一种改进的全阵空间平滑技术

在处理相干信号源的方法上,传统的空间平滑方法如前后向平滑、加权前后向平滑 等都是非常有效的方法。然而,已有的空间平滑算法在信噪比较低或相干源的波达 方向角（DOA）相邻很近时无法精确估计,而且都必须以牺牲孔径为代价。因此当信号源数 目较大时,传统的空间平滑方法是无效的。针对这些问题,提出了一种新的实相干信号的估 计方法,在信噪比较低时仍可以准确估计邻近的相干源,而且没有孔径损失。仿真 结果验证了该方法的优越性。     

基于虚拟阵列改进MUSIC算法的相干信源DoA估计

受多径传输环境的影响,在智能天线测向研究中,必须考虑相干信源的存在。针对相 干信源的波达方向(Direction of Arrival, DoA)估计问题,提出了一种基于虚拟阵列平移 的改进MUSIC算法。仿真结果表明：在相干信源入射角度差异很小（约5°）的情况下 ,该算法依然能准确地估计;同时,该算法不损失阵列孔径,最多可估计出M－1（M 为阵元数）个相干信源;此外,该算法具有同时适用于相干信源和非相干信源目标方位估 计的优点。     

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。     

一种修正的矢量奇异值分解DOA估计算法

在均匀线性阵列模型下,特征矢量奇异值分解算法能够对相干信号进行DOA估计, 但相干和不相关信号同时存在时,算法的估计会出现错误。针对这一问题,提出了一种修正 算法（MESVD）,该算法选取经过加权处理的特征向量来构造矩阵,并利用该矩阵进行子空 间估计。理论分析和数值仿真证明：修正后的算法能够正确估计相干、相关和不相 关信号, 估计性能与空间平滑算法（FBSS）相当。     

基于相干对消的噪声子空间自适应估计

MUSIC算法的运算量主要集中在特征值分解和空间谱的搜索两部分,为避免进行特征 值分解,将相干信号自适应对消的思想用于噪声子空间的估计。由于阵元输出信号完全相干 ,视一个阵元输出为参考信号,其它阵元输出能够完全对其进行对消,得到的系数矩阵作为 噪声子空间的估计。基于LMS算法,给出了算法的矩阵形式,得到的噪声子空间估计算法的 运算量大大降低,且以迭代的方式进行,适合应用于运动信号源的跟踪,在阵元数较大时能 很好地逼近MUSIC算法性能。为减少空间谱搜索过程的计算量,对搜索过程先用系数矩阵的 一列进行搜索,然后采用其它列对搜索峰值进行验证。仿真结果显示算法具有很好的空间谱 估计性能和DOA跟踪性能。     

基于奇异值分解的多卫星信号盲检测

针对非合作低信噪比环境下的卫星通信信号检测问题,在信号子空间维数估计的基 础上,提出了一种基于奇异值分解的多卫星信号盲检测方法。该方法充分利用奇异值与特征 值之间的关系,设计检测统计量将多个信号能量集中起来进行考虑,以适应更低的信噪比, 并从理论上对检测性能进行了推导分析。仿真结果表明,该方法简单高效,针对不同的卫星 信号,在虚警概率小于1%、信噪比为-11 dB时,盲检测概率均可达90%以上;同时能够 在低信噪比环境下适应多信号环境,且其计算量相对特征值方法减少了一个数量级,更适合 应用在星载设备上。     

基于截断修正平滑l0范数的MIMO雷达目标参数估计

在多输入多输出(MIMO)雷达中,针对平滑l0范数(SL0)因感知矩阵的病态性而导致其失效的问题,提出了一种基于截断修正SL0的MIMO雷达目标参数估计方法。该方法在对MIMO雷达感知矩阵进行截断奇异值分解(TSVD)处理的基础上,将保留的奇异值以均值为截断门限,分成较大和较小的两部分,分别采用不同的修正准则进行修正;然后经奇异值分解(SVD)反变换获得非病态感知矩阵,利用该非病态感知矩阵通过SL0算法对MIMO雷达目标参数进行估计,从而显著提高了MIMO雷达目标参数估计的精度和速度。仿真结果验证了该方法的有效性。     

对流层散射通信中基于改进SVD的信道估计算法

针对基于OFDM的对流层散射通信中传统奇异值分解(SVD)信道估计算法以循环前缀长度为界来截取特征值会引入较大信道噪声问题,提出了一种SVD改进算法.该算法先对散射信道的最大多径时延进行估计,再利用该估计值来截取特征值,从而减少了噪声影响.仿真表明,该算法的均方误差以及误码率性能都优于传统SVD算法,信道估计效果接近于最小均方误差(MMSE)算法.     

基于Gibbs采样的MIMO信号检测改进算法

针对传统Gibbs采样算法的“失控问题”,提出了一种改进算法,在Gibbs迭代采样过程中加入对噪声方差的估计,消除了失控问题。设计了信号检测流程,将最大似然（ML）检测的搜索过程嵌入Gibbs迭代采样过程,减少了最大似然检测的计算步骤。仿真结果表明,所提算法能估计噪声方差,具有接近最大似然检测的性能。     

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。     

利用改进PAST算法的直扩信号PN码盲估计

针对直接序列扩频信号的伪随机(PN)码盲估计问题,提出了一种利用改进的投影逼近子空间(PAST)算法的PN码盲估计方法。该方法利用遗忘因子与收敛速度和精度的相关性构造基于跟踪误差的自适应遗忘因子,实现了收敛精度和收敛速度的同时优化;根据预期最低误码率约束估计精度变化范围确定迭代收敛的门限值,实现了迭代收敛的精确自动判读,消除了算法依赖人工判断收敛的固有限制,提高了算法的实际应用能力。仿真结果进一步验证了算法理论推导的正确性以及实际应用的可行性。