超宽带共形极化敏感阵DOA-极化估计算法及优化

针对超宽带共形极化敏感阵列(Conformal Polarization Sensitive Array, CPSA),提出一种用于波达方向(Direction of Arrival, DOA)与极化角联合估计的降维多重信号分类(Multiple Signal Classification, MUSIC)算法,由Monte-Carlo模拟结果可知,DOA估计性能在低频处下降,无法满足信号测向需求。为解决此问题,使用虚拟扩展阵列的方法优化算法,选取不同扩展参数构造虚拟阵列,提高算法可靠性。通过仿真实验可知,优化后的算法能明显改善DOA估计在低频处的抗噪性能与容差性能,显著提高实际应用中信号测向的准确率。

水声二维方向角估计降维算法及其仿真分析

为减少水声二维角估计时波束形成的运算量,基于十字阵采取降维措施,提出一种二维方向角估计的新方法。首先,根据十字阵的阵形结构,由横纵两直线阵列分别进行一维DOA估计;其次,利用十字阵阵列流形和直线阵流形的关系,通过参数换算给出目标的二维DOA估计。计算机仿真验证了此算法的有效性,并着重分析了幅相误差对此方法的影响,提出多目标源时采用功率谱强度来匹配角度的方法。

基于降维子空间的多重信号分类快速算法

基于MUSIC的DOA估计存在运算量大的问题,已有的改进快速算法很多是以降低精度为代价的,因此提出了基于降维子空间的多重信号分类快速算法,该算法先利用降维的噪声子空间进行DOA粗略估计,使得MUSIC搜索的运算量大大减小,然后利用最大噪声子空间对估计结果进行修正;数值仿真结果表明,该方法能够在不影响DOA估计精度的情况下显著降低运算量,使MUSIC算法更具实用性。

基于谱分解的降阶求根MUSIC算法

求根多重信号分类(Root-MUSIC)算法以多项式求根代替谱峰搜索,降低了波达方向(DOA)估计的计算量,但当阵元数较大时,其计算量依然很大。为进一步降低计算量,该文提出一种降阶Root-MUSIC(RD-Root-MUSIC)算法。该算法基于谱分解将Root-MUSIC多项式的阶次降低一半,再根据矩阵特征多项式与求根多项式的关系构造友阵,采用Arnoldi迭代计算得到友阵的L个大特征值(L为信号数)并估计DOA。仿真结果表明,RD-Root-MUSIC估计精度与Root-MUSIC相近,但其在大阵元下具有比Root-MUSIC更低的计算量。

面阵中降维Capon的二维DOA估计

提出了面阵中基于降维Capon的二维波达方向(direction of arrival,DOA)估计算法.先求得接受信号的协方差矩阵,再对其变换式进行谱峰搜索估计出一个参数,进而通过最小二乘估计出第2个参数.采用一维全局搜索实现二维DOA的联合估计,可避免二维Capon算法由二维谱峰搜索带来的巨大计算量,从而大大降低了计算复杂度,且角度估计性能非常接近于二维Capon算法.该算法既可以实现二维角度的自动配对,又可以精确地估计出相同方位角(或仰角)的信源,其优越性均可在文中得到验证.

基于LBPV的旋转不变纹理分类算法

目前纹理分类算法普遍存在分类率低、耗时长的问题,改进局部二元模式(LBP)直方图算法,引入LBPV算子,结合新的全局匹配穷尽搜索方案,可弥补LBP只提取局部旋转不变纹理特征的不足,采用基于LBP特征估测主方向和特征降维的方法,则可以大大降低计算复杂度。仿真结果表明,相对于传统的LBP特征提取算法,改进的算法具有更高的纹理识别效率。

电磁矢量互质阵中基于降维Capon的DOA和极化估计算法

将传统电磁矢量均匀阵列推广为电磁矢量互质阵列,突破了阵元间距不大于半波长的限制。提出了电磁矢量互质阵列中基于降维Capon的波达方向(Direction of arrival,DOA)和极化联合估计算法。该算法无需假设已知极化信息,且只需一维搜索,避免了多维搜索,可实现DOA和极化参数自动配对;与相同阵元数的均匀阵列相比,明显提高了角度估计性能,并拓展了天线孔径,具有相对较高的自由度,且降低了运算复杂度。相同阵列及参数条件下,本文算法的角度估计性能优于ESPRIT算法和三线性分解算法。

基于宽带均匀同心球阵列的低复杂度二维波达方向估计算法

该文提出一种基于宽带均匀同心球阵列(UCSA)的2维波达方向(2D-DOA)低复杂度估计算法。该方法将宽带UCSA输出信号转换为相位模式,并对其进行频率补偿,实现近似频率不变(FI)特性,从而降低宽带信号处理的计算复杂度。为了进一步降低2D-DOA估计的计算复杂度,该文提出基于FI-UCSA的降维多重信号分类(MUSIC)算法。该方法将相位模式导向向量分解为方位角和仰角相关的两个矩阵,从而把2维搜索问题简化为1维(1D)搜索,实现降维优化并降低计算复杂度。仿真结果表明,该算法计算复杂度相较于2维MUSIC算法得到了极大的降低,并且在估计精度和分辨率上均稍有改善。

基于降维的极化敏感阵列幅相误差自校正算法

传统的极化域MUSIC算法当存在幅相误差扰动时会引起算法性能下降,并且在估计波达方向(DOA)和极化参数时需要四维谱峰搜索,计算量巨大。针对此问题,文中提出一种适用于任意极化敏感阵型的DOA-极化-误差的降维迭代自校正算法。首先将传统自校正算法推广至极化域,把DOA-极化和误差分离开,每次迭代分为估计误差参数和估计DOA-极化联合参数;然后在每次迭代过程中采用基于矩阵秩亏损的降维MUSIC算法来联合估计DOA和极化参数,将四维搜索优化成只与方位角和俯仰角有关的二维搜索,并利用搜索结果直接计算出极化参数;最后固定DOA-极化参数,问题转化为二次型极值问题,完成对幅相误差的估计,经过多次迭代算法可收敛。仿真实验验证了算法的有效性,仿真结果表明本文算法具有良好的误差校正效果。

基于降维子空间重构的双基地MIMO雷达角度估计算法

根据双基地MIMO雷达的工作原理和回波模型,结合阵列信号处理,提出了降维子空间重构的角度估计算法,并给出了算法有效性证明。理论分析表明,该算法可以有效解决二维空间搜索计算成本高,矩阵运算量大和低快拍数下算法适应性差的问题,并通过蒙特卡罗实验对不同信噪比、快拍数和接收阵元数等情况下角度估计的方差进行了仿真,证实了理论分析的正确性。

基于实值降维Capon的频率分集阵MIMO参数估计

由频率分集阵列(FDA)和多输入多输出(MIMO)技术组成的FDA-MIMO雷达因其可以形成角度-距离相关的波束而广受关注。相比于经典的子空间谱估计算法,Capon算法无需特征值分解,计算量小,不用预估信号个数,估计性能稳定。文中提出一种应用于FDA-MIMO雷达的实值降维Capon算法。该算法使用前后项平滑技术和酉变化把接收信号变为实值矩阵,再利用矩阵直积的性质将实值2D-Capon降至一维,用两个一维搜索分别估计角度和距离,极大降低计算量。经过仿真验证,该算法对相干与非相干目标都能准确估计,且保持与二维多重信号分类(2D-MUSIC)算法几乎相同估计精度的同时,有着较低的计算复杂度。

岭型主成分估计的最小方差和

讨论了岭型主成分估计在一类降维估计中的方差性质，证明了在一定条件下岭型主成分估计的方差和最小．文［１］的结果是本文的特例．

低快拍下单基地MIMO雷达DOA估计方法

针对单基地多输入多输出(MIMO)雷达低快拍数下DOA估计分辨力下降的问题,提出一种基于稀疏信号表示的DOA估计方法。利用目标在空域的稀疏性,将DOA估计问题转化为稀疏信号恢复问题。建立了MIMO雷达阵列流形的过完备字典,同时利用MIMO雷达接收方向向量与发射方向向量Kronecker乘积的特点,对接收数据进行降维预处理;然后再采用一种非参数的迭代算法完成DOA估计。在低快拍情形下,方法比降维Capon算法有更高的分辨力。仿真实验验证了所提方法的有效性。

锥面共形阵列极化-DOA估计的降维MUSIC算法

针对传统MUSIC(multiple signal classification)算法在锥面共形阵列极化-DOA(direction of arrival)参数联合估计过程中计算复杂度较高的问题,利用单极化阵元构造极化敏感锥面共形阵列,并建立阵列接收信号模型.通过构造同极化接收子阵,将导向矢量中空域信息和极化域信息去"耦合",在考虑阵元遮挡效应的条件下,结合秩损原理实现了基于降维MUSIC算法的极化-DOA多参数估计,减小了极化-DOA参数估计的计算量.通过计算机仿真证明了方法的有效性.

圆柱极化敏感阵列降维插值角度估计方法

圆柱极化敏感阵列可直接利用同一母线上的阵列数据估计目标的俯仰角,但是在估计方位角时面临未知极化的影响。对此,提出一种降维插值方法,解决圆柱极化敏感阵列在未知极化下的二维波达方向(two-dimensional direction-of-arrival,2D-DOA)估计问题。首先通过母线阵列的旋转不变性估计俯仰角,然后利用估计的俯仰角降维设计插值方法的感兴趣范围(range of interest,ROI),最后利用降维插值方法得到对应的方位角估计值。圆柱天线阵的每个阵元只需由一个电偶极子构成,有效降低了系统运算负担和阵元间的互耦效应。数值实验验证了所提方法的2D-DOA估计性能。

岭型主成分估计在降维估计类中的最优性

研究岭型主成分估计在岭型降维估计类中的性质 .在不同的条件下 。

基于交错投影的无网格降维DOA估计算法

针对当前基于交替投影的无网格(APG)DOA估计算法存在收敛速度较慢的问题,提出了一种基于交错投影的无网格降维DOA估计算法。该算法在迭代求解的过程中,直接对半正定矩阵的子矩阵——Toeplitz矩阵进行迭代投影,降低了矩阵的维度,在确保估计精度的情况下,有效降低了算法的计算量。仿真结果表明该算法与APG算法相比,在相同信噪比、快拍数或阵元数的条件下能够保证估计精度,同时减少了计算时间,具有更好的实时性,性能更优。

岭型主成分估计在降维估计类中的最优性

研究岭型主成分估计在岭型降维估计类中的性质 ,在不同的条件下 。

主成分估计的方差最优性

定义了一类新的降维估计类,证明了主成分估计在这类降维估计中具有几种方差最小性。

岭型主成分估计的最小方差和(英文)

讨论岭型主成分估计在一类降维估计中的方差性质,证明了它的方差和在这类降维估计中最小。文[1]的结果是本文的特例。