基于贝叶斯压缩感知的子空间拟合DOA估计方法

经典加权子空间拟合算法需进行多维非线性优化,初始参数的难以设置和较大的计算量限制了其应用。结合压缩感知理论,本文提出了一种基于改进贝叶斯压缩感知的子空间拟合DOA估计新方法。该方法首先通过低复杂度的子空间分解算法PASTd估计信号加权子空间,进而基于入射信号的空域稀疏性,将信号子空间拟合建模为多测量值稀疏重构问题,并应用贝叶斯压缩感知算法进行求解。算法在贝叶斯压缩感知的迭代求解中引入了基于相对阈值判决的基消除机制,加快收敛速度的同时避免了矩阵奇异问题。仿真结果表明本文算法在低信噪比、小快拍情况下空间分辨率优于MUSIC和l1-SVD算法,可直接用于相干源的估计,并对信源数目的估计误差具有较强鲁棒性。      

MUSIC算法的性能比较

智能天线的核心技术之一是波达方向估计,在无线通信中具有重要作用。MUSIC算法是一种经典的DOA估计算法,但因其计算量大、对于相干及小信噪比信号无法分辨等缺陷,故有较多的改进算法被提出。文中研究了求根MUSIC算法、基于空间平滑技术的MUSIC算法、改进MUSIC算法及修正MUSIC算法。通过仿真分析了角度间隔、信噪比、信号相干对改进MUSIC算法分辨率的影响。以上几种改进MUSIC算法进一步发挥了该算法高分辨率的优势,且有利于其在智能天线方面的应用。     

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。     

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。     

非协作通信中的盲信噪比估计算法

为解决调制识别前端的信噪比估计问题,首先给出了一种新的基于子空间分解的盲信噪比估计算法,新算法通过利用信号的过采样率信息构造特定维数的自相关矩阵,避免了原算法中对信号和噪声空间维数的估计.同时为了降低算法计算复杂度,以及更好地跟踪信噪比的变化,给出了另一种基于PASTd的子空间跟踪算法来进行信噪比的跟踪估计.仿真结果表明,与经典的子空间分解算法相比,改进算法在性能上有着显著的优势;同时基于PASTd的信噪比估计算法相比基于子空间分解的估计算法更好地跟踪了信噪比的时变.     

一种基于MUSIC算法的宽带信号DOA估计

针对传统MUSIC算法在信噪比较低的条件下分辨力下降的问题,提出一种适用于宽带信号的改进MUSIC算法,首先对接收信号进行快速傅里叶变换,将时域信号转移至频域,并划分子带;对每个子带上的信号求解协方差矩阵,进行特征值分解,构造信号子空间和噪声子空间;将信号在两个子空间的投影比值作为参考,进行子带波达方向估计,进而平均求出最终宽带信号波达方向。仿真结果表明,在低信噪比条件下,相比于传统MUSIC算法,所提方法具有较好的空间分辨力。     

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。     

基于子空间旋转变换的低复杂度波达角估计算法

多重信号分选(MUltiple SIgnal Classification, MUSIC)算法是波达方向(Direction-Of-Arrival, DOA)估计的最重要算法之一,但庞大的计算量使其工程实用性大打折扣。为降低MUSIC的计算量,该文基于子空间旋转(Subspace Rotation Technique, SRT)变换思想提出了一种高效改进算法,即SRT-MUSIC算法。SRT-MUSIC利用秩亏特性对噪声子空间矩阵按行分块并以旋转变换得到降维噪声子空间,进而基于该降维噪声子空间与导向矢量的正交性构造空间谱估计信号DOA。理论分析表明:SRT-MUSIC能有效避免空间谱搜索中的冗余运算,从而成倍降低算法的计算量。对于大阵元、少信号情况,所提算法计算效率优势更为明显。仿真实验证明了SRT-MUSIC的有效性和高效性。     

一种新的基于改进PASTd的中频信号盲信噪比估计算法

该文提出一种加性高斯白噪声信道下基于改进的紧缩投影近似子空间跟踪(PASTd)的中频信号盲信噪比估计算法。将Gram-Schmidt正交化过程引入到PASTd中,使计算得到的特征向量相互正交,从而保证算法具有更好的收敛性能。对MPSK(M=2,4,8)信号和MQAM(M=16,64,128,256)信号进行了大量计算机仿真,结果表明该算法性能稳定,并且当信噪比变化范围为5dB到25dB时,所得到的估计偏差小于1dB,估计标准差在0.3以内。与基于特征值分解的算法相比,能够在得到精确估计结果的同时,大大减小运算复杂度。     

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.     

基于四阶累积量的EM波达方向估计算法

针对低信噪比（signal-to-noise ratio,SNR）下,经典波达方向估计性能下降的问题,提出将信号的四阶累积量与期望最大化（expectation maximization,EM）算法相结合的波达方向估计算法.该方法引入隐含变量进行更新迭代,并求隐含变量的四阶累积量,构造关于待估波达方向的极大似然函数从而求解出信号的波达方向角.仿真结果表明:本文算法能有效地抑制高斯噪声对信号参数估计的影响,同时能利用迭代来提高估计精度.在低SNR时其估计性能优良,具有很好的稳定性和分辨率,有利于高分辨地估计信号的波达方向.     

基于改进的循环互相关MUSIC算法的波达方向估计

给出了基于循环互相关运算的信号模型，根据该信号模型，运用改进的循环互相MUSIC算法得到了对具有循环平稳特性的空间源信号波达方向进行估计的有效方法——ICCC-MUSIC算法；定性的分析和仿真实验均表明该方法具有较好的抑制噪声和选择信号的能力，为利用天线阵列提取具有循环平稳特性的源信号提供了较好的实现方法。     

射频特征对MUSIC算法的影响分析

分析了MUSIC算法测向的基本原理,分别针对辐射源的频率、信号持续时间以及信噪比3种射频特征,通过理论推导分析了其对MUSIC算法测向性能的影响,频率影响波长进而影响测向结果的估计精度,甚至会产生虚假谱峰,信号持续时间和信噪比在一定范围内与测向估计精度成正比,并对该结论进行了仿真验证。     

一种基于余弦特性的快速DOA估计算法

为了满足实时测向处理系统的要求,需要降低测向算法的运算量。在众多测向算法中,其中基于圆阵的MUSIC类算法因为其测向频段宽,可估计二维波达方向,性能稳健,测向精度高,并且在各个方向上具有相同的测向性能而广泛应用于实际系统中。本文主要针对均匀圆阵的阵列流形,分析了均匀圆阵导向矢量的特点,提出了一种基于余弦特性的快速DOA估计算法。该算法利用余弦信号周期特性来构造统计量,通过数学推倒可以证明该统计量只与俯仰角有关,与方位角无关。通过这种分维处理的思想从而可以先估计出俯仰角,再通过所得俯仰角的空间谱切片把二维搜索转化为一维搜索,这样处理大大降低了算法运算量,提高了算法估计速度,特别适合阵元数目较多的应用场合。同时考虑到实际应用中在同一个窄带信道中干扰信号和期望信号同时存在,并且互相影响,特别是强信号对弱信号的影响。本文利用数字滤波器提取期望信号估计,减少了干扰信号对期望信号的影响,提高了估计精度。通过计算机仿真验证了该算法的有效性。      

基于高速DSP的实时语音增强系统设计

随着移动通信技术的快速发展,语音增强的研究及其实际应用成为数字化通信的一个重要的研究方向。在数字信号处理技术的支撑下,许多优秀的语音增强算法的实时实现成为了可能。谱减法是一种运算量相对较小,增强效果明显,并且容易实时实现的语音增强算法,但是其缺点就是残留有音乐噪声。针对传统谱减法,本语音增强系统采用了一种改进算法,就是...     

A low-complexity joint 2D-DOD and 2D-DOA estimation algorithm for MIMO radar with arbitrary arrays

In this article, we study the problem of four-dimensional angles estimation for bistatic multiple-input multiple-output (MIMO) radar with arbitrary arrays, and propose a joint two-dimensional direction of departure (2D-DOD) and two-dimensional direction of arrival (2D-DOA) estimation algorithm. Our algorithm is to extend the propagator method (PM) for angle estimation in MIMO radar. The proposed algorithm does not require peak searching and eigenvalue decomposition of received signal covariance matrix, because of this, it has low computational complexity. And it can achieve automatic pairing of four-dimensional angles. Furthermore, the proposed algorithm has much better angle estimation performance than interpolated estimation method of signal parameters via rotational invariance techniques (ESPRIT), and has very close angle estimation performance to ESPRIT-like algorithm which has higher computational cost than the proposed algorithm. We also analyze the complexity and angle estimation error of the algorithm, and derive the Cramer‐Rao bound (CRB). The simulation results verify the effectiveness and improvement of the proposed algorithm.     

基于循环平稳特性的源信号到达角估计方法

分析了SC-SSF算法的不足,给出了统一的循环频域阵列信号模型,并推导得到了一般化的基于信号循环平稳特性的源信号到达角估计方法——GSC-SSF算法,该算法克服了SC-SSF算法的不足,具有更好的实用性.仿真试验比较了两种方法的估计性能,仿真结果说明了所给方法的有效性.     

基于博弈论的二次博弈波束成形算法

针对波束成形算法中,用户的信号方向估计值和用户之间的功率分配存在着相互矛盾,本文提出了一种基于博弈论的二次博弈波束成形算法,构建了波束成形博弈算法数学模型,首先在第一次博弈的时候,将波束成形算法中的信号方向和功率分配映射为博弈论数学模型中的局中人,将其建模为函数的极大极小值求解问题,先求解出信号方向;然后在第二次博弈的时候,将不同用户的功率分配过程描述为一个多用户的博弈过程,设计了功率分配更新算法,通过数学推导论证了纳什平衡点的存在性和唯一性。最后在仿真中,与传统最大信噪比算法进行比较。结果表明该文算法的性能要优于最大信噪比算法,并且讨论了不同参数对该文算法的影响。     

无参考信号条件下基于MSWF的DOA估计算法

现有基于多级维纳滤波(MSWF)的子空间法波达方向(DOA)估计算法复杂度较低,但需要先验的参考信号.论文从MSWF求解线性预测问题入手,将基于MSWF的线性预测和子空间两种不同的DOA估计方法结合起来,提出了一种实用的低复杂度DOA估计算法.该算法无需构造专门的参考信号,在低信噪比或信源数估计不准的情况下,算法依然具有较好的稳健性和估计性能.仿真实验验证了本文的结论.     

Two-dimensional DOA estimation for acoustic vector-sensor array using a successive MUSIC

This paper discusses the problem of two-dimensional (2D) direction of arrival (DOA) estimation for acoustic vector-sensor array, and derives a successive multiple signal classification (MUSIC) algorithm therein. The proposed algorithm obtains initial estimations of the azimuth and elevation angles obtained from the signal subspace, and uses successively one-dimensional local searches to achieve the joint estimation of 2D-DOA. The proposed algorithm, which requires the one-dimension local searches, can avoid the high computational cost within 2D-MUSIC algorithm. The proposed algorithm can obtain automatically-paired 2D-DOA estimation for acoustic vector-sensor array, and it has better DOA estimation performance than propagator method, estimation of signal parameters via rotational invariance technique algorithm and trilinear decomposition algorithm. Meanwhile, it has very close angle estimation to 2D-MUSIC algorithm. Furthermore, it is suitable for non-uniform linear arrays, works well for the sources with the same azimuth angle, and imposes less constraint on the sensor spacing, which does not have to be restricted within half-wavelength. We have also derived the mean-square error of DOA estimation of the proposed algorithm and the Cramer-Rao bound of DOA estimation. Simulation results verify the usefulness of the proposed algorithm.