基于多级维纳滤波的卫星信号DOA盲估计研究

卫星信号的盲测向是使用阵列天线进行导航终端抗干扰的基础,为了解决该问题,文中利用每颗卫星对应C/A码的唯一性进行解扩,提高了卫星导航信号的信噪比,采用多级维纳滤波分解得到的信号子空间代替ESPRIT算法中特征分解得到的信号子空间,提出一种基于多级维纳滤波的ESPRIT算法来实现卫星导航信号测向的应用.仿真结果表明,该算法不但能够实现卫星导航弱信号的测向,而且能够降低ESPRIT算法的运算量,具有更好的稳健性和测向性能.     

多级维纳滤波在子空间类测向算法中的应用

以MUSIC为代表的子空间类测向算法运算量很大。利用多级维纳滤波的正交分解特性,提出一种快速估计子空间的方法,避免了协方差矩阵的特征值分解,降低该算法的运算复杂度。采用多级维纳滤波的前向递推,将予空间的估计变成一系列的简单运算,提高处理速度．     

非圆信号多级维纳滤波MUSIC测向算法

为降低非圆信号的MUSIC(记为NC-MUSIC)测向算法的计算量,提出了基于多级维纳滤波的NC-MUSIC算法.首先,该算法将非圆信号特性用于多级维纳滤波算法,构造出扩展阵列输出矩阵,利用多级维纳滤波的递推特性求出信号子空间,而不需要估计样本协方差矩阵和对其特征值分解;其次,为了进一步降低算法的计算量,推导出信号子空间的谱峰一维搜索公式进行非圆信号谱峰搜索的计算,快速估算出目标的方位值.仿真结果和计算复杂度分析表明,新算法不但在均方根误差性能上与其他快速算法相似,均接近于NC-MUSIC算法,具有良好的估计性能,而且降低了NC-MUSIC算法的计算最,使其计算复杂度小于非圆信号扩展传播算子快速测向算法的计算复杂度.证实了新算法快速有效的估计性能.     

基于辅助矢量基的超分辨快速测向算法

以MUSIC和ESPRIT为代表的空间谱估计测向算法需要对矩阵进行特征分解或奇异值分解。当阵列数量增加时,矩阵特征分解将耗费大量的运算资源。给出了一种基于辅助矢量基的超分辨快速测向算法,通过计算一组辅助矢量基构造子空间进行测向,获得了较好的测向精度,避免了矩阵的特征分解,从而降低了计算复杂度,最后通过仿真示例验证了该方法的有效性和可行性。     

一种改进的MUSIC方法

多级维纳滤波是一种降维算法,文中将多级维纳滤波引入到多重信号分类(MUSIC)算法中,提出了适合于MUSIC方法的多级维纳滤波器结构。该方法避免了采样数据协方差矩阵的特征值分解,降低了运算量。仿真结果证明了方法的有效性。     

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.     

阵列单通道轮采式快速高精度定位算法

基于随机理论和多级维纳滤波(MSWF)思想,提出了一种均匀圆阵列单通道快速高精度测向定位算法。该算法只用一个接收通道,与多接收通道相比,在系统成本和复杂性方面具有显著的优势,并且避免了通道间幅相不一致导致算法性能下降的问题。该算法无需对阵列接收矩阵进行特征分解,减轻了星上处理器的运算负担,星上高精度测向定位的实时性得到保证。仿真实验验证了该算法的可行性和有效性。     

MIMO-OFDM系统中的SVD．信道估计算法

本文讨论在MIMO-OFDM系统中实现信道估计的算法仿真.文章从导频序列的选择开始,研究了在瑞利信道下的LS估计算法、分离的一维维纳滤波算法以及利用SVD奇异值分解简化的维纳算法.并通过分析仿真结果得出各种方法的性能比较.     

改进的Householder多级维纳滤波方法

该文以GPS接收机空时抗干扰为应用背景,给出了一种改进的基于Householder多级维纳滤波的降维方法。该方法保留了原算法的前向递推过程,并利用多级维纳滤波的分解特性,对其后向迭代过程进行改进,得到一种阶递归的实现结构,大大提高了算法的实时性。分析表明,改进方法的运算复杂度与原算法接近,并远低于基于相关相减多级维纳滤波(CSS-MWF)的算法。仿真实验验证了算法的抗干扰性能。     

基于数据矩阵奇异值分解的时—空二维信号处理

本文提出一种利用阵列接收信号数据矩阵奇异值分解的时－空二维信号谱估计方法，该方法对线阵接收信号构成的数据矩阵进行奇异值分解，构造出噪声奇异向量，利用信号空间与噪声空间的正交性获得时－空二维谱，该方法可用于高分辨测向测速系统中，计算机模拟表明了该算法的有效性。     

离散小波变换和奇异值分解相融合的彩色图像水印算法

为加强数字多媒体的版权保护,提出了一种结合离散小波变换和奇异值分解相融合的彩色图像水印算法(DWT-SVD).首先对彩色数字载体图像进行小波分解,并对其小波系数进行奇异值分解;然后对水印信息采用Arnold进行置乱,并进行奇异值分解;最后将水印信息的奇异值嵌入到彩色图像的小波系数奇异值中,并对水印嵌入强度进行调节.仿真结果表明,DWT-SVD可以检测到完整的水印信息,具有良好的不可见性,对各种攻击具有较强的鲁棒性.     

准正交空时分组码系统的一种盲信道估计方法

空时分组码(STBC)系统的经典信道盲估计方法,如子空间法(SS)等,都是基于接收端样本自相关矩阵的特征值分解(EVD)或奇异值分解(SVD)来实现信道估计的,而基于QR分解的信道盲估计方法是一种性能优良的新算法.文中将该算法应用到准正交空时分组码系统的信道估计中,结合准正交空时分组码的特性提出了一种新的信道盲估计算法.与以上经典的信道盲估计算法相比,文中提出的算法的计算量大为降低.同时Monte-Carlo仿真表明,当信噪比较低时,该算法比子空间法有更好的性能.     

基于奇异值分解图像压缩算法的研究

提出了一种奇异值分解（SVD）的图像压缩算法,该算法通过对数字图像矩阵进行奇异值分解,将一幅图像转换成包含几个非零值的奇异值矩阵,实现图像压缩,便于图像的储存和传输。MATLAB仿真分析表明,矩阵的奇异值分解压缩方法具有较好的压缩性能,有效提高了压缩比。     

基于张量分解的子空间频率估计及应用

为了提高短时序列的频率估计精度,提出一种基于张量分解的适用于多通道接收数据的子空间高分辨率的频率估计算法。该方法将接收到的多通道采样信号按照一定的形式构建三维数据结构,利用子空间的移不变性,采用张量的高阶奇异值分解直接对数据进行频率估计。仿真表明在低信噪比的情况下,基于张量分解的频率估计算法性能要优于基于矩阵奇异值分解的频率估计算法,将此算法应用于目标轨迹测量中,可以获得高精度的目标轨迹参数。     

基于DWT SVD域的彩色图像水印算法

针对数字产品的版权保护问题,提出了一种结合整数小波变换（DWT）和矩阵奇异值分解（SVD）的彩色图像非盲水印算法。该算法首先对待处理图像的蓝色分量进行整数小波分解,再将得到的低频子带的小波系数矩阵进行奇异值分解,然后对水印灰度图像进行奇异值分解,水印图像的奇异值被嵌入到由源图像小波系数分解得到的奇异值中。经过奇异值分解逆变换及整数小波逆变换得到含水印图像。实验结果表明,该算法对加噪、滤波、JPEG压缩、剪切、缩放和旋转攻击均有较强的抵抗力,具有较好的实用价值。     

采用降秩多级维纳滤波器的二维DOA估计快速算法

针对双平行线阵的二维波达方向(DOA)估计问题,为有效降低计算复杂度,提出了一种基于降秩多级维纳滤波器(MSWF)的快速算法。首先利用MSWF的前向递推实现信号子空间的快速估计,无需估计协方差矩阵和特征分解;然后,通过MUSIC算法对方位角和俯仰角的估计进行分维估计,使二维DOA估计退化为两个一维DOA估计问题,且方位角和俯仰角自动配对,进一步降低了运算量。仿真结果表明,该方法的估计精度优于同样基于双平行线阵提出的波达方向矩阵法(DOAM),俯仰角兼并时同样适用,计算复杂度低,适用于实时性要求高的应用背景。     

双基地MIMO雷达目标快速定位算法

基于多级维纳滤波器（MSWF）的双基地多输入多输出（MIMO）雷达定位算法,能够有效的降低计算复杂度,但是会带来信号子空间的扩展问题,降低算法性能。因此本文提出了一种新的目标快速定位算法。首先根据MSWF的自相关模值的特点确定需要的MSWF级数,得到扩展子空间;其次利用ESPRIT方法得到目标的初始发射角（DOD）和接收角（DOA）,最后利用判别准则从初始目标角度得到真实目标角度,并完成目标收发角度的配对。算法不需要特征值分解,计算复杂度较低,并且充分利用了扩展子空间,具有更高的角度估计性能。      

基于奇异值分解的向量替换数字盲水印

文章在分析图像的奇异值分解特性的基础上,提出了一种基于奇异值分解的载体奇异向量与水印奇异向量替换的盲水印算法。将载体图像分块进行奇异值分解,用水印分块奇异值分解的左右奇异向量和奇异值向量替换载体的对应向量。根据载体与水印的大小关系将水印循环嵌入,提取时进行平均判决。算法简单易于实现,提取的水印相似度高,可应用于高品质图像的版权保护与认证。     

基于奇异值分解的小波域水印算法

文章提出了一种新的小波域奇异值分解的算法,通过对原图像小波分解后的系数进行奇异值分解来嵌入水印,具有很强的抗JPEG压缩能力,并在嵌入水印时采用了自适应嵌入的方法提高了不可见性,还采用了一种基于队列置换的图像置乱技术,提供密钥增加了系统的安全性。     

基于互相关抽样分解的分布式非圆信号DOA快速估计

在非相干分布式非圆信号波达方向(DOA)估计中,针对利用信号非圆特性后输出矩阵维数扩展带来的较大运算量问题,该文提出一种基于互相关抽样分解的DOA快速估计算法。该算法仅需要从子阵间的扩展互相关矩阵中抽样出少量行元素和列元素,构成两个低维子矩阵,进而通过低秩近似分解便可快速地同时求出左右奇异矢量,即分别对应两个子阵的信号子空间,避免了计算整个互相关矩阵及其奇异值分解运算;最后利用两个子阵信号子空间的旋转不变性通过最小二乘得到DOA估计。仿真分析表明,当行列抽样数大于信源数的两倍时,所提算法与直接基于互相关矩阵奇异值分解的非相干分布式非圆信号DOA估计算法性能相近,但复杂度得到了大幅度降低;而相比于传统的低复杂度非相干分布源DOA估计算法,所提算法利用信号非圆特性具有更高的估计性能。