基于极化时频分布的改进DOA估计算法

针对雷达回波信号波达方向估计精度差和时频分析方法运算量大的问题,以极化敏感阵列为模型,结合时频分析方法,充分利用回波信号的空域、时频域和极化域信息,对雷达回波信号进行更准确的估计,并简化其计算量。分析基于空间极化时频分布的多重信号分类(MUSIC)和旋转不变子空间(ESPRIT)算法,并结合两者的优缺点提出了一种改进算法。改进算法用极化时频ESPRIT算法对来波信号确定大致的方位角,以每个方位角为中心确定一个小角度范围,在此范围内用MUSIC算法进行谱峰搜索,得到较准确的波达方向(DOA)估计值,在确保DOA估计精度的基础上节省大部分运算时间。仿真试验验证了该改进算法的有效性。     

基于时频子空间的DOA估计

提出了一种基于时频子空间的到达角 (DOA)估计新方法。传统的子空间测向方法由于本身固有的原因 ,存在三个缺陷 :无法分辨到达角相近甚至重合的信号 ;信号个数必须小于阵元个数 ;对多个不同中心频率的窄带信号测角时 ,必须进行频域搜索。把时频分析用于阵列信号处理 ,利用信号的时频脊点构造空域时频分布矩阵 (STFD) ,以代替传统的阵列相关矩阵 ,同时可以确定信号的导向矢量。通过对STFD矩阵进行特征分解来估计出信号子空间和噪声子空间 ,从而估计出信号的到达角。克服了传统子空间测向方法的缺陷 ,提高了测向能力。最后对非平稳信号进行了仿真 ,证实了时频子空间测向的优越性。     

色高斯噪声背景下相干信源DOA估计

为在色高斯噪声背景下估计相干信源DOA,提出一种基于四阶累积量的相干信源DOA估计算法。对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关。通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源DOA估计。仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的DOA,并且相对于空间平滑算法具有更好的估计性能。     

色高斯噪声背景下相干信源犇犗犃估计

为在色高斯噪声背景下估计相干信源 DOA,提出一种基于四阶累积量的相干信源 DOA 估计算法.对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关.通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源 DOA 估计.仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的 DOA,并且相对于空间平滑算法具有更好的估计性能.     

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。     

基于投影矩阵搜索的相干源DOA估计算法

在强相关或相干信号源环境下，基于子空间分解的高分辨方法无法准确估计信号到达角，而许多传统的解相干方法，如空间平滑法等，会减少阵列的有效孔径，且只适用于具有移不变性的阵列结构。针对相干信源DOA估计问题，提出了一种基于投影矩阵搜索的DOA估计算法。首先根据阵列流型构造噪声子空间的投影矩阵，并将阵列接收信号投影到噪声子空间；然后通过遍历搜索所有可能的投影矩阵获得空间谱，进而得到相干源的DOA估计。该算法能有效进行相干信源DOA估计，与传统的相干源DOA估计方法相比，该算法不会减小阵列的有效孔径，且适用于任意阵列结构，并具有良好的估计精度和超分辨能力，但计算复杂度较高。通过仿真实验，验证了该算法的有效性，比较了该算法与传统算法的性能。     

基于Krylov子空间的宽带信号DOA快速估计方法

提出了一种基于Krylov子空间的宽带信号DOA（Direction of Arrival）快速估计方法。该方法首先对方向矩阵进行Jacobi—Anger展开来构造“聚焦”矩阵，然后通过多级维纳滤波（MSWF：Multi-Stage Weiner Filter）算法求得聚焦后的阵列协方差矩阵的Krylov子空间，因为在满足一定的条件下，Krylov子空间等价于阵列的信号子空间，所以可以求得信号的DOA。采用Jacobi-Anger展开式构造聚焦矩阵不需要进行角度的预估计，通过MSWF算法求Krylov子空间不需对观测数据的协方差矩阵进行特征值或奇异值分解，从而使得该方法运算量比常用的宽带空间谱估计方法要小。计算机仿真试验证实了方法的有效性。     

基于Toeplitz矩阵重构的相干信源DOA估计算法

提出了一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

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。     

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。     

稳健的欠定混合矩阵盲辨识

主要研究欠定盲源分离中的混合矩阵估计问题。提出了一种改进的欠定混合矩阵估计算法,首先采用短时傅里叶变换得到混合信号的时频表示并检测出时频单源点,然后检测出时频单源点中影响混合矩阵估计性能的时频点并将其去除,最后采用聚类的方法实现混合矩阵的估计。语音信号的仿真实验表明,与已有算法相比较,本文提出的混合矩阵估计算法有更高估计精度和更强的鲁棒性。     

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。     

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.     

基于最大似然准则的L阵2D-DOA配对算法研究

针对L阵两维到达方向(2D-DOA)估计中方位角和俯仰角配对错误导致的模糊问题,对一种基于最大似然准则的配对算法进行了研究。根据建立的L阵信号模型,用超分辨算法获得在非相干源和相干源时的L阵两组线阵的一维DOA估计。由一个线阵接收数据和估计的一维DOA得出信源的最大似然估计,构造第一个信源协方差矩阵,其中目标的排列顺序与该线阵估计的一维DOA顺序对应;再用两个线阵接收数据的互相关矩阵估计第二个信源协方差矩阵。当两个线阵估得的一维DOA对应时两个信源协方差矩阵等价,可由两个矩阵中元素的位置关系实现配对,获得无模糊的方位角和俯仰角。仿真结果表明:所提算法在低信噪比、小快拍数下均具较高的鲁棒性,适用范围广,在无任何先验信息条件下能较准确地实现配对。     

基于神经网络的时频域雷达信号调制参数估计

针对常规时频分析方法对多分量雷达信号分析的不足,提出一种基于神经网络的时频域多分量雷达信号调制参数估计新方法.把多分量雷达信号的时频分布作为灰度图像,通过神经网络训练得到高分辨率时频平面图,然后在时频域实现雷达信号各分量的调制参数估计,相对于时频重排等方法,其对时频分布的处理不需要关于各分量信号的先验知识.仿真实验表明,该方法在得到比时频重排方法更高分辨率时频图的基础上,能够较准确地估计各分量雷达信号调制参数.     

一种实值MUSIC算法

提出了一种实值MUSIC算法,通过构造实值转换矩阵Q[1],对协方差矩阵进行变换,使之转换为实矩阵,再进行实特征值分解,最后构造MUSIC谱进行谱峰搜索来获得信号的DOA估计。谱估计性能优于普通MUSIC算法,能有效减少计算量,并且对相干信号有一定的分辨能力。计算机仿真证明了此方法的有效性。     

基于多级维纳滤波器的二维测向算法及DSP实现

为了对辐射源目标进行精确定位,需要对来波信号进行二维到达角估计。将一维MUSIC算法推广到空间阵列可以对辐射源进行二维高精度测向,但由于其需要估计接收数据的协方差矩阵和进行特征分解,因而计算量较大。为了降低MUSIC算法特征分解的计算量,提出一种基于多级维纳滤波器的子空间分解算法,通过多级维纳滤波器的前向递推估计信号子空间和噪声子空间,获得噪声子空间后采用MUSIC算法实现波达方向的估计,该算法不需要估计协方差矩阵和特征分解。应用于空间阵列的二维DOA估计中进行计算机仿真和DSP实现,仿真结果表明该方法有效地降低了计算量、节省了计算时间,且达到了MUSIC算法的估计性能。     

跳频信号的时频分析

时频分析是跳频信号检测的重要工具之一,获得清晰的时频图是跳频信号参数估计和信号分选的前提.使用各种时频分析工具,包括线性时频表示、二次时频分布、重排类二次时频分布、不同时频分布组合方法对跳频信号进行仿真,在时频聚焦性和抑制交义项干扰两个方面综合比较各分布之性能,寻找适合针对多个跳频信号同时存在的时频分布,并给出了各分布性能的定量评价.仿真结果表明,谱图、平衡伪wigner-Ville 分布(SP-WVD)、重排类时频分布以及线性与非线性时频分布组合方法能获得较清晰的时频图.     

信源数未知情况下基于嵌套阵列的DOA估计算法

针对电子侦察中的DOA估计问题,提出了一种基于嵌套阵列的DOA估计算法。首先对协方差矩阵向量化以扩展阵列孔径,并生成新的协方差矩阵;然后利用协方差矩阵的行向量构造Toeplitz矩阵,并利用其联合对角结构生成代价函数;最后通过一维谱峰搜索求解出各信源的DOA。该方法能够在信源数未知、欠定等的情况下进行有效的估计,具有较高的估计精度与分辨力,且对信噪比要求不高。     

阵列模型误差条件下稳健的DOA估计算法

为改善阵列误差时高分辨到达方向(DOA)估计算法的性能,引入精确校正的辅助阵元,应用子空间原理,提出了一种均匀线阵存在阵列误差条件下鲁棒DOA估计及方位依赖的幅相误差矩阵和互耦矩阵的估计算法。算法的方位估计无需任何阵列误差信息,估计精度高、分辨力强,且基于信源方位的精确估计,算法还可精确估计方位依赖的幅相误差矩阵和互耦矩阵,实现阵列误差的自校正。算法的运算量较小,无需高维非线性优化搜索,只需一维搜索。仿真结果证明了算法的正确性和有效性。