应用分数低阶循环相关估计单电磁矢量传感器的波达方向和极化参数

提出了一种在α和高斯混合噪声以及循环平稳干扰并存背景下基于分数低阶循环相关(FLOCC)联合估计单电磁矢量传感器波达方向(DOA)和极化参数的多重信号分类(MUSIC)方法。该方法利用信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声以及循环平稳干扰信号;然后利用MUSIC方法对单电磁矢量传感器的DOA和极化参数进行联合估计,并利用DOA参数与极化参数的相互独立性,将传统MUSIC方法的四维搜索简化为两次二维搜索,从而有效地减少该算法的计算量。对所提算法与基于分数低阶矩的MUSIC算法进行了实验对比。结果显示:提出的方法可充分地抑制与待测信号循环频率相异的任意循环平稳干扰信号;在α和高斯混合信噪比为0dB,信干比为3dB时,估计得到的DOA和极化参数的均方根误差分别为0.3°和0.7°,明显优于基于分数低阶矩的MUSIC方法。

基于分数低阶类相关熵的双基地MIMO雷达目标参数联合估计新算法

针对Alpha稳定分布噪声环境下参数估计性能退化的问题,受类相关熵概念的启发,提出分数低阶类相关熵(FCAS)的概念,并采用分数低阶类相关熵准则对平行因子分析(PARAFAC)算法中基于三线性最小二乘(TALS)迭代准则的目标函数进行了修正,推导出适用于冲激噪声环境的韧性平行因子分析(FCAS-PARAFAC)算法,并将该方法应用于双基地MIMO雷达系统中目标参数估计中。FCAS-PARAFAC算法能够抑制脉冲噪声的影响,具有较好的估计性能,并且能够实现自动配对,仿真实验验证了算法的有效性。

分数低阶统计量的水下目标信号调制谱分析方法

传统水下目标噪声信号调制谱分析方法是建立在具有二阶统计量的高斯噪声环境下实现的,而多数情况下舰船辐射噪声和海洋环境噪声等水声信号通常具有脉冲特性,服从α稳定分布,二阶统计量的调制谱分析算法性能可能会下降,甚至不再稳定收敛。针对此问题提出了分数低阶统计量的目标信号调制谱分析方法,并进行仿真和实验数据验证,其结果表明所提方法具有稳健性。

用于声源三维定位估计的FLOC-ISM算法

在冲激噪声环境下,ISM算法对声源的三维定位估计将失去稳健性。为此,改进了ISM算法,提出FLOC-ISM算法。首先对描述冲激噪声的SαS分布模型及描述信号的圆阵信号模型进行分析;然后对圆阵输出矩阵预处理,构造分数低阶相关矩阵替代二阶相关矩阵,得到声源空间谱,进行谱峰搜索,找出极值点;最后得到声源三维定位估计。通过仿真及性能分析,在冲激噪声背景下,FLOC-ISM算法可对多个声源的三维定位进行正确估计,较ISM算法具有良好的稳健性。

基于FLOCC-ESPRIT的极化阵列参数估计方法

针对基于分数低阶矩类阵列波达方向(DOA)估计方法仅适用于独立同分布(i.i.d)SαS背景噪声的缺点,提出了一种线性极化阵列DOA和极化参数联合估计的分数低阶循环相关(FLOCC)极化参数联合估计(ESPRIT)算法。该方法首先利用入射信号的循环平稳特性,采用分数低阶循环相关函数抑制α和高斯混合噪声及与信号循环频率相异的任何循环平稳干扰信号。在此基础上,利用阵列信号参数与噪声子空间的正交性,采用ESPRIT算法直接求取了信号的DOA和极化参数。该方法对于α和高斯混合噪声及与信号循环频率相异的任何循环平稳干扰信号具有很强的抑制能力。即使对于空域内靠得非常近的信源,该方法也可利用极化信息的差异进行区分。实验结果表明,在α和高斯混合信噪比(SNR)为0 d B,信干比(SIR)为3 d B时,其DOA和极化参数估计的均方根误差分别为0.23°和0.54°;并且在实测数据环境下,当SNR为10 d B时,本文算法仍然有效。

基于广义功率谱密度的分布压缩宽带频谱感知

为实现在Alpha稳定分布噪声下宽带频谱感知,扩展了传统功率谱密度概念,提出广义功率谱密度的概念,在此基础上提出基于广义功率谱密度的分布压缩宽带频谱感知。此方法能有效地抑制Alpha稳定分布噪声。首先,将接收的宽带信号进行分数低阶处理,计算自相关函数,再结合压缩感知原理将分数低阶自相关向量压缩和融合重构,最后经傅立叶变换得到广义功率谱密度。仿真结果表明,该方法具有良好的宽带功率谱密度估计性能,在Alpha稳定分布噪声下能较好地完成宽带频谱感知。

脉冲噪声环境下宽带循环平稳信号DOA估计算法

针对传统二阶循环相关算法在脉冲噪声环境中的显著退化问题,本文以α稳定分布为噪声模型,提出基于分数低阶循环相关的波达方向(Direction of arrival,DOA)估计算法。利用分数低阶循环相关的相移特性,将宽带循环平稳信号的DOA估计问题转化为"中心频率"为ε的窄带问题,解决了宽带情况下DOA估计困难的问题。计算机仿真结果进一步验证了此算法的有效性,且性能优于传统SC-SSF(Spectral correlation signal subspacefitting)算法。

脉冲噪声下相干宽带信源的求根ISM算法

非相干信号子空间方法(Incoherent Signal Subspace Method,ISM)无法处理相干宽带信源且运算量较大,在脉冲噪声下,由于二阶相关矩阵无法收敛,基于ISM算法的波达方向(Direction of Arrival,DOA)估计也将失去韧性,为此对ISM算法进行了改进。首先将等间距线阵输出矩阵在频域进行分解,根据各频率分量对应的归一化功率设置门限值,对大于门限的频率分量构建分数低阶相关矩阵(Fractional Low Order Covariance,FLOC),并进行修正以解相干。再对修正后的各低阶矩进行特征值分解并提取噪声特征矩阵,列多项式求根。最后取算术平均,可得相干宽带信源的DOA估计。通过计算机仿真,改进的ISM算法在脉冲噪声下可处理相干宽带信源的DOA估计,且稳健性较好。