阵列通道不一致性误差快速有源校正算法

针对阵列通道不一致性引起的幅相误差校正问题,基于多级维纳滤波器(MSWF),该文提出幅相误差快速校正的简化的多级维纳滤波器(SMSWF)算法。SMSWF算法利用校正源的方位和波形信息对阵列幅相参数进行估计,无需估计协方差矩阵和进行特征值分解,大大地减小了计算量,且具有与特征分解方法相同的幅相参数估计性能。研究发现,单个信源入射到阵列且信源波形已知时,SMSWF算法获得的信号子空间等价于特征分解法得到的信号子空间,这表明SMSWF算法能够替代特征分解法,从而极大减小基于特征分解法的信号处理方法的计算量。大量计算机仿真和消声水池试验验证了SMSWF算法的优越性能。     

宽带高分辨率阵列测向算法发展

<正> 1 阵列测向算法由传统算法向高分辨率算法发展1.1 传统阵列测向算法的局限 利用阵列信号处理技术对空间分布的信号源进行测向广泛应用于无线电测向、声测、雷达等诸多领域,其中的空间角分辨率指标是测向系统的一个重要指标。传统的阵列信号处理技术(如常规波束形成法)的算法原理大多是本世纪五十年代以前发明的,只是随着技术的发展不断地完善、改进而已,它们的空间角分辨率指标都受到瑞利限(Rayleigh Limitation)的限制,对于空间两个靠得较近的信号源,仅当它们之间的角度分     

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。     

二阶共轭增强MUSIC算法

提出了二阶共轭增强MUSIC(SO-CAM)算法,利用阵列输出的非零时延互相关函数及其共轭形成伪阵列输出,从而得到伪协方差矩阵,对其进行特征分解,利用信号子空间与噪声子空间的正交性,搜索得到的空间谱函数的极大值点对应的角度就是波达方向。仿真实验表明,新算法可对多于阵元数的信号进行测向,其测角精度和分辨力优于MUISC算法,与MUSIC-like算法性能相当。     

几种阵列形式的测向精度分析

应用空间谱估计MUSIC算法，在平面阵列二维超分辨测向的数学模型基础上，针对不同阵列形式阵列流形变化对二维测向性能的影响问题，分别以等间距和不等间距十字阵、L阵列以及圆形阵列为模型进行计算机仿真试验，并对这几种阵列形式进行测向精度分析。结果表明，不等间距阵列相对等间距阵列有更高的测向精度，同时也有更佳的实际应用价值。     

基于决策树的网络高维数据软子空间聚类方法研究

典型网络高维数据软子空间聚类方法采用软子空间聚类算法,根据目标函数最优解判断聚类是否最优,最优解计算过程容易过度拟合陷入局部最优,导致分类结果精度低。故文中提出基于决策树的网络高维数据软子空间聚类方法,根据信息增益选择决策树节点,在信息增益基础上添加分裂信息项防止决策树节点过度分类,获取不同树节点属性类别划分结果。在此基础上采用后剪枝技术删除含有噪音和干扰属性结点,将包含样本数量最多的分类结果视为网络高维数据软子空间的分类结果。仿真实验结果表明,所提方法聚类分析正确率随着网络高维数据集维数的增加而增加,且随样本数量增加的同时运行时间增长幅度较低,用时较短,是一种应用价值高的网络高维数据软子空间聚类方法。     

一种快速子空间测向算法

考虑用户先验知识提出一种快速子空间测向算法,构造了方向约束的相关相减多级维纳滤波器(MCSA-MSWF)方法,此方法在降低特征分解的基础上进一步降低了谱峰搜索的运算量,且克服了单纯基于多级维纳滤波器测向算法期望信号不准确的问题。仿真表明,该算法在低信噪比、小快拍数情况下具有更好的估计性能。     

线阵阵元位置误差造成的测向误差估算

阵元位置误差导致阵列流形改变,形成误差流形,子空间算法搜索既定理想流形,从而产生测向误差(准确性和分辨力降低).将线阵的误差流形与理想流形看作CN中的曲线,以微分几何为工具,分析了子空间与二者之间的相互关系,给出了测向误差的估算方法.仿真结果说明这种估算方法在一定条件下可行.     

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.     

基于幅相误差阵列的远近场混合信号超分辨测向方法

大多数的超分辨测向方法都需要掌握准确的阵列流型,然而在实际应用当中,各阵元通道对信号的幅度增益和延时往往不一致,使得真正的阵列流型和它的理论模型之间存在一定的误差,最终造成测向性能的下降.针对这个问题,论文提出了一种基于幅相误差阵列的远近场混合信号超分辨测向估计方法.首先对信号的空间谱函数进行变换判断出远场信号方向,接着根据远场信号子空间和噪声子空间的正交性估计出阵列误差并对数据进行校正,在此基础上通过矩阵分解判断出近场信号方向,同时还能够实现近场信号的定位.所提方法直接对信号空间谱函数分母的多项式求根得出信号方向和近场信号距离,回避了谱峰搜索的过程,在保证一定精度的前提下大大提高了计算速度.     

基于子空间迭代的快速高分辨技术

本文应用子空间迭代技术于多源定向问题中，可以快速得到信号或噪声子空间，而无需对原协方差矩阵做特征分解。理论分析与计算机模拟表明：该方法性能与Ｍｕｓｉｃ相近，然而计算量却大大减小。     

采用方向域滤波的非圆信号测向方法

针对实际应用中多个非圆信号从某一先验已知角度范围内入射的情况,提出了一种采用方向域滤波的非圆信号测向算法。新算法首先利用非圆信号测向MUSIC(NC-MUISC)算法得到入射信号的空间谱,再利用信号先验入射角度范围将其空间谱函数在方向域进行滤波,得到虚拟扩展协方差矩阵,然后仿照NC-MUISC算法求得信号入射方向。仿真结果表明,新算法保持了NC-MUISC算法的阵列扩展能力,同时在分辨力和测向精度方面进一步提高,且先验角度范围越准确则算法性能越好,具有良好的实用价值。      

基于盲源分离的同频信号测向算法研究

信号测向系统中,常用MUSIC算法进行同频信号测向处理。但是由于实际使用过程中信号子空间和噪声子空间并不能实现完全正交,使得MUSIC算法的准确度和稳定性大幅度削弱。基于这个问题,将盲源分离算法引入到同频信号测向系统中,利用盲源分离算法,对信号进行处理,分离出每个信源的空间信息,单独进行测向处理。能够在信号子空间和噪声子空间正交性不理想的情况下,保证测向系统的抗干扰性能,提高系统的准确度和稳定性。     

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。     

二维子阵级相控阵空间谱估计方法

目前已提出的空间谱估计方法绝大多数需要已知所有阵元的数字化输出信号,即为基于阵元级的方法.我们对应用于相控阵雷达的二维子阵级空间谱估计方法进行了研究.采用简化的阵列流形,只需精确地确定子阵相位中心与增益,大大降低了对相控阵的校正成本与代价.但其有效的方向估计范围只在子阵的3dB波束宽度内,然而与波束扫描相结合可实现任意空间范围内的方向估计.通过引入加权网络对子阵输出进行后处理,提高了阵列处理的灵活性;构造了基于理想子阵方向图的简化阵列流形,克服了直接简化阵列流形方法的测向范围无法调整的局限性,并能更好地抑制旁瓣源.仿真结果证实了所提出方法的有效性.     

自适应结构化背景和形状特征子空间高光谱图像多类目标检测

针对高光谱图像中目标形状特征已知,背景和目标光谱特征未知时的多类小目标检测问题,给出一种检测算法.通过高光谱图像数据样本二次型的高阶矩控制点扩散函数,获取自适应结构化背景;然后,利用目标形状先验信息构造形状特征子空间,在高维光谱特征空间实现形状特征子空间匹配检测.理论分析和实验结果表明该检测器可同时有效检测具有不同形状特征的多类目标.     

基于多级维纳滤波的ESPRIT算法

因奇异值分解引入了庞大的计算量,子空间分解类的测向算法在工程中难以实现实时处理.多级维纳滤波(MSWF)算法,避免了奇异值分解运算,有效地减少了运算量.通过对多级维纳滤波算法进行改进,提出了一种信源数目的估计方法.与传统多级维纳滤波算法相比,该方法提高了测向精度.通过仿真证明了该算法的有效性.     

MUSIC算法中谱线改进处理的研究

MUSIC算法,即多信号分类算法,常用于同频信号测向系统,主要利用信号分量相对应的信号子空间和信号分量正交的噪声子空间的正交性来对信源进行估计计算。在实际测向过程中,信号子空间和噪声子空间并不能实现完全正交,并且测试环境引入噪声干扰,对测向结果都构成影响。基于以上问题,对MUSIC算法进行了改进,加入了两种谱线改进算法,分别是谱线增强算法和谱二阶算法;通过对信号进行谱线增强,提高信号的信噪比,并在信号测向过程中加入二阶导数识别算法、提高信号测向角度识别率等方法,能够有效提高信号的信噪比和抗干扰性,增强了测向算法的识别率和精准度。     

基于四阶累积量特征分解的空间谱估计测向方法

传统的空间谱估计测向方法大都是在二阶统计基础上提出的，而高阶累积量（ｃｕｍｕｌａｎｔ）及其对应的高阶谱具有更加丰富的信息，而且对任何谱特性的高斯噪声都有很好的抑制能力。本文研究了基于四阶累积量特征结构分析的谱估计测向方法，从累积量的基本定义和性质出发，导出了基于特征分解的测向算法，并给出了模拟实验和测向系统外场实验结果，实验结果显示，基于四阶累积量方法的性能优于传统谱估计测向方法，特别是对于未知谱     

基于非均匀采样的信号频率和到达角联合估计

利用阵列中每个阵元有不同采样频率的非均匀采样特性,可以等效得到时变的虚拟非均匀线阵,然后采用经典的子空间法中的MUSIC测向法,通过网格搜索实现对信号频率和DOA联合估计;并且通过合理设置各阵元间的采样率,有效提高空间谱估计的分辨率和精度,还可避免测向角度模糊。该算法采用网格搜索法,明显减少了计算量。计算机仿真结果证明该方法的有效性和正确性。