采用粒子群算法的空时二维参数估计

针对传统的空时二维参数估计计算复杂、鲁棒性及通用性差、收敛速度慢等缺点,根据空时具有等效性,以空域和时域处理算法可以相互转化为基础,推导出合适的适应度函数,运用改进的粒子群算法同时搜索信号的到达角和频率,用K-means聚类算法对搜索结果进行分类,利用粒子群算法计算简单、全局收敛、可并行性等特点提高算法的搜索能力。计算机仿真表明,与传统的方法相比该算法具有较好的统计和收敛性能。

基于迭代自适应方法的近场源二维参数联合估计

针对近场源波达方向(DOA)和距离的联合估计问题,提出一种近场迭代自适应算法(NF-IAA)。首先通过划分二维网格表示出近场区域内信源所有可能的位置,每个位置都看作存在一个潜在的信源入射到阵列上,表示出阵列输出的数据模型;然后通过循环迭代利用上一次谱估计的结果构建信号的协方差矩阵,将协方差矩阵的逆作为加权矩阵估计出每个位置对应的潜在信源能量;最后绘制出三维能量谱图,由于只有真实存在的信源能量不为0,因此谱峰对应的位置即为真实存在信源的位置。仿真实验表明在10个快拍条件下,NF-IAA的DOA分辨概率达到了90%,而二维多重信号分类(2D-MUSIC)算法只有40%;当快拍数降至2时,2D-MUSIC算法已经失效,而NF-IAA仍然能很好地分辨出3个入射信源并且准确地估计出位置参数。随着快拍数和信噪比(SNR)的增加,NF-IAA的估计性能一直优于2D-MUSIC。实验结果表明,NF-IAA具备少快拍条件下高精度、高分辨地估计近场源二维位置参数的能力。

用时域信息改善机扫雷达参数估计性能的方法

针对一个波束宽度内存在多目标的情况,提出了一种基于时空级联处理的用单天线、单接收通道实现目标角度和多普勒频率联合超分辨估计的方法。与阵列天线利用目标反射波的相位关系不同,单天线、单通道方法是根据天线扫描时,对回波脉冲的增益变化而构造导向矢量阵的,此时若直接采用常规空间谱估计方法,则实现的是信号多普勒频率的超分辨,角度估计效果较差。时空级联处理方法可充分利用信号的时域结构信息,明显提高角度的估计性能,并且无需高维搜索,计算量小。计算机仿真结果证明了新算法的有效性和正确性。

基于时域投影变换的空-时二维超分辨技术

提出一种利用信号的时域信息来改善空域波达方向估计性能的简化方法.该方法对在空域靠得很近的目标,先在空域做波束合成,确定它们的大致方向,然后在时域估计其多普勒频率,并利用投影的方法在多普勒域将目标加以区分,再在空域依次确定目标的波达方向.该方法不需迭代,运算量小,且在低信噪比和存在空域误差时仍能保持良好的性能.Monte-Carlo 实验验证了该方法的有效性.

利用多普勒信息的波达方向最大似然估计方法

为了充分利用信号的时域特性来改善信号波达方向（ＤＯＡ）的估计性能，本文从最大似然估计出发，推导了在有限快拍、低信噪比情况下多普勒信号波达方向的迭代估计算法，为进一步减小运算量，本文还推导了一种简化算法．本文提出的两种算法对低信噪比，少快拍数下多普勒信号的ＤＯＡ估计性能比不利用时域特性的传统ＭＬ方法有明显改善．Ｍｏｎｔｅ－Ｃａｒｌｏ实验验证了本文方法的有效性．