基于多分辨率复合阵列的未知信源数波达方向估计

为解决信源数未知情况下的多分辨率复合阵列波达方向(DOA)估计问题,将未知信源数的相干信号DOA估计算法拓展到多分辨率复合阵列中。本文研究了基于子阵空间谱联合的DOA估计方法,首先构造各个子阵列的托普利兹矩阵,并进行未知信源数的相干信号DOA估计;然后利用多分辨率复合阵互质的特性,构建联合代价函数进行解模糊。针对全范围搜索计算量大的不足,文中提出了单个不模糊区搜索,反推全部模糊角度的改进方案。仿真结果验证了所提方法的有效性,相比于全空间搜索的MUSIC算法和Capon算法,该算法无需信源数先验信息,且在信噪比大于15 dB和快拍数大于300时,其DOA估计的均方根误差仅为传统方法的1/2。     

一种新的强干扰条件下微弱信号DOA估计算法

提出了一种基于扩展噪声子空间的强干扰条件下微弱信号DOA估计算法。该算法在已知强干扰源个数条件下,通过构造扩展的噪声子空间,在此基础上利用MUSIC方法有效地抑制干扰,并且准确估计出微弱信号的DOA参数。此算法的优势在于无需已知强干扰信号方向,且运算量与MUSIC方法相当。仿真实验验证了该算法是有效性和可行性。     

海洋环境中基于小波变换的弱信号检测新方法

海洋环境中弱信号的谱与海杂波的谱相混叠,目标和背景的位置差异很小,经典的频域或空域处理对海杂波中弱信号的检测难以奏效。鉴于小波变换在提取弱信号方面具有独到的优势,提出了一种海洋环境中基于小波变换的弱信号检测方法。利用雷达采集的真实海杂波数据,在不同信杂比的条件下,研究了该方法与经典频域法在信号检测中的差别。通过实验分析,与经典方法相比,当信杂比达到-14.7dB时,仍能很好地对信号进行检测。     

未知噪声环境方位-俯仰-频率-时延等四维参数联合估计方法

提出一种基于空时扩展虚拟传感器阵列的未知噪声环境下方位、俯仰、多普勒频移和相对时延四维参数联合估计新算法。未知噪声背景下的UN-MUSIC、UN-CLE等算法不易于完成多参数联合估计任务,而UN-ESPRIT算法又需要信号具有空、时域子空间旋转不变特性,对阵列结构要求严格。文中通过对原始数据的时延补偿等处理,利用虚拟数据阵的时移旋转不变特性,经由构建空时扩展波达方向矩阵同时获得诸参数的联合估计。虚拟传感器阵列的理论孔径为物理阵列的数倍,具有在低信噪比、未知分布噪声环境下更强的适应能力;且算法对于物理阵列阵元分布无特殊要求,具有很好的理论和实用价值。理论分析以及计算机仿真都证明了算法的有效性。     

低轨道CDMA卫星下行链路多径信道估计

为改善低轨道（LEO）卫星下行链路中多径时延扩展小于1个码片周期时最大似然信道估计方法因有色噪声影响导致的低信噪比时急速下降的性能。提出用卡尔曼滤波法对最大似然估计输出的估值进行滤波处理。仿真结果表明：当LEO卫星码分多址（CDMA）下行链路存在速率300 b/s的连续导频信号时,用最大似然估计级联卡尔曼滤波器的多径信道估计法能在载噪比40 dB的信噪比条件下具较好的性能。     

MUSIC法与最小模法的性能比较

在雷达信号检测中 ,为了提高角度分辨力 ,空域谱分析也必然要采用类似时域谱估计中的非线性处理 ,如极大似然估计 ,最大熵估计 (线性预测 )和自相关距阵的特征分解法 ,其中典型代表是多信号分类法 (MUSIC)、最小模法、旋转不变技术的参数估计法、最小内积法等。空间谱估计测向的基本原理为通过对多元天线阵接收的雷达信号进行放大、变频、采样以及A/D变换后的数字信号进行数学处理 ,从而估计信号的到达方向。对比以上的MUSIC和最小模法 ,在实际雷达信号检测中如何选用一种较好空间谱估算法 ,提出了自己的看法。     

基于空-频域的信号DOA和频率联合估计方法

提出了一种借助时频变换实现信号的DOA和频率联合估计的新方法.该方法将信号变换至空间-频率域,不但避开了传统方法要求进行空间谱搜索的繁琐,而且直观地显示了信号的空间-频率分布情况.计算机仿真结果验证了该算法的有效性.     

基于周期谱相关的扩频信号时差估计

周期谱相关时差估计法具有较强的抑制噪声和干扰的能力,适应于低信噪比的情况,但其抗噪声和干扰能力完全在于循环频率的选择.提出了运用周期谱特性选择扩频信号循环频率的方法,大大降低了谱相关时差估计算法的计算量.仿真结果表明,该方法是切实可行的.     

基于多站数据融合的参数精估计方法

针对侦察设备处于星载SAR副瓣照射范围,从而导致截获信号湮没于强噪声背景这个问题,本文提出一种基于多站接收机之间的数据融合方法。在信号形式未知的情况下,通过此方法可以检测出淹没在噪声中的微弱信号,进行信号的分类和时频域参数的精估计。首先,将参考接收机与其他接收机之间进行互相关处理,得到峰值信息,根据峰值信息的位置得到信号与参考信号之间的延迟位置,进行延迟校准;其次,各个接收机分别进行粗步长的分数阶傅里叶变换（Fractional Fourier Transform,FrFT）,记录峰值信息为精估计做准备,根据峰值角度和分数阶傅里叶反变换恢复出原始信号;最后,判定是否存在信号,若信号存在实现多站原始信号功率比的加性融合,根据多站峰值信息限定旋转角度范围,采用精步长的分数阶傅里叶变换估计出调频率和中心频率;利用联合互相关谱实现信号能量的累积,采用自适应门线和边界波谷连续取小方法,找到信号存续状态中的左右边界,估计出带宽和中心频率,计算脉宽,实现时频域信号的精估计。仿真实验表明：该方法可以在低信噪比的高斯白噪声和有色噪声背景下,对线性调频信号（Chirp）的时频参数进行有效的精估计。     

脉冲噪声下微弱信号相似度检测方法及应用

实际中采集的信号常常含有脉冲性噪声且信噪比偏低,这时用相关函数来表示信号之间的相似度时,会出现精度不高、鲁棒性不强的问题。提出了一种脉冲噪声下微弱信号的相似度检测方法,即非线性变换法。该方法采用Alpha稳定分布描述脉冲噪声信号,首先将采集的带噪信号进行Sigmoid映射,削弱脉冲噪声对信号相似度检测的干扰;接着对映射后的信号求取相关函数,得到信号之间相似度的信息。该方法简洁、计算量小,没有调整参数,能较好地减弱脉冲噪声对信号相似度估计的不利影响。该方法可以应用于定位系统中信号到达时差的估计。比较脉冲噪声低信噪比条件下计算机仿真结果显示,非线性变换相关法的估计精度高于共变法。实验结果表明:非线性变换相关法不仅可以用于高斯噪声环境下微弱信号相似度的检测,也可以用于强脉冲噪声环境下信号相似度的检测,具有较宽的适用范围和较好的鲁棒性。     

高精度频率分辨在振动信号辨识中的应用

发动机振动信号处理通常采用DASP软件进行。由于软件功能限制,DASP处理采样频率为50 kHz发动机振动信号时,频谱的频率分辨率最高精度仅为12.2 Hz,导致对微弱及故障信号的辨识较为困难。本文采用抗混叠低通滤波、信号抽取及短时傅里叶变换相结合的信号分析方法,有效提高了频率分辨率的精度,最高精度达到1.2 Hz,达到了理想的频率辨识效果。     

P波段SAR射频干扰信号分析及抑制方法研究

分析了实测P波段SAR静默接收数据,研究了模拟电视信号的频谱特性。针对P波段SAR回波中的模拟电视干扰信号,提出了一种新的干扰抑制方法。通过在时域拼接多个脉冲的回波数据增加模拟电视信号的观测时间以提高频率分辨率,进而在距离频域对其准确识别。根据模拟电视信号的频谱特征,在距离频域构造滤波器组滤除模拟电视信号的离散谱线,保留了谱线间SAR回波信号的频谱分量。实际回波数据的成像处理结果验证了方法的有效性。     

基于盲解卷的雷达信号分选

盲信号处理是近年来信号处理领域的热点研究课题,可以根据输入源信号的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。深入分析了非平稳信号的盲解卷算法,并提出了将其用于雷达信号分选的新思路。计算机仿真表明,这种算法应用于雷达信号分选时可以获得较好的分离效果,从而为实现现代电子对抗中复杂的雷达信号分选提供了新的思路。     

一种基于二次组阵的DOA估计方法

提出一种基于二次组阵的信号到达方向估计方法,在阵列中通过划分相互重叠的子阵对指定的空间区域进行空域滤波波束设计实现对空间信号的干扰抑制,提高期望信号的信干噪比。根据子阵间的位置关系对阵列进行二次组阵,用空间谱估计方法实现对各子阵输出期望信号的到达方向（DOA）估计。仿真结果表明：与常规谱估计方法相比,基于二次组阵的DO...     

共轭梯度算法在振动信号处理中的应用

为了提高液体火箭发动机试验振动信号频域数据处理的精度,提出了一种基于共轭梯度和AR模型的谱估计算法。该算法计算复杂度低,估计出的谱分辨率高,可以克服传统的经典傅里叶变换功率谱估计算法在信号信噪比降低时不能有效区分相近频率点谱线的问题,解决了传统算法旁瓣泄漏严重的固有缺点。通过对算法在不同信噪比条件下的仿真实验分析与真实试验数据验证,充分表明了此算法在低信噪比条件下,估计的谱仍具有高分辨率的特点。     

基于时频分布的电子侦察信道参数估计方法

提出了一种基于时频分布的信道参数盲估计方法。首先分析了多径信道模型和时频域匹配滤波算法,接着根据时频分布自身项和交叉项的不同特点,提出采用短时傅里叶变换的时频图对Wigner—Ville分布进行滤波,以提取源信号的时频脊线,然后利用时频域匹配滤波对多径信号进行参数估计。该方法快速简单,参数估计准确,分辨率高。仿真实验对雷达脉内频率调制信号进行多径参数估计,实验结果证明了该方法的正确性和有效性。     

独立分量分析在雷达信号分选中的应用

独立分量分析(ICA)是近年来信号处理领域的热点研究课题,可以根据输入源信号的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。在深入分析ICA算法的基础上,提出了将其用于雷达信号分选的新思路。计算机仿真表明,这种算法应用于雷达信号分选时可以获得比较好的分离效果。     

基于谱图-Radon变换二值积累的信号检测方法

在低信噪比条件下，谱图-Radon变换可以有效地检测多个线性调频信号，但是当多个线性调频信号能量相差很大时，强信号的平台会将弱信号的峰值淹没，谱图-Radon变换就很难同时将这多个线性调频信号检测出来。本文提出了基于谱图-Radon变换二值积累的方法，这种方法可以有效的检测出被强信号平台掩盖的弱信号，具有较大的实用价值，仿真实验结果表明这种算法是有效的。