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。     

谱估计测向的MUSIC算法研究

由天线阵对被测信号的响应矩阵的特征值,可得到对应于信号和噪声的特征向量,以此扩展成信号子空间和噪声子空间。利用信号子空间与噪声子空间的正交关系,即可求得信号方位角的估计值。这种空间谱估计测向的MUSIC算法,用于圆形天线阵对非相干信号进行测向,可以克服一般干涉仪测向体制中测向模糊和测向盲区的问题。     

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。     

基于改进粒子群的时差测向最优阵列布局

为了减小阵列布局对测向算法精度的影响，提升在特定场景下目标的测向精度，提出基于竞争策略和差分进化策略的粒子群优化（PSO-CDE）算法，并基于PSO-CDE实现时差测向阵列优化。首先，基于时差测向的原理，以位置约束和基线约束设计传感器阵列，以均方误差构建适应度评价函数；其次，提出PSO-CDE算法来提高粒子群性能和鲁棒性，并基于PSO-CDE算法对阵列布局进行策略优化；最后，通过仿真靶场环境，得到不同条件下的优化阵列布局。仿真结果表明：优化后的阵列较规则阵列具有更高的目标测向精度。同时，对比分析最优阵列中阵列基线、阵元数量和时延误差对测向精度的影响，为实际场景中阵列布局优化策略的选择提供相应的参考依据。     

窄带信号小样本谱估计算法

针对窄带平稳随机信号的小样本谱估计问题,结合均匀线性阵列的空间谱估计算法,提出了一种高性能小样本谱估计算法。该算法首先利用采样数据构造一个Toeplitz矩阵;然后对该矩阵进行特征值分解得到信号子空间和噪声子空间;再结合MUSIC、ESPRIT等子空间算法,即可实现对小样本采样数据的谱估计。数值仿真验证了该算法的有效性。     

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。     

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。     

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。     

基于短基线传感器阵列的炮弹被动测向算法

针对现有基于角度估计的无源被动探测技术不能满足远场高精度目标测向的问题，及现有被动探测传感器阵列在战场中需要大规模环绕布设的限制，采用基于经验模态分解(EMD)和短时能量特性分析的瑞雷波提取方法，结合时延双曲线定位模型提出免受波速影响的短基线传感器阵列被动测向方法。首先，在对传感器阵列获取的地震动信号进行信号特性分析基础上，基于EMD构建自适应分解去噪模型，提出基于信号短时能量特性的瑞雷波成分的抽取方法。其次，在对瑞雷波进行联合相关计算估计时延基础上，构建基于TDOA算法的时延双曲线模型，并提出基于四元十字短基线传感器阵列的DFA-WV算法，实现免受波速影响的炮弹信号高精度测向。最后，本文算法模型在仿真及靶场实弹试验得到验证，测试结果表明提取瑞雷波算法可为时延高准度估计提供效力，DFA-WV测向算法因摆脱波速估计值对测向结果的影响，相较于Chan算法及改进MPR算法具有更优的测向性能，且计算复杂度低，在实际野外靶场炮弹目标测向中具有工程应用价值。     

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。     

基于子空间投影的未知背景航拍高光谱图像恒虚警目标检测

针对航拍高光谱图像中未知背景地物特征条件下小目标的检测问题,给出一种检测算法。利用目标的低概率特性,通过模糊聚类获取高光谱图像中背景的光谱特性;然后将高光谱数据向背景光谱信号的正交子空间及目标信号子空间投影以抑制背景和噪声信号;最后在特征层利用广义似然比检验构造出具有恒虚警特性的检测器,完成融合检测过程。理论分析和实验结果表明了算法的有效性。     

一种基于特征空间的自适应天线旁瓣相消算法

把常规自适应天线旁瓣相消算法和特征空间技术相结合,提出了一种新的自适应天线旁瓣相消算法。该算法把常规自适应天线旁瓣相消算法的权矢量向由干扰特征矢量组成的干扰子空间投影,避免了由小特征值对应特征矢量组成的噪声子空间对权矢量的影响,与常规自适应天线旁瓣相消算法相比,该算法具有更好的干扰对消性能,其输出干扰对消比和波束方向图都能在很少的快拍下收敛。计算机仿真结果证实了这种算法的有效性。     

基于迭代QR分解的DOA估计技术

提出了一种基于迭代QR分解的信源到达角(DOA)估计技术.DOA估计的子空间方法主要是通过估计信号协方差矩阵的信号子空间或者噪声子空间来求出信号的DOA参数.估计这些子空间通常需要大量的计算,采用ASIC实现时其成本会非常昂贵.本文采用迭代QR分解方法进行子空间分解,可以利用较少量的计算资源完成处理任务.仿真实验结果达到0.23毫弧度,说明该算法比较可靠有效.     

中值滤波方法在燃气涡轮传感器数据校正中的应用研究

分析了发动机测量信号滤波需求,设计了针对传感器数据校正的中值滤波器和快速算法,给出了模拟发动机故障和变工况试验情况下的传感器输出,给出了滤波比较研究结果。数值实验和实际应用于涡轮试验测量数据滤波的结果表明,中值滤波器对于脉冲噪声可以完全剔除,对随机噪声也具有较好的抑制效果,并能够较好保持信号中的陡峭边沿等趋势成份。      

Noise subspace techniques in non-gaussian noise using cumulants

We consider noise subspace methods for narrowband direction-of-arrival or harmonic retrieval in colored linear non-gaussian noise of unknown covariance and unknown distribution. The non-gaussian noise covariance is estimated via higher order cumulants and combined with correlation information to solve a generalized eigenvalue problem. The estimated eigenvectors are used in a variety of noise subspace methods such as multiple signal classification (MUSIC), MVDR and eigenvector. The noise covariance estimates are obtained in the presence of the harmonic signals, obviating the need for noise-only training records. The covariance estimates may be obtained nonparametrically via cumulant projections, or parametrically using autoregressive moving average (ARMA) models. An information theoretic criterion using higher order cumulants is presented which may be used to simultaneously estimate the ARMA model order and parameters. Third- and fourth-order cumulants are employed for asymmetric and symmetric probability density function (pdf) cases, respectively. Simulation results show considerable improvement over conventional methods with no prewhitening. The effects of prewhitening are particularly evident in the dominant eigenvalues, as revealed by singular value decomposition (SVD) analysis     

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。     

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。     

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。