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。     

利用分数低阶空时矩阵进行冲击噪声环境下的DOA估计

研究冲击噪声环境下的信号DOA估计问题。在对称α稳定(SαS: Symmetric α-stable)分布冲击噪声假设下,定义了一个阵列接收数据的广义分数低阶空时矩阵。理论分析表明,对广义分数低阶空时矩阵进行奇异值分解可获得噪声子空间估计。与信号空间DOA估计技术相结合,提出一种新的基于信号空间分解的DOA估计算法。该算法在低信噪比下对强冲击噪声具有更好的抑制作用。计算机仿真证明了算法的有效性。     

基于改进TLS-ESPRIT算法的相干定位信号波达方向空间平滑

针对室内角度定位,在定位信号相干条件下无法实现准确估计波达方向(DOA)的问题,提出了一种基于TLS-ESPRIT算法的双向空间平滑方法。该算法先对定位相干信号进行双向空间平滑处理,然后用TLS-ESPRIT算法进行DOA的精确估计,使其最大限度地利用信号子空间的信息,从而解决了算法计算过程中输出信号的协方差矩阵秩亏损情况。该算法能够准确实现定位信号相干条件下DOA估计,与传统的空间平滑结合其他改进ESPRIT算法相比,具有更好的平稳性及抗干扰能力。最后通过仿真实验验证了算法的有效性和稳定性。     

基于多级维纳滤波的双基地MIMO雷达多目标定位方法

为了降低双基地多输入多输出(MIMO)雷达目标定位过程中的计算复杂度,避免进行占主要计算量的协方差矩阵特征值分解或奇异值分解和二维空间谱的峰值搜索,将多级维纳滤波(MSWF)应用于双基地MIMO雷达多目标定位的研究中。利用MSWF的前向递推原理,得到信号子空间;然后利用ESPRIT算法估计发射角(DOD)和接收角(DOA),且DOD和DOA自动配对,实现了多目标交叉定位。分析了本文算法和ESPRIT算法的计算复杂度,并通过仿真实验及性能分析验证本文算法的有效性。理论分析和实验结果表明:本文算法在保证二维方位角估计性能的基础上,显著地降低了计算复杂度,缩短了运算时间,更加符合MIMO雷达信号实时处理的要求。     

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。     

最小二乘支持向量回归机在发动机推力估计中的应用

实现直接推力控制的首要问题就是要估计出推力.基于最小二乘支持向量回归机提出了一种Wrapper算法进行特征选择,此算法不仅能降低计算的复杂度,而且能增强模型的泛化能力.另外,在对最小二乘支持向量回归机进行稀疏性建模的时候,用QR分解法代替传统的协方差法,增强了数值的稳定性.最后,推力估计器设计的应用实例,验证了本文提出的特征选择法和QR分解法进行稀疏性建模的可行性和实用性.      

基于单个长基线干涉仪的运动单站直接定位

针对以往单站无源定位系统中采用的多通道干涉仪或阵列测向系统复杂、易受通道间幅相不一致性影响等缺点,提出了一种基于信号子空间分解的运动单站单个长基线干涉仪(LBI)直接定位(DPD)方法。该方法采用量子粒子群优化(QPSO)方法获得定位初值,再利用Newton迭代方法得到精估计值。仿真结果表明:增加观测器的机动性,可对辐射源实现快速无模糊的定位;定位性能在较高信噪比(SNR)下可接近定位误差的克拉美-罗下限(CRLB),在低信噪比下优于多通道干涉仪仅测角(BO)和长基线相位差变化率定位方法。     

多输入多输出电磁矢量阵列雷达的DOD和DOA联合估计

研究一种基于电磁矢量传感器阵列的多输入多输出(MIMO)雷达目标波离角(DOD)和波达角(DOA)的联合估计算法.提出了一种新型MIMO雷达系统,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器,在此基础上,算法首先利用矢量传感器的内在结构特点结合子空间旋转不变性质获得目标DOA预估计,随后采用最佳加权子空间拟合算法...     

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。     

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。     

一种基于三维阵列结构二维波达方向估计的新方法

给出了一种在高斯白噪声环境下对多个窄带信号进行二维波达方向估计的新方法.该方法根据给出的天线阵列结构的特点,首先构造四个相关矩阵,进而构造一个大的矩阵,对其进行一次特征值分解,由ESPRIT原理实现了信号波达方向的准确估计.该方法精度较高,不存在错误估计,有一定的实用性.     

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。     

基于恒模特性的QPSK-DSSS信号扩频序列估计

 针对非合作低信噪比条件下的QPSK-DSSS信号,提出一种基于恒模特性的扩频序列估计算法。该算法首先将单用户QPSK-DSSS信号等效为两用户的BPSK-DSSS信号,其次通过对信号协方差矩阵进行特征分解,估计出由同相与正交两路扩频序列张成的二维信号子空间,最后利用扩频序列的恒模特性消除特征分解带来的酉阵模糊问题,实现扩频序列的精确估计。本文提出算法实现简单,相对目前现有传统算法具有较低的计算复杂度,而且计算机仿真表明:本文提出算法在低信噪比条件下具有优良的估计性能。     

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     

基于时空结构的双基MIMO雷达多维参数联合估计

为了充分利用目标的时域特性来改善双基多输入多输出(MIMO)雷达波达方向(DOA)和离波方向(DOD)的估计性能,探讨了双基MIMO雷达在时-空模型下的多维参数联合估计问题。针对慢动目标,基于多维旋转不变技术信号参数估计(ESPRIT)算法,同时利用时域相邻两级延迟包含的时间相位差、发射阵列相邻阵元包含的空间相位差以及接收阵列相邻阵元包含的空间相位差作为旋转因子,形成旋转不变子空间,再根据矩阵、矩阵的特征值及特征值对应的特征向量三者之间的关系解决了参数配对问题,实现了三维参数联合估计。该方法在信噪比低、积累脉冲数少时,目标的DOA与DOD估计性能比不利用时域特性时有明显改善。仿真结果验证了本方法的有效性。