一种基于连续蚁群算法的快速最大似然DOA估计

针对传统最大似然估计计算量大的问题,将连续空间蚁群算法与最大似然估计算法相结合,在ACOML算法的基础上,提出了一种用混沌序列初始化状态空间的改进蚁群算法MACOML(Muddleheaded ACO)。该方法使用混沌映射产生的初始状态空间来代替ACOML算法中的随机序列产生的初始状态空间,增加了初始解的遍历性,同时在寻优过程中增加了局部搜索。仿真结果表明:MACOML能保持最大似然估计方法的高分辨性能,而计算复杂度只是最大似然方法的1/20。     

一种基于改进PSO的随机最大似然算法

随机最大似然算法(Stochastic Maximum Likelihood,SML)具有优越的波达方位(Direction-of-Arrival,DOA)估计性能,但SML解析过程较高的计算复杂度限制了该算法在实际系统中的应用.针对SML计算复杂度高的问题,提出一种低复杂度的粒子群优化算法(Particle Swarm Optimization,PSO),解决了传统PSO算法中粒子数多和迭代次数多的双重缺点.首先,根据天线获得的信号,将旋转不变子空间法(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)求得的闭式解作为DOA的预估计值,同时计算系统此时的信噪比以及SML在此信噪比下的克拉-美罗界(Cramer-Rao bound,CRB).然后,根据DOA预估计值和当前CRB值在SML最优解的近邻范围内确定较小的初始化空间,并在该空间初始化少量粒子.最后通过设计合适的惯性因子w,使粒子以合理的速度搜索最优解.实验结果表明,改进PSO算法所需的粒子个数和迭代次数大约是传统PSO算法的1/5,降低了SML的解析复杂度,计算时间是传统PSO算法的1/10,因此在收敛速度上也有显著的优势.     

自适应减少复杂度的盲最大似然序列估计

 基于逐幸存路径处理原理和自适应选择幸存路径的思想,本文提出了一种自适应减少计算复杂度的盲最大似然序列估计新算法.通过分析和推导,给出了一种近似估计网格图最小欧式距离的方法,并利用该估计值对幸存路径进行取舍,在网格搜索中仅保留少数幸存路径来进行信道参数和发送符号序列的联合盲估计.理论分析和计算机仿真结果表明,对严重符号干扰信道,在较高信噪比条件下,本文提出的新算法具有较理想的误符号率性能和较低的计算复杂度.     

基于最大似然频率精细估计的载波捕获算法

深空通信中,星上对载波的主动捕获主要利用频率估计的方法。在实际载波捕获电路中,精确的频率估计值导入锁相环,使得锁相环捕获带余量充足。在锁相环带宽一定的情况下,估计精度的提高可以减少FFT实现点数。在FFT频率粗估计的基础上,通过频率精细估计算法可提高估计精度。为获得估计精度更高的频率精细估计算法,利用最大似然泛函不变性推导了频率精细估计的最大似然算法。载噪比在5 dB时,估计精度可以提高到FFT分辨率的10-4。仿真结果表明,该算法估计性能优于其他频率精细估计算法。     

基于最大似然估计与卡尔曼滤波的室内目标跟踪

为了解决室内目标跟踪系统中由于定位误差导致目标运动轨迹波动较大的问题,提出一种基于最大似然估计与卡尔曼滤波的融合目标跟踪算法.首先利用最大似然估计算法预测目标的运动轨迹,然后再利用卡尔曼滤波算法对预测结果进行滤波处理,进一步降低定位结果的误差.仿真结果表明,所提算法的定位误差均值为0.64 rn,比通用的最邻近算法性能...     

MPSK信号的最大似然SNR估计方法

该文利用最大似然准则分别推导了对于MPSK信号的数据辅助SNR估计方法、判决指向SNR估计方法和一种新的盲信噪比估计方法。文章对这些算法的性能进行了分析和计算机仿真,并与其它一些SNR估计算法进行了比较。分析和仿真的结果显示数据辅助的SNR方法性能优越,很好地符合了信噪比估计性能下限(CRLB)。判决指向算法性能依赖于判决的准确程度,在高信噪比时性能较好;而在低信噪比条件时,特别是小于OdB以后其估计有较大偏差。新的盲SNR估计算法对于BPSK信号具有估计范围广、精度高和复杂度小的特点,但是当M增加时性能会明显下降。     

OFDM中基于CP的最大似然估计同步技术

在OFDM系统中,实现符号定时和载波频率同步是实现OFDM技术的关键。一种盲同步算法是基于CP(循环前缀)的最大似然估计,该算法利用CP与该符号尾部数据的相关关系来实现符号定时和载波同步。然而使用这种算法当信号在时变多径信道中传输时,系统性能会明显降低。提出一种新型的CP结构,把CP分为两部分,其中一部分是复制前一个符号开头,另一部分是复制当前符号的尾部。CP的个数不变,所以CP的两部分个数各占CP的一半。利用这种新型的CP结构,FFT的起始时刻就可以落到有效数据段内(符号定时误差的绝对值应该小于CP/2)。OFDM的系统性能也能得到明显的改善。     

空时网格码的联合迭代最大似然估计和译码

该文提出了一种适合空时网格码的联合迭代最大似然估计和译码的方法,利用较少的导频,能够获得比传统非迭代最大似然译码更好的系统性能,仿真结果显示经过4次迭代,其性能与接收机已知理想信道信息下的最大似然译码比较只有不到1dB的损失,最后根据仿真结果给出一个导频数目和迭代次数的合理选择。     

分布式MIMO中的最大似然频偏估计

在考虑分布式多入多出(MIMO)系统中各收发天线对之间的频偏均可能不同的一般情况下,推导出了平坦衰落MIMO信道模型下的最大似然频偏估计.针对收端是否采用分布式天线的两种不同情况,分别提出了一种只涉及一维最大化问题的较低复杂度频偏估计方法.仿真结果表明,所提频偏估计方法在平坦衰落MIMO信道下可以获得令人满意的估计性能;而在收端仍采用集中式天线这一特殊情况下,利用所有接收天线上的接收信号进行联合估计,可以进一步提高估计性能.     

引入蝙蝠算法的最大似然DOA估计

DOA估计理论的传统算法中,最大似然DOA估计方法能准确地估计出目标方向角度,性能优良,并且具有很好的稳定性。与MUSIC及其他的子空间分解类算法相比,在信噪比较低、小快拍信号时,最大似然DOA估计算法优势更为突出。但是由于其自身算法复杂度较高的缺陷而碍于工程上的应用。针对这一问题,将蝙蝠算法与最大似然算法相结合,应用于信号的DOA估计,利用蝙蝠搜索算法搜索路径优、寻优能力强的优点,快速搜索到似然函数的全局最优值,优化多维非线性的估计谱函数。仿真结果表明,蝙蝠搜索算法有效地克服最大似然DOA估计中存在的运算量大,计算复杂度高等问题,通过与其他经典的仿生智能优化算法相比较,该方法体现出更好的收敛性。     

一种新的时频极大似然DOA估计方法

针对非平稳信号,提出一种新的时频域极大似然DOA估计方法,利用参考阵元与阵列中其它阵元输出之间的互伪Wigner-Ville分布建立起时频域的阵列信号模型,通过时频域极大似然方法获得入射方向估计。与基于空间时频分布矩阵的阵列测向方法相比,该方法具有计算量小、交叉项时频分布利用充分的优点。仿真实验证实了该方法的有效性。     

利用多普勒信息的波达方向最大似然估计方法

为了充分利用信号的时域特性来改善信号波达方向（ＤＯＡ）的估计性能，本文从最大似然估计出发，推导出了有限快拍，低信噪比情况下多普勒信号波达方向的迭代估计计算法，为进一步减小运算量，本文还推导了一种简化算法，本文提出的两种算法对低信噪比，少快拍数下多普勒信号的ＤＯＡ估计性能比不利用时域特性的ＭＬ方法有明显改善，Ｍｏｎｔｅ－Ｃａｒｌｏ实验验证了本文方法的有效性。     

基于网格爬山法的最大似然DOA估计算法

最大似然波达方向（DOA）估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足“预估分布”的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。      

雷达低角跟踪环境下的最大似然波达方向估计方法

在时空级联最大似然算法的基础上,本文结合雷达低角跟踪的特点,提出一种新的目标仰角估计算法.该算法利用事先得到的目标距离信息和天线高度信息来得到目标直达波信号和多径信号之间的仰角关系,然后再对时空级联最大似然算法的似然函数进行一维搜索.与时空级联最大似然算法相比,新算法不仅运算量大大下降,而且还具有较好的性能.理论分析和计算机仿真结果都证实了新算法的优越性.     

Efficiency Evaluation of the Unconditional Maximum Likelihood Estimator for Near‐Field DOA Estimation

In this paper, we address the problem of closely spaced source localization using sensor array processing. In particular, the performance efficiency (measured in terms of the root mean square error) of the unconditional maximum likelihood (UML) algorithm for estimating the direction of arrival (DOA) of near‐field sources is evaluated. Four parameters are considered in this evaluation: angular separation among sources, signal‐to‐noise ratio (SNR), number of snapshots, and number of sources (multiple sources). Simulations are conducted to illustrate the UML performance to compute the DOA of sources in the near‐field. Finally, results are also presented that compare the performance of the UML DOA estimator with the existing multiple signal classification approach. The results show the capability of the UML estimator for estimating the DOA when the angular separation is taken into account as a critical parameter. These results are consistent in both low SNR and multiple‐source scenarios.     

多普勒方位联合估计的蒙特卡洛算法

 目标回波的多普勒和方位参数能体现目标的重要特征.本文从参数的最大似然估计出发,采用非线性来放大似然函数并构造一个新的代价函数,该函数能更明显区分局部和全局最佳值.针对新代价函数的复杂形式,我们提出了基于蒙特卡洛的重要性采样方法来求解最佳值,并给出了重要性函数的一种选取方法.该方法不仅在低信噪比和小样本数条件下性能良好,而且各个参数自动配对并适用于任意的已知阵型.与已有的基于子空间的联合估计算法的仿真比较表明,本文提出的算法在性能上非常接近参数估计的CRLB.     

基于最大似然算法的OFDM同步技术研究

同步问题是卫星通信中的一个关键问题,直接关系到通信系统的性能。文中简要介绍了OFDM的同步技术,主要讨论了符号定时同步和载波同步。最大似然估计算法在OFDM符号定时同步和载波频率同步中得到了广泛的应用,通过最大似然估计方法,避免了基于导频符号的同步估计带来的频率和功率资源的浪费,通过仿真可以看到,能够很好地实现OFDM系统的符号同步和载波同步。     

MIMO声纳方位估计子空间拟合快速算法

为了充分利用多输入多输出（multiple input multiple output ,MIMO ）声纳的虚拟阵列孔径的性能,针对目标的方位估计问题,提出了一种M IMO声纳系统的目标方位估计方法,该方法由发射阵列发射正交信号,接收阵列首先对接受信号进行匹配滤波,然后构造子空间拟合关系,最后采用马尔可夫蒙特卡罗吉布斯抽样方法解决子空间拟合求解运算量大的问题．仿真研究表明,两目标条件下,采用该方法的MIMO声纳系统方位估计精度在中低信噪比条件下接近MIMO最大似然方位估计,优于其它MIMO阵列方位估计方法,而运算量只是最大似然方法的约1/4．水池试验结果验证了算法的有效性．