低信噪比条件下宽带欠定信号高精度DOA估计

为提高低信噪比条件下宽带欠定信号DOA估计精度,该文提出基于网格失配迭代最小化稀疏学习的宽带DOA估计方法。该方法首先对频域协方差矩阵进行矢量化处理实现虚拟阵列扩展,将欠定信号转换为超定信号。其次利用线性变换滤除含有噪声项的虚拟阵元,并对协方差估计误差进行了白化处理,抑制了信号中的干扰项。最后建立了包含不同频点联合稀疏参数和网格失配参数的贝叶斯层次架构,推导了联合稀疏参数、网格失配参数的最小稀疏表达式并进行了迭代学习。较传统方法,该方法不依赖任何先验信息,更好地抑制了虚拟阵元中的噪声和干扰,降低了网格失配对DOA估计的影响,在低信噪比条件下具有更高的DOA估计精度和分辨率。仿真实验验证了该方法的有效性。

声场干涉条纹图像的降噪研究与性能仿真

引导源目标定位算法形成的声场干涉条纹图像中常附带有噪声,这对定位性能的影响非常大。为了实现低信噪比条件下对目标的准确定位,根据算法仿真结果的特点,提出了利用小波阈值去噪法对图像进行降噪处理。针对软硬阈值去噪的不足,采用了阈值函数的改进方案。对小波去噪后图像再进行二值化设置,能有效提高算法去噪效果。仿真结果表明小波降噪处理能有效提高引导源目标定位算法在低信噪比条件下的定位性能。

基于声场干涉谱图的目标距离提取技术

由于噪声的影响,基于引导源定位算法中形成的声场干涉条纹图像模糊不清,利用图像特征提取技术无法提取出距离特征量。为了实现低信噪比条件下对目标的准确定位,提出了先对干涉图像进行降噪处理,再进行特征提取的解决思路。介绍了3种去噪方法,并对它们的性能进行比较。研究结果表明,降噪能有效克服定位失准问题,且小波阈值方法效果最好。

酉矩阵束方法在波达方向估计中的应用

空间目标方位估计技术广泛应用于众多军事及国民经济领域,其中矩阵束方法(Matrix Pencil,MP)是广大学者研究的热点技术之一。首先对传统矩阵束方法的基本原理进行介绍,并针对传统方法在低信噪比条件下的方位估计精度明显下降问题,结合酉变换技术,对传统方法进行改进。理论分析及计算机仿真研究表明:基于酉变换的矩阵束方位估计方法在低信噪比条件下具有更高的估计精度及空间目标分辨能力,同时也表明该方法具有更优的有效性和正确性。