卫星通信新技术专题讲座(二) 第3讲 基于分段累加的大频偏估计算法

文章提出了一种基于分段FFT累加的前向频率估计算法,该算法不需要位定时辅助,只要采样频率足够高,即能适合于各种频偏的信号。该算法仅需要较短长度的FFT运算,并通过采用多段累加的方式提高估计效果。仿真表明,该算法可以在极低信噪比以及大频偏条件下获得令人满意的估计精度。     

考虑相位噪声影响的单阵元被动合成阵列算法

考虑到现有单阵元被动合成阵列算法对阵元的运动模型假设过于理想且对相位噪声的适应能力不足,首先,提出一种适用于阵元任意机动方式的单阵元被动合成阵列通用算法,进而通过相位噪声模型分析,给出最大相参时间及有效合成阵元数的选取方法,重建了合成阵列的流形矢量,得到了与相位噪声模型相匹配的改进算法.然后,在相位噪声影响条件下,推导了单阵元被动合成阵列波达方向的理论估计方差下限.仿真分析表明,较未考虑相位噪声影响的算法,改进算法能够有效提高相位噪声影响下的单阵元被动合成阵列测向精度.     

基于时延的宽带LFM信号DOA估计算法

针对常用宽带LFM信号DOA估计算法采样数据量大、运算量大的特点,提出了一种基于时延的宽带LFM信号DOA估计算法。先把阵元接收到的信号变换到频域,而后用极值频率点进行时延估计,并对各极值频率点的时延估计值进行加权平均,进而估计出宽带LFM信号的来波方位。仿真验证了该算法的合理性和有效性。     

基于四阶累积量的双基地MIMO雷达收发角度估计

提出了一种基于四阶累积量的双基地MIMO雷达收发角度估计算法。在接收端,通过分别构造单阵元和双阵元的四阶累积量矩阵,采用基于四阶累积量的MUSIC算法和ESPRIT算法分别估计出目标的离开方向(DOD)和波达方向(DOA),并且DOD和DOA自动配对。该算法将二维参数的估计问题转化为两个一维形式,不需要二维谱峰搜索,在保证二维方位角估计性能的基础上,降低了运算量。利用四阶累积量有效地扩展了阵列孔径,并且适用于任意加性高斯噪声环境。仿真结果验证了算法的有效性。     

基于Coherent Point Drift方法的SAR图像散射中心匹配

散射中心匹配是当前散射中心用于SAR图像目标识别的一个主要技术途径.散射中心匹配的难点在于散射中心特征存在的误差和缺失.Coherent Point Drift (CPD)方法从概率密度估计的角度解决点模式匹配问题,能够较好地考虑散射中心的误差和缺失.本文将CPD方法用于散射中心匹配,并在此基础上引入车辆目标SAR图像方位角估计先验信息和散射中心属性信息,以提高散射中心匹配的准确性和稳健性.MSTAR数据实验说明了该方法的有效性.     

压缩感知理论与光学压缩成像系统

压缩感知理论为提升信息获取能力提供了新的思路,它表明当被探测信号具有稀疏性时,则获取信号所必需的测量数据与其稀疏度K量级相当,而远小于信号的维数N(Shannon采样定理所要求的采样数)。基于压缩感知理论的成像技术(压缩成像)则将感知、压缩和数据处理三个过程完美地结合在一起,避免了传统成像系统"先采样再压缩"方式带来的传感器和计算资源浪费。本文从稀疏性、投影测量矩阵的设计与可重构条件、压缩感知重构算法三个方面概述了压缩感知理论及进展,并以光学成像为背景,详细阐述了最近提出的几类光学压缩成像系统,最后,探讨了压缩感知及压缩成像方面目前所面临的一些挑战性问题。     

应用Kalman滤波器估计放大转发双向中继联合信道

针对遵从放大转发协议的双向中继网络的联合信道估计问题,提出了一种基于Kalman滤波器的新方法。根据联合信道构成特点将其划分为自干扰部分及传输部分,通过AR模型对这两部分自相关函数进行近似化处理,建立了联合信道时变过程的状态方程,结合接收的训练序列信号,给出了具有Kalman滤波器形式的估计方法。在证明了该方法的一致收敛性质的同时,列出了误差性能限所满足的Riccati方程表达式。仿真结果表明,新估计方法相比于最大似然方法在均方误差方面具有明显的性能优势。     

基于虚拟时间延迟线阵列的联合频率—到达角二维谱估计

提出基于虚拟时间延时线阵列的联合频率-到达角二维谱估计方法,把经典的子空间方法推广到空时二维域并进行了改进.基本思路是估计空时噪声子空间和空时信号子空间,然后,利用两个空时子空间特征进行频率-到达角联合二维搜索.正常情况下可分辨的信源数远远超出阵元数目;在信号源宽带较大或信号源波长偏离阵列尺寸较远时,不会像经典方法一样出现大的偏差或估计信源角度范围受限;同时给出信号源的频率和到达角估计,更全面地反映了信号特征.     

尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。     

应用于四旋翼无人机角速度估计的几何滑模观测器设计

对四旋翼无人机的角速度进行估计时,传统的基于单位四元数的滑模观测器需要引入强制比例重调,因而影响了跟踪精度。本文提出一种基于数值积分的李群方法的滑模观测器设计框架。该算法基于等变映射思想,在齐性流形空间的等价李代数空间中设计滑模反馈,从而避免了直接在流形空间中设计反馈的复杂性,并消除了传统方法在每个积分步骤中强制加入的比例重调,提高了观测器的跟踪性能。仿真结果表明,几何滑模观测器算法可以有效的对四旋翼无人机的角速度进行估计。