电磁矢量互质阵中基于降维Capon的DOA和极化估计算法

将传统电磁矢量均匀阵列推广为电磁矢量互质阵列,突破了阵元间距不大于半波长的限制。提出了电磁矢量互质阵列中基于降维Capon的波达方向（Direction of arrival,DOA）和极化联合估计算法。该算法无需假设已知极化信息,且只需一维搜索,避免了多维搜索,可实现DOA和极化参数自动配对;与相同阵元数的均匀阵列相比,明显提高了角度估计性能,并拓展了天线孔径,具有相对较高的自由度,且降低了运算复杂度。相同阵列及参数条件下,本文算法的角度估计性能优于ESPRIT算法和三线性分解算法。     

基于量子免疫进化的空时多维参数估计

利用阵列信号处理时域与空域等效的关系,以平面阵为基础,采用阵列协方差矩阵的奇异值分解和广义特征值分解估计接收信号的频率,通过分析阵列模型,提出一种抗原和抗体的亲和力函数;利用量子免疫进化的特性,估计出信号的俯仰角和方位角,从而完成阵列信号的多维参数估计,改善了多维参数估计的抗噪性能、数值稳定性和运行时间。通过计算机仿真,证明了该算法的有效性。     

基于三维压缩感知的MIMO雷达角度估计算法

基于张量模型的参数估计是雷达信号处理的一个发展趋势,然而现有张量算法无法在估计精度和计算复杂度方面达到良好的折衷。为解决上述问题,提出一种三维压缩感知（Three-way compressive sensing,TWCS）的多输入多输出雷达角度估计算法。利用匹配滤波后的信号内部隐含的多维结构,将接收数据堆叠成一个三阶张量模型。为降低高维张量在存储和计算方面的复杂性,利用高阶奇异值分解对高维张量数据进行压缩。其次将压缩后的张量与三线性模型相联系,获取压缩的方向矩阵。利用目标角度在所处背景的稀疏性,设计两个过完备字典,采用优化的方法获取目标角度。由于利用了接收数据的多维结构,TWCS中参数估计的精度要优于传统的子空间算法。此外所提TWCS算法不需要额外配对计算,且能进一步获取目标的多普勒信息。最后,利用仿真实验验证TWCS算法的估计效果。     

电磁矢量阵中基于平行因子压缩感知的角度估计算法

将平行因子框架与压缩感知理论相结合,解决了电磁矢量传感器阵列中的波达方向估计问题。首 先将接收信号构建成平行因子模型,然后结合压缩感知理论,对平行因子模型压缩。根据三线性交替最小二乘算法对压缩后的平行因子模型进行分解,最后利用信号的稀疏性,得到波达方向估计。借助压缩过程,本文算法降低了传统的平行因子算法的计算复杂度,节约了 存储空间。本文算法无需谱峰搜索,且同时适用于均匀线阵和非均匀线阵。该算法的角度估计性优于ESPRIT算法,且接近传统的基于平行因子模型的角度估计算法,仿真结果证明该算法的有效性。     

基于张量分解的多维数据填充算法

在多维数据分析和处理中,经常会出现部分数据丢失或者部分数据未知的情况,如何利用已知数据的潜在结构对这些缺失数据进行填充是一个亟待解决的问题。目前对于缺失数据填充的研究大多是针对矩阵或者向量形式的低维数据,而对于三维以上高维数据填充的研究则很少。针对该问题,提出一种基于张量分解的多维数据填充算法,利用张量分解中CP分解模型的结构特性和分解的唯一性,实现对多维数据中缺失数据的有效填充。通过实验对以三维形式存储的部分数据缺失图像进行填充修复,并与CP-WOPT算法进行比较,结果表明,该算法具有较高的准确度以及较快的运行速度。     

采用图分解的特征识别算法研究

CAD/CAE模型转换,其关键在于如何将模型分解为最简单元,这些单元往往具有相近的网格划分属性,可以方便估计计算误差和计算时间。基于此提出了基于图分解的特征识别算法,对属性邻接图进行分解,根据分解后的属性邻接图中的连通分量生成体特征。该算法不再局限于特征类型,只要合理控制顶点的可分解性判断就可以得到期望的模型分解结果;同时该算法可以获得体特征,使得可以在特征这一粒度上进行特征删除和替换,以方便地完成模型的简化。     

基于正交复用循环机制的WSN信源精确定位算法

无线传感器网络(WSN)信源精确定位算法无法同步优化时延估计与角度估计,且不能将噪声子空间与信号子空间进行分割。为此,提出改进的WSN信源精确定位算法。采用并发方式构建信号解析机制,完成信号空间在频域域上的并发实时解析分割,将噪声信号子空间及信号子空间分割为独立的矩阵信号,获取信源精确定位的时延估计与角度估计。基于能量谱密度估计,设计正交复用循环机制,对单路信号进行特征值分解,得到定位信号数字特征的精确估计,提升时延估计与角度估计精度,并从该估计集合中筛选出同时具备最低时延估计与最低角度估计的信号子空间,从而完成时延与角度的并发实时估计,提高信源定位过程中的定位精度。仿真结果表明,与DT-IPL算法、CD-CPP算法相比,在高衰落信道条件下,该算法具有更高的信源定位精度,且获取的信源位置与实际位置间的误差更低。     

复杂气象条件下的机器人视觉

文中系统地总结了近年来团队提出的雨雪及散射的建模与去除算法,包括基于近场光照散射成像模型的深度估计和散射去除算法、基于远场平行光照散射成像模型和区域优化的远场图像去雾算法及基于低秩分解的雪花去除算法和基于矩阵分解的雨雪去除算法.     

基于不完全测距的移动传感器网络定位算法

采用基于二次规划的无迹卡尔曼滤波及多维标度方法,研究高精度的移动传感器网络定位算法,从传感器网络整体定位角度出发, 为移动传感器网络定位提供了新思路.首先对传感器网络单元建立符合实际的带约束的非线性相对运动模型;在此基础上重点考虑模型中的物理约束,采用基于二次规划的无迹卡尔曼滤波对节点间相对距离进行滤波估计;最后基于分布式的多维标度定位算法进行局部定位与拼合,给出不完全测距下的移动传感器网络定位算法.仿真结果表明,所提出的算法在相同测距误差下与其他定位算法相比定位精度更高,在不同连通度的传感器网络中,均能得到良好的定位效果.     

电磁矢量阵中基于PARALIND分解的相干DOA估计算法

将电磁矢量传感器阵列参数估计问题与平行线性相关剖面模型(Parallel profiles with linear dependencies, PARALIND)相结合,利用PARALIND分解,提出了一种线性电磁矢量阵中相干信号波达方向(Direction of arrival, DOA)估计算法。该算法能够实现对电磁矢量阵中相干信源的角度估计,同时能得到相应的相干系数矩阵,其估计过程无需谱峰搜索,对均匀线阵以及非均匀线阵都适用。该算法角度估计性能优于传统的前后向平滑借助旋转不变性进行信号参数估计(Forward backward spatial smoothing-estimation of signal parameters via rotational invariance techniques, FBSS-ESPRIT)算法和前后向平滑传播算子(Forward backward spatial smoothing-propagator method, FBSS-PM)算法,且对于角度相隔较近的相干信源,该算法也能进行有效的辨识与估计。     

Joint direction of arrival estimation and array calibration for coprime MIMO radar

Compared to large-scale MIMO radar, coprime MIMO radar can achieve approximate estimation performance with reduced antenna number. In this paper, joint direction of arrival (DOA) estimation and array calibration for coprime multiple-input multiple-output (MIMO) radar is considered, and an iterative method for the estimations of DOA and array gain-phase errors is proposed. Based on the received data structure of coprime MIMO radar, trilinear decomposition is firstly adopted to obtain the estimations of transmit and receive direction matrices, which are perturbated by the gain-phase errors. Through equation transformation, the un-perturbated direction matrices and gain-phase errors can be iteratively updated based on Least squares (LS). Finally, the unique DOA estimation is determined from the intersection of transmit and receive direction matrices. The proposed algorithm achieves better DOA estimation and array calibration performance than other methods including estimation of signal parameters via rotational invariance techniques (ESPRIT)-like algorithm, multiple signal classification (MUSIC)-like algorithm and joint angle and array gain-phase error estimation (JAAGE) method, and it performs close to the method with ideal arrays. Multiple simulation results verify the algorithmic effectiveness of the proposed method.     

十字阵的单基地MIMO雷达中一种低复杂度的二维DOA估计算法

提出了在单基地多输入多输出(Multiple-input multiple-output,MIMO)雷达中的基于十字阵的一种低复杂度的二维波达方向(Direction of arrival,DOA)估计算法。该算法利用传播算子法(Propagator method,PM)避免了协方差矩阵的构造及其特征值分解,也无需谱峰搜索,从而大大降低了运算的复杂度;同时该算法可实现方位角和仰角的自动配对。本文算法的性能在高信噪比下逼近借助旋转不变技术估计信号参数(Estimation ofsignal parameters via rotational invariance techniques,ESPRIT)算法。文中还推导了目标方位角和仰角的均方误差。仿真结果证明了该算法的有效性。     

Two-dimensional angle estimation for monostatic MIMO arbitrary array with velocity receive sensors and unknown locations

In this paper, the problem of two-dimensional angle estimation for monostatic multi-input multi-output (MIMO) array is studied, and an algorithm based on the usage of velocity receive sensors is proposed. The algorithm applies the estimation method of signal parameters via rotational invariance technique (ESPRIT) algorithm to obtain automatically paired two-dimensional angle estimation. By utilizing the relationship within the outputs of velocity sensors, the rotational invariance property of ESPRIT does not depend on the array geometry any more. Hence, the proposed algorithm can provide two-dimensional DOA estimation for the MIMO array without the knowledge of sensor locations in the array. The algorithm requires no peak searches, so it has low complexity. Furthermore, it has better angle estimation performance than propagator method using the same sensor configuration. Error analysis and Cramér–Rao bound (CRB) of angle estimation in MIMO radar are derived. Simulation results verify the usefulness of the algorithm.     

基于均匀圆阵的改进UCA-ESPRIT算法

波达方向(DOA)估计是阵列信号处理的研究热点和难点之一。基于阵列天线, 利用空间谱估计理论进行DOA估计,提出一种改进算法——I-UCA-ESPRIT。首先根据均匀圆阵(UCA)的中心对称性,将输入信号进行重新排列;然后将重新排列的信号进行实值转换,并对相关矩阵进行特征值分解;最后引入SVD算法,以求解来波信号的方位角和俯仰角。仿真结果表明,该算法不仅适用于DOA估计的非相干信号和相干信号,且优于UCA-RB-MUSIC算法和UCA-ESPRIT算法。     

互质线阵中一种基于共轭增广的DOA估计算法

论文开展互质线阵下的空间谱估计研究。通过利用信号二阶统计量的共轭增广特性,提出互质阵下基于共轭增广的酉旋转不变性进行信号参数估计 (Conjugate augmented unitary estimation of signal parameters via rotational invariance technique, CA-UESPRIT)波达方向(Direction of arrival, DOA)估计算法。该算法先利用不同时长间隔下接收信号的二阶统计量,构造共轭增广虚拟阵列以扩展阵列孔径和提高空间自由度。然后采用基于互质特性的联合UESPRIT算法实现DOA估计。相比于传统互质线阵下的联合UESPRIT算法,CA-UESPRIT算法DOA估计性能更优。此外,通过酉变换可以将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了复杂度的同时保证了测向精度。仿真结果证实了所提算法的有效性。     

一种新的DOA估计的高分辨率算法

波达方向估计（DOA）在阵列信号处理中非常重要,而传统算法如多重信号分类算法（MUSIC）需要对阵列接收数据的协方差矩阵进行特征分解,并在全空域进行谱峰搜索,运算量巨大,尤其是二维DOA估计算法还存在稳健性较差的问题。提出了一种基于最小互熵谱分析的DOA算法,该算法只需要一次较少阵元的阵列采样（快拍）数据即可得到具有高分辨率的谱分析结果。进一步采用倒谱法,通过逆FFT变换提高了最小交叉熵谱分析算法的收敛速度。数值仿真结果表明,该算法较常规空间谱估计方法有更高的分辨力和更小的运算量,能够对阵列信号进行实时处理。算法不依赖于预先估计的信源数目,具有较好的宽容性,较高的分辨力以及极低的旁瓣电平。     

基于声矢量阵小样本数据的DOA估计研究

根据水下目标在其到达方位(DOA)搜索空间的稀疏性,采用稀疏分解理论实现了小样本、低信噪比条件下的声矢量阵DOA估计。通过分析,构造出基于声矢量阵阵列流型形式的过完备原子库,并采用正交匹配追踪算法得到目标的DOA估计。通过仿真,基于稀疏分解的声矢量阵DOA估计算法对单快拍数据进行处理,即可得到比较准确的DOA估计结果。对湖试数据进行了处理,验证了算法的有效性和优越性。