一种改进的广义旁瓣相消的波束形成算法

在分析传统广义旁瓣相消器(GSC)自适应波束形成的基础上,提出一种改进的广义旁瓣相消器的波束形成方法,即基于特征结构的GSC波束形成算法(ED-GSC),该算法在投影特征空间中引入了期望信号方向矢量,能在期望信号功率较大时保持自适应波束形成方法性能,又能在期望信号功率较小时(甚至为零)具有较好的波束保形能力,对噪声有很好的鲁棒性。仿真结果表明:ES-GSC算法在高、中、低的信噪比下都具有较好的波束形成性能,是一种性能优越的波束形成算法。     

基于频域LMS的自适应波束形成算法

在分析传统自适应波束形成的基础上,提出了一种基于频域最小均方(LMS)的自适应波束形成算法。该算法先对输入信号进行FFT变换,再通过LMS算法实现了频域上自适应波束形成。FFT变换后信号为稀疏矩阵,自相关下降,LMS算法收敛速度提高;理论分析和仿真结果表明了该算法收敛速度较快、性能较好,且计算量较少,易于实时实现,而且文章提出的波束形成算法对相干信源具有鲁棒性。     

极化敏感均匀圆阵中PARAFAC信号检测算法

分析了极化敏感均匀圆阵接收到的信号，该信号具有三线性模型特征。提出了极化敏感均匀圆阵中平行因子信号检测算法。该算法利用三线性交替最小二乘（TALS）算法估计出信源矩阵，然后对其进行判决。仿真结果表明；该算法误码率性能接近于非盲解相关方法;与非盲解相关方法相比，在较高的SNR情况下误码率相差不到2dB；且在阵列扰动情况下仍具有较好的误码率性能。该算法无需空域信息和极化信息，是一种盲鲁棒方法。     

基于四线性分解的双基地MIMO雷达的角度和多普勒频率联合估计

研究双基地多输入多输出(Multiple-input Multiple-output, MIMO)雷达中的角度和多普勒频率联合估计问题,提出了一种基于四线性分解(Quadrilinear Decomposition)的离开角(Direction of Departure, DOD)、波达角(Direction of Arrival, DOA)和多普勒频率的联合估计算法。通过对接收端匹配滤波器的输出进行延迟操作,得到符合四线性模型的数据,根据四线性交替最小二乘(Quadrilinear Alternating Least Squares, QALS)进行迭代,得到方向矩阵和多普勒频率矩阵的估计,进而得到角度和频率的估计。该算法无需谱峰搜索,无需知道反射系数,可实现角度和频率的自动配对,且能用于非均匀阵,该算法的角度估计性能优于多维ESPRIT方法和三线性交替最小二乘(Trilinear Alternating Least Squares, TALS)方法。论文分析了所提算法复杂度,并推导了克拉美-罗界(Cramer-Rao bound, CRB)。仿真结果验证了该算法的有效性。     

多径信道中多用户检测和DOA估计联合处理方法

提出了一种基于三线性模型的多径信道中多用户检测和波达方向(Directionofarrival,DOA)估计联合处理方法。对阵列接收到的信号分析表明,阵列接收信号具有三线性模型特征。在分析单径信道中的三线性模型的基础上,研究了多径信道中阵列接收信号三线性模型,提出了一种改进的三线性交替最小二乘(Improvedtrilinearalternatingleastsquare,ITALS)算法,它可对多用户检测和DOA估计进行联合处理。该算法利用方向矩阵的Vandermonde特征、基于最小二乘法对方向矩阵进行重构和DOA估计。仿真结果说明,该方法具有较好的误码率性能、较快的收敛性能和精确的DOA估计性能。当DOA靠近90°时,DOA估计性能下降。     

小波域的自适应波束形成算法

在分析传统自适应波束形成的基础上,首次提出了一种小波域的自适应波束形成算法。与通常的自适应波束形成算法相比,该算法利用小波变换对小波空间进行了分解,信号经小波变换自相关性会下降,收敛速度提高,同时在此分解过程中,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现,而且具有较好性能。同时仿真实验表明该算法收敛速度与小波基和尺度的选择有关,尺度越大收敛速度越快;对于同一小波基系列,小波基的正则性越好收敛速度越快。     

基于先前CPI多维数据的天基雷达信号处理算法

为了消除单站天基雷达非稳态杂波图景的影响,讨论一种利用先前CPI（Coherent Processi     

基于快速平行因子分解的声矢量传感器阵二维DOA估计

将声矢量传感器阵列参数估计问题与平行因子(Parallel factor,PARAFAC)模型相结合,提出了一种基于快速PARAFAC分解的二维波达方向(Direction of arrival,DOA)估计算法。该算法首先将接收信号构建为PARAFAC模型,然后在数据域对参数矩阵进行初估计,最后利用PARAFAC分解获得信号二维DOA估计。该算法能够应用于任意结构的声矢量传感器阵列,同时能够得到和信源一一匹配的仰角和方位角估计。借助于参数矩阵的初始估计,所提算法收敛速度较快,其计算复杂度大大降低。该算法角度估计性能接近于PARAFAC算法,同时优于借助旋转不变性进行信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法和传播算子(Propagator method,PM)算法。     

基于分段互质采样的谐波和间谐波频率估计方法（英文）

电力系统中电力电子产生的谐波数量不断增加，谐波问题是一个重要的问题。本文提出了一种改进的互质采样（Coprime sampling, CS）方案，用于谐波和间谐波频率估计。所提方案使用稀疏采样来降低采样率，并将其与现代频谱估计算法相结合。特别是，使用分段互质采样（Segmented coprime sampling, SCS）方法，然后使用求根多重信号分类（Root-multiple signal classification, root-MUSIC）算法代替常用的MUSIC算法可以减少计算工作量并获得准确的频率估计。仿真结果表明，该方法在估计精度上优于传统的均匀采样（Uniform sampling,US）方法。