基于全相位频谱插值的欠采样频率估计

提出利用两个独立欠采样通道输出信号的互谱函数实现对欠采样信号的无模糊频率估计,为了提高测频精度,需要对信号真实频率与最大频域输出幅值对应量化频率的偏差进行较高精度的估算,采用全相位FFT与传统FFT联合校正频率偏差的方法,提出了全相位Rife综合算法,根据全相位FFT输出的最大谱线和次大谱线的比值决定采用全相位Rife算法或修正的细化Rife算法,仿真结果验证了该方法的有效性及高精度特性。     

用数据矩阵奇异值分解实现时间欠采样信号频率无模糊估计

提出一种在欠Ｎｙｑｕｉｓｔ采样下可实现高宽频带内信号频率无模糊估计的算法，该算法通过构造一种特殊的数据矩阵，对数据矩阵奇异值分解，利用有限的采样数据构造出更为精确的噪声子空间，利用信号子空间与噪声子空间的正交性，精确地提取多个空间信号的频率信息。该法比基于协方差矩阵特征分解的算法具有更好的分辨性能。仿真结果验证了该算法的有效性。     

基于四阶累积量的来波信号频率和二维角估计

本文提出了一种基于四阶累积量的来波信号频率、方位角和仰角三维参数估计的算法。该算法采用无方向模糊的无效均匀圆阵（阵元数大于６）和阵元延时，实现高斯白或色噪声环境下非高期信源的参数估计，且三维参数可自动配对；在空间欠采样条件下，使用整数搜索法实现方位角和仰角无模糊估计。仿真实验表明了算法的有效性。     

欠采样条件下的正弦信号时差估计

针对正弦信号时差估计的多解模糊问题,提出采用多周期取点欠采样和多重相关方法来解决。这种方法可有效降低处理的复杂度,增大时差估计的范围和稳定性,避免噪声及干扰对时差估计的影响,最重要的是它能够适用于高频信号(如雷达、电子战等)的测向、测频等处理,促进这些高频系统的数字化接收机处理的实现。仿真实验证明了算法的性能和优越性。     

基于宽带信号的高精度时差估计算法

时差估计精度直接影响测向精度,传统时差估计算法受到采样时间间隔和解模糊算法的限制,无法进一步提高精度。对于宽带信号,通过时－频关系将时差估计转换为频率估计,继而采用基于时差搜索的离散傅里叶变换算法进行时差估计,其估计精度不受采样时间间隔的限制,能够适应较低信噪比。该算法运算简单,适于工程实现,可以实时进行处理。仿真结果表明,在一定的带宽条件下,该算法能达到较高的测向精度。     

利用字典优化方法实现sub Nyquist采样数据的频率估计

在稀疏重构理论中,重构信号需要预先设定稀疏表示字典,针对预设字典与真实字典之间的失配对信号稀疏表示造成的不利影响,提出一种基于字典优化和稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)的频率估计算法。该算法首先构造基于sub Nyquist采样数据的信号稀疏表达式,然后利用SBL算法估计信号频率,同时根据估计结果优化字典,最后反复迭代上述步骤直至计算出的频率值和对应的幅度值趋于稳定。仿真结果校验了方法的有效性。     

一种基于降调频的宽带LFM信号DOA估计算法

传统的宽带LFM信号DOA估计算法,是直接对信号进行估计,为满足采样定理,需要很高的采样频率,数据量和运算量巨大。针对这一问题,提出一种基于降调频的宽带LFM信号DOA估计算法,采用基于改进谱形熵的自适应降调频技术,通过若干次降调频,将宽带LFM信号带宽降到接收机可以处理的范围内,再利用窄带LFM信号DOA估计算法估计...     

基于贝叶斯稀疏重构的非均匀样本谱估计

在航空电子对抗领域,往往需要利用非均匀样本来估计信号的频谱。针对非均匀样本谱估计问题,提出了贝叶斯稀疏重构谱估计算法(BSRSE)。该算法首先将非均匀采样的谱估计表示为稀疏信号重构问题。然后利用拉普拉斯分布表示稀疏性,建立贝叶斯模型。最后通过构造加速的不动点迭代方法估计参数,从而估计信号频谱。与现有谱估计方法比较,该算法具有较高的频率分辨力、较强的噪声适应能力,且需要较少的样本数。数值仿真验证了该算法的有效性。     

左边带本振SNYFR接收的LFM信号参数估计算法

同步Nyquist折叠接收机（SNYFR）利用双片模数转换器同时完成多Nyquist区域内的宽频段信号采集,为一种新型侦察接收机结构,在SNYFR结构上提出了线性调频（LFM）信号的参数估计算法。首先从频谱关于采样率对称的本振信号出发,指出其Nyquist区域在某些条件下不存在;其次提出了Nyquist区域存在的左边带本振SNYFR;以正弦调频本振信号调制频率为频率抽取因子进行序列构造,并以此序列估计Nyquist区域;最后在区域估计的基础上,得到欠采样的LFM信号,并完成参数估计。仿真表明,LFM参数估计精度在信噪比优于10dB时均已接近克拉美-罗下限。     

一种低轨双星雷达信号无模糊频差估计算法

针对低轨双星组合接收低脉冲重复频率(LPRF)雷达信号的频差(DFO)估计存在模糊的问题,提出一种基于时差差分的频差无模糊高精度估计算法,该算法通过对高精度的时差测量值进行中心差分获得无模糊的频差估值。仿真结果表明,新算法能对PRF低至300 Hz的雷达信号进行无模糊的频差估计,估计精度在信噪比高于15 dB时逼近克拉美劳下界,可有效扩大低轨双星时/频差定位系统对LPRF信号的适用范围。     

一种新的聚焦类宽带DOA估计算法

基于导向矢量矩阵的初等变换,给出了一种新的聚焦类宽带源波达方向（DOA）估计算法。新算法构造聚焦矩阵时不需要矩阵分解运算,从而使聚焦过程运算量更小。在理想条件下,新方法构造的聚焦矩阵可以在各个频率点实现完美聚焦。分析表明,新算法运算量要小于其它聚焦类宽带DOA估计算法。计算机仿真验证了该算法的有效性。     

一种新的未知相关噪声下的宽带相干信号DOA估计算法

针对具有某种结构的协方差矩阵的未知相关噪声环境,本文提出了一种新的宽带相干信号DOA估计算法。基于这种结构,如Hermitian Toeplitz型,在各个频率点上首先利用空间差分操作去除相关噪声的影响,并构造新矩阵;其次,对新矩阵进行聚焦操作,并给出相干聚焦后的协方差矩阵;最后,利用基于特征结构的DOA估计算法得到相干信号的DOA估计值。理论分析和仿真结果表明了算法的有效性。     

基于广义相位谱对干扰源测向方法的研究

针对无源系统对噪声调频干扰源进行测向的问题,在研究宽带信号的数字鉴相算法的基础上,提出了一种采用多通道信号、基于广义相位谱(GPS)的测向算法。先把阵元接收到的信号变换到频域,然后运用广义相位谱对互谱相位差加权处理,进而估计出宽带噪声调频信号的波达角。仿真实验的结果表明,该测向方法对不同带宽的干扰信号都可保证较高的测向精度。     

改进的宽带指向最小方差空间谱估计算法

宽带测向一直是阵列信号处理领域研究的难点。把指向最小方差宽带测向算法（STMV）应用到均匀线阵上，通过对阵列频域采样数据的空间协方差矩阵的估计和加权平均处理。给出了空间谱估计子的改进形式。与通常的信号子空间宽带测向算法相比。提出的算法不需要对波达方向进行预估计，因此避免了预估计误差对最终估计结果的影响。理论分析和仿真实验证明了测向算法的有效性。     

邻信道合并的改进及其测频方法

为了确保高灵敏度,数字信道化接收机的子信道带宽一般较窄。然而,在现代电子战环境中,存在大量的宽带雷达信号,其带宽经常会大于信道宽度,使得多信道都存在信号,将增加信道编码及脉内处理的复杂度。提出了一种邻信道合并方法,直接对信道化的原型低通滤波器进行了解析设计,便于采用带宽相加实现输出子信道的带宽扩展。首先给出了原型低通滤波器的一种解析解;然后,采用相似系数,从仿真角度证明了邻信道合并对宽带信号的适用性;最后,根据信道分布特点,设计了一种窄带测频方法。理论分析和仿真结果证实了方法的有效性。     

宽带LFM信号同时极化测量性能研究

针对雷达动目标的全极化高分辨信息的获取问题,建立宽带极化雷达的信号模型,分析对应的匹配滤波处理算法.对时/频域加窗的效果进行比较,提出了实用的窗函数选择方法.分析正负线性调频信号对高速运动目标的同时极化测量性能,提出对高速运动目标的极化--一维距离像联合识别方法.仿真结果证明了所此方法的有效性.     

TOFS:一种新的宽带源DOA估计算法

介绍了一种新的宽带源DOA估计方法:TOFS。与TOPS(投影子空间正交性测试)方法类似,该方法通过同时测试频域各频段噪声子空间与阵列搜索流型之间的正交性来进行DOA估计。作为对比,根据非相关MUSIC方法,提出了一种新的适用于宽带的非相关MUSIC方法,称为I-MUSIC方法。与宽带相关方法不同,TOFS方法不需要任何初始值的预估。与宽带非相关方法也不相同,TOFS方法同时测试各频段噪声子空间与阵列搜索流型之间的正交性。仿真了TOFS与I-MUSIC、CSSM、TOPS的性能比较。仿真结果表明,CSSM方法在低信噪比时有较好的性能,TOFS方法在中等信噪比以上时,有较好的性能。同时,TOFS方法避免了TOPS方法中常常出现的伪峰。