一种线性校正TOA定位算法

针对到达时间定位中出现的非线性估计问题,提出了一种基于线性校正的定位算法.该算法首先将非线性到达时间定位方程转化为一组关于目标位置的伪线性方程,利用加权最小二乘估计进行初始求解;在此基础上把伪线性方程组转化为关于估计偏差的求解问题,进而对初始解进行线性校正;同时分析了所提算法的有效性.仿真结果表明,该算法具有较好的定位性能.

非正交联合对角化盲源分离算法

提出一种表征联合对角化近似程度的代价函数,给出优化该代价函数的非正交联合对角化算法.该代价函数对经典的最小二乘代价函数进行了改进,使原算法中关于混迭矩阵的四次函数转化为3组待定参数的二次函数.因此,可通过基于梯度下降法的迭代算法交替估计3组待定参数,搜索代价函数最小点,从而得到混迭矩阵的估计,实现盲源分离.分析了算法的收敛性能,证明存在估计误差时,该算法依然全局渐进收敛.仿真结果表明,与经典的非正交联合对角化(ACDC)算法相比,该算法收敛所需计算时间仅为ACDC的一半,而全局拒噪水平改善了6 dB,可有效地解决瞬时盲源分离问题.

传感器位置误差情况下基于多维标度分析的时差定位算法

传统时差定位方法一般是在假设传感器位置信息准确已知的前提下进行的.然而在实际情形中,传感器位置信息往往含有随机误差,这些误差会严重影响对目标的定位精度.针对这一问题,提出了一种传感器位置误差情况下的多维标度时差定位算法.首先利用传感器位置和时差构造对称标量积矩阵,然后利用子空间理论建立关于目标位置的伪线性方程,最后通过设计加权矩阵来减少传感器位置误差对目标定位精度的影响.采用一阶小噪声扰动理论求出了目标位置估计的偏差及协方差矩阵,并通过仿真实验验证了该算法的有效性.

基于压缩感知的被动式移动目标轨迹测绘

被动式目标轨迹测绘以其无需目标携带任何设备的优点吸引着许多应用,如野生动物监测、入侵安全监测等.针对现有基于被动式目标轨迹测绘方法,因频繁定位而导致计算开销大和大量观测数据导致通信能耗高的问题,文中提出基于压缩感知的被动式目标轨迹测绘(Compressive Sensing Based Device-Free Target Trajectory Depiction,CSTD)算法,仅用少量观测数据一次性精确测绘出目标轨迹,减少了计算和通信开销,降低了能耗.文中的关键性发现及CSTD优点是:(1)轨迹上不同的位置及其估算具有时间独立性和空间统一性,可将不同位置映射到统一的物理空间一次性测绘出目标轨迹,避免传统方法频繁定位计算开销的问题;(2)目标轨迹与监测区域的空间位置相比具有稀疏性,利用压缩感知原理通过少量观测数据就能精确测绘出目标轨迹,降低了数据量和能耗.为适应实际应用中的大规模场景需求,该文给出了可扩展的CSTD算法模型,并提出了目标轨迹稀疏度未知(目标经过的位置数未知)下的稀疏恢复算法.部署了48个节点的8m×8m真实实验,结果表明在降低观测数据量的同时,CSTD较现有经典算法至少提高了63%的轨迹测绘精度.

二维波达方向估计的非酉联合对角化方法

针对高斯白噪声中的二维角度估计问题,提出一种非酉联合对角化方法.该方法利用平移不变结构阵列信号子空间的旋转不变性,构造一组具有对角结构的空时相关矩阵,通过降维相关矩阵组的联合对角化,估计出阵列导向矢量矩阵,实现二维波达方向估计,所得二维角度能自动配对.该方法的计算量小于交替列对角化中心(ACDC)算法,且由于每步迭代具有精确的最小二乘闭式解,消除了ACDC算法的误差积累问题,其估计精度比二维旋转不变子空间方法和ACDC算法至少高5 dB和2 dB.

谐波恢复的联合对角化算法

该文构造一组具有对角结构的特征矩阵,提出一种新的迭代算法完成这组特征矩阵的联合对角化,进而恢复出谐波频率。新方法将经典ACDC算法的四次代价函数简化为二次代价函数;且每步迭代具有精确的最小二乘闭式解,消除了ACDC算法的误差积累问题。仿真实验表明该方法估计性能优于TLS-ESPRIT算法和ACDC算法,尤其在低信噪比下性能显著提高。

一种改进的基于低秩逼近的空时自适应处理算法

针对非均匀杂波情况下的空时自适应处理的小样本问题,该文提出一种基于权矩阵低秩逼近的空时自适应处理方法。与传统的低秩逼近算法不同,利用空时导向矢量特殊的克罗累计性,该文重新构造新的权矩阵,使得该权矩阵的行数与列数尽可能地相近或相同,以减少算法所需的样本个数和计算量。采用低秩逼近方法对新构造的权矩阵进行表示,则原二次优化问题转化为求解一个双二次代价函数问题。实验表明,改进的空时权矩阵低秩逼近方法能有效地提高空时自适应处理的收敛速度和降低算法复杂度。

无线传感器网络中基于二次估计的被动式目标定位方法

针对无线网络环境中目标被动式定位问题,提出二次估计的定位方法,并予以验证。重点研究了独立空间与连续空间估计方法,以及均值估计方法中的位置均值估计与时间均值估计定位方法,将这些方法分层、有机地集成于一个定位模型之中,建立二次估计定位模型。通过实际实验,证明了二次估计定位方法的可行性,并与其他传统方法进行比较,表明该方法能够实现室外环境下目标被动式定位,且定位精度较其他方法有所提升,可以满足实际应用的需求。

空时矩阵组三迭代DOA估计新方法

利用平移不变结构阵列信号子空间的旋转不变性,构造一组具有对角结构的空时相关矩阵组。给出一种高精度的信号子空间估计方法,利用估计的信号子空间做降维矩阵处理空时相关矩阵组,从而减少计算量并加快收敛速度。基于非线性最小二乘建立代价函数,提出一种三迭代算法求解代价函数进而估计波达方向DOA。仿真结果证实该算法收敛速度较快,估计精度显著高于TLS-ESPRIT算法,尤其在低信噪比和小快拍数据下估计精度显著增强。

随机布署平面传感器阵列实现色噪声下运动节点跟踪算法

针对色噪声下的空间运动节点跟踪问题,提出一种新的辅助变量子空间跟踪算法。该算法采用秩1更新,构造两个无约束代价函数,求其递归最小二乘解跟踪信号子空间。得到信号子空间后,构造矩阵方程,通过最小二乘解实现空间运动节点的方向跟踪,所得空间二维角度能自动配对。在任意的平面传感器阵列下,所提算法和著名EIV-PAST算法均具有较好的节点跟踪性能,跟踪的信号子空间夹角和信号子空间误差较小,所提算法的正交性能显著优于EIV-PAST算法。

一种采用稀疏表示的快速空时自适应方法

在非均匀杂波环境下,空时自适应处理的关键在于如何利用少量样本准确地估计杂波协方差矩阵.基于稀疏表示的杂波协方差矩阵估计方法,仅利用单个或少量样本即可达到较好的杂波协方差矩阵估计效果,明显地提高了空时自适应算法的收敛速度.该方法利用杂波谱的稀疏性,根据稀疏表示理论估计出杂波功率谱,进而估计出杂波协方差矩阵.然而,采用稀疏表示方法估计所得的杂波谱常出现伪峰,容易造成杂波协方差矩阵估计偏差,故利用杂波谱分布的特殊空时耦合性,采用杂波脊曲线拟合方法剔除杂波谱中的伪峰,有效地提高了杂波协方差矩阵估计精度.另外,这种算法还可以对载机飞行参数(载机速度,偏航角等)进行估计.

基于多对称虚拟变换的二维波达方向估计算法

提出一种多对称虚拟变换二维波达方向估计算法,通过对阵列进行多对称虚拟变换,得到多个分别关于原阵列对称的虚拟阵列,进而构造虚实平移不变子阵。利用该平移不变虚拟子阵的旋转不变因子,获得信号源的俯仰角,经多信号分类(MUSIC)一维搜索获得信号源方位角,方位角和俯仰角可自动配对。由于使用了各虚拟变换阵列的累加数据,累加运算使得各虚拟阵列数据的正负误差相互抵消,显著降低了虚拟变换矩阵导致的虚拟阵列和真实阵列之间的数据误差,提高了二维波达方向的估计精度。仿真实验研究了所提算法在信噪比、快拍数变化情况下,二维波达方向估计的均方根误差和成功率性能,证明了所提算法的有效性。

电路理论中的回路法和节点法的改进及应用

对电路理论中的回路法和节点法进行了改进。应用改进后的方法可以快速准确地解决电路问题 ,同时一系列复杂问题如自电阻 (电导 )、互电阻 (电导 )和其正负符号无需考虑 ,另外本方法还大大扩展了解题范围 。

直接数据域双向多循环优化的二维波束形成

基于数据域提出一种前后向多循环优化的自适应二维波束形成新算法。将经典的线性约束最小方差(LCMV)波束形成算法的高维权向量分解成两个低维权向量的张量积的形式,提出一种前后向多循环优化方法,每步循环分为前向和后向优化,分别计算前后向低维权,再还原成所需的高维权向量,进而实现空间波束。仿真结果表明所提方法在较少的循环次数下可有效实现二维波束形成,且计算量比LCMV有明显的优势,方向图略好于LCMV,所给算法在信噪比和快拍变化以及指向误差下输出信干噪比性能有显著提高。

一种循环最大降维的二维波达方向建模与仿真

基于常见的具有平移不变子阵的平面传感器阵列,在子阵传感器任意拓扑布署下,列堆栈两个子阵的接收数据,进而构造分块相关矩阵。提出一种循环最大信号子空间估计方法,利用得到的信号子空间对分块相关矩阵进行降维,处理降维后的分块矩阵,在低秩空间重构出阵列导向矢量矩阵,估计出空间目标的二维到达方向(DOA)。计算机仿真表明:所提算法在信噪比、采样数变化下对目标的定位精度均优于精典2D ESPRIT算法。

传感网中隐藏终端问题及其解决方案研究

针对无线传感网中固有的隐藏终端问题,分析其成因,提出了一种由数据接收方主控的隐藏终端解决方案RCMA(receiver controlled multiply access)。虑及数据的发送方及其隐藏终端均对于接收方可见,RCMA基于RTS-CTS握手策略,采用长于RTS的CTS包抑制发送方的隐藏终端的数据通信,大大降低了发送方与其隐藏终端间的数据碰撞概率。同时,RCMA采用RTS与NAV(net allocation vector,网络设置向量)计时器相结合的方式,为发送方预留信道控制权,为其提供可变的数据传输时间,为多数据包的发送节省信道竞争时间并提供通信保障。仿真实验表明该方案能显著提高网络吞吐量,当隐藏终端数目为5时,RCMA对应的吞吐量约为非坚持CSMA方案的2.5倍。

一种基于无线传感器阵列的到达方向检测方法

以线性等距无线传感器阵列为例,提出一种有效的到达方向检测算法。列堆栈两个平移不变子阵的相关矩阵,给出一种奇异值分解和特征值分解相结合的两步算法,估计传感器阵列的导向矢量矩阵,通过分析导向矢量矩阵的结构化信息,构造估计导向矢量和理想导向矢量的相关函数,进而求解相关函数的驻点,搜索有限个驻点中使相关函数最大的驻点对应的角度估计到达方向,避免了穷尽搜索。仿真结果表明:所提算法在相同信噪比下分辨成功率高于著名的ESPRIT算法、同一分辨成功率下要求的信噪比更低。在信噪比、快拍数、阵元个数变化下对目标定位的均方根误差均优于ESPRIT算法,更接近于理论最优值。

一种有效消除环境噪声的被动式目标定位方法

无线传感器网络中的被动式目标定位是一种利用监测目标对无线通信链路的接收信号产生的影响(如信号强度变化)对目标位置进行估计的技术.由于这种定位技术既不要求目标携带任何无线设备,又不需要目标主动参与定位过程,因此具有重要的应用前景.在基于接收信号强度的被动式目标定位研究工作中,大多假设链路接收信号强度是固定不变的.然而,实验和实际应用表明,这种假设是错误的.因为场景中不同射频信号的干扰和温湿度变化等环境影响都会引起处于同一位置的目标对应的接收信号强度不同,从而导致定位精度下降.为此,该文提出了一种能够有效消除环境噪声对链路接收信号影响的被动式目标定位方法.该方法首先利用基于有限状态马尔可夫链的线性迁移模型,将接收信号分解为由环境引起的噪声分量和由目标引起的扰动分量,并利用扰动分量构建射频地图;然后通过动态时间规整算法将实时扰动分量与射频地图进行匹配,实现目标定位.由于扰动分量仅与目标的位置有关,与环境无关,因此利用扰动分量进行定位不仅能够有效地消除环境噪声的影响、提高定位精度,而且使定位精度不会随着时间的推移而下降.实验结果表明,对于不同的环境和部署方式,该文提出的方法可有效地消除环境噪声对链路接收信号产生的影响,提高定位精度.

一种有效的二维频率估计新方法

针对高斯白噪声环境,提出一种三迭代算法估计二维频率.利用二维数据的旋转不变性,构造4个具有对角结构的数据矩阵,在时域进一步扩展,形成一组对角结构的数据矩阵.通过数据矩阵组的联合对角化,实现二维频率的估计,所得二维频率能自动配对.该方法每步迭代具有精确的最小二乘闭式解,消除了多阶段分解算法的误差积累,提高了估计精度.通过和克拉美罗界(CRB)的比较验证了该算法的有效性.

空域分解的机载MIMO雷达空时处理方法

相对于传统机载相控阵雷达,应用于机载多输入多输出雷达中的空时自适应处理(MIMO-STAP)技术可以获得杂波抑制和动目标检测能力的大幅提升.但是传统MIMO-STAP所需要的计算量和样本需求量巨大,无法满足实际处理要求.为了解决这一问题,我们提出了一种基于空域多级分解的机载MIMO雷达后多普勒自适应方法.该方法将后多普勒自适应权系数进行分解,使其变为几个短向量的Kronecker乘积,然后利用循环迭代的思想求解自适应权.实验表明该方法具有快速收敛性,在小样本大阵列条件下该方法明显优于传统的后多普勒处理方法.