避免了阵列有效孔径的损失,分辨率高且稳定性好;并且利用ESPRIT算法代替MUSIC算法进行DOA估计,避免了谱峰搜索,大大降低了计算量。数据仿真和分析证明了该算法的正确性和有效性。     

Sensitivity analysis of the maximum likelihood direction-findingalgorithm

A first-order analysis is performed of the sensitivity of the maximum likelihood (ML) direction-finding algorithm to system errors which cause differences between the array manifold used by the algorithm and the true array manifold. The effect of such errors on the directions-of-arrival (DOA) estimates is investigated. The ability of the ML algorithm to resolve two closely spaced sources in the presence of phase and gain errors in the array elements or in the receivers, or errors in the element locations, is analyzed. A formula for computing the failure threshold of the algorithm as a function of source separation and other system parameters is derived and tested by simulation. The analysis assumes that the exact covariance matrix of array element outputs is known     

A Stochastic Algorithm for Sensitivity Analysis

A direct stochastic sensitivity analysis algorithm is developed for linear dynamical systems having incompletely known input statistics. The new algorithm extends previous results by applying covariance propagation concepts which utilize as a forcing function the sensitivity covariance matrix associated with the uncertainty in the elements of the system input covariance matrix itself. The developed algorithm is evaluated in the context of a generalized sensitivity analysis formulation involving nonlinear transformations on the input signals. Numerical results are provided to demonstrate the usefulness of the new algorithm.     

基于FPGA的自适应阵列协方差矩阵特征分解的实现

卫星导航抗干扰的过程中，对空间信号波达方向估计、干扰个数检测、最优权矢量的求解直接影响着导航接收机的抗干扰性能，而协方差矩阵的特征分解是这些算法实现的核心部分。根据自适应阵列天线获得的协方差矩阵的特性，基于双边并行Jacobi算法，实现了基于FPGA的协方差矩阵特征值和特征向量的求解，并通过在信号波达方向估计的应用进行了验证。另外，在实现的过程中对直接调用CORDIC IP核的方式进行了精度误差分析，并用一种双精度浮点的方式进行修正，提高了矩阵特征分解FPGA的实现精度，为导航抗干扰接收机性能的提升提供了有效的工程基础。     

辅助动力装置控制系统传感器智能解析余度方法

针对辅助动力装置(APU)控制系统传感器故障,提出了一种基于协方差优化集成极限学习网络(COSELM)的传感器智能解析余度方法。该方法能够根据在线序列预测误差的最小方差来自适应更新单个在线序列极限学习机的权重系数,发挥和权衡各个学习模型的优势,通过提高模型算法的稳定性和泛化性,改善传感器智能解析余度的精度。通过在某辅助动力装置控制系统传感器解析余度的验证表明,提出的COSELM方法可以解决传感器在发生偏置故障时的信号重构问题,重构误差不超过1%,适用于不同辅助动力装置个体,为其提供可靠的解析余度。     

噪声协方差估计新算法在惯性导航系统中的仿真研究

研究一种在动态系统常值误差未知的情况下对线性时变随机系统误差协方差进行估计的新方法。该方法通过构造一个新的时间序列,其协方差由未知参数的线性组合组成,然后用递推最小二乘法来计算新序列的协方差,该方法不需要任何关于噪声的先验知识。从仿真结果来看达到了较好的效果。