基于相干对消的噪声子空间自适应估计

MUSIC算法的运算量主要集中在特征值分解和空间谱的搜索两部分,为避免进行特征 值分解,将相干信号自适应对消的思想用于噪声子空间的估计。由于阵元输出信号完全相干 ,视一个阵元输出为参考信号,其它阵元输出能够完全对其进行对消,得到的系数矩阵作为 噪声子空间的估计。基于LMS算法,给出了算法的矩阵形式,得到的噪声子空间估计算法的 运算量大大降低,且以迭代的方式进行,适合应用于运动信号源的跟踪,在阵元数较大时能 很好地逼近MUSIC算法性能。为减少空间谱搜索过程的计算量,对搜索过程先用系数矩阵的 一列进行搜索,然后采用其它列对搜索峰值进行验证。仿真结果显示算法具有很好的空间谱 估计性能和DOA跟踪性能。     

基于逼近噪声子空间的求根时延估计算法

多重信号分类(MUSIC)时延估计算法需要多径数估计,且其特征分解和谱峰搜索的计算复杂度较高。针对此问题,给出了一种基于逼近噪声子空间的求根时延估计算法。该算法利用协方差矩阵逆的高次幂逼近噪声子空间与其自身共轭转置的积,并构造多项式等式,以多项式求根的方式避免谱峰搜索,从而降低了计算复杂度。仿真结果表明,在无需多径数估计和复杂度低于MUSIC算法的条件下,所提算法的性能与MUSIC算法的性能相当,并且逼近克拉美罗界。     

基于噪声子空间特征值重构的DOA估计算法

该文针对非等功率信号波达方向(DOA)估计问题,提出一种基于噪声子空间特征值重构(Eigenvalue Reconstruction of Noise Subspace, ERNS)的超分辨算法。算法对接收信号自相关矩阵进行特征值分解,通过重构噪声空间特征值以及引入虚拟信源来构造新的接收信号自相关矩阵,对该矩阵进行特征值分解得到新的噪声空间特征值。当虚拟信源与实际信源入射方向相同时,新噪声空间特征值与重构后噪声空间特征值保持不变,利用这一特性来估计信源入射方向。该文给出算法的原理及实现步骤,并通过仿真进行原理验证与性能分析,仿真结果表明与其他子空间算法和MUSIC 算法相比,ERNS算法能够提高弱信号估计成功的概率。     

基于两种神经网络方法分析的DOA估计算法比较

许多高分辨率波达方向估计算法如MUSIC和ESPRIT估计都是以子空间概念为基础并且需要输出相关矩阵的特征值分解,由于数量估计的特征值分解计算,因此提出的PCA和MCA是分别基于信号子空间和噪声子空间的估计算法,算法稳定、收敛,且有自组织特性。仿真实验表明两种神经网络DOA估计算法具有不同的性能。     

色噪声背景下基于四元数MUSIC方法的矢量阵列信号参量估计

研究提取色噪声背景下以Hamilton四元数表示的二分量矢量阵列信号模型参量.首先详细说明了Hamilton四元数矩阵的右特征值分解理论及其具体的计算方法,然后构造了Hamilton四元数的二重相关函数(相关函数的再次相关函数),二重相关函数不仅能够有效地表征二分量矢量阵列信号参量,同时还可以抑制色噪声.最后,定义了二重相关函数的Toeplitz矩阵,利用介绍的四元数矩阵右特征值分解的计算方法得到信号子空间与噪声子空间,再利用噪声子空间与信号子空间的正交性采用四元数MUSIC的方法估计出信号参量.仿真对比实验说明此算法是有效的.     

加权伪噪声子空间投影的修正MUSIC算法

多重信号分类（multiple signal classification: MUSIC）方法通过计算搜索导向矢量与噪声或信号子空间的距离来估计波达方向,对采样协方差矩阵的依赖性较大。在小快拍或存在强弱临近信号条件下,采样协方差矩阵的估计值与真实值通常存在较大差异,导致估计的噪声或信号子空间发生畸变,严重恶化了MUSIC方法的波达角估计性能。针对该问题,本文提出采用加权伪噪声子空间投影的改进方法（称为wpnMUSIC）。该方法在修正数据相关矩阵的基础上估计与搜索导向矢量对应的伪噪声子空间并利用其在伪噪声子空间的投影值对MUSIC空间谱进行加权处理,在保持子空间处理方法高分辨能力的同时改善了对小快拍和强弱信号的稳健性。理论分析和仿真实验表明本文方法对强弱临近目标的分辨能力优于MUSIC方法。      

基于实值矩阵的宽带信号DOA估计方法

针对传统宽带信号DOA估计算法的高计算复杂度问题,提出使用实值矩阵改进的算法。与传统算法在复数协方差矩阵的基础上进行DOA估计相比,本算法仅使用复数协方差矩阵的虚部构造出一个实值矩阵,并在此实值矩阵的基础上,使用子空间算法进行DOA估计。实值矩阵不仅能够降低特征值分解的计算量,而且得到的噪声子空间与真实DOA和镜像DOA均正交,因此在DOA迭代估计时,仅需要对一半的角度进行谱峰搜索,而对于搜索时出现的角度模糊问题,可通过MUSIC算法去模糊,从而达到正确估计效果。相比于传统宽带信号DOA估计算法,本算法在保持DOA估计精度几乎不变的基础上,有效降低了算法计算量,计算机仿真结果验证了本文算法的有效性。     

互相关矩阵重排获取信号子空间的二维DOA估计算法

本文提出一种L型阵列的二维子空间DOA估计算法,该算法通过重排阵列接收数据的互相关矩阵获取信号子空间,然后根据信号子空间生成一个二维谱函数,最后通过二维搜索估计信号的来波方向。由于该算法采用二维谱峰搜索,所以不需要对俯仰角和方位角进行配对。与二维MUSIC算法相比,该算法的估计精度略有下降,但该算法不需要对矩阵做特征值分解,计算量降低且易于实现。文中给出了该算法的推导过程和具体实现步骤,并进行了实验仿真,仿真结果说明了算法的有效性。      

色噪声环境下单基地MIMO雷达分布式目标角度估计

针对传统的二阶统计量角度估计算法在高斯色噪声环境下估计性能急剧下降甚至失效的问题,该文提出一种基于四阶累积量的单基地MIMO雷达相干分布式目标角度估计算法。首先建立单基地MIMO雷达的相干分布式目标信号模型,求取信号的四阶累积量矩阵;利用特征值分解分离出相互正交的信号子空间与噪声子空间,根据多重信号分类(MUSIC)算法原理,获得阵列的空间谱函数,通过谱峰搜索得到分布式目标的中心波达方向。该算法充分利用了四阶累积量对高斯过程的不敏感性,能够很好地抑制高斯色噪声对角度估计的影响。仿真结果证明了该算法的正确性和有效性。     

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.     

OFDM系统中基于PM的时延估计算法

在正交频分复用(OFDM)系统的超分辨时延估计中,针对多重信号分类(MUSIC)算法的特征分解计算复杂度较高的问题,给出一种基于传播算子(PM)的时延估计算法。对OFDM系统进行信道估计,根据信道估计结果计算协方差矩阵,并利用协方差矩阵计算PM,然后根据PM构造出噪声子空间并将其标准正交化,最后利用伪谱函数进行时延估计。仿真结果和复杂度分析表明,在复杂度大幅度下降的条件下,所提算法与MUSIC性能相当,且逼近克拉美罗界。     

一种GTD模型参数估计的新方法

本文将能够精确描述高频电磁散射的几何绕射(GTD)模型取代传统的多重信号分类(MUSIC)算法所采用的指数和模型,并对MUSIC算法做了相应改进.提出利用特征分析方法的信号与噪声子空间正交特性,使改进后的MUSIC算法既能够精确估计目标散射中心位置,又能估计散射中心类型,取得了较好的效果.本文针对各种空间平滑预处理方法对噪声子空间与信号正交特性的影响进行了仿真,指出空间平滑预处理方法会影响噪声子空间及信号子空间结构,进而影响散射中心类型的估计,所以应对散射中心类型的最终结果进行修正.     

色噪声环境下GTD模型的参数估计

本文将能够精确描述高频电磁散射的GTD信号模型引入MUSIC算法,并对MUSIC算法做了相应改进。提出利用特征分析方法中信号与噪声子空间正交特性,使改进后的MUSIC算法既能够精确估计目标散射中心位置,又能估计散射中心类型。本文采用基于四阶累量的MUSIC算法,在一定程度上克服了高斯色噪声对MUSIC算法的影响,拓宽了GTD 模型参数求解的条件。     

基于子空间分解的信道阶数估计算法

提出一种新的基于子空间分解的信道阶数估计算法.首先基于子空间分解,将观测向量自相关矩阵的几何子空间按照某一正整数La分解为“信号”子空间和“噪声”子空间,由“噪声”子空间构建了一个特殊矩阵Gv,提出了Gv特征分析定理,该定理表明当且仅当La等于信道阶数时,Gv奇异并有唯一的零特征值,并进行了详细的理论和实验证明;然后根据该定理,不断修正“噪声”子空间的大小,判定Gv的奇异性,完成信道阶数的估计.仿真证明该算法不但在低信噪比条件下具有很好的估计性能,而且当信道具有较小的初始和结尾系数时,也能达到很好的效果.     

采用单次快拍数据实现相干信号DOA估计

该文针对均匀线性阵列的相干信号DOA估计问题,提出了一种基于单次快拍数据的解相干算法,该算法直接利用快拍数据构造一个Toeplitz矩阵,经理论推导,该Toeplitz矩阵的秩不受信号的相干性影响,仅和入射信号的个数有关,因此对该矩阵进行特征值分解可得到正确的信号子空间和噪声子空间,结合MUSIC,ESPRIT等子空间算法,即可实现对相干信号的DOA估计。数值仿真验证了该算法的有效性。     

有色噪声背景下自适应雷达波形优化设计

仅以提高雷达检测性能为目标所设计的发射波形通常具有较高距离旁瓣和峰均比,不利于微弱信号检测和实际工程应用。针对上述问题,提出目标信号子空间加权的自适应波形优化方法。给出利用环境中有色噪声的统计特性改善目标检测性能的系统模型,选取目标-有色噪声矩阵的大特征向量构成目标信号子空间,建立在该子空间上优化加权系数使发射波形满足自相关性能和峰均比约束的目标函数,并采用序列二次规划算法进行求解。该方法所优化发射波形能有效抑制有色噪声,同时获得较好的自相关特性和峰均比,改善雷达综合性能。仿真结果表明了该方法的有效性和灵活性。     

一种适用于小样本的迭代多重信号分类算法

当样本数不足时,由采样协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得多重信号分类(MUSIC)算法目标角度(DOA)估计性能下降。为了解决这个问题,该文提出了一种迭代算法通过校正信号子空间来提高MUSIC算法性能。该方法首先利用采样协方差矩阵特征分解得到的噪声子空间粗略估计目标角度;其次基于信源的稀疏性和导向矢量的低秩特性,由上一步得到的目标角度以及其邻域角度对应的导向矢量构造一个新的信号子空间;最后通过解一个优化问题来校正信号子空间。仿真结果表明,该算法有效地提高了子空间估计精度。基于新的信号子空间实现MUSIC DOA估计可以使得性能得到改善,且在低样本数下改善尤为明显。