强酉矩阵及其性质

给出了强酉矩阵的概念,并讨论了它的性质.

基于正交投影矩阵的强弱信号闭环测向方法

当空间中强弱信号同时存在时,由于强信号对弱信号的压制,使得弱信号的方向估计性能变差,甚至无法测得。针对赋形天线系统,提出了一种基于正交投影矩阵的强弱信号闭环测向算法。利用闭环测向算法估计出强信号方向,根据强信号的方向基于线性约束最小方差(LCMV)准则构造正交投影矩阵;对赋形天线接收数据进行滤波,抑制掉强信号;根据强信号方向产生LCMV权作为初始权值进行闭环迭代,实现对弱信号的测向。实验表明:该方法在强弱信号并存的情况下可以实现强弱信号的方向估计。

次强Hermiter矩阵及其性质

在次Hermiter矩阵定义的基础上给出了次强Hermiter矩阵的概念,利用次Hermiter矩阵的研究方法及性质,推出了次强Hermiter矩阵的一些性质.

一种强干扰环境下的离格稀疏贝叶斯DOA估计方法

强干扰的环境下,基于传感器阵列的波达方向(Direction of arrival,DOA)估计是阵列信号处理中的重要问题。虽然对于网格点目标现有方法的DOA估计精度较高,但对于离格点目标现有方法的DOA估计性能会严重下降。本文提出一种离格情况下的DOA估计方法,首先设计一种鲁棒的正交零陷矩阵滤波法(Robust orthogonal matrix filter with nulling,ROMFN),它结合了正交零陷滤波法(Orthogonal matrix filter with nulling,OMFN)和最差性能下的鲁棒自适应波束形成,在对离格点目标达到滤波效果的同时只需设计较少的网格点。此外,新的矩阵滤波法保留了高斯白噪声的特性,避免了噪声白化的预处理过程。其次基于离格点稀疏贝叶斯推断(Off?grid sparse Bayesian inference,OGSBI)和ROMFN,形成一种强干扰下DOA估计的新方法。与现有方法相比,仿真结果表明该方法可以在不同的网格间距、不同的信噪比和干噪比下获得更高的估计精度。