相干信源DOA估计的非对称加权空间平滑差分算法

提出了相干信源DOA估计的非对称加权空间平滑差分(UWSSD)算法。在空间平滑差分运算的基础上,对各子阵协方差矩阵采用非对称权值加权处理,破坏差分矩阵的负反对称特性,从而使信源差分协方差矩阵恢复为满秩。差分矩阵中不含相关噪声及非相关源信息,可利用它分辨相关及相干信源,而利用传统子空间算法分辨非相干信源,从而重复利用阵列接收数据,可分辨更多信源。通过分析差分矩阵的特点,提出了一种无需矩阵特征分解的快速算法。仿真结果表明,UWSSD算法具有较强的噪声抑制能力及信源过载能力。     

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。     

相关噪声背景下相干信源DOA估计算法研究

根据信号和噪声的非圆对称特性,利用除第一个阵元外的其它阵元接收数据的共轭信息,对原阵列进行有效地扩展,提出了一种相关噪声背景下相干信源波达方向（DOA）估计的新算法。由于对阵列进行了虚拟扩展并运用斜投影算法将非相干信源与相干信源分开分辨,因此该算法具有很强的信源过载能力及阵元节省能力,在一定程度上提高了空间分辨率DOA估计的性能,并可对消空间具有非圆对称性的相关噪声,适用于低信噪比环境。仿真结果证明了算法理论的正确性和有效性。     

平稳色噪声背景下相干信源DOA估计的新算法

提出一种基于对称均匀线阵的波达方向(DOA)估计新方法.该算法在未知噪声协方差矩阵为复对称Toeplitz结构的情况下,利用空间差分方法和相干信源信息Toeplitz矩阵重构相结合,来处理同时存在相干、非相干信源的情况.该算法在提高阵列的信源过载能力的同时,可明显减小运算量.计算机仿真结果证明了算法的有效性和正确性.     

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。     

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。     

锥面共形阵列相干源DOA和极化参数的联合估计算法

针对共形阵列中的多参数联合估计问题,用交叉电偶极子对天线单元在锥面共形载体上构造极化敏感阵列并建立了快拍数据模型,在此基础上提出一种适用于相干源的多参数联合估计算法。该算法充分挖掘阵列中隐含的多个空域旋转不变结构,首先通过空间平滑预处理恢复子阵协方差矩阵的秩,实现信源的解相干,然后根据旋转不变子空间思想完成多个相干信源二维到达角和极化参数的联合估计。Monte Carlo仿真结果表明了算法的有效性。     

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.     

一种未知信源数的快速DOA估计算法

针对众多性能优良的超分辨DOA估计算法大都是以预知信源数为前提,信源数估计不准可能会导致DOA估计失败这一问题,提出了一种基于协方差矩阵对角加载的超分辨DOA估计算法。该算法不需预判信源个数和进行特征值分解,且通过对协方差矩阵进行对角加载,可以平滑小快拍数时噪声特征值分散程度,因此该算法更适用于快拍数较少的情况。理论分析表明：该算法的统计估计性能接近于MUSIC（Multiple Signal Classifjcation）算法。计算机仿真结果验证了该算法的鲁棒性和可行性。     

一种未知信源数的快速DOA估计算法

文章针对众多性能优良的超分辨DOA（Direction—Of-Arrival）估计算法大都是以预知信源数为前提、信源数估计不准可能会导致DOA估计失败这一问题,提出了一种基于协方差矩阵对角加载的超分辨DOA估计算法。该算法不需要预判信源个数和进行特征值分解,且通过对协方差矩阵进行对角加载,可以平滑小快拍数时噪声特征值分散程度,因此,该算法更适用于快拍数较少的情况。理论分析表明：该算法的统计估计性能接近于MUSIC（Multiple Signal Classification）算法。计算机仿真结果验证了该算法的鲁棒性和可行性。     

一种单基地MIMO雷达多目标DOA估计算法研究

基于有特殊阵列配置的单基地多输入多输出（MIMO）雷达,提出了一种用于多目标波迭方向（DOA）估计的虚拟阵列Toeplitz重构（VATR）算法。利用MIMO雷达发射信号的正交特性将阵列有效阵元数和孔径同时扩展,可估计更多的目标。研究表明：与发射分集平滑（TDS）和虚拟子阵平滑（VSS）算法相比,VATR算法有更强的阵元节省能力和更好的统计估计性能。仿真结果证明了VATR算法理论的正确性和有效性。     

一种基于非圆相干信号的波束成形算法

空间平滑是一种传统去相干算法,此算法是基于圆信号提出的,同时存在孔径损耗问题。针对非圆相干信号,提出了一种全阵加权扩展空间平滑波束成形算法。首先将扩展空间平滑的子阵分解思想引入波束成形算法中,从理论上证明了算法的去相干特性,并通过分析证明了算法比传统空间平滑算法在可适用信源数上的提高。为了更好地去除期望信号与干扰间的相干性,利用虚拟波束得到权值对子阵进行加权。最后设计了一种转换矩阵,可将子阵波束权矢量扩展至全阵波束权矢量,从而避免了扩展空间平滑带来的孔径损耗问题。仿真结果表明了算法的可行性及优越性。     

一种改进的BAQ算法仿真及分析

在实际应用中,合成孔径雷达（ SAR）的回波数据中往往含有饱和数据。针对传统分块自适应（ BAQ）算法处理含有饱和成分的数据时存在较大误差的不足,在对SAR实际回波数据分析的基础上,文章对传统BAQ算法进行了改进,并将改进的BAQ算法应用于SAR信号处理系统中。仿真结果表明：对于含有饱和数据的原始回波数据,改进的BAQ算法比传统BAQ算法具有更好的性能,且该算法易于实现,可很好地压缩处理含有饱和成分的SAR回波数据。     

基于EM算法的InSAR区域网连接点检测

本文提出一种基于期望极大化(EM)算法的干涉测量合成孔径雷达(InSAR)区域网连接点(TPs)检测新方法。利用混合模型将TPs检测问题归结为缺损数据下的最大后验概率(MAP)估计和最大似然(ML)估计,并将特征描述符的匹配概率融入到算法框架中,最后通过EM算法实现变换矩阵和点对应同时求解。同航带相邻SAR影像和相邻航带相邻SAR影像的实验验证了方法的有效性。     

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。     

一种结合亮温图像和子空间分解的RFI定位算法

射频干扰(radio frequency interference, RFI) 对L波段综合孔径辐射计遥感数据造成了严重污染,降低了产品质量。RFI检测定位是处理RFI的关键步骤。传统的基于亮温图像的定位算法受到仪器角分辨率的限制,无法有效分离相邻的RFI。为了实现更高的空间分辨率,基于子空间分解技术的多信号分类(multiple signal classification, MUSIC)算法被提出。然而,当亮温图像的信噪比较低时,背景和噪声对子空间分解的准确性影响较大,进而降低了MUSIC算法的定位性能。文章通过结合亮温图像和子空间分解两种方法的优点,提出了一种融合改进定位方法。该方法通过在亮温图像域中消除背景场景、增强目标射频干扰,2次提高了图像信噪比,在频域中,利用子空间分解和MUSIC算法实现超分辨率和高精度定位。通过对土壤湿度和海洋盐度（soil moisture and ocean salinity, SMOS）卫星数据进行实验和仿真验证,证明了文章提出的方法在低信噪比情况下优于传统的MUSIC算法和基于亮温的定位算法。此外,在对多个弱RFI源的定位上,该方法的定位精度也优于基于点源波纹的弱RFI检测定位算法。