用于正弦波频率估计的修正Kay算法

Kay算法能够估计出采样点较少的正弦波频率，但低信噪比下估计性能不佳。针对此问题，提出了修正Kay算法。首先基于最大似然估计准则，推导了观测信号模值与相位的条件概率密度函数，进而重建了Kay算法的相位差噪声矢量协方差矩阵与权值矩阵。实验结果表明，修正算法能够有效估计正弦波信号频率，与Kay算法相比，抗噪性更强。     

一种基于矩阵三对角化分解的DOA估计算法

针对DOA（Direction of Arrival）估计在低信噪比的情况下估计性能下降的问题, 根据阵列协方差矩阵共轭对称的特点,采用基于Givens变换的三对角化分解方法对协方 差矩阵进行三对角化,同时利用盖氏(Gerschgorin)圆递推方法准确估计信号子空间的秩, 然后再对三对角 矩阵进行对角化,估计出噪声子空间,利用噪声子空间与导向矢量正交实现波达方向估计, 改善了低信噪比背景下估计的误差性能和稳健性。计算机仿真证明了算法的有效性 。     

基于二阶矩的雷达信号盲分离

针对雷达接收机在现代战场复杂电磁环境下接收到的混叠信号,提出了一种基于二阶矩的信号盲源分离方法。在混合信号球化过程中,对于具有加性白噪声的模型,构造了一组新的协方差矩阵,在信噪比不是很高的情况下,使其不会影响分离结果。在协方差矩阵对角化过程中,采用自然梯度的方法,避免分离矩阵更新过程中的求逆问题,提高了算法的实时性。仿真实验证明,在信噪比为-10 dB的条件下,对比FastICA算法,所提算法分离精度高,收敛速度快,为进一步的信号识别提供可靠依据。     

基于协方差矩阵重构的阵元失效MIMO雷达DOA估计

在实际应用中由于恶劣环境或人为干扰等因素而导致多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达部分阵元失效,使得其接收数据缺失及其协方差矩阵秩亏,从而导致子空间类算法的波达方向(Direction of Arrival,DOA)估计性能恶化甚至完全失效。针对上述问题,提出了一种接收阵元失效下基于协方差矩阵重构的MIMO雷达DOA估计方法。该方法根据MIMO雷达协方差矩阵中以接收阵元数划分的子方块矩阵具有Toeplitz特性,利用正常工作接收阵元的协方差矩阵元素来恢复相应的缺失元素,从而重构出完整的数据协方差矩阵,提高阵元失效MIMO雷达的DOA估计性能。仿真结果验证了所提方法的有效性。     

几种自适应波束形成方法的对比

波束形成在无线通信、雷达、声呐等阵列系统中具有广泛应用。数字波束形成通常是基于接收信号的阵列响应和协方差矩阵的估计设计。由于天线增益、相位、波达方向(Direction-of-Arrival,DOA)和协方差矩阵估计的误差会导致导向矢量(Steering Vector,SV)产生模型失配,而这种模型失配会导致波束形成性能的下降。针对以上问题,给出了基于精度矩阵收缩估计的方法,采用了线性脊估计结构且用数据驱动和留一交叉验证来选择参数。通过Matlab仿真,研究了当存在模型不确定性时,基于精度矩阵收缩估计的方法以及基于协方差矩阵收缩估计和干扰加噪声协方差矩阵重构等方法的鲁棒性。结果显示,当存在模型失配时,基于精度矩阵收缩的波束形成方法在低信噪比时具有更优的鲁棒性。     

高斯白噪声下L阵二维波达方向快速估计

针对L型阵列,提出一种在高斯白噪声环境下的二维波达方向(DOA)快速估计方法。首先利用阵列结构特点构建两个互协方差矩阵,同时实现了噪声分量的有效抑制,再依据协方差矩阵的性质构造了波达方向矩阵。对该矩阵进行一次特征分解即可分别得到包含方位角和俯仰角信息的方向矢量和方向元素,实现二维DOA估计。该算法避免了传统算法的谱峰搜索或大矩阵构造及其特征分解过程,计算量小,且参数自动配对。仿真结果表明,该算法在低性噪比和少快拍下的估计精度与2D ESPRIT算法近似,但计算复杂度大幅降低,适用于实时性高的工程应用背景。     

基于无线H．264时域误码掩盖算法的改进

为解决传统H.264时域误码掩盖算法中丢失块的相邻运动矢量在无线环境下极易丢失的问题,结合部分误码掩盖算法研究成果,提出了一种利用相邻参考帧和丢失块相邻运动矢量,运用投影加权的方法估计出最优丢失块运动矢量用于误码补偿的改进误码掩盖算法.实验证明,运用改进算法掩盖后的图像质量有所提高,并且抑制了误码的错误积累和扩散,具有一定实际应用意义.     

采用局部搜索的二维DOA估计

针对酉旋转不变估计信号参数(Unitary-ESPRIT)算法估计精度较低的问题，提出了一种采用局部搜索实现的非相干信源二维波达方向(2-D DOA)估计方法。该方法首先利用实特征矢量近似值估计导向矩阵,然后利用矩阵Kronecker积性质以及阵列旋转不变特性获得自动配对的角度估计值，降低了2-D DOA初始估计复杂度,实现了对Unitary-ESPRIT算法的改进；接着，采用一维局部搜索法对该初始估计结果进行优化，提高了低信噪比下的2-D DOA估计精度。仿真实验结果表明，相较于传统的Unitary-ESPRIT算法，所提方法在DOA估计精度和成功率上具有明显的优势，特别是在低信噪比以及快拍数较少条件下，因此该方法能够在计算复杂度和估计性能之间取的较好的折中。     

一种线性约束连续自适应方向图控制方法

针对任意阵列天线的自适应空域滤波和低副瓣控制的问题,提出了一种连续自适应方向图控制方法。该方法通过采用线性约束最小方差准则的方向图综合算法（LCMV-PS）产生具有低副瓣特性的静态权矢量,利用该权矢量构造出新的约束条件,进行线性约束最小均方误差（LMS）自适应波束形成。该方法避免了常规的线性约束最小方差（LCMV）算法的矩阵求逆运算,计算复杂度低。对几种天线阵形的计算机仿真结果表明该方法收敛速度快,稳态性能良好。     

基于矩阵重构的非相干分布源参数估计方法

针对现有非相干分布源参数估计算法计算量大等问题,提出了一种新的DOA和角度扩展估计算法.该算法利用空间频率近似模型下的非相干分布源协方差矩阵的结构特点.协方差矩阵可分为相位信息矩阵和幅度信息矩阵.对相位信息矩阵进行重构,对重构后的协方差矩阵利用MUSIC等传统方法即可实现DOA的估计;对幅度信息矩阵的各主次对角线上的元素均进行平滑得到幅度信息平滑向量,估计得到的DOA代入幅度信息中即可得到角度扩展的估计,从而实现非相干分布源DOA和角度扩展分离估计.计算机仿真验证了算法的性能.     

星载AIS的复值FastICA算法改进

针对星载船舶自动识别系统(AIS)的含噪复值信号盲分离算法分离效果不佳的问题,提出了改进的复值快速独立分量分析算法（FastICA）。该改进算法针对混合信号数目大于源信号数目的超定情况,对含噪混合信号的协方差矩阵进行特征值分解,利用其噪声对应的几个较小特征值估计噪声方差,修正白化矩阵,再应用Huber M估计函数优化该算法的目标函数。实验结果表明,运用该算法信号均方误差(SMSE)变小,信干比(SIR)变大,提高了信号的分离性能;同时,优化后的目标函数使算法具有良好的稳健性。     

一种采用刀切法的单通道信源数估计算法

针对现有信源数估计算法不能直接用于单通道接收模型且抑噪能力较差的问题，提出了一种采用刀切法的单通道信源数估计算法。该算法首先通过间隔抽样实现了单通道接收信号多维数的转换，得到矢量化空间；然后采用刀切法将此组空间重构多个协方差矩阵，经酉变换后结果取平均；最后通过循环迭代得到最优信源数。理论分析和仿真结果表明，该算法在白、色噪声环境下能有效抑制噪声，且在低信噪比及采样点较少时能更准确估计信源数，相较于传统的估计算法，显著提高了检测性能。     

最大化瑞利熵的干扰对齐优化算法

干扰对齐技术常采用迭代的方法进行预编码矩阵与干扰抑制矩阵的设计,然而目前采用的迭代方法并不能做到完全的干扰对齐。针对这种情况,提出了一种新的干扰对齐优化算法,避开了反转信道的操作。该算法在最大化信干噪比算法的基础上加入完全干扰对齐的约束条件,将系统中各用户的所有干扰对齐约束条件进行奇异值分解,最终通过瑞利熵最大化的求解方法联合迭代求解发送侧的预编码矩阵与接收侧的干扰抑制矩阵。仿真结果表明,所提优化算法在较高信噪比时不同天线数下的和速率、不同迭代次数下的和速率等方面都优于原最大信干噪比算法。     

改进高阶Vanderpol振子在微弱信号检测中的应用

在高精度的微弱光电信号检测系统中，存在信号被强噪声湮没的情况。针对这一问题，提出了一种基于改进高阶Vanderpol振子的微弱正弦信号定量检测方法。该方法利用改进高阶广义Vanderpol系统的高灵敏度与强抗噪性的特点提高了微弱信号检测的可靠性，再结合Lyapunov指数定量检测和90°移相补偿来实现混沌系统状态的量化判断和待测信号参数的高精度提取。仿真结果表明改进的Vanderpol振子比传统Vanderpol振子运算速度更快。与传统Duffing振子相比，在5%幅值检测误差范围内，改进的高阶广义Vanderpol系统可多获得37 dB的信噪比增益和60 dB的检测门限增益；与基于相轨迹突变定性检测待测信号幅相法相比，90°移相补偿幅相定量检测法在信噪比降低时其检测相对误差仍可控制在2%以内。改进算法实现了微弱正弦信号的高灵敏度和高精度的幅相检测。     

依据信噪比的雷达信号质量估计

在选取信噪比作为信号质量指标的增强技术领域中，针对如何准确快速对复杂交叠的雷达信号进行信噪比估计的问题，改进了子空间分解算法，并且在求解自相关矩阵特征值时引入了结构简单、迭代速度快的粒子群优化(PSO)算法。通过设置不同的电磁环境场景，分别验证了算法的有效性。对比分析表明算法在低信噪比条件下具有明显的优势，为检验信号增强技术的效果提供了有力支撑。     

一种改进的基于波束空间的酉-ESPRIT算法

针对酉-ESPRIT算法估计精度较高但是对信噪比水平变化比较敏感的问题，提出了一种改进的用于DOA估计的酉-ESPRIT算法。该算法首先对观测数据在变换域中进行预处理使信号能量更集中，然后进行波束变换，在波束空间中估计信号的到达方向。文中采用的波束形成矩阵使用较少的波束数可以在更广范围内搜索信号以避免漏掉有用信号，因此减少了运算量。通过计算机仿真试验可知，无论在白噪声还是色噪声背荣下，与酉-ESPRIT算法相比，本算法不仅减少了计算量，并且具有更小的信噪比门限，提高了酉-ESPRIT算法的鲁棒性。     

一种改进的基于奇异值分解的信源数目估计算法

信源数目估计问题在盲源分离中具有重要的意义。研究了传感器数目大于信源数目时的源数估计问题。首先分析了用奇异值分解法进行信源数目估计的优势与不足,然后提出了一种改进的基于奇异值分解的信源数目估计算法。该算法首先对含噪混合信号进行奇异值分解,然后检测信号分量与噪声分量之间的转折点,将信号分量与噪声分量区分开来,从而得到信号源的数目。实验仿真表明,该算法在低信噪比以及采样点数较少时仍然具有好的性能。