基于云平台的铁路无线电信号DOA跟踪算法

在高速铁路场景下,准确估计和跟踪无线电信号的波达方向(Direction of Arrival, DOA)能够有效提升无线通信服务质量.然而,高速移动的无线信道具有快速时变特性,对信号处理的速度和准确性提出了更高的挑战.针对传统的基于信号子空间的DOA估计算法,由于巨大的计算量而无法应用于高速铁路快速时变系统中进行DOA跟踪的问题,提出了基于卡尔曼滤波和正交压缩近似投影子空间跟踪(Kalman Filter-Orthonormal Projection Approximation and Subspace Tracking of deflation, K-OPASTd)的DOA算法.首先,搭建基于云平台的铁路信号动态测向系统;然后,建立列车接收信号模型,提出K-OPASTd算法对DOA进行动态跟踪;最后,将本文提出的算法与OPASTd算法所得到的估计角度的均方根误差进行仿真对比实验.研究结果表明:信噪比均为10dB时,本文所提算法的均方根误差比OPASTd算法低约60%;阵元均为20时,K-OPASTd算法的均方根误差比OPASTd算法低约80%.

子空间跟踪PASTd算法的改进及其应用

分析了PASTd(紧缩近似投影子空间跟踪)算法,通过仿真分析发现PASTd算法在信噪比较高的情况下,特征值收敛速度达不到MDL(最短描述长度)算法的要求,导致维数估算的结果偏大。针对这一问题,文中把OPAST(正交近似投影子空间跟踪)算法引申到PASTd算法中,弥补它的缺陷。仿真结果表明,提出的改进算法收敛性能较原PASTd要好,可得到更好的维数估计与波达方向估计。另外文中提出的算法对天线阵列的干扰零点形成有很强的实用价值。

一种相干分布源中心DOA快速跟踪算法

在智能天线和无线定位等技术中,精确跟踪目标的波达方向(DOA)十分重要。大多数传统的DOA跟踪方法都将目标信号看成是点源。但在密集的移动通讯环境中,信号的多径散射将引起信号能量的扩散,采用分布式信源模型更适合。因此,研究分布源的DOA跟踪技术更有意义和价值。针对相干分布源,本文基于均匀线阵提出了一种中心DOA快速跟踪算法。该算法首先通过正交紧缩近似投影子空间跟踪(OPASTD)算法实时更新信号子空间,然后利用一种低复杂度的方法估计分布源的中心DOA。本文算法避免了对样本协方差矩阵进行重复的特征分解,计算复杂度较低。算法的跟踪性能良好,并能有效跟踪多个分布源。此外,算法不需要分布源角分布形式的先验知识,稳健性好。仿真结果证实了算法的有效性。

一种快速自适应角度-多普勒补偿算法

自适应角度-多普勒补偿(Adaptive Angle Doppler Compensation,A2DC)算法可在惯导参数未知的情况下解决非正侧视阵列中由杂波距离相关性引起的非均匀问题,但该算法运算量大、工程实现困难。本文首先对A2DC算法的基本工作原理进行了深入的分析,在此基础上,针对算法运算量大的缺点,将分块处理和近似投影子空间跟踪(Projection Approxi mation Subspace Tracking,PAST)技术引入到A2DC算法中,提出一种快速自适应角度-多普勒补偿(Fast Adaptive Angle Doppler Compensation,FA2DC)算法。与常规的A2DC算法相比,二者补偿性能相当,但FA2DC算法的运算量显著降低。系统仿真验证了此算法的有效性。