基于特征分解的高分辨时—空二维信号谱估计

本文提出一种基于特征分解的高分辨时-空二维信号谱估计方法。该方法对时-空二维信号相关阵进行特征值分解,构造相互正交的信号子空间和噪声子空间,利用其正交性,得到高分辨的时-空二维信号谱。该方法用于相控阵雷达,可以精确地提取空间目标的方位信息和速度信息。计算机模拟表明了算法的有效性。     

利用两次奇异值分解实现二维ESPRIT参量配对

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。     

基于数据矩阵奇异值分解的免配对二维谐波信号参数估计算法

本文提出了一种基于数据矩阵奇异值分解、免配对的二维谐波信号参数估计算法.该方法将二维谐波信号的参数估计问题转换为两个多样本的一维谐波信号参数估计问题,通过对数据矩阵的一次奇异值分解同时获得两个方向上的信号子空间,并利用这两个信号子空间的对应关系同时对角化两个方向上的构造矩阵Fx和Fy,从而在估计两个方向一维极点的同时完成了极点配对.该方法不需要将数据矩阵重新排列为Hankel块形式进行奇异值分解,也不需要额外的配对步骤,极大地降低了运算量,在数据矩阵维数较高时优势明显.仿真实验及实测数据处理结果证明了该方法的正确性和有效性.     

运用滑窗定阶的噪声子空间分解

地面接收的导航信号易受人为干扰,用空时二维阵列处理可有效抑制接收信号中的干扰。多级维纳滤波（MWF: Multistage Weiner Filter）可用于空时二维处理以避免大矩阵特征分解,但噪声子空间估计不准。对此本文提出一种方法:首先用经典MWF粗略估计噪声子空间维数,然后运用滑窗逐步找到噪声和白噪声子空间的分界点,最后用MWF的综合部分即可算得最优权值以进行抗干扰处理。仿真证明该方法在噪声子空间估计上比传统MWF方法具有更高的区分度,并且获得更优的抗干扰效果。由此得出结论:该方法能够大幅提高噪声子空间估计的鲁棒性,增强空时二维阵的抗干扰能力。      

GPS空时抗干扰子空间投影方法

根据GPS接收机接收信号、噪声和干扰的特点，将子空间投影方法与空时信号处理相结合，利用基于数据域相关相减结构多级维纳滤波器（CSA-MWF）的前向递推多级分解特性构造出空时二维干扰子空间，进一步求出空时抗干扰最佳权。与传统的特征值分解方法相比，该方法避免了估计接收数据协方差矩阵及其特征分解运算，计算量大幅下降，同时抗干扰性能不受影响，适合多变环境和小数据样本情况。该方法结构简单，具有较高的可行性和实用性。仿真结果验证了该方法对窄带和宽带干扰均有效。     

一种改进的时-空二维超分辨分维估计方法

介绍了一种应用在多普勒频率估计和DOA估计分维处理情况下，利用数据矩阵及其共轭重构得到新的数据矩阵，借助数据矩阵奇异值分解方法和时域投影变换的空时二维超分辨方法。仿真试验证明了该算法具有较高的分辨性能和较好的稳健性。     

一种基于L阵的二维解相干测向算法

本文对高斯白噪声环境下基于L型阵列二维测向的ESPRIT算法进行了改进.该算法利用阵列结构特点通过平滑原理获得3个互相关矩阵,然后由3个矩阵构造一个特殊大矩阵并对其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,运算量小,能够对相干信号进行估计.     

基于噪声子空间奇异值的信号分量数目估计

针对现有信号分量数目估计方法在低信噪比时估计性能差的问题,该文提出了基于噪声子空间奇异值恒虚警检测方法估计信号分量数目。通过对Hankel矩阵奇异值与噪声能量之间关系的研究,利用高斯白噪声包络平方服从指数分布的特点,在虚警率一定的条件下,获得噪声子空间奇异值检测门限。仿真结果显示该方法在低信噪比时有效。     

基于Hamilton四元数矩阵奇异值分解的二维谐波频率参量估计

对于二维谐波信号的四元数模型,首先论述其与二维谐波的实数模型和复数模型之间的对应与转换关系,之后提出运用四元数矩阵奇异值分解估计二维谐波中频率参量的算法.这种算法首先可以利用四元数矩阵的奇异值判断出原始的二维谐波信号个数,然后再分别利用四元数矩阵的左、右奇异向量中的噪声向量构造的噪声子空间估计出两维的谐波频率参量.算法本身需要的数据量少,数据矩阵构造简单,并且可以同时估计出两维谐波频率参量.从仿真实验中可以看出,本文提出的算法计算量相对其它针对二维谐波四元数模型的算法要小.仿真实验验证了本文算法的正确性.     

一种低复杂度的ESPRIT新算法

该文提出了一种基于QR分解的Power-ESPRIT (以下简称QP-ESPRIT算法) 新算法。首先使用采样数据协方差矩阵的幂(Power)获得噪声子空间的估计,然后对噪声子空间进行QR分解并使用R矩阵估计信源个数,提出了无特征分解的信源个数检测算法SDWED算法。进而,信号子空间的特征向量就可以由Q矩阵确定,从而应用ESPRIT算法获得信源波达方向的估计。该算法不需要预先知道信源个数的先验知识以及分离信号与噪声特征值的门限。在确定信源个数和子空间估计的同时,本文算法与传统的基于奇异值分解算法相比,具有近似性能时却拥有较低的计算复杂度。仿真结果证明了该方法的有效性。     

基于奇异值分解的空域海杂波抑制算法

为实现对高频地波雷达(high frequency surface wave radar, HFSWR)一阶海杂波谱中目标的检测,提出了基于奇异值分解(singular value decomposition, SVD)的空域海杂波抑制算法（简称空域SVD算法）. 空域SVD算法是利用海杂波较强的相关性,将邻近距离单元作为参考,对其阵列协方差矩阵进行SVD,估计空域的海杂波子空间和噪声子空间;再利用子空间的正交性,从阵列回波信号中去除其在海杂波子空间的投影分量,达到在空域抑制海杂波的目的. 该方法与现有的空域海杂波抑制方法相比,不需要预先知道海杂波的方位,利用阵列协方差矩阵的SVD来估计子空间,使得子空间的估计比较容易且准确,提高了输出信杂噪比(signal to clutter plus noise ratio, SCNR),有利于目标的检测.     

色噪声环境中TLS-ESPRIT谐波谱重构语音增强研究

为了提高语音在色噪声环境中的信噪比,提出了一种基于总体最小二乘旋转不变子空间技术（TLS—ESPRIT）谐波谱重构语音增强方法。通过对观察数据矩阵进行奇异值分解,有效地将信号及噪声分开。运用TLS—ESPRIT算法对语音谐波信号进行谱估计,重构语音信号,消除了帧与帧之间的噪声残留,得到了在巴克域上与原始语音几乎相同的语音信号。     

用于测向测速的二维谱估计方法

雷达应用领域中的一个重要问题是测向测速,精确地测定多普勒频率和方位角能够实现对目标回波信号的高分辨率处理,从而进行目标跟踪。本文提出一种超分辨的二维谱估计方法,它利用的是阵列处理技术,对天线接收数据进行本征分析,将信号数据张成一个空间并对其进行分解,根据正交原理分割成信号子空间和噪声子空间,构造出噪声本征矢量,利用信号子空间与噪声子空间的正交性,在空间谱上形成极值点,从而达到对方向和速度的二维高分辨率估计。该方法应用于相控阵雷达信号检测,可以精确地测定多普勒频率和方位角度,提取多个空间运动目标的二维信息。文章的最后给出了计算机模拟成像结果,验证了算法的有效性。     

一种基于Toeplitz矩阵重构的相干信源DOA估计算法

提出一种基于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。     

认知无线电中基于SVD分解的频谱感知新算法

为了解决认知无线电中能量检测法在低信噪比下检测概率低的问题,本文提出了一种基于SVD分解的频谱感知算法。首先利用接收信号构造Hankel矩阵,通过SVD分解,将矩阵分离成信号空间与噪声空间,再将较小的奇异值置零,然后重构矩阵,从而提高接收信号的信噪比（SNR）。其次,将SVD系统输出信号功率对噪声功率进行归一化,把降低噪声功率转化成提高主用户信号功率。最后进行能量检测,以此来提高检测概率。理论分析和计算机仿真表明,在相同条件下,基于SVD分解的频谱感知算法与传统的能量检测法相比,检测概率显著提高;要达到相同的检测概率,对信噪比的要求也显著降低。      

奇异值分解带通滤波背景抑制和去噪

针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)带通滤波新方法.首先分析了图像奇异值与目标、噪声和图像背景的关系,结果表明奇异值的高序部分更多地反映图像噪声,中序部分更多地反映目标性质,而低序部分更多地反映图像背景.以此为依据提出了SVD-I型和SVD-II型两种带通滤波器,并给出了奇异值曲线转折点法和门限准则法两种滤波器参数确定方法.实验表明SVD带通滤波能有效抑制图像背景,去除噪声,进而提高弱小目标的信噪比.     

一种低信噪比下有效的数字信号调制识别方法

提出一种利用信号包络特征同分形维特征相结合的调制识别方法。利用奇异值分解降噪原理可以有效地对信号进行噪声抑制。仿真结果表明,在0 dB信噪比环境下,方法的正确识别率能够达到90%以上。     

SVD降噪在载波同步技术中的研究

为了提升突发通信中载波频偏估计的性能,降低有效估计的信噪比门限,提出了一种基于奇异值分解去噪的频偏估计方法。首先,该方法将含噪信号根据相应映射转换成矩阵,并对该矩阵进行奇异值分解;其次,将较大的奇异值判定为信号特征予以保留,否则判定为噪声特征置零;接着,根据降噪后的奇异值重构矩阵,恢复成模拟信号;最后,将预处理后的信号进行M&M频偏估计。结果表明,相比于不去噪的频偏估计算法,该方法能够提升估计精度,降低信噪比门限,具有一定的实用性。