基于压缩感知的卫星干扰源定位

针对传统测向方法实际应用性能较差的问题,提出了一种基于压缩感知的卫星干扰源定位方法。根据干扰信号方位角的空间稀疏性,建立了波达方向(DOA)估计模型,构造出基于阵列流型的过完备原子库和随机单位向量测量矩阵,最后结合信源估计技术和正交匹配追踪（OMP）算法实现干扰目标的方位估计。仿真验证了该方法能同时估计相干干扰信号的强度和角度,适合快速变化的干扰目标定位,并且具有较低的计算复杂度和更好的工程易用性。相关研究对压缩感知理论在卫星干扰源定位中的应用具有一定参考意义。     

基于稀疏系数和多级搜索策略的信号参数估计

参数估计是盲信号处理的关键环节,对后续信号的侦察处理意义重大。针对当前压缩域信号参数估计问题,提出了一种新的信号参数估计算法,利用稀疏系数在不同测量矩阵中相同稀疏字典下位置相同的特点,实现了信号参数估计的区间预判;基于理论分析确定了多级搜索策略的最优级次,实现了稀疏字典原子数目的降低。仿真结果表明,算法在提高信号参数估计精度的同时显著降低了运算复杂度。     

基于稀疏非均匀COLD阵列的极化信号DOA估计

基于稀疏非均匀COLD(concentered orthogonal loop and dipole)阵列,提出了一种极化信号的DOA(direction-of-arrival)无模糊估计算法.该算法利用了稀疏非均匀COLD阵列的阵元数少和孔径大等特点,因而在阵元数目一定的情况下,可获得较高的DOA估计精度.由于稀疏非均匀COLD阵列可分成电磁环和偶极子两个子阵列,通过分析每个子阵列DOA估计的模糊性,给出了整个稀疏非均匀COLD阵列不发生DOA估计模糊的条件.通过计算机仿真证明了该算法的有效性.     

免疫克隆选择算法在雷达信号时频原子分解中的应用

针对传统时频原子在雷达信号分解中计算复杂度比较高的问题,提出了一种基于免疫克隆选择算法的时频原子快速分解方法。首先将Chirplet原子库分解为小原子库,然后并行地在每一个小原子库中搜索最佳原子,搜索过程建模为多参数寻优问题,通过免疫克隆选择算法的克隆、变异、记忆、替换等操作求解最优值,最后比较每一个小原子库中的最佳原子,将相似度最大的原子作为分解的最佳原子。仿真实验表明,该方法能够用较少的时频原子表示信号,在大幅减少时频原子搜索时间的同时,有效地抑制了噪声和交叉项的干扰。     

分数阶傅里叶变换的多项式相位信号DOA估计

针对多项式相位信号波达方向(DOA)估计研究较少的问题,提出了一种基于分数阶傅里 叶变换(FRFT)的多项式相位信号(PPS)的DOA估计算法。该算法首先通过多项式相位变换,估 计出PPS的最高阶相位系数,从而可以消除最高阶项。运用这一降阶思想,依次消除高阶项 ,这样PPS可降为线性调频(LFM)信号,然后将宽带的LFM信号转化为分数阶Fourier域窄带的 平稳信号。在相应的分数阶Fourier域,运用求根MUSIC算法对信号进行DOA估计,从而把LFM 信号的DOA估计推广到了PPS的DOA估计。理论分析和仿真实验表明,该方法能很好地估计出P PS的DOA,并且简洁。     

多星测控中波达方向估计传播因子虚拟ESPRIT算法

针对多星测控中涉及的阵列天线信号波达方向估计问题,给出了一种新的基于传播 因子的二维波达方向估计（2D-DOA）算法——传播因子虚拟ESPRIT算法（PMV-ESPRIT）。传 统的虚拟ESPR IT算法需要对互相关矩阵进行特征值分解（EVD）或对数据接收矩阵进行奇异值分解（SVD） ,因此其运算量较大。而新算法基于传播因子方向向量分割的线性运算对传统算法做了进 一步改进,其运算量明显降低,且具有更高的信号波达方向测向精度。仿真实验结果表明了 PMV-ESPRIT算法的有效性和可行性。     

基于压缩感知DOA估计的稀疏阵列设计

根据格拉姆(Gram)矩阵优化测量矩阵的方法，给出了一种基于压缩感知波达方向（DOA）估计的均匀线阵的稀疏阵列设计方法。该方法不需要对阵列的输出数据进行压缩采样，直接利用稀疏阵列的输出数据，然后利用稀疏恢复算法求解DOA估计信息。实验仿真证明，相比于原均匀线阵，所提方法在阵元数目较少且信噪比较低的情况下具有更好的DOA估计性能。     

基于字典学习的毫米波大规模MIMO系统混合预编码

针对毫米波大规模多输入多输出（MIMO）系统混合预编码方案设计的难题,采用字典学习的思想,提出了一种高精度混合预编码方案。该方案首先对全数字预编码矩阵的各列采用稀疏表示;进而按列将字典原子从稀疏表示中分离出来,通过对误差矩阵采用奇异值分解（SVD）来更新对应的字典原子,直到所有字典原子更新,以形成新的字典矩阵;最后,利用更新后的字典矩阵稀疏重构全数字预编码矩阵,以得到模拟预编码矩阵和数字预编码矩阵。仿真结果表明,相较于基于正交匹配追踪（OMP）的混合预编码方案,所提方案在提升系统频谱效率和降低误码率方面具有明显的优势。     

一种稀疏重建的多基地雷达多目标定位算法

采用距离和信息的多基地雷达多目标投影定位算法中，距离向脉冲压缩后分辨率降低，需要已知空间中目标个数。针对此问题，提出了一种稀疏重建的多基地雷达多目标定位方法。该方法利用多个接收机中目标稀疏度相同的特点，通过构造平均重构残余误差变化率和平均散射系数变化率作为正交匹配追踪(OMP)算法迭代终止判定条件，自适应地终止OMP算法的同时获得稀疏重建信号以及信号稀疏度的估计值，提高了距离向分辨率，获得了对空间中目标个数的估计。仿真实验表明所提算法有效抑制了距离向主瓣展宽和旁瓣串扰，提高了距离向分辨率。同时，所提算法在不同噪声环境下能准确估计空间中目标个数并提取其空间位置，实现对空间中目标的准确定位。     

一种新的基于压缩感知的毫米波信道估计算法

针对传统稀疏重构算法需要信道稀疏度先验信息、复杂度高、不利于实际应用的问题,提出了一种新的基于波束空间分解的稀疏度自适应毫米波信道估计算法。该算法利用毫米波信道稀疏性的特点对信道进行波束空间分解,构造基于码本的感知矩阵,获得l1范数约束问题模型;其次结合分段弱匹配追踪算法,采用弱阈值从感知矩阵筛选原子,再通过分组选择机制对选择的原子进行二次优化;最后根据最小二乘法估计出毫米波信道。仿真结果表明,所提算法的估计精度和复杂度在低信噪比和低训练长度情况下明显优于传统匹配追踪算法。     

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。     

基于稀疏系数位置和归一化残差的压缩感知信号检测

信号检测是压缩感知理论研究的重要内容。针对当前压缩感知信号检测算法没有充分利用稀疏系数幅值和位置信息的不足,提出了一种新的检测算法。该算法首先引入归一化残差变量,有效克服了稀疏系数幅值波动大的缺点;然后,利用不同测量矩阵确定的稀疏系数位置信息,基于正交匹配追踪（OMP）算法实现目标信号检测。实验结果表明,算法的检测性能随着信噪比的提高而增强,且与压缩比负相关,运算复杂度较正交匹配追踪算法和仅利用稀疏系数位置信息的算法相当但检测性能分别提高了4 dB和1 dB.     

酉稀疏贝叶斯学习降维MIMO雷达角度估计

针对收发共址多输入多输出（Multiple-Input Multiple-Output,MIMO）雷达的低计算复杂度波达方向（Direction of Arrival,DOA）估计问题,提出一种降维的MIMO雷达高精度DOA新算法。首先采用经过白化的降维矩阵对MIMO雷达脉冲压缩后的接收信号进行降维;然后通过最优信号子空间拟合对无幅度误差阵列流型下的接收信号矩阵进行重构;接下来通过酉变换得到实值增广数据矩阵,并在实值稀疏字典矩阵下对其进行稀疏表示;接着将DOA估计问题转化为行稀疏矩阵的稀疏恢复问题,通过改进的稀疏贝叶斯学习对其进行求解,实现目标DOA的估计。理论分析和仿真实验结果验证了该方法的有效性和实用性。     

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。     

适用于彩色图像人脸识别的字典学习算法

现有的基于稀疏表示的人脸识别算法在识别前需要将彩色人脸图像转换成灰度人脸图像,这样虽然提高了运算速度,但忽视了不同色彩通道数据本身所包含的信息及它们之间的相关性。为了利用不同通道间相关性,基于标签一致的K奇异值分解（LC-KSVD）字典学习算法,提出了一种适用于彩色图像人脸识别的字典学习算法。该算法将RGB通道数据顺序排列成列向量,并在稀疏编码的环节中,对正交匹配追踪（OMP）算法的内积计算准则进行修正,以此提高字典原子的色彩表达能力。在彩色人脸数据库上进行实验,结果表明：所提出的字典学习算法能够有效地提高识别率。     

基于虚拟阵列的非圆信号DOA估计

针对传统的子空间类波达方向（Direction of Arrival,DOA）估计算法只适用于入射信号个数少于天线数的局限性，利用现代通信系统中常用的非圆信号实值特性，提出了一种虚拟阵列多重信号分类法（Virtual Array Based Multiple Signal Classification,VA-MUSIC）。该方法通过对阵列输出信号进行共轭重构和合并，获得虚拟阵列来增加阵列的有效孔径。更进一步，结合空间平滑技术有效地解决了相干信号的DOA估计问题。与传统的MUSIC算法相比，新算法不仅可以增加最大可估计信源数，而且在DOA估计精度、信号源角分辨能力等方面均有明显的优势。计算机仿真验证了该算法的有效性和优越性。     

基于DSP+DUC的短波阵列信号发生器

为了在实验室中获得短波天线阵列信号,应用DSP芯片和DUC芯片(数字上变频器)设计了一个实用电路短波阵列信号发生器,模拟实现了短波九元天线阵的多种阵型、不同来波方向及存在同频多信号时的阵列输出信号。     

阵列信号频分复用毫米波传输技术

介绍了一种阵列信号频分复用毫米波传输技术。采用分组二次上变频频谱装配频分 复用和解复用技术,实现多路阵列信号在一条宽带毫米波链路上进行双向传输。通过设计控 制和幅相校正技术保证了阵列信号分量间的良好幅相一致性。完成了30路阵列信号传输设备 研制并进行了测试,结果证明了技术方案的可行性。该技术可以应用到多路阵列信号的毫米 波传输中。     

压缩感知稀疏表示在雷达目标识别中的应用

高分辨距离像(HRRP)目标识别算法很多,在其利用高分辨距离像蕴含的目标结构信息的同时,也需要面对数据量巨大的难题。事实上,尽管高分辨距离像数据量巨大,但却是稀疏的,然而利用其稀疏特性进行识别的方法却不多。为此,提出了一种基于压缩感知稀疏表示方法实现目标识别的算法。该算法首先采用遗传正交匹配追踪（OMP）算法对一维距离像训练样本进行稀疏分解以获得类别字典,然后根据类别字典分析测试样本的重构误差实现目标识别。仿真实验证明,所提算法简捷、识别率更高,相较于常规算法识别率提高最多可达20%,并且在受到噪声干扰情况下依然能够稳健地识别目标。     

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。