改进的快速稀疏贝叶斯学习水声信道估计算法

为了保证水下设备的长期稳定通信,提出了一种基于改进的快速边缘似然最大化的稀疏贝叶斯学习(sparse Bayesian learning based on improved fast marginal likelihood maximization, IFM-SBL)算法,对水声信道进行低复杂度、高性能的估计。特别是在低信噪比情况下,通过阈值去噪和离散傅里叶变换降噪,可以进一步提升算法的性能。仿真和海试结果表明,所提的IFM-SBL信道估计后的输出误码率与基于期望最大化的稀疏贝叶斯学习(sparse Bayesian learning based on expectation maximization, EM-SBL)算法相似,且验证了算法在低信噪比和快慢时变信道中都具有良好的鲁棒性。在运行速度方面,FM-SBL算法与IFM-SBL算法比EM-SBL算法提高了约90%,大大减少了信道估计时间。     

基于空间时频分布的欠定DOA估计

波达方向（DOA）估计是阵列信号处理领域的热点问题,但经典的DOA估计方法通常要求阵元数大于源信号个数,即满足超定条件。而在实际中往往面临的是源信号个数大于阵元数目的欠定条件。提出了一种基于空间时频分布的MUSIC扩展算法,该算法通过将空间时频分布矩阵进行拓展,实现了欠定条件下的DOA估计。相比时频MUSIC算法,该算法能同时适应超定和欠定条件;相比已有的欠定DOA估计方法,该算法在保证DOA估计精度的情况下,放宽对源信号稀疏性的要求,同时降低对快拍数的要求。仿真实验结果表明了本文算法的有效性。     

最小冗余线阵的DOA估计

波达方向(DOA)估计是智能天线技术研究热点之一。研究了最小冗余线阵的DOA估计问题。通过引入阵列冗余度,对非均匀线阵的阵元配置进行研究,在对MU S IC算法进行分析的基础上,利用M atlab对最小冗余线阵的DOA性能进行仿真,通过与均匀线阵进行对比,结果表明,在相同阵元数目的前提下,最小冗余线阵获得了较高的空间谱分辨力和较低的估计均方误差,提高了DOA估计性能。     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

一种LPI雷达宽带信号DOA估计算法

宽带低辐射信号的设计是低截获概率(LPI,Low Probability of Intercept)雷达的关键技术之一。但传统的波达方向(DOA,Direction of Arrival)估计算法主要是针对窄带信号设计的,应用在LPI雷达中会制约雷达的测向性能。重点研究一种宽带信号DOA估计的方法。该方法的关键在于通过直接分解数据协方差矩阵,来构造聚焦矩阵。此外,还从LPI雷达工程应用的角度分析了该方法的性能指标,并用MATLAB进行了仿真,仿真结果表明该方法具有较高的分辨力和较低的算法复杂度,同时也验证了该算法在LPI雷达上的实用性。     

基于四阶累积量阵列扩展的稀疏分解方法

提出了一种基于四阶累积量稀疏表示的估计方法,解决信号数多于阵元数时的DOA估计问题。该方法首先构造了包含所有DOA信息的最小冗余矢量,利用扩展阵列的最小冗余导向矢量构造完备字典减小完备字典的复杂度;然后利用L1范数作为稀疏约束条件建立稀疏模型进行DOA估计。理论分析和仿真实验,验证了该方法能够估计出的信号个数大于阵元数目,可直接应用于相干信号,比MUSIC-like算法具有更好的性能。     

L1-analysis稀疏重构在阵列信号恢复及波达角估计中的应用

通过适当的空域稀疏化构造了可对阵列接收信号进行冗余稀疏表示的阵列流形矩阵,建立了相应的L1-analysis稀疏重构模型用于恢复阵列接收信号,重点证明了该流形矩阵是满足L1-analysis 稀疏重构条件的紧框架,从理论上保证了将L1-analysis 稀疏重构用于阵列接收信号恢复及波达角估计问题的合理性,并推导出信号恢复误差的理论上界。利用在微波暗室环境中采集的实测数据,结合MUSIC算法进行实验验证,结果表明基于L1-analysis 稀疏重构的信号恢复对提高低信噪比环境下的波达角估计性能是有效的。     

非平稳噪声背景下相干信源DOA估计研究

针对非平稳噪声环境下相干信源的DOA估计问题,提出了一种新的差分平滑DOA估计算法,阐述了算法的实现原理和基本步骤,通过仿真实验分析了算法的子空间收敛性能、角分辨率以及DOA估计精度等性能。仿真结果表明,该算法可消除非平稳白噪声,运算量较小,不存在伪峰并且测向性能优良。     

基于移动目标的DOA估计偏差校正

针对移动目标的波达方向估计容易出现偏差的问题,提出一种利用频移信息修正方位估计偏差的算法,解决了传统方位估计算法不能适用于高速移动目标或平台的问题。该方法利用基阵平台与目标的径向移动速度,估计中心频率偏移,然后利用频移信息修正传统的方位估计结果。仿真结果表明,该算法可以极大地提高移动目标的方位估计精度。此外,该算法对阵列的阵型和方位估计算法没有任何限制,因此具有广泛的适用性和较强的工程实用价值。     

空间重采样的宽带多重信号分类算法高分辨方位估计

空间重采样法是宽带恒定束宽波束形成的一种重要方法,采用声矢量阵推导了基于空间重采样的宽带MUSIC算法,并和相干子空间FFT插值法做了仿真比较,结果表明,所提算法的性能优于FFT插值法,表现为更低的分辨信噪比门限和估计均方误差上.     

冲击噪声背景下引信目标方位估计方法研究

针对在冲击噪声条件下基于高斯噪声模型的目标检测方法性能退化的缺点,提出了一种新的引信目标方位估计方法。该方法引入α稳定分布模型对冲击噪声建模,通过对引信阵列天线接收信号共变矩阵的特征分解估计噪声子空间,再依据最小范数算法实现了对目标方位的估计。计算机仿真实验证明了所提出新方法的有效性。     

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。     

基于非均匀线阵和修正MUSIC算法的DOA估计

研究了基于非均匀线阵的DOA估计问题。提出了利用修正MUSIC算法进行DOA估计,并设计了对称布阵方式。仿真结果表明在对称布阵非均匀线阵中使用修正MUSIC算法,空间谱分辨率高、栅瓣小,且分辨率要高于均匀线阵。本算法获得了较高的空间谱分辨率,提高了DOA估计性能。     

基于贝叶斯网络的作战目标评估

在作战指挥决策活动的筹划阶段,对敌体系要害和关键点的分析,当前尚未形成系统方法。针对此问题,利用贝叶斯网络在非精确知识表达与推理领域的优势,提出了综合考虑目标价值、打击难度、打击效果等因素的作战目标评估模型。根据判别贝叶斯网络分类器性能优于生成贝叶斯网络分类器的特点,在经相关领域专家论证的样本数据集的基础上,采取梯度下降法训练得出评估模型各结点条件概率分布。最后,利用Netica仿真软件,经样本数据测试,证明了作战目标评估模型的合理性。     

非平稳噪声背景下DOA分步估计方法研究

针对相干和非相干信源同时存在的情况,结合斜投影理论和互相关矢量Toeplitz矩阵重构(CVTR)的方法,提出一种新的信源DOA分步估计方法。该方法把相干信源和非相干信源分开分辨,对相干信源用CVTR方法来恢复为满秩,避免了常规平滑算法阵列孔径损失大、运算量大的缺点;用斜投影算子而非差分方法对信源进行分离,不受相关矩阵须为Toeplitz结构的限制,使得算法可适用于任意阵列结构形式。这种分步分辨思路可有效增强信源过载能力,同时在互相关矢量Toeplitz矩阵重构过程中,可把非平稳噪声协方差矩阵转换成白噪声结构,使得算法对非平稳噪声有较好的适应能力。     

测向交叉定位中基于最小距离的二次聚类算法

针对现有测向交叉定位系统中聚类算法存在的计算量大、求解最优解困难等问题,提出了一种基于最小距离的二次聚类算法.即先通过最小距离法对每条测向线上的交点进行聚类分析,得到几个聚类程度较高的交点集合,再对这些交点集合通过取交集的方法进行二次聚类,得到少数的几个交点集合,最后再对这几个少数的交点集合进行选优,从而消除虚假交点集合,得到真实交点集合.通过交点回归计算,保证了真实交点集合具有很高的关联正确率.计算机仿真结果表明,该算法具有很高的关联正确率,且计算量较小,实时程度较高,并且适应于多传感器存在漏测的情形.     

基于波达方向矩阵的矢量水听器方位频率联合估计

提出了一种新的基于单个矢量水听器的方位频率联合估计方法--波达方向矩阵法.利用矢量水听器的时延数据,构造了两个相同的子阵,通过对波达方向矩阵的特征分解,实现了对目标信号的波达方向估计,并同时得到了目标的频率特征.计算机仿真实验表明,该方法具有较好的估计精度.