基于传播算子的ESPRIT极化参数估计算法

针对极化敏感阵列参数估计过程中需要奇异值和特征值分解,以及低信噪比下估计误差偏大的问题,提出基于传播算子的二维旋转不变子空间(estimation of signal parameters via rotational invariance technique,ESPRIT)算法,改进算法引入非圆信号共轭相关统计信息构造一组新的接收数据,将这组新数据与真实数据重构组合求得噪声子空间;采用ESPRIT算法将信号子空间分块得到旋转不变因子,无须特征值分解和谱峰搜索,实现信号空间到达角(direction of arrival,DOA)和极化角的精确估计.所提算法在参数估计性能上要优于经典算法,在低信噪比情况下均方误差较小,并且可降低计算量,最后由Matlab仿真验证所提算法的有效性.     

基于四阶累积量的多参数联合估计算法

研究了利用四阶累积量方法估计信号的到达角、极化角和频率．在高斯色噪声情况下四阶累积量参数估计方法可以获得较高的估计精度，但现有的估计方法只利用了四阶累积量矩阵特征分解的特征值，需要多次特征分解和配对运算。计算量很大．提出利用一次特征分解的特征值和特征矢量，这种方法减少了所需的四阶累积量矩阵，且信号参数自动配对,降低了计算量．     

非平稳噪声下稀疏表示的DOA估计算法

为提高非平稳噪声下远场非相干窄带信号波达方向（DOA）的估计精度,提出了一种基于稀疏重构的DOA估计算法.采用类协方差差分算法构造差分矩阵,抑制非平稳噪声的影响;基于类旋转不变子空间参数估计算法基本原理构造稀疏表示模型与权函数;利用加权l₁范数对模型求解,实现DOA估计.仿真结果表明,与传统的协方差差分算法、噪声协方差矩阵估计算法、秩迹最小化算法以及稀疏重构算法相比,所提算法不仅能较好地抑制非平稳噪声的影响,而且在低信噪比、低快拍数情况下具有较强的稳健性和较高的估计精度.     

多滞后时刻四阶累积量的正弦信号频率估计

在含噪正弦信号频率估计方法中，通过开发高斯色噪声中正弦信号的四阶累积量切片结构、以及由这些累积量构成的Hankel矩阵性质，提出了多滞后时刻累积量的高分辨正弦信号频率估计方法。现有的基于高阶统计的算法中没有充分利用多滞后时刻的四阶累计量。本文提出了一种基于多滞后时刻四阶累计量的正弦信号频率估计的ESPRIT和MUSIC算法。理论分析表明，这种算法有助于提高参数估计的性能。     

一种改进的二维ESPRIT算法

针对二维旋转不变子空间算法(estimation of signal parameters via rotational invariance technigues,ESPRIT)在求解信号时协方差矩阵存在阵列冗余问题,提出一种改进后的二维ESPRIT算法。该算法利用阵列结构原理构造2个互相关矩阵,然后由合并的特殊大矩阵进行奇异值分解来估计信号子空间,最后利用2D-ESPRIT方法实现二维测向。该算法估计精度高,计算量小,通过空间平滑后既能对相干信号进行估计,也能同时估计非相干信号。     

基于互四阶累积量的谐参数联合估计的TLS-ESPRIT方法

导出了混合色噪声中复值随机谐波信号和实值随机谐波信号的互四阶累积量及对角切片,利用这些对角切片皆可估计出相同的频率和相移,但根据实值随机谐波所估计的互功率为复值随机谐波的3/16.将互四阶累积量与高分辨率的ESPRIT方法结合,提出了在混合色噪声中基于互四阶累积量的谐参数联合估计的TLS- ESPRIT方法.研究结果表明,基于互四阶累积量的谐参数联合估计TLS-ESPRIT方法可抑制混合色噪声,具有优越的参数估计性能.     

基于协方差拟合的MIMO雷达高精度DOA估计算法

为了实现多输入多输出(multiple input and multiple out,MIMO)雷达高精度波达方向(direction of arrival,DOA)估计,结合协方差拟合算法和矩阵预处理算法给出解决方案.首先,针对MIMO雷达信号模型进行建模仿真,利用协方差拟合准则得到更接近理论值的协方差信号矩阵,用凸优化方法进行求解;针对噪声和相干信号对估计精度的影响,引入矩阵预处理方法对雷达接收信号进行额外的处理.然后,通过酉变换利用ESPRIT算法对MIMO雷达俯仰角和方位角进行联合估计,降低算法整体DOA估计运算量.最后,通过实验表明,本文所提出算法能在不增加运算量的前提下,有效提高MIMO雷达DOA估计精度.     

单矢量水听器ESPRIT波达方向估计算法

针对自相关算法的局限性,提出了一种基于高阶累积量的单矢量水听器ESPRIT算法.该算法首先对单个矢量水听器接收数据作-任意的时间延迟,以时间变元为旋转因子,构造了2个具有相同阵形的子阵,然后将高分辨信号子空间类方法的正交化原理及旋转子空间不变原理引入累积量域,得到基于高阶累积量切片的ESPRIT方法.仿真结果表明,借助高阶累积量的方法,在高斯白噪声下,ESPRIT算法能完全抑制高斯白噪声的影响,在高斯色噪声条件下,信噪比6dB以上该方法还是能获得高精度、高分辨率的渐近无偏估计.     

基于改进MUSIC算法的二维DOA估计方法

提出了一种改进的二维MUSIC算法,该算法通过重构阵列接收数据协方差矩阵来降低入射信号源间的相关性,抑制信号子空间向噪声子空间的扩散,从而解决用MUSIC算法估计相干信号源到达方向(DOA)时的漏估计问题.该方法不仅对相关信号源的DOA估计有好的特性,也可以提高非相关信号源的DOA估计特性,而且计算量也没有大的增加.仿真试验证明了改进算法的有效性.     

非均匀噪声条件下考虑互耦效应的DOA估计方法

针对非均匀噪声和互耦条件下相干信号辨识性能较差的问题,提出一种基于非均匀噪声协方差矩阵和互耦系数重构的DOA估计方法。首先,利用最小二乘理论并通过迭代优化方法恢复互耦意义下的无噪声信号协方差矩阵;然后,依据信号子空间原理,并通过估计不相关信号角度重构互耦系数矩阵,进而获得互耦补偿后的无噪声信号协方差矩阵;最后,通过传统空间平滑方法获得解相干信号,并利用MUSIC算法实现DOA参数估计。数值仿真表明:与仅考虑相干信源、非均匀噪声或互耦的传统DOA估计算法相比,本文算法可较好地抑制非均匀噪声,克服了互耦场景下传统空间平滑算法解相干失效问题,并可显著改善非均匀噪声和互耦条件下相干信源的DOA估计性能。     

DOA estimation method for two-dimensional hybrid MIMO phased-array radar

Aiming at the direction of arrival(DOA) estimation problem of the Two-Dimensional Hybrid MIMO(Multiple-Input Multiple-Output) Phased-array Radar, an effective solution is proposed based on transmit weight optimization and Unitary ESPRIT of the virtual array. First, we build the receiving signal model. Then a transmit weight vector is designed by convex optimization to simultaneously construct the receiving subarray rotational invariance and control the side lobe of the pattern of Two-Dimensional Hybrid MIMO Phased-array Radar to improve the DOA estimation accuracy. Finally, the Unitary ESPRIT is exploited to estimate the azimuth and elevation of Two-Dimensional Hybrid MIMO Phased-array Radar to decrease the calculation load. Numerical simulations show that our approach can realize DOA estimation of the Two-Dimensional Hybrid MIMO Phased-array Radar.     

基于张量域降噪的宽带DOA估计

针对低信噪比条件下远场宽带信号波达方向(DOA)估计精度低的问题,提出了一种基于张量域降噪的宽带DOA估计算法。首先,联合各子频带数据构造张量信号;然后进行高阶奇异值分解,并利用最小描述长度准则分离信号与噪声;其次,改进协方差矩阵拟合算法,利用L1范数对信号功率进行约束,获得L1约束问题模型并求解;最后,对所有窄带估计结果进行融合得到宽带信号DOA。仿真结果表明,该算法可有效地降噪,同时较求根多重信号分类算法和旋转不变子空间参数估计算法,该算法对DOA估计无需预知信源数目,且在低信噪比条件下具有较小的均方根误差。     

基于改进传播算子的双基地多输入多输出雷达参数估计

针对双基地多输入多输出（MIMO）雷达系统中，多目标波离方向（DOD）和波达方向（DOA）联合估计精度低的问题，提出了一种改进的传播算子（PM）方法。根据传播算子定义要求提取存在旋转不变结构的相关数据，组合相关数据求得协方差，采用前后向平滑方法求得传播算子，根据其内部结构特征求出旋转不变因子，估计出DOD和DOA的值。仿真结果表明:与传统的旋转不变子空间算法和PM算法相比，该方法具有更高的估计精度，在低信噪比时与传统的PM算法相比最大均方根误差相差4 dB，性能更加稳定，更适合低信噪比时的DOD和DOA高精度估计。     

基于子空间分解类算法的高精度频率估计

针对高速全数字解调器中频率估计算法的高精确度及实时性要求,该文深入分析了基于子空间分解类算法的特点,提出了将求根多重信号分类(RMUSIC)法和旋转不变技术估计信号参数(ESPRIT)法分别与快速傅里叶变换(FFT)法相结合的高精度频率估计算法。首先应用RMUSIC或ESPRIT算法对信号频率进行预估计,确定粗略的窄带频率区间后,再应用加窗FFT算法对细化域内的频率进行精估计。此外,为满足不同信噪比条件的需求,提出了一种具有可选结构的高精度频率估计方法。仿真结果与分析表明,该算法极大地提高了已有频率估计算法的精度,具有较快的信号处理速度和良好的抗噪声性能。     

基于矢量传感器的高分辨频率估计算法研究

基于子空间分解的ESPRIT算法常用在阵列处理中对目标进行DOA估计．如果将空间的位移变成时间的延迟，单个矢量传感器可以实现高分辨率的频率估计．将ESPRIT与矢量传感器相结合，研究了高分辨率频率估计算法，建立了矢量传感器的数据模型，推导了矢量传感器的空时阵列流形，通过对协方差矩阵进行子空间分解，求得目标信号的频率估计值．仿真计算研究了不同信噪比、采样频率和数据长度条件下该算法的性能．结果表明基于矢量传感器的算法比基于声压传感器的算法具有更高的频率估计精确度．     

利用多次奇异值分解对ESPRIT 改进

本文主要讲述了一种ESPRIT的改进算法，该算法利用两次奇异值及一次SCHUR分解从而实现对ESPRIT各维估计参量的配对，该方法采用了二排均匀直线阵并附加一阵元，以此来对阵列进行两次子阵分解。利用子阵信号数据矩阵中包含的信号空间的旋转不变性质，借助于矩阵束方法求解出信号的二维到达角，仿真结果证实了该算法的有效性。     

圆形极化阵列到达角和极化参数估计

为了放宽布阵条件,解决现有方法存在的相位模糊问题,采用旋转不变信号谱估计算法研究了基于均匀圆形极化阵列的信号参数估计.利用子空间理论,并根据导向矢量的特点得到相邻阵元间的相位差估计,消除了相位模糊;利用沿z轴方向放置的电偶极子阵列导向矢量和磁偶极子阵列导向矢量之间的关系,通过矩阵运算给出了信号极化和到达角估计的最小二乘解,该算法不需要搜索运算和参数配对运算,仿真实验结果验证了该算法的有效性.     

修正STFD-ESPRIT到达角估计

提出了基于修正空间时频分布(STFD)矩阵的ESPRIT算法以实现对宽带线性调频信号的到达角估计.通过求阵元输出间的互Wigner-Ville分布(XWVD),并以其幅值最大值对应时频点的XWVD值作为修正STFD矩阵对应的元素,则该矩阵具有类似窄带信号阵列协方差矩阵类似的数学结构;在均匀直线阵列下,阵列输出的修正STFD矩阵在利用变换矩阵进行变换后具有平移不变性,为此可应用ESPRIT算法以实现DOA估计.