正交投影阵列信号子空间估计方法

利用特征值分解构造信号子空间存在运算量大的问题,制约了子空间类参数估计方法的实时应用。提出一种新的正交投影阵列信号子空间估计方法,该方法不需要特征值分解,通过对阵列接收数据逐级进行正交投影分解构造阵列信号子空间的一组基向量,使得每个基向量方向上信号投影能量最大,从而保证所张成的信号子空间包含最大的信号能量。定义了衡量子空间估计精度的信号和噪声子空间估计误差函数。理论分析和仿真结果表明,所提方法计算复杂度低,且子空间估计精度优于特征值分解。

基于子空间估计的MIMO阵列降维STAP方法

当对多输入多输出(multiple input multiple output,MIMO)阵列进行空时自适应处理时,由于MI-MO阵列虚拟孔径增大,相对常规相控阵列能够更好地抑制杂波和干扰,但其所需样本数据量大且计算复杂度高,工程实际中难以应用。提出基于子空间估计的MIMO阵列降维空间自适应处理(space time adaptive process-ing,STAP)方法,该方法结合扁长椭球波函数的时限带限特性近似构造出降维的杂波子空间,并利用与发射波形正交的辅助匹配滤波通道估计出干扰加噪声协方差矩阵,通过"逼零"方法求得MIMO阵列系统的空时权矢量。仿真结果表明,当存在非理想因素影响时,该方法能够有效抑制杂波和干扰且降维运算量更低。

基于交叉协方差子空间估计的前景检测方法

提出了一种基于交叉协方差子空间估计的背景建模方法,用以实现复杂场景下的前景检测.基于交叉协方差的主成分分析方法可以保留更多的图像协方差信息,因此非常适合用于背景模型的构建.本文首次将基于交叉协方差的二维主成分分析方法引入至背景建模领域,并且提出了相应的增量更新算法来实现背景的自适应估计.此外,本文考虑了前景的稀疏性及连续性,并将其合理应用于前景检测过程中.定量实验和定性分析表明,本文提出的方法具有较强的鲁棒性,可以实现复杂场景下的准确背景建模.

基于杂波子空间估计的MIMO雷达降维STAP研究

多输入多输出(MIMO)雷达是近年来出现的一种新体制雷达,针对MIMO体制的机载雷达开展空时自适应处理(STAP)技术研究是值得进一步努力的方向。本文研究了机载MIMO雷达STAP技术的降维算法,通过对STAP技术杂波抑制原理进行分析,推导并得到一种基于杂波子空间的降维算法。结合扁长椭球波函数(PSWF)的特点,提出了一种基于杂波子空间估计的降维算法,并与若干降维算法的杂波抑制性能进行比较。结果表明,当存在阵元幅相误差时,该算法在保持杂波抑制性能的同时能够有效地降低STAP算法的运算量。

基于VC的MIMO-OFDM系统的子空间半盲信道估计

传统的子空间盲信道估计收敛速度缓慢且需要大量接收信号才能保证估计性能良好,就此问题提出了一种新的基于虚拟载波(VC)的MIMO-OFDM系统的盲信道估计算法。该算法是传统子空间算法与块矩阵思想的结合,在每个OFDM符号中提取一组子矢量来降低维度。而后又在盲信道估计算法中加入导频序列形成新的半盲信道估计算法。通过计算机模拟仿真发现,新提出的盲信道和半盲信道估计算法在信道估计性能和收敛性方面均表现较好。

简化正交归一约束的自适应噪声子空间估计算法

为避免MUSIC算法的特征分解过程,提出一种噪声子空间的自适应估计算法,能够估计整个噪声子空间.该算法基于正交归一化约束的最小均方(LMS)算法,但对正交归一约束过程进行了简化,较之显式正交归一化约束的LMS算法,简化了运算过程,适合实时计算与工程实现.噪声子空间估计以迭代的方式进行,适合应用于运动信号源的跟踪.仿真结果显示算法具有很好的空间谱估计性能和DOA跟踪性能.

一种基于子空间分析的快速信源个数估计方法

针对阵列信号处理中传统信源个数估计方法如基于Akaike信息论准则方法(AIC)、最小描述长度准则方法(MDL)等特征值分解类算法计算量大,且在小快拍数、低信噪比时性能下降甚至无法正确估计的问题,提出了一种基于子空间分析的快速信源个数估计方法。该算法首先利用多级维纳滤波器(MWF)对信号进行快速的子空间估计,然后计算阵列信号协方差在子空间匹配滤波器中的投影值,通过分析其正交性来估计信源个数。研究结果表明,该算法不但在小快拍数、低信噪比时相较于传统特征值分解类算法具有更优异的性能,并且计算量大大降低。

基于频域模型的宽带信号子空间谱估计方法

宽带阵列信号是频率的函数 ,因此其阵列流型及协方差矩阵都随频率变化 .本文基于宽带信号的频域模型 ,通过分析宽带阵列信号协方差矩阵的特征分解结构 ,证明了宽带阵列信号噪声子空间不随频率变化的特性 ,并根据这一特性 ,提出了基于频域模型的宽带子空间谱估计 (SSEFD)方法 .应用K .Buckley的BASS ALE方法解决了该方法用于均匀线阵时存在的频率 方位模糊问题 .计算机仿真结果验证了SSEFD方法的有效性 ,与H .Wang的CSS方法的统计性比较表明 。

三种修正的宽带信号子空间谱估计方法

宽带子空间谱估计法存在着信号子空间维数扩展问题 ,给信号子空间和噪声子空间划分及子空间谱估计带来困难。本文提出了信号子空间维数估计法、噪声子空间加权法和扩展 MUSIC法3种修正的子空间谱估计方法 ,它们均有效地解决了这一问题。信号子空间维数估计法用包含信号99.9%以上功率的特征值数目来估计信号子空间维数 ,正确地划分了子空间。噪声子空间加权法和扩展 MUSIC法不用划分子空间 ,而是给噪声子空间特征向量或全空间特征向量加权 ,减小了子空间维数扩展的影响。计算机仿真验证了 3种方法的有效性。

基于子空间相关信道模型的大规模MIMO信道估计

考虑到大规模MIMO系统的信道向量近似正交以及大量可用自由度,可以对接收信号运用奇异值分解(SVD)理论进行信道估计,并且产生的模糊矩阵用一小段导频就可以完全解决。MIMO系统的性能依赖于传播环境的复杂度和所用天线阵列的性能,更依赖于实际信道所提供的自由度。因此介绍了一种信道模型,该模型中角域划分为有限的信号到达方向,也就是到达角(AOA),并考虑在上行链路中将优于特征值分解(EVD)的SVD运用在AOA相关信道模型上进行信道估计。仿真结果显示,相关信道模型下此估计器的估计精度与基于导频的方法相比可以实现大幅度提高,以达到提高大规模MIMO系统性能的目的。

基于子空间的Kalman滤波盲自适应多用户检测器

本文提出一种基于子空间估计和Kalman滤波相结合的盲自适应多用户检测器。文中使用期望用户的特征波形,可以将盲多用户检测器表示成信号子空间中的一个固定信号与另一个自适应部分之和,其自适应部分的系数可通过Kalman滤波算法进行估计。实验仿真表明,在加性高斯白噪声信道中,基于子空间的Kalman滤波算法较全秩算法具有更低的计算复杂度和更优的收敛性能。

多载波水声信道估计技术及其研究进展

简述了水声信道与正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统之间的必然联系,概述了基于导频符号的信道估计算法、自适应信道估计算法、子空间信道估计算法以及压缩感知稀疏信道估计方法在水声通信中的应用现状,总结了各种算法的特点,比较了各种算法的优缺点,并指出了未来水声信道估计的发展方向。

基于联合像素模型的InSAR干涉相位稳健性估计

针对InSAR处理中存在图像配准误差时,由特征值估计噪声子空间维数失效的问题,提出了一种基于干涉相位和特征向量构造的投影矢量来确定噪声子空间维数,进而估计InSAR干涉相位的方法。该方法在图像存在配准误差时,不仅能够准确地估计出噪声子空间的维数,同时增强了联合像素方法估计干涉相位的实用性和稳健性。通过仿真数据和实测数据的处理结果验证了方法的有效性。

一种基于矩阵三对角化分解的DOA估计算法

针对DOA(Direction of Arrival)估计在低信噪比的情况下估计性能下降的问题,根据阵列协方差矩阵共轭对称的特点,采用基于Givens变换的三对角化分解方法对协方差矩阵进行三对角化,同时利用盖氏(Gerschgorin)圆递推方法准确估计信号子空间的秩,然后再对三对角矩阵进行对角化,估计出噪声子空间,利用噪声子空间与导向矢量正交实现波达方向估计,改善了低信噪比背景下估计的误差性能和稳健性。计算机仿真证明了算法的有效性。

基于功率估计的高动态GNSS抗干扰零陷展宽算法

全球卫星导航系统(GNSS)接收机在高速运动状态下时,干扰来向的快速变化会导致阵列抗干扰算法性能下降,为此,提出一种基于功率估计的抗干扰零陷展宽算法。根据特征值将采样协方差矩阵划分为信号子空间与噪声子空间,通过子空间投影确立信号导向矢量与功率的线性关系;利用线性关系估计干扰功率,并根据零陷展宽需求重新设定干扰区域内的信号功率;最后,以干扰区域内功率的估计值为基础重构干扰加噪声协方差矩阵,求解阵列权矢量。仿真表明,相比其他零陷展宽算法,所提算法在相同展宽下具有更深的零陷,阵列输出信干噪比也有所提升。

柱面共形阵列DOA与极化参数高效联合估计算法

针对共形阵列天线信源方位与极化状态联合估计算法计算量大的问题,给出了一种基于多级维纳滤波器前向递推的柱面共形阵列天线信源方位与极化参数高效联合估计算法。新算法推导了柱面共形阵列天线多级维纳滤波器的前向递推。算法以某一期望信号的训练信号为已知条件,通过多级维纳滤波器的前向递推,来实现信号子空间和噪声子空间的快速估计,避免了协方差矩阵估计与特征值分解,大大减少了已有联合估计算法的运算量,使计算量由原来的O(N^(3)+N^(2)L)降低到O(N^(2)L)。仿真实验表明:算法在降低算法复杂度的同时,可保证算法的估计精度,在信噪比大于10 dB时,与已有算法具有近似相同的估计精度,证明了算法的有效性。

高效超分辨波达方向估计算法综述

高效超分辨波达方向估计算法致力于降低超分辨算法的计算量、节约系统的实现成本、弱化算法对于阵列结构的依赖性,是推进超分辨理论工程化的一个重要研究课题。从多重信号分类(multiple signal classification,MUSIC)算法的原理和构成要素入手,以基于MUSIC派生高效超分辨算法的目的和方法为标准,将现存高效超分辨算法划分为实值运算、波束域变换、快速子空间估计、快速峰值搜索和免峰值搜索5大类。在此基础上,全面回顾总结了各类高效算法的发展历程和最新进展,对比分析了它们的主要优缺点。最后,结合空间谱估计实际工程化的应用需求,指出了高效超分辨算法的未来发展趋势。

阵列误差下的波达方向估计

由于阵列误差的存在会降低波达角的估计精度,重点研究了迭代求解混合范数约束下的稀疏谱以提高估计精度。考虑一维线性阵列,首先建立了统一的优化函数,高精度地估计信号子空间;然后推导了误差矩阵向量化的方法,简化求解耦合误差和幅相误差的过程;最后推导了Khatri-Rao积下的扩展正交导向矢量,根据优化函数迭代求解空间谱估计。对比不同方法估计参数的均方根误差表明,通过设计优化函数迭代求解阵列误差、波达角等参数的精度较之现有方法有一定的提高。

多模块中核四极矩共振信号参数估计新方法

针对核四极矩共振技术探测爆炸物中干扰信号的时变性,基于各信号采样模块包含有固定的核四极矩共振信号与时变干扰信号以及噪声的实际信号模型,提出改进的多模块HTLSstack算法.首先采用HTLS的方法确定出共有极点的个数;其次构造新的筛选准则,确定所有模块的共有极点;最后结合核四极矩共振信号的先验信息,实现核四极矩共振信号参数的有效估计.该方法充分利用了原始数据的信息,在低信噪比下,避免了多模块HTLS方法在第一次奇异值分解时带来的性能损失.仿真数据和实测数据结果证明了该算法的有效性.

基于MSWF的初始投影向量估计方法研究

分析了初始期望信号存在误码差时,信号经两级维纳滤波得到的估计值,给出了估计初始投影向量的方法。该方法可以不利用接收信号的先验信息,经过两级维纳滤波后构造初始投影向量,从而进行信号子空间的估计,降低了初始期望信号存在误差时对多级维纳滤波的影响,提高了子空间估计的精度。