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。     

一种对称α稳定分布噪声环境下DOA估计新算法

脉冲噪声环境下波达方向（DOA）估计是阵列信号处理领域一个新兴研究方向。针对α稳定分布噪声环境下经典MUSIC算法性能退化的问题,提出了一种新的基于非线性压缩核函数（NCCF）的DOA估计算法。该算法利用基于NCCF的有界矩阵代替了MUSIC的协方差矩阵,通过对有界矩阵进行特征分解确定信号子空间和噪声子空间,借用MUSIC谱估计公式进行谱峰搜索,得到DOA的估计值。仿真结果表明,NCCF-MUSIC算法运算复杂度较低,相比于基于分数低阶统计量（FLOS）的MUSIC方法和基于广义类相关熵（GCAS）的MUSIC算法,该方法具有更好的准确度和稳定性。     

一种估计多信号频率的快速子空间方法

多重信号分类（Multiple Signal Classification,MUSIC）法在估计多信号频率时需要对采样数据序列的自相关矩阵进行特征值分解,并准确划分出信号和噪声子空间,使得其计算量比较大。利用自相关矩阵的Toeplitz特性快速计算其逆矩阵,通过计算逆矩阵的多次幂来逼近噪声子空间,避免了MUSIC法的特征值分解和估计信号个数的过程。在谱峰搜索环节,采用先粗估计频率值再在小区间进行精细搜索的策略,能够避免搜索无用的频率范围。计算量比较分析以及与理论克拉美罗界（Cramer-Rao Bound,CRB）的对比验证结果表明,快速方法性能与MUSIC法相当,能够较好地逼近CRB,且计算量更小,适合实时性要求高的应用场合。     

Khatri-Rao积变换下的离格信号DOA估计

当存在离格信号时,基于稀疏表示的波达角（DOA）估计算法性能损失严重。为解决这个问题,在对接收数据协方差矩阵进行Khatri-Rao积变换的基础上,推导了离格信号网格偏离量与紧邻信号原子系数之间的关系,提出了一种单一离格信号DOA估计方法。为提高对邻近离格信号DOA的估计性能,利用矩阵的广义逆性质提出了基于多原子系数的联合估计方法。仿真实验表明,单一离格信号DOA估计方法在低信噪比下有较好的性能,联合估计方法在高信噪比条件下对邻近离格信号DOA有较高的估计精度,同时所提算法估计性能几乎不受网格划分间距的影响,可以通过增大网格间距降低算法运算量。相关研究对阵列天线DOA估计具有一定的参考价值。     

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。     

采用矩阵累乘的自相关矩阵构造

提出了一种适用于低信噪比情况下提取扩频信号特征参数的算法。该算法通过对被测信号的多次采样、分段累乘,扩大了待分解信号的样本数,降低了噪声的影响,从而能够获得比传统子空间分解算法更好的性能。通过分段累乘构造的自相关矩阵,对其进行特征值分解后,表现出对噪声不敏感的特性,在一定程度上克服了常规方法的噪声敏感缺点。对算法的仿真计算表明,该方法应用在低信噪比的通信环境下,信号特征值不会被噪声湮没,解决了传统子空间方法在低信噪比条件下的分辨率不足的问题。该算法的提出对低信噪比条件下的扩频信号处理和参数检测有重要的工程和实际意义。     

短码、周期长码直扩信号伪码序列盲估计

针对短码、周期长码直扩信号在不同的时延下伪码序列估计问题,提出了一种基于奇异值分解的盲解扩算法。在已知信息码元速率和伪码周期条件的前提下,算法首先把接收到的直扩信号按照一定长度进行分段构成相关矩阵并对此矩阵进行奇异值分解得出信号子空间,然后根据信号子空间和伪码序列的模糊关系,利用求解的模糊酉矩阵和特定约束条件（如m序列）去其模糊性,最终估计出伪码序列。仿真结果表明,该算法不仅解决了在不同的时延下估计伪码序列带来的问题,而且具有稳定性高、在低信噪比条件下有良好的估计性能等优点。     

一种基于经验模态分解的信噪比盲估计新算法

为了增强未知样式信号的信噪比估计性能,提出了一种基于经验模态分解（EMD） 的信号信噪比估计新算法,通过固有模态函数（IMF）分量平均周期判断信号与噪声界限。 给出了经验模态分解估计法的工作原理和流程图,分析了经验模态分解估计法的性能。仿真 结果表明,与信号空间分解法一样,经验模态分解估计法能够实现盲信号信噪比估计,后者 估计均方误差比前者要小,在0 dB信噪比下均方误差不超过0.3 dB。     

基于两次傅里叶变换的时域MUSIC波达方向估计

针对基于频域多重信号分类（MUSIC）的波达方向（DOA）估计方法在有效快拍数较少情况下的不稳定问题，提出了一种基于两次傅里叶变换的时域MUSIC波达方向估计方法。首先，通过傅里叶变换将各阵元接收数据转换为频域数据，并按扫描角度对各阵元数据进行相位补偿；然后，再通过傅里叶变换将补偿后的频域共轭数据转换为时域复解析数据，在时域构建相移后的协方差矩阵；最后利用特征分解求取具有正交特性的噪声子空间，获得扫描方位空间谱，实现对波达方向估计。数值仿真及实测数据处理结果均表明，相比频域MUSIC方法，在一次有效快拍条件下，所提方法可稳定获得具有正交特性的噪声子空间，实现对波达方向估计；稳定性得到了5 dB的改善，背景噪声级和旁瓣级得到了3 dB以上的改善，因此该方法可明显提高目标检测和方位估计性能。