基于稀疏贝叶斯学习的DOA估计

针对基于l1范数约束的稀疏表示DOA(Direction Of Arrival)估计算法对初始参数较为敏感的问题,提出了一种基于稀疏贝叶斯学习的DOA估计算法。首先通过信号来波方向的空间采样构造冗余字典,将阵列信号处理中的DOA估计信号模型转化为压缩感知中的稀疏重构信号模型。然后基于经验贝叶斯推理的方法,将待估计的稀疏系数值用方差未知的联合高斯分布描述,而未知的方差值决定了待估计系数的稀疏性。通过观测数据估计得到未知的方差,进而得到信号的DOA估计值。仿真结果表明,提出的算法有较高估计精度,并且对非相干信源和相干信源都具有较好的估计性能。     

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。     

互耦影响存在时修正MUSIC算法的DOA估计

首先用矩量法精确分析了考虑互耦影响时天线阵元的电流分布,给出了计算电流的解析式,并仿真计算了单元直线阵的电流分布。然后以等效网络法为基础研究互耦影响存在时修正MUSIC算法的DOA估计性能,仿真实验表明在互耦影响存在时MUSIC算法失效,而修正MUSIC算法仍然具有良好的DOA估计性能。     

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。     

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。     

二维Root-MUSIC

将一维Ｒｏｏｔ－ＭＵＳＩＣ推广到二维，从而得到了一种新的二维方向估计方法，它具有计算量小的优点。     

极化域-空域联合估计在反辐射导弹抗诱偏中的应用研究

提出了将极化阵列应用到反辐射导引头上,导引头利用目标与诱饵的极化差异,采用极化域-空域联合估计方法抗诱偏。首先,利用波达方向矩阵法,估算出雷达与诱饵的空间二维到达角和极化参数,将估算出来的二维到达角信息为反辐射导引头提供导引,极化参数用来鉴别雷达与诱饵,从而达到抗诱偏的目的。然后,结合导弹运动方程及导引方程对反辐射导弹抗三点源诱偏进行了全弹道数字仿真,并且采用Monte-Carlo方法对全弹道仿真进行了多次实验,仿真结果证明了将极化域-空域联合估计应用于反辐射导引头抗诱偏的可行性。     

基于圆阵的二维DOA估计新方法

通过分析圆阵阵列流形,提出一种新的圆阵二维谱估计模型,可以直接应用MUSIC算法进行二维DOA估计,从而避免了对圆阵输出信号进行模式激励.应用此模型仿真分析了均匀圆阵和均匀半圆阵的二维DOA估计性能,相比模式激励方法,减小了计算量;半圆阵与圆阵的DOA性能差别很小,但是半圆阵减少近一半的阵元数.     

虚拟阵列平移法解相干信号ESPRIT算法

目标方位估计(DOA)的众多算法中,ESPRIT是一种运算速度快、精度高的常用算法,但它不能解相干信号.提出一种基于虚拟阵列平移方法的解相干信号的ESPRIT算法,解决了常规ESPRIT算法不能解相干的问题,和解相干的空间平滑算法相比,不损失直线阵列的孔径,使M元直线阵可估计相干信号源数目达到M个.该方法适用于所有信号(非相干和相干信号)的目标方位估计.     

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.