一种快速的空时二维谱估计算法

为了减少算法运算量,将多级维纳滤波器引入空时二维谱估计中,提出了一种快速算法。快速算法通过简单的乘加运算得到噪声子空间,无需对空时阵列协方差矩阵进行特征根分解,更加易于硬件实现。仿真结果表明快速算法与原二维算法性能相当。

单通道阵列无失真空时二维谱估计算法

针对单通道阵列空时二维谱估计问题,提出了一种处理单通道阵列采样信号的新方法。该方法构建了单通道阵列特有的含有通道切换时间与采样间隔的阵列流型矩阵与导向矢量;无需对原始采样信号进行预处理,使其直接应用于现有的谱估计算法。基于此信号处理方法,给出了单通道空时平面阵以及去冗余的空时L型阵无失真二维谱估计算法,在同等条件下,两种算法以较小的硬件规模在避免信号失真的基础上从性能上更加逼近常规阵列算法,并通过算法成本比较证明了空时L型阵无失真二维谱估计算法具有较小的成本。仿真分析验证了该处理方法以及所提出算法的有效性。

接收阵列天线的时-空二维谱估计

该文对二维信号应用空间平滑技术进行谱估计 ,解决相干信号源的频率—方位超分辨估计问题。将该方法应用于车载雷达自动目标识别系统中 ,仿真结果表明 。

新的空时二维谱估计信号模型

针对现有空时二维谱估计算法在信号数增大时均不同程度出现性能上的恶化直至失败的问题,总结了目前通用的空时二维谱估计信号模型,提出了“时域副流形”的概念及相应的信号处理方法。该算法通过时域投影对信号进行预处理,先从时域上对信号进行粗分,从而以较小的代价换取大信号数情况下算法性能的改善。理论分析与仿真结果证明了算法的有效性。

基于TLS-LASSO算法基矩阵自适应校正的稀疏空时自适应处理

机载预警雷达杂波抑制的STAP算法所需平稳快拍数过多,在实际环境中由于地物散射特性的快变很难得到足量训练样本,通过引入稀疏恢复可以大大减少杂波估计所需快拍数。然而,在稀疏恢复估计杂波空时谱的过程中,基矩阵的空时频率和杂波真实的空时频率之间会有不匹配现象,即off-grid问题。off-grid会严重影响稀疏恢复估计空时谱的性能。论文提出了一种基于总体最小二乘-LASSO方法的基矩阵空时频率自适应校正方法,可以较好解决off-grid问题。该算法在估计稀疏空时谱的同时对基矩阵中每一个导引矢量的空时频率进行自适应校正,从而寻找到与真实杂波位置相匹配的基向量,进而求得对应的稀疏空时谱,避免了off-grid问题带来的稀疏恢复性能下降问题。仿真实验表明论文所提算法具有较好的恢复性能。

空时二维谱估计算法的分析与仿真

文中首先介绍了阵列信号模型,分析了空时二维谱估计的原理。指出可以充分利用空域与时域处理的特点来提高空间谱估计算法的性能。相对于一维谱估计而言,二维谱估计的最大优点在于可以处理信源数大于阵源数的信号参数估计问题。通过仿真结果可以看出,算法可以很好的估计入射信号的频率和方位角,验证了所提算法的有效性。

基于超分辨雷达的目标参量估计研究

讨论了在车载雷达对目标自动识别的要求下,阵列信号的谱估计问题,将修正MU-SIC(MMUSIC,Modified Multiple signal classification)算法推广到时-空二维谱估计中,解决了相干信号的频率-方位超分辨估计问题,仿真结果表明了这种方法在系统实现中的可行性和有效性。