利用阵列协方差矩阵稀疏性的到达角估计方法

为了解决传统基于阵列协方差矩阵稀疏性到达角估计方法计算复杂度高的问题,提出基于直接二维稀疏重构思想的高效到达角估计方法。该方法利用阵列输出数据的协方差矩阵构造二维稀疏表示模型,对协方差矩阵进行特征值分解以实现噪声功率估计,从而降低噪声对到达角估计的影响。在求解稀疏表示模型时,直接对该二维稀疏重构问题进行求解,避免了矩阵矢量化操作。仿真实验结果表明,该方法运行效率大大提高,并且在低快拍数、低信噪比和稀疏阵元等条件下估计性能优于传统方法。     

低快拍下模糊径向基神经网络波束形成算法

针对低快拍情况下自适应波束形成算法性能下降,以及权矢量解算过程中协方差矩阵求逆运算量大的问题,针对最小方差无失真响应(MVDR)算法,采用单位阵和采样协方差矩阵的凸线性组合对低快拍下的协方差矩阵进行修正,在此基础上,引入模糊径向基(RBF)神经网络逼近算法权矢量,通过模糊RBF神经网络实现从阵列协方差矩阵到最优权矢量的非线性映射,避免了矩阵求逆运算。仿真结果表明,当低快拍情况下最小方差无失真响应(MVDR)及最小能量无畸变响应(MPDR)算法出现性能下降时,基于模糊RBF神经网络的波束形成算法仍能快速逼近算法权矢量,波束赋形效果较好,同时可实现算法复杂度的降低及计算量的减少。     

基于改进K-L变换的特征提取技术

在模式识别中,为解决样本增加时,反复使用传统K L变换进行特征提取耗时多的缺点,提出了一种改进的K L变换方法,该方法利用快速递推算法来计算协方差矩阵,并使用矩阵扰动理论来求解协方差矩阵的特征值和特征向量。仿真试验表明该方法在确保计算精度的前提下,大大减少了运算时间。     

基于特征值线性拟合误差的信源数估计方法

基于信息论的MDL准则信源数估计方法在均匀高斯白噪声背景下具有良好的估计性能。若阵元间存在幅相不一致性时白噪声变成非均匀色噪声,此时算法性能将急剧下降。针对该问题,提出了基于数据协方差矩阵特征值总体最小二乘线性拟合误差的信源估计方法。该方法根据特征值线性拟合误差与拟合点数为单调不增关系,并结合MDL准则的惩罚因子构造判断函数实现信源数估计。仿真结果表明:该方法在非均匀色噪声背景下能够实现信源数一致估计;且在低信噪比、短快拍时仍然具有良好的估计性能。     

在线构造Toeplitz矩阵对相干信号DOA估计

针对相干信号源的DOA估计问题,提出了一种基于最大特征矢量在线构造Toeplitz矩阵解相干的方法。通过接收到的数据,实时构造基于最大特征矢量的Toeplitz矩阵来估计相干源的DOA,它无需估计数据的协方差,计算量小,不损失阵列孔径。相比常规的解相干算法,在小快拍和低信噪比情况下,具有更好的估计性能,理论分析和仿真结果验证了该方法的有效性。     

基于空间谱估计的测向技术

利用空间谱估计测向技术可以实现对目标信号测向,其优异的测向性能受到理论界和工程界的极大重视,出现了许多各具特色的空间谱测向算法,主要对多重信号分类算法(MUSIC)、旋转不变子空间(ESPRIT)、最大似然算法(ML)这三种算法进行了测向性能的比较分析。首先介绍了空间谱估计的基本原理,然后构建了均匀线阵的阵列模型,对三种测向算法及其流程做了较详细的分析,最后从不同的信噪比、快拍数和阵元数三个方面进行了测向性能仿真,仿真结果显示:在算法的测向精度上,MUSIC算法和ML算法明显要优于ESPRIT算法,随着信噪比的提高、阵元数目的增多、快拍数的增加,三种算法的测向性能都随之得到改善。     

一种稳健的高分辨方位估计方法及其应用

为解决快拍数不足情况下MUSIC高分辨方位估计方法输出空间谱信噪干比损失较大的问题,提出一种稳健的高分辨方位估计方法—CSMUSIC方法,并将其应用于近场声源分布测量中.根据时频变换过程,提出频域协方差矩阵估计过程可用快拍数;基于复域变换处理,解决了复域协方差矩阵估计求取过程可用快拍数;分析了CMUSIC方法实现流程及其降低频域快拍数不足导致的信干噪比损失;通过数值仿真验证了其对目标位置的检测及定位性能.数值仿真处理结果表明,该方法在保持MUSIC方法高分辨的同时,克服了频域快拍数不足引起的信干噪比损失较大问题,实现了对目标位置估计,提高了MUSIC近场声源分布测量方法对目标位置的检测及定位性能.     

基于估计协方差MME检测的频谱感知算法

针对小采样数据长度下,采样协方差矩阵对统计协方差矩阵估计不准,影响传统最大最小特征值(MME)检测算法检测性能的问题,提出一种基于逼近收缩(OAS)矩阵估计的改进MME检测算法。首先利用OAS估计量对采样数据做协方差矩阵估计,再对估计协方差矩阵特征值分解,将最大最小特征值之比作为检测统计量,克服了传统MME算法检测门限随采样点大幅波动的缺陷,提高了检测门限的鲁棒性。仿真结果表明,所提算法的检测门限具有鲁棒性,检测性能提高了1 d B~2 d B。     

基于空间平滑的单次快拍DOA估计方法

针对DOA估计的实时性和数据污染影响,给出了一种基于空间平滑的单次快拍DOA估计算法.由空间平滑技术,对接收的单次快拍数据采取解相干,再对Toeplitz矩阵进行协方差处理、采用特征分解、MUSIC算法和ESPRIT算法对信号实现DOA估计.该算法只需单次快拍,大大地减少了计算量,并且比现有的算法估计性能更好.采用计算机实验模拟分析和验证,证实了其有效性.     

双圆阵模式空间二维解相干

提出一种相干信号二维波达方向(Direction of Arrival,DOA)估计算法——模式空间波达方向矩阵(Mode-Space DOA Matrix,MS-DOAM)法。算法基于双圆阵,利用模式空间转换将圆阵转换为虚拟双平行线阵,计算虚拟线阵阵元间的互相关信息,构造两个等效协方差矩阵,进而构造波达方向矩阵,对该波达方向矩阵特征分解,利用得到的特征值与特征矢量求得入射信号的仰角和方位角。算法无需二维搜索,实现估计参数自动配对。仿真结果表明,算法在低信噪比和短快拍条件下,估计误差低于虚拟空间平移算法。     

GNSS多波束抗干扰接收机的反欺骗性能分析

为分析存在欺骗干扰的场景下GNSS多波束抗干扰接收机的反欺骗性能,提出欺骗抑制比这一性能指标。推导了在快拍数有限的情况下,多波束抗干扰接收机采用最小方差无失真响应(minimum variance distortionless response,MVDR)算法处理后输出真实信号和欺骗信号功率的理论公式。详细分析了欺骗信号到达天线阵口面的功率对真实信号和欺骗信号输出功率的影响。分析得出:即使欺骗信号功率在噪声水平之下,使用MVDR算法的多波束抗干扰接收机依然能对欺骗干扰进行抑制,且在欺骗信噪比高时,抑制效果更加显著。通过仿真和硬件平台实测验证了结论的正确性。     

高阶累积量自适应波束形成的改进算法

针对线性约束最小方差(LCMV)算法在自适应波束形成时,存在的对噪声敏感、信噪比(SNR)较高时波束形成受小特征值扰动影响较大的情况。在基于高阶累积量的LCMV算法的基础上提出改进方法。该方法首先计算阵列接收数据的高阶累积量,然后对高阶累积量构造数据增广矩阵,进行奇异值分解求出伪逆,再用伪逆修正LCMV算法的权值,形成波束。仿真结果表明,相比于传统LCMV算法与基于高阶累积量的LCMV算法。算法能够有效地克服信噪比升高时小特征值扰动对波束形成的不良影响,且在较低快拍数下仍能有效形成波束。     

一种非均匀噪声下的DOA估计算法

通用协方差差分算法用来实现对空间非均匀噪声环境下相干信号的波达方向(DOA)估计,该算法可以完全消除空间非均匀噪声,且适用于低信噪比环境,但该算法的DOA估计结果存在伪峰。针对这一问题,提出了一种改进的算法。改进算法通过对通用协方差差分(GCD)算法的信号协方差矩阵进行变换,再用特征分解的方法得到信号的DOA估计值。改进的算法可以完全消除伪峰,理论分析和仿真实验验证了改进算法的有效性。     

基于协方差矩阵估计的稳健Capon波束形成算法

常规Capon波束形成器性能对模型误差或失配非常敏感,尤其是当期望信号包含在训练数据中,导向矢量失配将引起性能急剧下降。为解决这一问题,提出了一种采用干扰噪声协方差矩阵和导向矢量联合估计的稳健波束形成算法。该方法通过对Capon空间谱在非目标信号的方位区域内的积分,实现对干扰噪声协方差矩阵的估计,解决数据协方差矩阵包含有目标信号时引起信号自相消问题;其次为了克服导向矢量失配的影响,通过最大化输出功率,并增加二次型约束防止估计的导向矢量接近于干扰导向矢量,实现对导向矢量的估计。仿真实验表明:该算法能获得近似最优的输出信干噪比,与现有算法相比稳健性更强。     

SINS/DVL/AST水下组合导航中的鲁棒信息融合方法

捷联式惯导系统由于自主性强等优势成为自主式水下航行器长航时、长航程导航的主要手段。针对水下环境中外部多导航传感器如多普勒计程仪提供的测速信息和水声单应答器提供的位置信息容易受到非高斯噪声污染的问题,提出基于马氏距离算法的联邦鲁棒卡尔曼滤波算法。在联邦鲁棒卡尔曼滤波算法中,通过马氏距离算法引入膨胀因子,对量测噪声协方差阵进行膨胀,以实现非高斯条件下水下组合导航系统鲁棒性的提升。同时基于子滤波器的滤波性能对信息分配系数进行自适应调整以确保水下组合导航系统的高精度。基于江试试验实测数据进行水下组合导航半物理仿真试验,试验结果表明:相比于传统的联邦卡尔曼滤波算法,联邦鲁棒卡尔曼滤波算法可在非高斯条件下实现更高精度、更加稳定的组合导航；能够满足水下组合导航系统对容错性和鲁棒性的要求。     

一种高机动场景下的单快拍DOA估计算法

针对高机动场景下目标信号样本数据少,常规算法难以获取信号子空间的问题,提出一种基于改进协方差矩阵的单快拍DOA估计算法。所提算法首先对接收的单次采样数据做互相关预处理,利用预处理所得数据重构等效协方差矩阵,再基于MUSIC算法完成相干信号的DOA估计。在不损失阵列孔径的同时,算法保证了谱估计精度。计算机仿真表明,在样本量较小的情况下,所提算法能够有效估计出相干目标信号,较现有算法估计精度有所提高。     

A novel DOA estimation algorithm using directional antennas in cylindrical conformal arrays

In this paper, a novel direction of arrival (DOA) estimation algorithm using directional antennas in cy-lindrical conformal arrays (CCAs) is proposed. To eliminate the shadow effect, we divide the CCAs into several subarrays to obtain the complete output vector. Considering the anisotropic radiation pattern of a CCA, which cannot be separated from the manifold matrix, an improved interpolation method is investigated to transform the directional subarray into omnidirectional virtual nested arrays without non-orthogonal perturbation on the noise vector. Then, the cross-correlation matrix (CCM) of the sub-arrays is used to generate the consecutive co-arrays without redundant elements and eliminate the noise vector. Finally, the full-rank equivalent covariance matrix is constructed using the output of co-arrays, and the unitary estimation of the signal parameters via rotational invariance techniques (ESPRIT) is performed on the equivalent covariance matrix to estimate the DOAs with low computational complexity. Numerical simulations verify the superior performance of the proposed algorithm, especially under a low signal-to-noise ratio (SNR) environment.