Modified MUSIC estimation for correlated signals with compressive sampling arrays

This paper addresses the issue of the direction of arrival （DOA） estimation under the compressive sampling （CS） framework. A novel approach, modified multiple signal classification （MMUSIC） based on the CS array （CSA-MMUSIC）, is proposed to resolve the DOA estimation of correlated signals and two closely adjacent signals. By using two random CS matrices, a large size array is compressed into a small size array, which effectively reduces the number of the front end circuit. The theoretical analysis demonstrates that the proposed approach has the advantages of low computational complexity and hardware structure compared to other MMUSIC approaches. Simulation results show that CSAMMUSIC can possess similar angular resolution as MMUSIC.

Blind channel estimation for multiple antenna OFDM system subject to unknown carrier frequency offset

The problem of channel estimation for multiple an- tenna orthogonal frequency division multiplexing （OFDM） systems subject to unknown carrier frequency offset （CFO） is addressed. Multiple signal classification （MUSIC）-Iike algorithm, which generally has been used for direction estimation or frequency estimation, is used for channel estimation in multiple antenna OFDM systems. A reduced dimensional （RD）-MUSIC based algorithm for channel estimation is proposed in multiple antenna OFDM systems with unknown CFO. The Cramer-Rao bound （CRB） of channel estimation in multiple antenna OFDM systems with unknown CFO is derived. The proposed algorithm has a superior performance of channel estimation compared with the Capon method and the least squares method.

混合阵列误差校正与快速极化MUSIC算法

为解决通道不一致性对传统极化敏感阵列长矢量模型的测向精度影响及传统长矢量多重信号分类(multiple signal classification,MUSIC)算法实时性不高的问题,本文在传统极化敏感测向系统基础上,在阵列中心增加一个标量平面螺旋天线,利用其天线方向图的增益稳定性,作为内部源对其他矢量通道不一致性进行实时校正;然后将结合标量圆阵和快速傅里叶变换(fastFouriertransform,FFT)的快速MUSIC算法推广到矢量阵列,提出降维快速极化MUSIC算法.仿真结果验证了此误差校正方法的有效性,且快速算法在保证测角精度前提下有效提高了算法实时性.本文为极化敏感阵列测向提供了一种误差校正方法及一种快速实用的测向算法.

基于协方差矩阵Toeplitz重构的MUSIC算法的波达方位估计方法

针对传统波达方向(Direction of Arrival,DOA)估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题,文章提出了一种基于协方差矩阵托普利兹(Toeplitz)矩阵重构的多重信号分类(Multiple Signal Classification,MUSIC)算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵,并利用新协方差矩阵构造Toeplitz矩阵,然后对其进行特征值分解,得到Toeplitz矩阵的噪声子空间,利用噪声子空间求出信号空间谱,通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径,增加了可估计相干信号的数量,提升了方位估计的性能,提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明,文中方法可估计出更多的相干信号,而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。

单脉冲测角的二维分级主旁瓣干扰联合抑制方法

针对矩形平面阵列天线同时存在主、旁瓣干扰的单脉冲测角问题,该文设计了2维分级自适应单脉冲波束形成算法(TDHJ-ADBF)。TDHJ-ADBF算法将矩形平面阵分为方位维和俯仰维两个正交维度,采用2维分级处理架构:第1级处理在测角维进行,采用低运算量的压缩多重信号分类法对测角维主瓣干扰进行快速识别与方向估计,构造阻塞矩阵滤除主瓣干扰,获得仅含旁瓣干扰和噪声的协方差矩阵,进而对和、差波束方向图进行指向与鉴角曲线联合约束,完成测角维旁瓣干扰抑制与波束形成处理;第2级在非测角维对残留的测角维主瓣干扰进行抑制。通过2维分级处理实现主、旁瓣干扰联合对抗,并保持单脉冲测角的鉴角曲线线性度。仿真结果表明,TDHJ-ADBF算法实现了对主、旁瓣干扰联合抑制,具有高精度的单脉冲测角性能。

典型阵列快速MUSIC算法研究

由于MUSIC(MUltiple SIgnal Classification)算法需要大量的乘法运算和三角函数求值,导致其实时处理能力较弱。为此,该文首先对均匀线阵和均匀圆阵的阵列结构进行分析,提取导向矢量的一些性质。然后,利用Hermite矩阵的性质对复数乘法进行分解,再组建两个实值向量以减少乘法运算次数。最后,利用导向矢量的性质提出一种基于查表的新算法。新算法既没有三角函数求值运算,又不需要大量的存储空间。仿真实验结果表明新算法在没有改变MUSIC算法谱估计的效果的前提下,将MUSIC算法的运算速率提高了50倍以上。因此,新算法具有广阔的应用前景。

DOA估计算法的一种修正MUSIC算法的研究

传统改进MUSIC算法通过对接收信号协方差矩阵作预处理,使信号协方差矩阵分解得到信号子空间与噪声子空间正交,从而降低噪声的影响。但当信号间隔很小时,随着信噪比的降低,传统改进MUSIC算法已无法分辨出信号。基于此问题提出的修正MUSIC算法在使信号子空间与噪声子空间正交的基础上,充分利用了噪声子空间及其特征值对噪声子空间的修正,进而构造谱峰搜索函数估计出信号。通过仿真实验,证实了在信噪比很低的情况下,信号间隔很小且存在相关信号时,修正MUSIC算法能准确地估计出传统改进MUSIC算法不能估计的信号。

基于均匀线阵的改进MUSIC算法

在相干信源下,传统的MUSIC(MUltiple SIgnal Classification)算法不能准确地估计波达方向。为此,在对传统的MUSIC算法进行研究的基础上,提出了一种改进的MUSIC算法。该算法是将阵元接收的数据做相应的变换,从而得到新的阵列数据,再通过求互协方差等运算,得到新的数据协方差矩阵。同时,对该算法和传统的MUSIC算法进行了仿真,对其DOA(Direction-of-Arrival)估计性能进行比较。仿真实验表明,改进后的算法在相干信源的情况下具有很好的去相干性能,而且没有阵列孔径的损失。能精确地估计信号的波达方向。

模型误差对非圆信号测向MUSIC算法性能的影响

近年来,针对非圆信号的测向算法已陆续提出,对这些算法的渐近性能及Cramer-Rao界的分析也已见报道,但仍未涉及模型误差对此类算法影响的分析.本文概括介绍了用于非圆信号测向的MUSIC(Multiple Signal Classi-fication)算法,对其空间谱函数进行一阶泰勒展开,得到了测向误差的表达式,从而求得测向均方误差统计意义上的表达式.仿真实验验证了推导的正确性,并由理论结果分析了模型误差条件下测向误差与角度间隔和非圆相位差的关系.

阵元间距对MUSIC算法的影响

本文概述了MUSIC算法,当阵元间距不大于载波半波长时,通过分析得出MUSIC算法空间分辨率随阵元间距增大而提高,并推导阵元间距与MUSIC算法性能的定量关系;当阵元间距大于载波半波长时,讨论空间谱可能出现虚假谱峰的情况,并提出提取真实谱峰的方案.最后通过计算机模拟仿真验证文中结论.

基于MUSIC对称压缩谱的快速DOA估计

为提高波达方向(direction of arrival,DOA)估计的速度、降低运算量,在分析多重信号分类(multiplesignal classification,MUSIC)算法原理的基础上,利用噪声子空间降维的思想构造一维MUSIC对称压缩谱(MU-SIC symmetrical compressed spectrum,MSCS)。MSCS通过构造共轭噪声子空间并对噪声子空间及其共轭子空间的交集进行奇异值分解得到,其物理实质等效于在空间辐射源的对称位置添加相同数目的镜像辐射源。理论分析和仿真实验表明,MSCS不受实际阵型的限制,能将DOA估计的计算量降至传统MUSIC算法的50%,并具有与MUSIC相当的估计精度。

任意阵列双基地MIMO雷达的半实值MUSIC目标DOD和DOA联合估计

实值处理具有降低高自由度多输入多输出(multiple-input multiple-output,MIMO)雷达角度估计大计算量的优势。但受制于阵列的共轭对称性,对于任意阵列结构的双基地MIMO雷达发射角(direction of departure,DOD)和接收角(direction of arrival,DOA)联合估计,若不做附加的预处理则无法实现实值操作,故将常规阵列实值处理的多重信号分类(multiple signal classification,MUSIC)超分辨算法推广至任意阵列结构的双基地MIMO雷达。首先根据MIMO雷达的导向矢量共轭与镜像的对等性,提取接收信号协方差矩阵的实部,并对其进行特征分解得到"目标加倍"的信号子空间及其应对的噪声子空间;然后利用Kronecker积的特性对其进行降维处理,得到搜索区域减半的一维半实值域MUSIC谱,取出目标DOD真值与其镜像代入降维Capon算法来剔除虚拟峰值得到目标DOD估计真值;最后利用特征矢量得到模糊DOA估计值,采用方向余弦差最小范数方法得到目标DOA无模糊估计值。本文算法估计性能与一维搜索复数域MUSIC相当,计算量约降50%,且能够实现DOD和DOA的自动配对。仿真结果证明了该算法的有效性。

一种基于逐次搜索的快速MUSIC方法

MUSIC方法是一种经典的阵列波达方向(DOA)估计子空间方法,在高信噪比时,该方法有很好的性能,但随信噪比的降低,算法性能下降很快,特别是其分辨概率下降很快。其主要原因是低信噪比和DOA相邻较近时,信号源之间的空间相关性较强。逐次消除空间相关性并逐次搜索DOA的改进MUSIC方法,提高了分辨概率。为降低运算量,采用多级维纳滤波代替特征值分解过程。文中方法具有一般性,适合于基于子空间方法的一大类DOA估计。仿真结果证明了方法的有效性。

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。

MUSIC测向算法的入射方向确定方法

MUSIC(MUltiple SIgnal Classification)等谱峰搜索类算法的计算量主要集中于谱峰搜索过程,加大搜索步长虽可减小计算量,但会引起空间谱的畸变从而造成测向误差。先采用大步长搜索确定谱峰大约位置后再用小步长搜索可以减小测向误差,且增加的计算量较小,但其实时性不佳。文中提出了基于重心估计的入射方向确定方法,利用现有谱峰搜索数据进行后处理,当搜索步长远大于MUSIC测向算法本身的均方根误差(RMSE,Root Mean Square Error)时,可用很小的计算量大大提高测向精度,具有良好的工程应用价值。

dq变换和MUSIC算法在间谐波检测中的应用

随着非线性电力电子器件的大量应用,电网存在频率为基频非整数倍的间谐波,其幅值远小于基波和谐波,并具有时变性,因此对它的检测要难于谐波。为此,采用dq变换和MUSIC算法相结合的方法进行间谐波频率检测,信号的幅度和相位由最小二乘法来估计。dq变换可以消除大幅度基波分量;基于矩阵特征分解的MUSIC算法可检测出短数据条件下的谐波和间谐波,适合短时平稳的间谐波检测,两者相结合可以有效检测出大幅度基波附近存在小幅度间谐波。仿真实验表明,噪声幅度和间谐波幅度相当时。

基于广义MUSIC算法的低仰角估计新方法

由于多径信号的存在,米波雷达对低仰角目标的估计性能受到严重影响。针对这一问题,该文首先介绍了广义MUSIC算法及两种改进算法,理论分析表明这些算法有效性的实质是对基本谱峰搜索方式进行加权,抑制了小角度产生的大谱值。在此基础上,该文提出了基于广义MUSIC算法的低仰角估计方法模型,并给出一种新的低仰角估计方法。该方法利用了更加合理的权值,与已有方法相比,估计的成功概率更高,性能更优。仿真试验验证了该方法及模型的有效性和正确性。

基于MUSIC和ML方法的MIMO系统参数估计

该文提出了一种基于MUSIC和ML方法联合估计MIMO系统频偏和信道增益的算法,该算法首先使用MUSIC方法估计出多个发射天线到某一接收天线的频偏子集,然后利用最大似然方法在这个有限子集中分离出不同天线对之间的频偏,最后在频率同步的基础上利用最大似然估计器对信道增益进行估计。该算法解决了在估计多个频偏时直接使用最大似然估计进行多维搜索的问题,将多维搜索转化为一维搜索,降低了算法的复杂度。

基于高阶累积量MUSIC法的轧辊偏心信号提取

针对轧辊偏心信号是混杂在各种随机干扰中含有多次谐波的复杂高频周期信号,研究了一种基于高阶累积量的MUSIC法和Prony法相结合的轧辊偏心信号提取新方法。首先采用基于高阶累积量的MUSIC法对偏心信号进行空间分解达到降阶的效果,能够有效地抑制噪声,在信噪比低时仍具有高的频谱分辨率,能准确提取出偏心谐波的频率及谐波的个数,对于频率相近的偏心谐波信号,不存在频带重叠的问题,克服了低信噪比时FFT法出现的频谱泄漏和栅栏效应等缺点。通过高阶累积量MUSIC法对偏心信号进行了消噪和降阶预处理后,使用Prony方法进一步估计偏心信号的各次谐波幅值和相位,弥补了Prony法对噪声敏感的弱点及对信号阶数的要求,充分发挥了其优点。仿真及实验结果验证了该结合方法的可行性和有效性,低信噪比时能够准确提取出偏心信号参数,重构的偏心模型比FFT法精度高,偏心补偿效果明显。

提高二维DOA估计分辨率的改进MUSIC算法

针对经典二维多重信号分类(Multiple Signal Classification,MUSIC)算法在低信噪比和小快拍数情况下,分辨率受阵列孔径限制的问题,提出了一种改进的基于MUSIC算法的二维测向算法.该方法利用MUSIC谱函数极大值点处对方位角和仰角的二阶偏导数小于零的特性,通过对方位角和仰角求二阶偏导,构造了新的空间谱函数.对新的空间谱函数进行谱峰搜索,其负向谱峰所对应的角度就是目标的波达方向(Direction Of Arrival,DOA)估计.理论分析和仿真结果表明,在低信噪比、小快拍数下,该方法对相近信源有更高的角度分辨率和更低的均方根误差,并且可适用于任何阵型.