一种时频混叠的欠定混合通信信号盲分离算法

针对衰减-延迟欠定混合通信信号的盲分离问题,提出了一种基于子空间最小距离的源信号估计算法,通过计算观测信号到混合矩阵列矢量张成子空间的距离,估计任意时频点同时存在的源信号数目以及当前源信号对应的混合矩阵列矢量,把欠定混合问题转化为超定问题,然后通过计算Moore-Penrose逆矩阵求解源信号,理论分析和仿真结果验证了算法的有效性。     

亚音速飞行目标气动噪声方位角估计技术

亚音速飞行弹道气动声源是宽带非平稳噪声。提出基于小波函数的波达方向估计算法,并采用时频分析方法进行特征分析,获取气动噪声显著目标特性。通过优化时间-空间谱特征,对在时频域空间谱的目标信号进行优化,从而增强目标信号在空间谱上的显著性,最终有效实现亚音速飞行弹道气动声源的角度估计。实验数据验证表明,基于时频分析阵列信号处理模型,可以更好地实现亚音速飞行目标气动噪声方位角估计。     

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.     

基于时反处理的主动声自导鱼雷定位方法

传统的定位方法只能进行距离的估计,不能给出目标的深度信息,而时间反转处理基于声场的空间互易性,充分利用信道的多途特性.使能量在声源点得到聚焦,不仅能得到目标的距离,还能得到目标的深度.对于定位主动声自导鱼雷,可以利用其发射的脉冲信号,通过信道建模进行时间反转处理,使之匹配于真实信道,从而得到目标的距离和深度.实验仿真结果表明,此方法可以对主动声自导鱼雷进行距离和深度上的准确定位,而利用水平阵的阵长和阵元数目的优势,还能提高对弱信号的检测.这对潜艇水下防御有着重要的意义.     

基于子协方差阵加权的三星时差定位数据综合

为提高三星时差定位系统的定位精度,需要将系统在不同时间得到的多个定位估计结果进行统计综合。本文提出了一种基于子协方差阵加权的定位数据综合算法。该算法根据单点定位精度分析结果,先利用定位误差协方差的二维子阵的逆矩阵作为权矩阵,通过加权最小二乘估计目标空间三维坐标位置中的其中两维,再利用WGS-84地球模型求解另一维坐标。仿真实验表明,相比已有算法,所提新算法可以明显提高定位精度。     

对流层散射双向时间比对中对流层斜延迟估计

为精确估计对流层散射双向时间比对系统中对流层斜延迟,分析了估计卫星信号对流层斜延迟的Hopfield天顶延迟模型及CFA2.2映射函数模型并对其进行修正,从而适用于对流层散射斜延迟的精确估计。根据北纬35°~37°范围内的三个测站2010—2012三年的气象数据,验证Hopfield模型精度范围小于35 mm,并将三个测站按相互之间基线距离的不同分为三组比对站,利用2012年的气象数据,计算在不同入射角下一年的对流层散射斜延迟,并得出最大斜延迟对应的年积日和入射角。结果表明,三组比对站的最大单向散射斜延迟为21.82~35.45 m。在双向比对抵消90%的情况下,时间延迟为7.3 ns~11.7 ns;相互抵消95%时,时间延迟为3.6 ns~5.9 ns。     

机载SAR惯性导航误差快速估计方法

为了实现机载SAR图像高精度定位,提出了一种利用子图像BP成像的惯导误差快速估计方法。详细推导了惯导位置和速度误差与BP成像模型定位误差的关系,通过线性近似得到定位误差观测方程,利用最小二乘法得到惯导位置和速度误差的估计。在相同均值和方差的高斯观测噪声下进行蒙特卡罗实验,结果表明该方法与传统距离-多普勒模型估计方法相比具有更小的估计均方误差。     

声矢量阵降维平行因子模型及方位估计方法

针对原有的声矢量阵三阶PARAFAC(平行因子)模型维数高、参数求解过程运算量大的缺点,建立了一种降维的PARAFAC模型。将声矢量阵看作空间共点的声压传感器子阵和振速传感器子阵,计算各子阵输出数据的自协方差,并构造了三阶张量,最后证明该张量满足三阶PARAFAC模型并利用交替迭代算法估计声源参数。仿真和实测数据表明:该方法可以用于多目标方位估计且估计精度优于超分辨率的ESPRIT算法。     

基于直接数据域自适应算法的相干信号DOA估计

利用直接数据域自适应算法的稳态权值代替噪声子空间构建空间谱,构造了一种超分辨波达方向(DOA)估计方法.为了解决谱峰搜索时的伪峰问题,采用参考阵元轮换得到多组线性无关稳态权值,逼近噪声子空间,能有效去除伪峰.针对相干信号的DOA估计,进一步提出了直接数据域取对称共轭向量的解相干方法.相比子空间分解类算法,本文算法不需估计信号源数目和协方差矩阵、不需特征分解,复杂度仅为O(MP),同时能有效完成解相干处理.     

时延估计多基地水下目标被动定位及误差分析

根据基于时延估计的多基地航空搜潜系统中目标、各被动浮标之间空间上的几何位置关系,建立目标位置的数学模型,确立了目标空间位置与声传播信号到各被动浮标的时延、布阵间距、声速之间的关系;在此基础上,根据时延估计方差的克拉莫-罗下限,分析信号信噪比、接收机带宽、信号中心频率及观测时间等参量测量误差对时延估计的影响,进而分析了各参量误差对目标定位误差影响,最后对所建模型及误差进行了仿真分析。     

基于修正的子空间正交测试宽带DOA估计方法

投影子空间正交性测试法(TOPS)是利用宽带信号多个频点的噪声子空间与信号子空间的正交性实现到达角(DOA)估计。在中等信噪比时该方法估计性能较好,而在其他信噪比条件下空间谱易存在多个"伪峰",算法性能依赖于参考频点的选择。针对该问题,提出了一种新的TOPS算法,该方法通过最大化各频率点信号子空间与噪声子空间特征值区分度选择参考频点,同时利用信号子空间投影代替其零空间投影,避免信号子空间估计误差导致空间谱中产生伪峰,最后利用子空间的正交性实现宽带DOA估计。仿真结果表明,相比于传统的TOPS算法,该方法在一定信噪比条件下,避免了伪峰的出现,提高了TOPS算法的估计精度和分辨率。     

基于矩阵重构算法的宽带相干信号方位估计

根据空间平滑理论准则,提出了一种基于阵列接收数据矩阵重构的宽带相干源方位(DOA)估计算法。将宽带阵列数据分解为若干窄带数据,对每一子带进行空间平滑处理后的数据矩阵重构;再由构造的聚焦矩阵对其进行处理,最终得到平均的阵列协方差矩阵。由子空间方法处理得到信号的方向估计,仿真实验证明了该方法的有效性。     

基于线性数据融合的双椭圆定位模型优化算法

为了充分利用分离式台声源声纳定位系统的冗余测量信息,提高系统的定位精度,提出了基于线性数据融合的双椭圆定位模型优化算法。并通过数值仿真,对不同条件下的定位误差几何分布曲线图(GDOP)进行了研究。仿真结果表明,大部分探测范围内,两个声源之间距离的变化和时间测量误差对定位性能影响较小,而角度测量误差对该算法的定位精度影响较大。与仅利用距离信息进行定位的方法相比较,采用数据融合的优化手段,可以充分利用定位系统的冗余信息,有效地降低了系统的定位误差,探测盲区的定位性能也得到明显改善。仿真结果和性能分析为解决远距离探潜定位优化问题提供了理论依据。     

应用时空DOA估计实现武警指挥系统中移动终端的定位

利用阵列天线特性来获取信号波达方向 (DOA)信息 ,是实现移动终端定位的一条新思路。本文将传统的DOA估计方法与CDMA系统有效地进行结合 ,将DOA估计转化为时空域的子空间拟合问题 ,不仅解决了普通DOA估计中源个数过多的问题 ,而且DOA的分辨率也大大提高。仿真实验表明 ,本文方法较传统的DOA估计方法有更高的分辨率 ,可容纳更多的移动终端     

基于m-Capon的多阵列直接定位算法

多重信号分类(Music)直接定位算法需要先估计目标个数,然后根据目标个数估计确定其噪声子空间,进而得到空间谱函数。在低信噪比情况下,目标个数估计的错误往往会导致直接定位算法的失效。针对上述问题,提出了一种基于m-Capon的多阵列目标直接定位算法。该算法综合了Capon算法无需目标个数估计和Music算法定位性能较高的优点,在不进行目标个数估计的情况下,利用近似估计的方法得到逼近于Music算法的空间谱函数,解决了Capon算法在低信噪比下性能不足的问题。仿真结果表明,在无需估计目标个数的条件下,所提算法的性能与Music算法的性能大致相同,且逼近于克拉美罗下界。     

空中非合作目标旋转部件位置估计方法

针对当前空中非合作目标中旋转部件位置估计方法稳健性不足的问题,在分析旋转部件在高分辨距离像和逆合成孔径雷达像中分布特性的基础上,提出应用逆合成孔径雷达像的方位向距离单元熵和局部径向距离单元熵的旋转部件位置估计方法。该方法能够提升空中非合作目标逆合成孔径雷达成像过程中旋转部件信号分离的准确度。仿真数据和实测数据处理结果证明了所提方法的有效性,通过在实测数据中叠加额外噪声,进一步检验了所提方法对噪声的稳健性。     

低信噪比条件下改进ESPRIT方法

在低信噪比时,针对估计信源DOA实时性的问题,提出了一种新的适合于ESPRIT算法的多级维纳滤波器(MSWF)结构,找到了一种能判别信号子空间的方法。首先将多级维纳滤波器(MSWF)与ESPRIT算法相结合,采用多级维纳滤波器(MSWF)的前向递推,得到子空间,不需要通过特征值分解。低信噪比时,针对噪声子空间泄漏到信号子空间的现象,提出一种判别方法,找到了更精确的信号子空间,结合ESPRIT方法实现信号的DOA估计。由于该算法实现了真实的信号子空间的判断,因此,比传统基于MSWF算法具有更高地估计精度。特别是在低信噪比时,增强了算法的实用性,仿真结果证明了算法的有效性。     

周期运动声源的双阵列定位

针对常用的运动声源定位方法存在计算量较大或测试难度大的问题,提出一种基于阵列信号短时处理的运动声源定位方法。分析单、双五元十字阵列的定位性能,并基于单阵列的高精度定向能力,借鉴波束形成中帧处理思想,使用双阵列方位交叉的方法实现声源运动定位。使用自行火炮的发动机周期噪声作为模拟声源,进行外场定位实验,对参与短时相关数据的截取原则和传播路径补偿进行研究。实验结果表明,该方法能够有效实现周期声源的运动定位,最大相对误差保持在5%的水平。     

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。     

对于机动声源的纯方位跟踪

经典的纯方位目标运动分析(TMA)只限于具有常运动参数(通常是位置和速度)的声源。然而,大多数感兴趣的声源具有机动能力,这就降低了经典TMA的性能。在被动声呐范围内,声源—观察者之间长时间的遭遇是现实的,因此,声源机动的可能性对于声源和基阵基线可能是重要的。这就值得对包括声源机动不确定性的整个声源轨迹进行研究和建模。基于这个目的,一种简便的柜架就是隐马尔可夫模型(HMM),其基本思想由状态空间的两级离散化构成。由于速度转移的概率直接与声源机动能力有关,从而使位置转移的概率减小。 声源状态序列估计是通过经典动态规划(DP)实现的,这个方法不要求关于声源机动的任何先验信息。但是,声源机动的随机性质对于观察者机动的最优化起主要作用。这个问题通过使用马尔可夫决策过程(MDP)的一般框架解决。