块Toeplitz矩阵低复杂度求逆的卫星导航空时抗干扰算法

采样协方差矩阵求逆是空时抗干扰算法的基本运算单元,但由于其运算量随时域抽头个数急剧增长,直接限制了空时抗干扰技术在卫星导航接收机中的应用。针对该问题,提出了基于块Toeplitz矩阵快速求逆的空时抗干扰方法。通过采用新的协方差矩阵近似计算方法,使得该矩阵同时为块Toeplitz矩阵与Hermite矩阵,并运用块Toeplitz矩阵的快速求逆算法,将时域抽头个数为K的计算复杂度从O[K3]降至O[K2]。理论分析和仿真结果表明,在阵元数为4、时域抽头为15的典型情况下,相比现有矩阵求逆方法,该算法的抗干扰性能损耗小于1d B,但计算量可降低约2/3。     

一种基于Q-R矩阵分解的自适应滤波算法

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性。在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于Q-R矩阵分解的自适应卡尔曼滤波算法。将协方差阵分解为两个矩阵的乘积,来保证协方差矩阵的正定性。仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点。     

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。     

飞行器碰撞概率计算的一般方法

研究了飞行器碰撞概率计算的一般方法,这种方法通过飞行器和空间物体各自的状态矢量、位置误差协方差矩阵以及形状尺寸来计算飞行器和空间物体的碰撞概率。从位置误差协方差矩阵的一般形式出发,推导了飞行器的碰撞概率计算公式。在推导过程中,将飞行器的相对运动速度看作是方向不变的矢量,从而可以消去平行于相对速度的一维,将三维的概率计算问题转化为和相对速度垂直的相遇平面内的二维概率问题。针对二维概率问题分别研究了三种碰撞概率的计算方法,并比较了它们各自的优缺点。最后通过数值算例验证了三种方法各自的特点及正确性。     

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。     

基于滑窗自适应的故障估计与补偿及其在组合导航系统中的应用

针对以往方法对缓变故障存在较大的故障检测延时,从而降低导航系统可靠性的问题,实时的故障估计及补偿十分必要。将故障动力学建模为随机过程,提出了一种基于不准确状态和测量噪声协方差矩阵自适应学习的滑动窗口变分自适应卡尔曼滤波器。它由前向卡尔曼滤波、后向卡尔曼平滑和噪声协方差矩阵的在线估计组成。通过对滑动窗口状态向量的平滑后验分布进行逼近,利用变分贝叶斯方法将噪声协方差矩阵的后验分布解析更新为逆Wishart分布,避免了不动点迭代,获得了良好的计算效率。最后,基于捷联惯导/卫星(SINS/GPS)组合导航系统,进行了导航系统的故障估计及补偿的仿真验证。仿真结果表明,在不需要了解量测噪声和故障系数矩阵的情况下,该方法能够较好地估计出目标故障信号,然后利用估计出来的故障值对导航系统进行补偿,极大地提高了SINS/GPS组合导航系统的实时估计精度与可靠性。     

非匹配摄动系统协方差矩阵的定界估计

基于Ｌｙａｐｕｎｏｖ 稳定性理论,在系统矩阵及噪声输入矩阵均存在非匹配摄动的一般情形下,研究随机系统稳态状态协方差的定界估计问题,通过求解两个代数Ｒｉｃｃａｔｉ方程,给出了该协方差矩阵上下界的估计式,并提供了一个说明性算例     

基于DSP的SMI方法快速实现研究

空时自适应处理(STAP)权值计算有数据域和均方域两种方法,分别以QR分解和样本协方差矩阵求逆(SMI)方法为代表.QR分解方法可以映射到脉动阵上并行实现,但实现复杂且设计成本较高;SMI方法实现则相对简单,但需要对样本协方差矩阵直接求逆.首先考察了不同矩阵求逆方法的内在并行性,基于DSP支持的片内并行技术,提出并实现了SMI方法的单DSP分块并行处理,进一步给出了数值稳定性分析和改善方法,实验结果证明了方法的有效性.     

采用随机矩阵理论的水声阵列SMI-MVDR空间谱估计技术

对角加载MVDR技术是一种经典的空间谱估计技术,在水声阵列信号处理中有着广泛的应用。该技术之所以具有较好的性能是由于其通过对角加载使样本协方差矩阵的特征值分散度减小。提出了基于随机矩阵理论的MVDR空间谱估计技术,具体思路是利用随机矩阵特征值的极限性质实现样本协方差矩阵噪声的抑制,以达到类似对角加载能够实现的特征值分散度减小的效果。仿真表明所提出的方法与对角加载方法达到了同样的目的,且当快拍数一定,而信噪比由小变大时,该方法可以达到与对角加载MVDR技术相当的性能;当信噪比设为定值,快拍数由小变大时,其与对角加载技术具有相同的DOA估计成功概率变化趋势,且在小样本情况下,此方法优势较为明显。     

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。     

连续求解样本协方差矩阵迹的快速递推算法

为解决当样本数据不断增加时,利用传统方法反复计算样本协方差迹耗时多的缺点,提出了一种快速递推算法。理论分析和仿真试验都表明,算法的时间复杂度比传统的方法降低了一个数量级,从而大大减少了计算时间。     

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。     

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。     

基于改进协方差控制的传感器管理算法

针对传统的基于协方差控制的传感器管理算法使用全遍历方法所造成的计算量大,以及传感器切换频繁的问题,提出了一种基于改进协方差控制的传感器管理算法。该算法在每一时刻首先判断前一时刻所用传感器组是否能够满足目标跟踪需求,以滤波协方差与期望协方差的偏差作为参考,结合量纲变换和特征值求取,为协方差偏差矩阵经过量纲变换后得到的量纲一致阵的所有特征值设定一个精度阈值,然后判断滤波协方差是否满足期望,从而决定是否维持当前选择的传感器组。在目标作匀速、匀加速、协同转弯等多种场景下进行了算法性能测试分析,仿真结果表明,该算法不仅在大部分场景下满足目标跟踪精度,而且能够提高传感器管理算法的实时性,同时降低传感器的切换频率。     

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.     

基于shearlet与PCNN的多聚焦图像融合方法

针对传统脉冲耦合神经网络(PCNN)模型在多聚焦图像融合领域应用中面临的参数繁杂等问题,提出一种基于剪切波(shearlet)变换与改进型PCNN的多聚焦图像融合方法。相比以往的变换域方法,shearlet具有理想的图像信息捕捉性能以及较低的计算复杂度,因此,可利用shearlet将待融合图像进行多尺度多方向分解。其次,对经典PCNN模型加以改进,综合运用清晰度水平以及协调矩阵完成低频子带图像以及一系列高频子带图像的融合过程。最后,运行shearlet反变换得到最终融合图像。仿真实验选取了若干组待融合图像进行仿真,验证了该方法在主、客观评价两方面的优越性。