超分辨率Root-Min-Norm井下定位算法

对不能处理相关信号的求根最小范数（Root—Min—Norm）算法进行了修正，对信号估计协方差运用了前后向平滑处理，在小样本条件下提高了相关矩阵和TDE（Time Delay Estimation）估计精度。将该超分辨率算法应用到井下定位算法当中，通过仿真实验得到的统计结果表明超分辨率Root—Min—Norm算法是一种高分辨率、高精度、高稳定性的算法，具有很大的实际推广价值。

极小范数算法在智能天线AOA估计中的研究

在智能天线关键技术的研究中,根据阵列信号处理的到达角(Arrival Of Angel)估计在信源定位和波束形成方面的问题,针对天线系统对稳定性的要求,为了提高信噪比和系统频率,提出特征分解的子空间估计算法。经典子空间法在求解采样协方差矩阵时存在计算误差及计算量大等缺点,提出了一种多平面波信号到达角估计算法。算法利用极小范数技术构造约束条件,求解噪声最佳权矢量构造噪声子空间EN,然后进行谱峰搜索和到达角估计,并对影响算法性能的几种因素进行了仿真,仿真结果表明方法是有效的。算法具有分辨率高、计算量小等优点,在实际非相关多信号检测中具有一定的实用性。