无误差阵列协方差矩阵分离的阵列自校正方法

针对高分辨方位估计方法受阵列幅度相位影响导致性能退化的问题,提出一种无误差阵列协方差矩阵分离的阵列自校正方法。该方法利用协方差矩阵重构方法获取近似无误差阵列的协方差矩阵,以弱化协方差矩阵中的阵列误差,并利用特征结构配置方法求解幅度和相位误差。迭代上述重构方法和特征结构配置方法,实现从未校正阵列的协方差矩阵中分离出无误差阵列的协方差矩阵和幅度相位误差矩阵。仿真结果表明,该方法准确地估计阵列误差,利用重构协方差矩阵进行方位估计能够提高方位估计精度和分辨力。湖试试验结果表明,经阵列校正后,空间中方位角度邻近的声源和干扰目标可被分辨。

一种基于组合子阵协方差矩阵的阵列扩展方法

针对阵列在低信噪比条件下信号检测概率低且方位估计性能下降的问题,提出一种基于组合子阵协方差矩阵的线列阵扩展方法。该方法将阵列划分为奇偶子阵,根据子阵的互协方差与自协方差矩阵构建扩展接收数据,对扩展接收数据进行组合作为最终的阵列接收数据进行处理,由此在突破阵列物理孔径的基础上避免仅使用奇偶阵元互协方差重构接收数据时产生的栅瓣问题。仿真结果表明:新方法可以降低波束输出的旁瓣,具有较好的弱目标检测能力和方位分辨力;相比于基于奇偶阵元互协方差的阵列扩展方法,新方法可有效提升方位估计精度,且不存在栅瓣问题。

基于稀疏线阵协方差矩阵重构的DOA估计方法研究

相比均匀线阵(Uniform Linear Array,ULA),相同阵元数目下稀疏线阵(Sparse Linear Array,SLA)的抗耦合效应更好,阵列孔径更大,到达方向(Direction of Arrival,DOA)估计的自由度(Degrees Of Freedom,DOF)更高,因而近年来得到了广泛的研究。为了可以进行高DOF的DOA估计,学者们开始研究SLA的差分虚拟阵元,差分虚拟阵元对应的协方差矩阵相比原阵元对应的协方差矩阵维度更大,因而估计的DOF更高。当SLA的差分虚拟阵元连续取值时,可以利用已有阵元的接收信息,得到SLA的协方差矩阵,在该矩阵的基础之上构建差分虚拟阵元的协方差矩阵进而进行DOA估计。然而,当SLA的差分虚拟阵元存在孔洞时,即差分虚拟阵元不能连续取值时,不能直接利用重构的协方差矩阵进行DOA估计,需要恢复完全增广协方差矩阵的信息再进行DOA估计。对于该问题,本文基于矢量化后原协方差矩阵和虚拟差分阵协方差矩阵的误差分布情况,并结合完全增广协方差矩阵的低秩特性和半正定特性来构建优化问题。通过求解该问题来恢复维度更高的完全增广协方差矩阵。最后对该矩阵进行奇异值分解,利用多重信号分类(Multiple Signal Classification,MUSIC)算法就可以获得多源的空间谱。本文最后通过数值仿真试验验证了所提算法可以实现高DOF的DOA估计,并且相比于现有算法,本文所提算法对欠定DOA估计的效果更好,多源DOA估计的精度更高,产生的误差更小。

基于鲁棒M估计协方差矩阵相位优化的DSInSAR矿区形变监测研究

针对时序干涉合成孔径雷达(Interferometric Synthetic Aperture Radar,InSAR)技术在矿区所处区域内耕地、裸地等自然地表地物上无法识别有效监测点信息,致使矿区地表形变信息不足及形变解译困难等问题,提出一种基于鲁棒M估计协方差矩阵特征值分解相位优化的DSInSAR技术,并基于34景Sentinel-1A影像获取了霄云煤矿2022年的地表时序形变。推导基于鲁棒M估计协方差矩阵估计公式,提高对样本异常值及异质像素的鲁棒性,开展基于鲁棒M估计协方差矩阵特征值分解的相位优化处理,分析了上述优化模型与通用相位优化模型的相似性,最终通过对优化估计相位开展相位信息解译处理来获取最终的形变信息。实验结果表明:基于鲁棒M估计协方差矩阵特征值分解相位优化的DSInSAR技术较常规SBAS技术及基于最大似然估计协方差矩阵的DSInSAR技术在监测点密度上分别提高了约11.4倍、0.2倍,且与水准数据对比具有最小的均方根误差,约22 mm;此外,霄云煤矿共包含三个主要形变场,其地表沉降的时序变化呈现出较显著的非线性趋势,煤矿内地表的视线向最大沉降量约418 mm。研究成果为矿区地表形变规律反演及矿区灾害防控提供重要数据支撑。

基于协方差矩阵拟合的小平台共形阵稳健波束形成技术

针对无人水下航行器等小尺度平台机动且阵列孔径有限条件下的稳健探测需求,依据应用于小平台U形共形平面阵设计多种波束形成算法。分析快拍数、输入信噪比及导向向量误差等对波束形成方法稳健性的影响。虽然最小方差无畸变波束形成方法具有高阵增益的优点,但其在存在基阵导向向量误差和协方差矩阵估计误差的条件下性能下降较为严重,基于此提出了协方差矩阵拟合波束形成方法和双约束稳健最小方差无畸变响应波束形成方法,并通过数值仿真分析与其他多种波束形成方法对比验证稳健波束形成方法应用于水下小平台共形阵的稳健性。最后在考虑阵元位置误差时通过消声水池实验对多种波束形成方法的实际性能进行进一步对比验证。

基于对数先验的协方差矩阵的参数估计

为了更好地估计股票收益协方差矩阵,提出了一种基于Black-Litterman思想的协方差矩阵估计方法。不同于传统方法对协方差矩阵添加Wishart先验分布的方法,考虑将先验信息概念应用在协方差矩阵的对数上,通过贝叶斯方法,得到协方差矩阵的参数估计。

基于互质阵列的协方差矩阵重构算法

针对基于互质阵列波达方向(direction of arrival, DOA)估计方法对连续虚拟阵元得到的样本协方差矩阵信息利用率不高的问题,提出一种基于互质阵列的协方差矩阵重构算法。该算法利用最大连续虚拟均匀线阵协方差矩阵的每一行元素进行Toeplitz矩阵重构,再对这些矩阵加权求和获得新的满秩协方差矩阵,提高对接收数据的利用率并消除噪声贡献对DOA估计结果的影响。理论分析和仿真结果表明,该算法能实现欠定DOA估计,在低信噪比、小快拍数、入射角度间隔小条件下有良好的角度估计精度。

基于功率中值和归一化采样协方差矩阵的自适应匹配滤波检测器

在非均匀海杂波环境中,参考单元中的异常单元限制了采样协方差矩阵(SCM)的估计性能,从而影响了传统自适应匹配滤波(AMF)检测器的检测性能。而考虑删除异常单元的方法在参考单元数目有限时可能导致矩阵的奇异性。鉴于此,在保持参考单元数目不变条件下,该文设计一种基于功率中值与归一化采样协方差矩阵(MNSCM)的估计方法,并将其与匹配滤波器(MF)相结合,构造一种新型的自适应匹配滤波检测器。与传统的自适应匹配滤波相比,该文设计的检测器在实测和仿真海杂波数据条件下均具有明显的性能优势。

用于检验散斑协方差矩阵估计性能的白化度评价方法

在海杂波背景下,散斑协方差矩阵估计性能严重影响着雷达自适应目标检测的准确性。针对不同散斑协方差矩阵估计方法,通常采用归一化F范数方法检验估计性能。但该检验方法需要已知真实协方差矩阵,在实际雷达系统中并不容易实现。鉴于该问题,该文提出了一种用于检验散斑协方差矩阵估计性能的白化度评价方法,充分利用了散斑协方差矩阵在白化滤波过程中的去相关作用。该方法将白化滤波后的杂波向量中脉冲间的相关程度作为评价指标,衡量散斑协方差矩阵估计方法的估计误差大小。与归一化F范数检验方法相比,该文提出的评价方法具有检验结果的一致性并且有效的避免了其在实测数据处理中的局限性。

海杂波协方差矩阵估计及其对目标检测性能的影响

在海杂波中检测有用信号,杂波的协方差矩阵需要利用参考数据进行估计,不同的估计方法对信号的检测性能产生不同的影响。首先,给出了几种杂波协方差矩阵估计,即样本协方差矩阵、正则化样本协方差矩阵、最大似然估计和渐进最大似然估计;然后,分析了海杂波数据的非高斯性和非平稳性;最后,利用正则化匹配滤波器作为信号检测器,分析了不同协方差估计对检测性能的影响。分析结果表明,由于实测数据的非平稳性,检测性能均比仿真数据获得的检测性能要差。而将杂波协方差矩阵的最大似然估计应用于检测器,能够获得较好的检测性能。

有源干扰条件下机载MIMO雷达STAP协方差矩阵秩的分析

该文分析了正侧阵机载MIMO雷达杂波加有源干扰协方差矩阵的结构,得到杂波加有源干扰协方差矩阵秩的上界为杂波的秩与有源干扰的秩之和减去有源干扰个数。并由此得到MIMO雷达杂波加有源干扰协方差矩阵非满秩而SIMO雷达杂波加有源干扰协方差矩阵满秩时有源干扰个数的范围。当有源干扰的数目在此范围时,SIMO雷达的理论性能严重下降,而MIMO雷达在理论上仍然有足够的自由度来抑制杂波和有源干扰,从而保证有较好的性能。通过仿真实验验证了上述结论。

采用协方差矩阵稀疏表示的DOA估计方法

针对L1-SRACV算法在低快拍时波达方向估计性能严重下降的问题,分析其原因并提出一种基于快速极大似然算法的波达方向估计新方法.首先利用快速极大似然算法估计协方差矩阵,以解决由于快拍数较低引起协方差矩阵小特征值不稳定的问题.然后建立了基于快速极大似然算法的稀疏模型进行波达方向估计.最后,为了进一步提高算法在快拍数较小时的性能,选择剔除协方差矩阵的对角元素,并对建立的波达方向估计模型进行了修改.仿真结果表明,所提算法相对于L1-SRACV算法具有高的估计精度和检测概率,尤其是在快拍数较小时仍能获得高的估计精度.

基于协方差矩阵的CFA插值盲检测方法

从数字图像中盲检测数码相机采用的CFA插值算法,可以为数字图像取证提供重要的技术手段。该文基于线性插值模型,利用协方差矩阵构建插值系数方程组,并将估计的插值系数构成特征向量空间,采用支持向量机作为分类工具,提出了一种对不同的CFA插值算法进行准确分类的盲检测方法。实验表明,该文方法对于不同的CFA插值算法均能达到较高检测正确率。同时,相比现有的CFA插值检测方法,该文算法对加性高斯白噪声和有损JPEG压缩具有更好的鲁棒性。

非高斯杂波协方差矩阵估计新方法

针对雷达目标自适应检测中的复合高斯杂波协方差矩阵估计问题,提出了一种基于杂波分组的约束迭代估计方法。该方法在迭代过程中有效利用所有辅助数据,并对最终得到的估计矩阵进行关于迹的约束。在估计的杂波分组大小与实际情况匹配的条件下,约束迭代估计方法的估计精度与杂波功率水平无关。仿真实验表明,所提出的方法对不同的杂波分组大小失配情况具有很好的鲁棒性;与已有的两种协方差矩阵估计方法相比,约束迭代估计方法能极大的提高估计精度,加快迭代过程的收敛速率,且计算量更小。

GPS观测量先验方差-协方差矩阵实时估计

GPS观测量的先验方差 -协方差矩阵的可靠性直接关系到 GPS定位结果和可靠性 ,关系到模糊度初始化时间、模糊度搜索的可靠性及成功率。本文提出了一种 GPS观测量的先验方差 -协方差矩阵的实时估计方法。其特点是直接利用伪距和载波相位观测值 ,来实时估计先验方差 -协方差矩阵 ,而且可广泛应用于各种测量型接收机的各种测量模式。该方法应用于模糊度解算中 ,并与其他方法进行比较 ,以检验其效果。

基于积分协方差矩阵的粒子滤波目标跟踪

仅利用单一特征的目标跟踪难以克服光照和目标形变等外部条件变化,给出一种基于协方差区域描述子的粒子滤波,协方差描述子可融合目标区域内的多种特征处理复杂背景下的目标跟踪问题,提高跟踪的鲁棒性;针对粒子滤波计算量大的问题,引入积分协方差矩阵计算,提高跟踪的实时性,对比实验表明新的跟踪算法比仅用单一特征跟踪鲁棒性更高,处理速度更快。

基于协方差矩阵元素的多目标角跟踪方法

提出了一种多目标角跟踪算法.将相邻时间段估计得到的协方差矩阵相减,对差距阵线性化近似得到了一组关于角度差的线性方程组,重复解方程组可以得到不同时间段各个目标的角度.本算法不需要更新信号子空间;不同时间段之间各个目标的角度是自动关联的,省去了运算量较大的数据关联过程;适用于目标个数大于阵元个数的情况;同时,该算法可以减小噪声的影响.仿真结果表明了算法的有效性.

求解全局优化问题的正交协方差矩阵自适应进化策略算法

针对协方差矩阵自适应进化策略(CMAES)求解高维多模态函数时存在早熟收敛及求解精度不高的缺陷,提出一种融合量化正交设计(OD/Q)思想的正交CMAES算法。首先利用小种群的CMAES进行快速搜索,当算法陷入局部极值时,依据当前最好解的位置动态选取基向量,接着利用OD/Q构造的试验向量探测包括极值附近区域在内的整个搜索空间,从而引导算法跳出局部最优。通过对6个高维多模态标准函数进行测试并与其他算法相比较,其结果表明,正交CMAES算法具有更好的搜索精度、收敛速度和全局寻优性能。

基于多特征协方差矩阵的图像匹配算法

针对灰度及红外图像的匹配过程中经常出现的一些问题,如缺乏丰富的目标特征、易遭受复杂背景及噪声等外界因素干扰、目标出现放大缩小或偏转等,抽取目标图像的梯度幅值与方向,腐蚀与膨胀以及信息熵等特征,通过协方差矩阵将其融合在一起,构成新的特征模型。通过全图遍历求取矩阵间相似度距离的方法找到最佳匹配重心,将新方法与其它3种已有的匹配方法进行了对比说明。实验结果表明:在灰度图像匹配时新方法准确率高、鲁棒性好,同时也可以应用于红外图像中,满足了在一些条件下提高匹配准确度的要求。

协方差矩阵自适应演化策略学习机制综述

基于协方差矩阵自适应(CMA)的演化策略算法(ES)是一种优秀的、不依赖于梯度信息的随机局部优化算法.基于CMA的学习机制使其对搜索空间的任意可逆线性变换具有不变性,对于病态的、高度不可分的问题有优秀的求解能力.CMA学习机制具有较强的数学理论基础,这对设计其他演化算法有很好的借鉴意义.本文旨在详细分析CMA-ES的各种学习机制,并给出其所依赖的主要理论基础.最后通过实验比较CMA-ES各种变体的优势与不足,并着重比较本文改进的CMA-ES变体与其它变体在性能上的差异.