数据缺失情况下基于M⁃SPICE的低空风切变风速估计方法

针对机载气象雷达回波数据缺失的情况下,低空风切变风速估计失准这一问题,本文提出了一种基于缺失数据稀疏迭代协方差估计（Missing Sparse Iterative Covariance?based Estimation,M?SPICE）的低空风切变风速估计方法。该方法首先构造数据缺失模型,然后根据协方差拟合准则计算估计算子,并不断迭代更新得到最终所需的估计算子,进而恢复得到缺失的风切变数据,最后将恢复得到的数据重构得到完整的风切变数据,实现对风场速度的准确估计。仿真结果表明,该方法能够有效实现缺失数据的重建并精确地估计风速。     

基于协方差、正性和L1范数约束的迭代波达方向估计方法

本文通过将只能用于均匀线阵的PHD方法推广到稀疏线阵,同时将正性约束引入FOCUSS方法,得到了一种基于协方差、正性和l1范数约束进行协方差重建的迭代波达方向(DOA)估计方法.该方法利用了MUSIC方法忽略的反映阵列几何形状的协方差矩阵结构信息和DOA估计的稀疏约束信息,不仅突破了信号源个数小于阵元数的限制,并具有提高DOA估计性能的潜力.理论分析和仿真实验结果表明,这种迭代DOA估计方法一般经过数次迭代就能获得稳定的高分辨率DOA估计.     

阵元失效下基于核范数和SCAD惩罚的MIMO雷达DOA估计

阵元失效下多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival, DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly Clipped Absolute Deviation)惩罚的完整协方差矩阵重构方法,以利于阵元失效下MIMO雷达DOA的有效估计。首先对待恢复的协方差矩阵建立核范数和SCAD惩罚双先验约束模型,并利用等正弦空间稀疏化方式划分粗网格空间,在可容忍的模型误差内能大大降低运算复杂度;然后利用ALM-ADMM(Augmented Lagrange Multipliers-Alternating Direction Method of Multipliers)算法对双先验约束模型进行求解,从而恢复协方差矩阵中大量整行整列的缺失数据;最后通过RD-ESPRIT(Reduced Dimensional ESPRIT)算法进行目标DOA估计。仿真结果验证该方法能快速恢复虚拟协方差矩阵中的缺失数据,从而有效...     

基于稀疏迭代协方差矩阵的谐波参数快速估计方法

针对稀疏迭代协方差估计(sparse iterative covariance-based estimation, SPICE)方法功率谱估计精度较低和计算复杂度较高的局限性,提出了一种基于稀疏迭代协方差矩阵的谐波信号功率谱和频率参数的快速估计方法。该方法主要结合渐近最小方差准则和快速傅里叶变换,对功率谱参数进行快速迭代校正估计。首先,使用SPICE算法得到功率谱和频率参数的初估计。然后,通过渐近最小方差准则得到功率谱参数的迭代校正表达式。最后,利用功率谱迭代校正式获得谐波信号的功率谱和频率参数的估计。为提高算法的计算效率,利用观测数据协方差矩阵的Toeplitz结构和导向矢量的指数形式,对协方差矩阵进行(Gohberg-Semencul, G-S)分解,通过快速傅里叶变换对协方差矩阵求逆和矩阵与向量相乘部分进行求解,从而使参数估计的计算时间大大减少。仿真实验表明,验证了所提算法对谐波功率谱和频率参数具有较高的估计精度,并且计算复杂度较低。      

反演目标冲激响应的修正最速下降法

提出了反演目标冲激响应的修正最速下降法和估计逆卷积误差与控制迭代次数的相关系数判据。由导体球的瞬态电磁脉冲响应实测数据反演的结果表明：相关系数判据是估计逆卷积误差和控制迭代次数的一个简单可靠的判据；修正最速下降法是在时域反演目标冲激响应的一种有效方法，其反演效果优于修正共轭梯度法。     

利用广义内积值迭代加权的空时协方差矩阵估计方法

精确估计协方差矩阵是空时自适应处理(STAP)的核心问题,基于最大似然的样本协方差矩阵估计方法仅适用于均匀检测环境。为了提高非均匀场景下协方差矩阵的估计精度,该文提出迭代加权的空时协方差矩阵估计方法。该方法依据广义内积值(GIP)与其统计均值的距离确定样本的加权系数,并通过建立广义内积直方图及迭代处理的方式进一步提高协方差矩阵的估计精度。仿真结果表明,该方法能够提高非均匀环境下协方差矩阵的估计性能。     

基于协方差矩阵重构的阵元失效MIMO雷达DOA估计

在实际应用中由于恶劣环境或人为干扰等因素而导致多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达部分阵元失效,使得其接收数据缺失及其协方差矩阵秩亏,从而导致子空间类算法的波达方向(Direction of Arrival,DOA)估计性能恶化甚至完全失效。针对上述问题,提出了一种接收阵元失效下基于协方差矩阵重构的MIMO雷达DOA估计方法。该方法根据MIMO雷达协方差矩阵中以接收阵元数划分的子方块矩阵具有Toeplitz特性,利用正常工作接收阵元的协方差矩阵元素来恢复相应的缺失元素,从而重构出完整的数据协方差矩阵,提高阵元失效MIMO雷达的DOA估计性能。仿真结果验证了所提方法的有效性。     

基于时域平滑循环周期图的直扩信号载频估计

根据直接序列扩频(DS-SS)信号的特点,将其建立为循环平稳模型。利用循环谱分析的方法估计了低信噪比下DS-SS信号的载波频率。利用时域平滑循环周期图估计了循环谱密度函数,在循环谱密度函数的数字实现过程中,研究了有限采集数据条件下数据截短点数对循环谱的时域平滑周期图估计性能的影响,分析了经过时域平滑后的DS-SS信号载频估计精度。最后,仿真实验验证了算法的有效性。     

非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

一种用于密集强弱目标速度高分辨估计的IAA-MCapon算法

由于分辨精度有限以及易受目标能量强弱的影响,基于Fast Fourier Transform(FFT)的算法不能对位于同一距离单元的密集强弱目标进行有效的速度估计.基于此,本文采用基于协方差矩阵迭代自适应(Iterative Adaptive Algorithm,IAA)的改进Capon(Modified Capon,MCapon)算法对密集强弱目标速度参数进行高分辨估计.该方法首先采用Keystone变换进行距离走动校正,然后利用目标所在的距离单元数据进行协方差矩阵重构,接着利用MCapon方法使得密集强弱目标信号幅度输出均为常数1,最后实现了速度的高分辨估计,在保持高分辨的同时提高了稳健性.理论分析和实验仿真结果表明,所提方法可对包络校正后位于同一距离单元的密集强弱目标径向速度参数进行有效的高分辨估计,估计性能优于FFT类方法及子空间投影方法.     

基于IAA的协方差矩阵重构稳健波束形成方法

针对小样本背景下,存在相干信号、相位及阵元位置误差,传统波束形成方法性能不佳的问题,提出了基于迭代自适应法(IAA)的协方差矩阵重构稳健波束形成方法。该方法利用IAA估计出精确的功率谱,并进一步利用IAA估计的功率重构干扰协方差矩阵。重构过程中,将积分区域缩小到三维立体环域,减少无用信息的影响,提高了干扰协方差矩阵的重构精确度。最后通过波束形成抑制干扰信号。由于IAA不依赖于信号的非相干假设,解决了相干信号存在下的方位估计和功率估计。仿真表明,所提出的方法在相干信号、少快拍、相位及阵元位置误差同时存在的情况下,相对于其他波束形成方法,具有最优的信干噪比(SINR)输出,表明该方法具有优良的抑制干扰性能。     

基于迭代自适应方法的跳频信号缺失数据恢复

在复杂电磁环境下，通信信号侦察系统在侦收跳频通信信号时经常存在数据缺失的严重现象，因此实现缺失数据恢复具有重要的军事应用意义。针对常规数据恢复算法随着缺失比例升高性能急剧降低的问题，提出了一种基于迭代自适应方法（Iterative Adaptive Approach,IAA）的跳频信号缺失数据恢复算法。根据跳频信号短时间内可作为平稳信号处理的特征，算法选择加权最小二乘准则，利用系统获取的有效数据采用迭代自适应方法进行信号谱估计，然后基于最小二乘准则进行缺失数据恢复处理。通过仿真分析比较，在同等信噪比、缺失率条件下，所提算法比常规缺失数据恢复算法MAPES（Misssing-data Amplitude and Phase Estimation）具有更优的缺失数据恢复性能。     

基于复高斯模型的样本缺失窄带雷达信号重构算法

该文提出一种针对窄带雷达信号存在样本缺失情况下的信号重构算法。由于窄带雷达体制下,目标回波近似服从复高斯分布。在这一前提下,首先建立描述样本缺失观测信号与未知完整信号间关系的概率模型,然后根据贝叶斯准则推导出在给定样本缺失观测信号条件下完整信号的后验分布,最后利用期望最大(Expectation Maximization, EM)算法得到模型中参数的最大似然估计,进而得到完整信号的重构。该方法的优势是只需利用样本缺失观测信号就可以重构出未知的完整信号,除了复高斯分布的假设,不需要其他任何样本信息和先验假设帮助参数学习。基于实测数据的实验结果和与现有算法的比较结果表明该方法能够获得较好的重构性能。     

Constrained iterative reconstruction by the conjugate gradient method

The conjugate gradient method incorporating the object-extent constraint is applied to image reconstruction of a three-dimensional object using an incomplete projection-data set. The missing information is recovered by constraining the solution with the knowledge of the outer boundary of the object-extent which may be a priori measured or known. The algorithm is derived from the least-squares criterion as an advanced version of conventional iterative reconstruction algorithms such as SIRT (Simultaneous Iterative Reconstruction Technique) and ILST (Iterative Least Squares Technique). In the case of reconstruction from noisy projection data, a method based on the minimum mean-square error criterion is also proposed. Computer simulated reconstruction images of a phantom using limited angle and number of views are presented. The result shows that the conjugate gradient method incorporating the object-extent constraining provides the fastest convergence and the least error.     

Adaptive clutter suppression based on iterative adaptive approach for airborne radar

To improve the performance of the recently developed weighted least-squares-based iterative adaptive approach (IAA) in space–time adaptive processing (STAP) for weak or slow targets detection, we propose a novel IAA scheme to adaptively suppress the ground clutter by using the secondary training data (STD). Especially, we use the IAA to estimate the clutter plus noise covariance matrix from a very small number of STD. The resulting clutter plus noise covariance matrix can be utilized to form the STAP filter and then suppress the clutter. To reduce the computational complexity of the IAA, we exploit the sparsity of large clutter components in the angle-Doppler image and develop a modified IAA algorithm employing a soft-thresholding to adaptively determine the entries of each iteration that should be updated. Simulation results show that our proposed scheme outperforms the conventional IAA scheme over weak or slow targets detection and the modified IAA algorithm exhibits a comparable or even a better performance than the IAA algorithm but a lower computational complexity.     

Rapid identification of rice seed based on inverse Fourier transform of laser-induced breakdown spectroscopy

The identification of rice seeds is crucial for agriculture production. An inverse Fourier transform (IFT) method based on laser-induced breakdown spectroscopy (LIBS) is proposed to identify five kinds of rice seeds. The LIBS data of the samples were preprocessed by inverse fast Fourier transform (IFFT), and the time-domain signals of rice seeds were obtained. The back propagation (BP) neural network was used to establish full spectrum, segmented spectrum, time-domain full spectrum and time-domain segmented spectrum discrimination models. Compared with the original spectrum, the time-domain spectrum can significantly improve the identification accuracy. The time-domain full-spectrum identification accuracy reached 95.28%, and the time-domain segmented spectrum identification accuracy reached 94.36%, whose identification time was only a few seconds. The results demonstrate that LIBS detection technology combined IFFT and BP neural network is fast and accurate, which provides a new idea for batch detection of rice seeds.     

压缩感知中测量矩阵与重建算法的协同构造

本文提出基于感知字典的迭代硬阈值(SDIHT)算法,以此协同构造压缩感知中测量矩阵与重建算法.将成对测量矩阵与感知字典分别用于压缩投影和构造重建算法,重建迭代至残差为零,从而精确恢复原始稀疏信号.本文证明了SDIHT算法精确恢复原始稀疏信号的充分条件.SDIHT算法的优点是重建精度高和计算复杂度低.仿真实验表明,当信号稀疏度或测量次数相同时,相比IHT、OMP和BIHT算法,SDIHT算法重建0-1稀疏信号和二维图像效果更好、算法效率更高.     

基于频域超分辨的高速目标参数估计算法

针对宽带噪声雷达高速目标探测中参数估计性能与运算复杂度无法兼顾的问题,该文提出一种基于频域超分辨的参数估计算法。该算法通过设置不同固定时延得到多组含有不同相位信息的组合噪声调频信号,并对每组信号进行不含尺度变换的匹配滤波运算,以此来构造多普勒相位差组。根据多普勒相位差组与阵列信号处理的相似性,利用现代谱估计算法得到目标的速度信息,构造多普勒补偿函数进行包含尺度变换的匹配滤波运算估计出目标的距离信息。该算法可以在无需考虑多普勒色散的情况下估计出目标速度,整个运算过程仅需1次时域重构运算;当多普勒相位差组的固定时延及分组数选择合适时,其运算复杂度及参数估计性能皆优于曲面拟合的宽带互模糊函数算法。仿真结果验证了该算法的有效性。     

利用自适应傅里叶分解的非平稳无线信道的时频表示

针对非平稳Clarke无线信道模型的时域冲激响应的性能分析需求,利用自适应傅里叶分解,引入了一种非平稳无线信道的时频表示方法和信道函数的重构表示,并给出了信道的单分量表示式、时间频率分布以及能量谱密度。在高速移动、快速时变环境下进行仿真,结果表明,本文提出的非平稳无线信道的表示方法能克服STFT、小波变换等相关方法的缺点,提高了无线信道时频表示的准确性,降低了信道的重构误差。      

The sliding DFT

The sliding DFT process for spectrum analysis was presented and shown to be more efficient than the popular Goertzel (1958) algorithm for sample-by-sample DFT bin computations. The sliding DFT provides computational advantages over the traditional DFT or FFT for many applications requiring successive output calculations, especially when only a subset of the DFT output bins are required. Methods for output stabilization as well as time-domain data windowing by means of frequency-domain convolution were also discussed. A modified sliding DFT algorithm, called the sliding Goertzel DFT, was proposed to further reduce the computational workload. We start our sliding DFT discussion by providing a review of the Goertzel algorithm and use its behavior as a yardstick to evaluate the performance of the sliding DFT technique. We examine stability issues regarding the sliding DFT implementation as well as review the process of frequency-domain convolution to accomplish time-domain windowing. Finally, a modified sliding DFT structure is proposed that provides improved computational efficiency.