用加权子空间拟合和量子粒子群算法联合估计多普勒频率和波达方向

为了高效、准确地估计多普勒频率和波达方向(DOA),提出了基于加权子空间拟合(WSF)算法和量子粒子群优化(QPSO)算法的WSF-QPSO联合谱估计方法。首先,利用状态空间模型构造包含多普勒频率和DOA信息的广义可观测矩阵;用WSF算法拟合联合谱函数,将参数估计问题转化为多维非线性函数优化问题。然后,利用QPSO算法优化联合谱函数,得到多普勒频率和DOA的估计值。实验结果表明:在信源参数比较接近的情况下,WSF-QPSO方法在信噪比为0 dB时对多普勒频率和DOA估计的均方根误差仅为0.007 5 rad和0.25°。与其他方法相比,该方法具有估计精度高、控制参数少、鲁棒性好、参数自动配对等特点,在低信噪比和小样本条件下依然能够得到较满意的参数估计结果。

时频子空间拟合波达方向估计

本文提出了一种基于信号空时特征结构的时频子空间拟合方法 ,利用双线性时频分布构造时频相关矩阵Cx 代替传统的阵列相关矩阵Rx,通过Cx 的特征分解实现了信号子空间与噪声子空间的分离 .该方法在空域和二维时频域同时进行处理 ,能够区分具有不同时频特征的信号 ,既适用于平稳信号的场合又适用于时变、非平稳信号的情形 ,属于空时多维处理的范畴 .可以证明 ,基于平稳信号假设的经典子空间方法是该方法的低维特例 .由于包含了时变滤波的过程 ,因此该方法具有信号选择性以及抗干扰和抗噪声的能力 .仿真结果证实了该方法的有效性 .

基于贝叶斯压缩感知的子空间拟合DOA估计方法

经典加权子空间拟合算法需进行多维非线性优化,初始参数的难以设置和较大的计算量限制了其应用。结合压缩感知理论,本文提出了一种基于改进贝叶斯压缩感知的子空间拟合DOA估计新方法。该方法首先通过低复杂度的子空间分解算法PASTd估计信号加权子空间,进而基于入射信号的空域稀疏性,将信号子空间拟合建模为多测量值稀疏重构问题,并应用贝叶斯压缩感知算法进行求解。算法在贝叶斯压缩感知的迭代求解中引入了基于相对阈值判决的基消除机制,加快收敛速度的同时避免了矩阵奇异问题。仿真结果表明本文算法在低信噪比、小快拍情况下空间分辨率优于MUSIC和l1-SVD算法,可直接用于相干源的估计,并对信源数目的估计误差具有较强鲁棒性。

基于加权子空间拟合的声源定位与跟踪方法

麦克风阵列声源定位可为复杂环境下的说话人空间位置估计问题提供一种有效的解决方案。该文基于粒子滤波框架,提出了一种加权子空间拟合声源定位与跟踪方法。该方法将窄带子空间拟合算法的代价函数推广至宽带情形,构建了一种适用于宽带语音信号的似然函数,并结合说话人的运动模型估计声源的位置。计算机仿真与实测结果验证了该方法的有效性。

MIMO声纳方位估计子空间拟合快速算法

为了充分利用多输入多输出(multiple input multiple output,MIMO)声纳的虚拟阵列孔径的性能,针对目标的方位估计问题,提出了一种MIMO声纳系统的目标方位估计方法,该方法由发射阵列发射正交信号,接收阵列首先对接受信号进行匹配滤波,然后构造子空间拟合关系,最后采用马尔可夫蒙特卡罗吉布斯抽样方法解决子空间拟合求解运算量大的问题.仿真研究表明,两目标条件下,采用该方法的MIMO声纳系统方位估计精度在中低信噪比条件下接近MIMO最大似然方位估计,优于其它MIMO阵列方位估计方法,而运算量只是最大似然方法的约1/4.水池试验结果验证了算法的有效性.

基于连续蚁群优化算法的小快拍加权子空间拟合快速算法

该文针对加权子空间拟合(WSF)算法多维非线性优化计算量大,难以工程应用的问题,将连续空间蚁群算法与加权子空间拟合算法相结合,提出了基于蚁群算法的加权子空间拟合(Ant Colony Optimization based Weighted Subspace Fitting,ACO-WSF)方位估计新方法。该方法利用连续蚁群算法中的信息量高斯核概率分布函数,经过有限次迭代得到加权子空间拟合算法的非线性全局最优解。仿真结果表明,低信噪比、小快拍条件下该方法估计性能与WSF方法基本相同,优于MUSIC方法,而且显著减少了计算量。

基于遗传算法的宽带加权子空间拟合测向算法

宽带信号测向一直是信号处理领域研究的难点 .本文把窄带情形下的加权子空间拟合测向算法推广到宽带情形 ,构造了一个目标函数 ,然后应用遗传算法进行非线性全局优化 ,即可得到波达方向估计值 ,同时避免了对入射方向进行预估计 .把本文算法应用到均匀线阵上 ,仿真实验结果证明了算法的有效性 .

广义信号子空间拟合角度-极化联合估计

针对相干信号波达方向(DOA)和极化参数的同时估计问题,提出了适用于任意结构极化敏感阵列和完全/部分极化信号源的广义信号子空间拟合方法.该方法利用空间相位矩阵和信号极化矢量之间的线性关系,借助信号子空间旋转矩阵的适当分离实现了角度和极化参数的解耦,使得DOA估计和极化参数估计可分别通过唯角度和唯极化搜索获得.与传统子阵平滑信号解相干方法不同,广义信号子空间拟合方法对阵列结构无特殊要求,且不存在孔径损失问题.仿真结果表明,广义信号子空间拟合方法在低信噪比和短快拍数条件下性能均要优于空间平滑和极化平滑两种传统方法.

冲击噪声下基于子空间拟合的DOA估计新算法

研究了在对称α稳定分布(Symmetric α-stable,SαS)冲击噪声背景下的基于子空间拟合的多目标DOA估计算法。由于SαS冲击噪声造成传统DOA算法性能下降,提出了基于分数低阶矩统计量的FLOM-SSF/NSF算法和Screened Ratio原理的SR-SSF/NSF算法。计算机仿真表明两种算法都能有效地改善SαS型冲击噪声对DOA估计的影响,有更好的稳健性,其中SR-SSF/NSF算法性能略好于FLOM-SSF/NSF算法。

基于子空间拟合波达方向估计方法研究

传统波达方向(DOA)估计方法由于受阵列尺寸的限制,对处于同一波束内的多个信号源无法得到正确的估计。为此提出了基于子空间拟合的信号到达方位角(DOA)估计算法——信号子空间拟合算法和噪声子空间拟合算法。算法通过对接收数据的子空间与实际信号导向矢量组成的子空间的拟合,来构造信号功率谱尖峰,从而估计目标信号的到达方位角。仿真实验对两种算法的性能进行了分析,分析表明基于噪声子空间拟合算法能突破空域瑞利限的限制,具有空间分辨率高、稳定性好的估计性能。信号子空间拟合算法只有在阵元数较大时,才能正确分辨距离较近的信号源,但具有对环境噪声不敏感的特点。

基于SVD的二维子空间拟合DOA估计

改进传统子空间拟合波达方向(DOA)估计方法,以快拍数据矩阵的奇异值分解代替接收数据协方差矩阵的特征值分解,用奇异值和奇异值矢量进行信源数估计,避免协方差矩阵估计,减少运算量和矩阵估计误差。根据已有子空间拟合的一维修正变化投影(MVP)算法原理,推导出二维MVP算法实现步骤,对基于均匀圆阵的接收信号进行二维DOA估计。

基于遗传算法和MSWF的子空间拟合测向算法

针对传统算法在快时变环境性能不够理想,而在快时变环境性能较好的子空间拟合算法其多维非线性搜索运算量较大而且易于收敛于局部最优解的问题,本文采用基于MSWF的子空间快速分解及子空间维数的快速估计,避免了协方差矩阵的估计和特征值分解;同时用子空间拟合准则构造遗传算法的目标函数实现随机搜索功能,实现全局快速搜索。最后实验验证了遗传算法测向的有效性。

基于贝叶斯压缩感知的子空间拟合离格DOA估计

针对传统的基于稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)的波达方向估计算法对噪声鲁棒性不高的问题,提出了一种基于SBL的子空间拟合离格波达方向(Direction of Arrival,DOA)估计方法。首先对接收数据的协方差矩阵进行特征分解,获得信号的加权子空间,构造等价信号的稀疏表示模型并利用贝叶斯学习算法进行参数求解。同时对于网格划分带来的建模误差问题,采用了离格贝叶斯推导(Sparse Bayesian Inference,SBI)算法进行求解,利用期望最大化算法迭代更新相应的参数。仿真结果表明,相对于传统的DOA方法,该方法具有更好的估计精度。

基于子空间拟合的声矢量阵阵型校正算法及DOA估计

将声场中的声压、振速进行联合信息处理,基于信号子空间拟合原理提出了一种声矢量阵高分辨方位估计算法。该算法在估计性能上与声矢量阵MUSIC算法接近,但在运算量方面有所减少;并针对阵元位置存在误差时文中算法性能恶化的问题,基于迭代优化原理提出了一种声矢量阵阵型校正算法。该算法依赖两个方位未知的disjoint信源,结合单矢量传感器方位估计技术实现了对阵元位置误差的有效估计。仿真结果表明,随着disjoint信源信噪比的增大和快拍数的增加,声矢量阵阵型校正算法的性能明显提高。

用于相干信号高分辨测向的自适应子空间拟合方法

针对阵列信号处理中相干信号的测向问题,提出了自适应子空间拟合方法。理论分析、计算机仿真和实际测向结果均表明,该方法不需要事先知道或估计出入射信号的准确数目,通过适当的初始化和迭代过程,即可实现相干及非相干信号的高分辨测向。

基于子空间拟合的块稀疏贝叶斯学习DOA估计

针对传统基于稀疏贝叶斯学习(sparse bayesian learning,SBL)的波达方向(direction of arrival,DOA)估计算法在低信噪比条件下性能不足的问题,提出了一种基于子空间拟合和块稀疏贝叶斯学习的离网DOA估计方法。首先对样本的协方差矩阵进行特征分解,获得信号的加权子空间,然后构造等价信号的稀疏表示模型并利用块稀疏贝叶斯算法进行参数求解,同时对于网格失配带来的建模误差,将空间域内的离散采样网格点作为动态参数,通过求解一个多项式,利用期望最大化算法迭代更新离散网格点的位置。仿真实验结果表明,相对于传统SBL算法,该方法具有更好的估计精度和空间分辨率。

一类循环加权子空间拟合法的性能分析

基于加权子空间拟合 (WSF)的思想和循环相关矩阵估计量的渐近统计特性 ,分析了循环平稳信号波达方向估计的一类加权子空间拟合法的性能 ,导出了这一类算法渐近估计方差的解析表达式 。

共形阵列LFM信号DOA和极化参数的联合估计

利用分数阶傅里叶变换(fractional Fourier transform,FRFT)对线性调频(linear frequency modulation,LFM)信号的能量匹配聚焦特性来简化共形阵列的数据模型,根据子空间拟合原理提出一种信源DOA和极化参数的去耦联合估计方法.直接进行DOA估计涉及求解难度较大的多维多峰参数搜索过程,于是通过重构噪声子空间和流形矩阵建立了单峰的目标函数,然后用PSO算法估计信源方位角和俯仰角,在此基础上利用ESPRIT实现极化参数估计.仿真实验表明,去耦参数估计方法能在保证算法性能的前提下简化问题复杂度。

限定GA搜索空间的WSF求解算法

波达方向(DOA)估计在无线传感器网络中得到了广泛的应用,本文针对DOA中加权子空间拟合(WSF)算法多维非线性优化计算量大的问题,提出一种限定遗传搜索空间的WSF求解算法.该方法将旋转不变子空间(ESPRIT)与无偏估计量的理论最小误差(TME)相结合来限定遗传算法的搜索空间,通过缩短遗传算法的基因长度来降低加权子空间拟合算法的求解复杂度.仿真结果表明,该算法的估计性能与WSF基本相同,与其它的一些智能优化算法相比,显著的降低了算法的计算量.

基于分层人工鱼群的相干极化-DOA联合估计

智能优化算法是解决多维非线性优化问题、提高计算效率的有力工具。本文针对相干辐射源极化-空间角联合估计中计算量巨大的工程难题,以广义子空间拟合约束公式为代价函数,提出一种分层人工鱼群算法。该算法基于分层协同策略将鱼群分为底层和顶层,底层以人工鱼群算法进行全局搜索以保证种群多样性,顶层以粒子群算法进行局部搜索以加快收敛速度。仿真结果证明:分层人工鱼群算法能大幅降低广义子空间拟合的计算量,尤其是在较多目标的情况下。算法可有效提高计算效率,同时可提供优于传统人工鱼群算法的估计精度。