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。     

一种不考虑信源数目的修正MUSIC算法

分析了信源数目估计误差下的MUSIC算法性能.为了解决信源数目过估计下出现虚假信号和欠估计下谱峰消失的问题,提出了一种改进算法.该算法通过对采样数据的共轭重排再利用,重新构造相关矩阵来改善测向性能.改进的算法不仅能成功运用于非相关信号源和相关信号源,还具有不用考虑信源数目的优点.计算机仿真结果证明了改进算法的正确性和有效性.     

一种基于阵列天线的时延估计方法

本文主要讨论了无线通信中多径信号的时延估计问题，针对阵列天线，基于非线性最小二乘准则，我们提出了一种有效的时延估计方法，仿真结果表明该算法有较好的性能。     

基于提升小波算子的MUSIC法的DOA估计

在低信噪比且不增加接收阵元数目的条件下,提出利用提升小波算子对接收 信号进行预处理,然后用MUSIC法进行谱估计。仿真试验表明该算法有效提高了DOA估计的 分辨率和精度,与传统的基于一代小波域的DOA估计的算法对比,该算法具有复杂度低、收 敛快且精度高的性能,为实时信号的处理提供了支持,在科研和工程实践领域具有一定的 理论价值和应用价值。     

无需信源数目的相干信号快速方位估计

针对空间平滑MUSIC算法会降低阵列孔径且运算量较大的难题,提出了一种新算法。该算 法通过对矩阵最大特征值对应的特征向量进行矢量重排,可实现不损失阵列孔径的解相干处 理。再利用重构矩阵逆的高阶次幂来逼近真实的噪声子空间,可避免特征分解,降低了运算 量且不需信源先验数目。计算机仿真结果证实了算法的有效性。     

基于解相干信号的改进空间平滑MUSIC算法

<正>引言在实际环境中相干信号源是普遍存在的,如信号传输过程中多径现象,或者敌方有意设置的电磁干扰等。相干信号源的检测与估计是空间谱估计种的一个重要的研究方向,当存在多个相干信号源时,这些信号之间可能是不相关的、相关的或相干的。而对于相干信号源来说子空间算法无法估测其来波方向和信号源个数。因为MUSIC[2],ESPRIT等子空间类算法利用噪声子空间和信号子空间不相关的正交特性来进     

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.     

JTIDS信号阵列高分辨测向仿真

提出了一种对JTIDS信号的高精度测向方法。首先详细分析了JTI DS信号的传输特点,利用Matlab生成的JTIDS信号,然后依据空间谱估计中MUSIC测向算法的 特点,将接收到的JTIDS信号按照脉冲分段,对单个脉冲所携带的数据进行处理,最后通过 仿真得到不同信噪比环境下多个JTIDS信号方位角和俯仰角的估计精度,验证了该方法的有 效性。     

基于微分几何的平面天线阵列测向精度研究

利用阵列流形的微分几何作为分析工具,构造了实际使用中常见的平面天线阵的几何结构,并对这些阵列结构的测向精度进行了研究和全面仿真。通过比较各种天线阵几何结构的优劣,可以从中选择一种合适的、最优的阵列结构,避免设计的盲目性和随意性。这为超分辨阵列结构的选择和设计提供了一条有效的途径,在实际应用中将具有十分重要的参考价值。     

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。     

一种基于非一致响应圆阵的DOA估计改进算法

由于传统波达方向(DOA)估计算法对接收天线阵列的阵元一致性要求高,即幅度和相 位响应要求一致,在工程应用中受到较大限制。针对该问题,结合均匀圆阵的特点,通 过引入阵元幅度和相位不一致因子对传统MUSIC算法的模型加以改进,提出了一种改进的MUS IC算法。该算法降低了阵元的一致性要求,可通过迭代求解的方法来完成对多个信源来波方 向进行估计。仿真和分析结果表明,提出的算法可有效地进行多个目标的DOA估计。     

一种改进的跳频信号参数估计方法

针对在跳频信号跳变时刻和跳变频率估计方面实时性和估计精度无法同时兼顾的问题,提出了一种基于短时傅立叶变换(STFT)和多重信号分类(MUSIC)算法的跳频信号参数估计方法。在建立跳频信号数学模型的基础上,利用STFT选取较大时间窗对整个信号在时域进行粗搜索,生成时频谱图,提取时频脊线从而获得跳变时刻,然后选取较小时间窗在已知跳变时间段利用STFT进行跳变时刻的细估计,并利用MUSIC算法进行频率的精确估计。该方法利用STFT的二次估计,减少了MUSIC搜索范围,从而降低了时间开销。仿真表明该算法的跳变时刻频率估计精度高,实时性能满足参数测量需求。     

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。