利用Toeplitz特性改善来波方向估计性能

提出一种利用协方差矩阵的Ｔｏｅｐｌｉｔｚ特性,使估计的协方差矩阵成为Ｔｏｅｐｌｉｔｚ矩阵的方法,在低信噪比短数据流情况下,改善来波方向（ＤＯＡ）估计的性能,且不需增加乘法运算量．对ＭＵＳＩＣ算法和ＰＲＯＥＳＰＲＩＴ算法进行了分析并作了计算机仿真,仿真结果表明：利用Ｔｏｅｐｌｉｔｚ特性后,ＭＵＳＩＣ算法谱峰幅度增大,波谷相对波峰的深度增加,这将有利于目标的分辨;并可减小低信噪比情况下ＭＵＳＩＣ算法和ＰＲＯＥＳＰＲＩＴ算法ＤＯＡ估计的方差．     

一种二维来波方向估计的快速ESPRIT算法1)

提出了一种快速 ESPRIT算法.使用该算法和两平行均匀线阵可实现二维来波方向的快速估计.快速ESPRIT算法利用协方差矩阵中不受噪声影响的子块来估计来波方向，避免估计整个协方差矩阵和噪声功率，减少了特征分解的次数，大幅度地降低了运算量.而参数的估计性能接近PRO-ESPRIT算法.最后给出计算机仿真结果，表明了该算法的有效性.     

一种时间欠采样实时频率和二维角估计方法

提出了用均匀平行线阵和阵元输出信号的时间延迟估计时间欠采样来波频率、方位角和仰角的方法．该算法在ＤＦＴ波束空间使用ＰＲＯＥＳＰＲＩＴ方法,实现频率无模糊估计,完成来波信号频率和角度的估计．频率间接估计算法是先估计数字频率,然后用数字频率求模拟频率,其估计方差比直接估计算法的方差要小几个数量级．仿真实验表明了算法的有效性．     

利用Toeplitz特性改善来波方向估计性能

提出一种利用协方差矩阵的Toeplitz特性,使估计的协方差矩阵成为Toeplitz矩阵的方法,在低信噪比短数据流情况下,改善来波方向(DOA)估计的性能,且不需增加乘法运算量.对MUSIC算法和PRO-ESPRIT算法进行了分析并作了计算机仿真,仿真结果表明:利用Toeplitz特性后,MUSIC算法谱峰幅度增大,波谷相对波峰的深度增加,这将有利于目标的分辨;并可减小低信噪比情况下MUSIC算法和PRO-ESPRIT算法DOA估计的方差.     

空间色噪声下信号频域检测方法性能分析

水下小孔径阵列的应用环境是色噪声环境,针对超增益波束形成方法在色噪声环境下噪声协方差矩阵估计偏差使阵列空间增益不能达到最大的问题,提出了一种频域超增益波束形成方法(FSD, Super-Directive beamforming in Frequency domain),该方法将宽带接收数据分成多个子带,在每个子带内分别估计噪声协方差矩阵,降低了噪声协方差矩阵的估计偏差,并使用估计得到的噪声协方差矩阵对接收数据解相关.最后使用空间谱检测器检测微弱目标信号.实测噪声数据的仿真结果表明,空间有色噪声环境中FSD方法的检测性能优于传统的时域超增益波束形成方法(TSD, Super-Directive beamforming in Time domain)2 dB,优于频域最小方差无畸变响应(FMVDR, Minimum Variance Distortionless Response in Frequency domain)波束形成方法2 dB.     

一维GTD散射中心模型参数估计的改进MUSIC算法

针对利用多重信号分类（MUSIC）算法估计一维几何绕射理论（GTD）的散射中心模型时噪声鲁棒性较差、参数精度不高这一问题,提出一类改进的MUSIC算法。首先,构建原始回波数据的共轭矩阵,有效提高了原始回波数据的利用率;其次,将原始回波数据的协方差矩阵、共轭数据的协方差矩阵叠加取平均,得到一个新的总协方差矩阵;最后,对矩阵作2次方、4次方等偶次方处理,得到另一矩阵,以达到增大信号特征值与噪声特征值之间差距的作用,等效为增大了信噪比。仿真结果表明:所提改进算法的参数估计性能及噪声鲁棒性均要优于经典MUSIC算法。      

基于双层协方差矩阵重构的稳健波束形成算法

针对协方差矩阵含目标信号分量及目标导向矢量失配情况下，传统自适应波束形成器性能急剧下降的问题，提出了干扰加噪声协方差矩阵双层重构的稳健波束形成算法。首先，利用稀疏重构的方法预估干扰加噪声协方差矩阵，通过估计干扰导向矢量及干扰功率对干扰加噪声协方差矩阵进行优化校正；然后，基于子空间理论建立导向矢量约束误差优化模型，利用迭代方法对凸优化模型进行求解，得到最优权值向量。仿真结果表明:所提算法显著提高了波束形成器在目标导向矢量约束误差及阵列误差情况下的稳健性，低快拍条件下表现较好，输出性能优于仿真对比算法。      

非线性量测下自适应噪声协方差PHD滤波

概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自适应噪声协方差多目标跟踪算法。该算法以PHD滤波为基础,采用容积卡尔曼(CK)技术近似非线性量测模型,利用逆威沙特(IW)分布描述量测噪声协方差分布,通过变分贝叶斯(VB)近似技术迭代估计量测噪声协方差和多目标状态联合后验密度。仿真结果表明,本文所提算法可有效估计量测噪声协方差,同时实现准确的目标数和目标状态估计。     

基于UKF的姿态无关GPS双差整周模糊度确定

基于运动的GPS双差整周模糊度确定方法需要预先知道载体的姿态,为了消除对姿态的依赖,研究了一种新的整周模糊度确定方法。首先将多天线载波双差相位矢量观测方程转化为标量观测方程,消去了对载体姿态矩阵的依赖。经过短时离线观测,以中心估计算法和协方差白化算法估计和修正双差整周模糊度的近似解及协方差矩阵。再以该近似解和协方差矩阵为初值,由无迹卡尔曼滤波(UKF)实时估计双差整周模糊度的精确解。最后对该方法进行了仿真,仿真结果表明经过离线批处理算法的预处理UKF可准确收敛于真实解,证明了方法的正确和有效性。     

基于SA&M-Relax的外辐射源雷达目标DOA估计方法

外辐射源雷达回波信噪比极低，通常在距离-多普勒二维相关后进行目标角度估计。在这种单快拍情况下，经典的超分辨算法由于协方差矩阵的非正定性导致算法性能较差。针对这一问题，在A&M插值迭代算法的基础上，提出了一种适用于稀疏阵列的SA&M-Relax外辐射源雷达目标DOA估计方法。在相同阵元数目的情况下，与原有算法相比提高了目标角度估计的分辨率与精度，同时减少了运算量。通过仿真实验验证了所提方法的有效性。      

基于自适应联邦滤波的卫星姿态确定

卡尔曼滤波采用常值量测噪声协方差阵,当量测噪声统计特性发生变化时,易导致估计误差增大,甚至滤波发散。针对该问题,在联邦卡尔曼滤波子系统中采用自适应卡尔曼滤波,形成自适应联邦卡尔曼滤波算法,新算法采用模糊推理系统实时调整量测噪声协方差阵的加权系数,使模型量测噪声逐渐逼近真实噪声水平。将该算法应用于多传感器卫星姿态确定系统,仿真结果验证了算法的有效性。     

一种GTD模型参数估计的改进2D-TLS-ESPRIT算法

针对经典二维总体最小二乘法旋转不变子空间（2D-TLS-ESPRIT）算法估计二维几何绕射理论（GTD）模型参数精度不高、抗噪性能较差这一问题,提出了一种改进2D-TLS-ESPRIT算法。首先,改进算法通过将目标的极化散射矩阵加入到二维GTD散射中心模型,使得模型对目标极化散射特征的描述更加精准;其次,构建置换矩阵得到原始回波矩阵的共轭矩阵,并将两者结合起来,从而延长了目标电磁散射数据的长度;最后,仿真结果验证了改进算法的参数估计性能与噪声鲁棒性均要优于同类已有算法,雷达散射截面积（RCS）外推结果进一步验证了改进算法参数估计性能的先进性。      

基于一维噪声子空间的空间谱估计算法

针对ＭＵＳＩＣ算法在实际情况下,由于Ｒ的信号特征值发生所谓的＂能量泄漏＂而引起的性能下降,提出了一种新算法。算法的基本思想是,无论入射信号数为多少,始终认定只有阵列相关矩阵Ｒ的最小特征值λｍ才是噪声特征值;其对应的Ｒ的特征向量才是真正的噪声特征向量,并且构成一维噪声子空间。算法在减小运算量的同时,提高了在信号特征值能量发生泄漏的情况下对到达角估计的精度和分辨力。算法的思想同样适用于空间平滑等各种抗相干源算法。