基于矩阵束的二维谐波恢复

本文在研究了二维谐波信号相关矩阵后，提出了一种称之为“矩阵束的二维谐波恢复（ＭＰ２Ｄ）”算法，该算法既不需要求解二维特征多项式的根，也不需要在二维频率空间搜索谱峰，算法具有高效性。仿真实验表明，该算法在白噪声条件下对二维谐波频率估计具有高的精度和强的抗干扰能力。

相关乘性和加性噪声背景下的二维谐波恢复

针对乘性噪声和加性噪声均为零均值,且乘性噪声之间相关,乘性噪声和加性噪声之间也相关,这种复杂噪声背景下的二维谐波恢复问题,利用二维循环统计量方法进行了研究。提出了二维噪声互可混的概念,用来体现多个二维噪声之间的相关关系;定义了特殊的二维四阶时间平均多矩谱来估计信号频率。仿真实验证明了算法的有效性。

复杂噪声背景中二维谐波恢复的循环小波累积量方法

讨论一种新的复杂噪声背景下的二维谐波恢复方法。循环统计量方法基于傅立叶变换,为了解决循环统计量方法分辨率低的缺陷,提出了基于循环小波累积量的新方法,利用小波的灵活性,通过一个可调参数可以改善算法的性能。最后仿真试验验证了本文所提算法的有效性。

乘性和加性噪声相关背景下的二维谐波频率估计

本文利用二维循环统计量方法对乘性噪声之间相关、乘性噪声和加性噪声之间也相关这种复杂噪声背景下的谐波恢复问题进行了研究 .首先 ,提出了二维噪声互可混的概念 ,用它来体现多个二维噪声之间的关系 ;然后 ,在乘性噪声为非零均值时 ,定义了二维循环均值来估计信号频率 .在乘性噪声和加性噪声为零均值时 ,定义特殊的二维六阶时间平均多矩谱切片来估计信号频率 .仿真实验证明了算法的有效性 .

二维正弦信号频率估计的ESPRIT方法研究

为了在噪声背景下估计二维正弦信号的频率, 并获得较高的估计精度, 给出了二维相关阵的大特征值所对应的主特征向量, 位于由信号向量张成的信号子空间的结论, 并因此提出了一种新的基于最大特征值所对应的第 1特征向量的二维谐波频率估计ESPRIT(EstimationofSignalParametersViaRotationalInvarianceTech niques) 方法。该方法用此第 1特征向量构造一个特殊矩阵代替MEMP (MatrixEnhancementandMatrixPencil)方法中的数据矩阵, 进一步用二维ESPRIT方法来估计谐波频率。该方法依赖于信号子空间, 对噪声和数据长度敏感性小, 同时它不需进行谱峰搜索, 可以得到较高的估计精度。同时给出了较为简便的频率配对算法。仿真实验证明了算法的正确性。

基于高阶累积量的聚束合成孔径雷达二维目标特征提取

本文研究了聚束式合成孔径雷达目标特征提取算法。证明在目标由几个主要散射点构成时 ,特征提取实际是二维谐波恢复的过程。针对高斯色噪声的影响 ,提出采用高阶累积量的特征提取算法。并提出一种简单的谐波配对算法。该算法与FFT和基于自相关函数的MUSIC算法相比 。

基于四阶混合累积量的雷达目标二维超分辨成像

针对高斯色噪声条件下雷达目标二维成像问题,提出了一种基于四阶混合累积量的二维ESPRIT超分辨成像方法。利用四阶混合累积量对高斯色噪声的自动抑制,降低了噪声对成像质量的影响。通过保持目标特征矩阵结构不变,解决了现仃方法在长采样数据条件下计算量过大的问题。仿真实验表明该方法的成像效果和散射点位置估计精度优于传统方法。