用一次快拍数据实现二维完全解相干和解互耦

针对相干信源背景和考虑二维阵列互耦效应时的二维波达方向(direction of arrival,DOA)快速估计问题,提出了一种只利用一次快拍数据即可实现二维完全解相干和解互耦的快速算法——互耦效应下的单次快拍波达方向矩阵(single snapshot DOA matrix method in the presence of mutual coupling,MC-SS-DOAM)法。该算法仅利用特殊阵列的单次快拍数据构造等效的接收数据协方差矩阵,避免了传统算法需要多次快拍累积的弊端,将其分解后得到了具有对角阵形式的等效信号协方差矩阵,因此实现了完全解相干,此时互耦系数已经从阵列流型矩阵中剥离,归入至对角元素中,即实现了完全解互耦。文中进一步对互耦系数可能导致的二维盲角进行了分析。仿真结果表明,该算法能够完全实现解互耦和解相干,且仅利用一次快拍的本文算法二维估计性能接近50次快拍的DOAM算法,明显优于40次快拍的DOAM算法。

互耦效应下用单快拍数据实现相干信源完全解相干和解耦合

阵元间存在互耦时,会对阵列流型产生扰动,同时当空间来波存在相干信源时,协方差矩阵会产生秩亏,这两类问题都会使子空间类估计算法性能急剧下降甚至失效。针对互耦效应下的解相干问题,该文提出了一种仅利用阵列单快拍即可实现完全解相干和解互耦算法—互耦效应下的修正单次快拍算法(MC-ENDTOP)。该方法将原单快拍算法应用背景推广至任意形式来波信号,利用一次快拍构造等效接收数据协方差矩阵,通过数据分解,将互耦系数从阵列流型矩阵中剥离,从而实现了完全解互耦,并将其归入分解后的等效信号协方差矩阵中,由于等效信号协方差矩阵为对角阵,且对角元素与信号相关性无关,因此进一步实现了完全解相干。仿真验证了该文算法能够抑制互耦影响,估计性能和无互耦时相当,且适用于实时性要求高的场合。

基于互相关矢量重构的解相干算法研究

针对相干信号源的波达方向角估计问题,提出了一种能有效解相干的互相关矢量Toeplitz算法。该算法利用了阵列接收数据互相关矢量的内在关系实现了相干源的完全解相干,在相干系数等于1的情况下,不损失阵列孔径,不需要通过空间平滑和加权。相对常规的空间平滑类算法,该方法实现简单,运算量小、鲁棒性好、估计精度高。通过仿真试验证明了该方法的有效性。

量子计算机存储器中的解相干

量子计算机中的解相干，破坏量子态中的信息，是量子计算难以实现的主要原因之一。本文在P．W．Shor的工作基础上，提出存放K个量子位的任意态时，使用6K个量子位进行编码，并且用电磁波脉冲实现幺正变换，以便进一步减少量子计算机存储器中的解相干。

线性预测类算法解相干性能分析

针对经典的线性预测类算法进行了深入系统的研究,给出了各类线性预测算法间的相互关系。在此基础上分析了单向多阶性预测和双向线性预测算法能够解相干的本质,并进一步给出了线性预测算法与空间平滑算法的内在联系。最后通过计算机仿真验证了单向多阶线性预测和双向线性预测算法的解相干性能。

采用相干积累矢量平滑实现小样本信号解相干

提出了一种基于相干积累矢量空间平滑的解相干算法,该算法基于相干积累的原理来构建矢量,其对阵列输出进行相干积累后得到特征矢量,由此特征矢量进行前后向空间平滑,构建矩阵,实现解相干.最后由该矩阵奇异值分解得到信号或噪声子空间,与现有解相干算法相比,运算量大大下降.仿真结果表明,该算法具有很好的抗噪性,其在信噪比高于-14 dB时保持了与基于特征分解的矢量奇异值法相似的性能.

基于互相关矢量重构的解相干实值Root-MUSIC算法

实值Root-MUSIC算法是一种计算量小、精度高的波达方向估计算法,但其最多能处理两个相干信源,阵元利用率很低。为了解决此问题,提出了一种新的实值Root-MUSIC算法,利用阵列接收数据的互相关矢量重构相关矩阵,使其具有Toeplitz特性。新算法无须空间平滑,无阵列孔径损失,可估计的相干信源数更多。实验仿真表明,与原算法相比,新算法实现更简单、计算量更小、性能更好,对于八阵元的阵列,原算法只能分辨两个相干信源,新算法可以成功估计四个相干信源,为实值类算法在多径环境领域的DOA估计提供了一条新途径。

基于四元数的改进空间平滑解相干算法

针对常规的四元数空间平滑算法解相干时没有充分利用各子阵的互相关信息导致信号波达方向估计分辨率较差的问题,提出了一种基于四元数的改进空间平滑解相干算法。首先,利用四元数的正交结构可以很好地保持极化敏感阵列各阵元两分量输出信号之间固有的正交特性,建立了四元数接收信号模型。然后,在常规的空间平滑算法的基础上推导了改进的空间平滑解相干算法。该算法利用了阵列各子阵接收信号的全部互相关和自相关信息,在信号波达方向相近和信噪比较低的情况下,具有比常规空间平滑算法更优的波达方向估计性能。最后,通过计算机仿真验证了改进算法的有效性。

基于特征矢量重构的均匀圆阵解相干算法

针对均匀圆阵的解相干问题,提出一种基于特征矢量重构的算法(MME).该算法在模式空间变换的基础上,利用最大特征矢量重构协方差矩阵,既利用了所有信号源的信息,又将信号协方差矩阵恢复为对角阵,减小了预处理误差的影响,具有解相干能力强、测向精度高和信噪比门限低的优点.首先给出了算法步骤,然后对该算法的性能进行了理论分析,最后进行了计算机仿真.仿真结果验证了该算法的性能优势.

稀疏圆阵的解相干求根MUSIC算法

针对稀疏圆阵的波达方向估计问题,提出了解相干求根MUSIC算法(Sparse UCA Decorrelation Root-MUSIC,SDR)。通过改进传统的波束变换方法,进行相位校正,并在波束域进行误差补偿,得到具有共轭对称结构的波束域导向矢量。在波束域进行前后向平均处理和使用求根MUSIC算法,实现多组相干源的解相干,且避免了谱搜索,减少了运算量。平均处理增加了数据量,算法在低信噪比和低快拍数情况下有更好的估计性能。计算机仿真表明,本算法适用于稀疏圆阵对相干源的DOA估计而且有较好的估计性能。

基于MUSIC的稀疏重构解相干算法

正交匹配追踪(OMP)类算法是经典贪婪类稀疏重构算法,具有对空间中的相干信号不敏感和运算速度快的特点,但其本身寻优的过程与波束形成(CBF)算法相似,所以受到瑞利限的影响,无法分辨出相近角度.对此提出一种基于MUSIC的稀疏重构解相干算法(modified MUSIC OMP,MMO).该算法将MUSIC算法的思想引入到正交匹配追踪算法寻优中,解决了MUSIC算法不能直接解相干和正交匹配追踪算法无法实现超分辨的问题.仿真结果表明,与OMP解相干算法、CBF算法、MUSIC算法相比,MMO算法具有良好的性能.

基于向量化稀疏重构解相干改进算法

针对正交匹配追踪类算法具有对空间中的相干信号不敏感而解相干效果更好的特点,将矢量化引入到正交匹配追踪(OMP)算法的相干源处理中.为进一步降低矢量化的维数,对矢量化做了简化处理,提出一种新的解相干算法.该算法无需已知信号源数,与经典OMP算法、基于正交匹配追踪的奇异值分解(SVD)算法相比,解相干精度更高,算法鲁棒性更好.仿真结果验证了该算法的良好性能.

一种实域空间平滑解相干算法

特征子空间类算法在处理相干信号时,需要预先进行空间平滑来解相干,这一过程通常是在复数域进行的,而且一次平滑只能处理一个相干信号。论文提出实域空间平滑算法从窄带信号的正交接收模型出发,运用三角和差化积公式对I/Q通道输出单独进行简单加、减运算,得到了实值阵列流形,在此基础上采用前向空间平滑进行解相干,一次平滑能够处理两个相干信号,且算法完全在实域进行。以MUSIC为例进行的仿真试验表明:算法能够取得与FBSS算法相似的性能,且运算量较之FBSS算法大大降低。

量子计算机存储器中的解相干

量子计算机中的解相干,破坏量子态中的信息,是量子计算难以实现的主要原因之一。本文在P.W.Shor的工作基础上,提出存放K个量子位的任意态时,使用6k个量子位进行编码,并且用电磁波脉冲实现么正变换,以便进一步减少量子计算机存储器的解相干。

一种基于奇异值分解的解相干算法

该文针对稀疏重构解相干问题,利用接收数据厅奇导值分解(SVD)后的大特征值对应的特征矢量,提出一种改进解相干方法。该方法通过迭代这一特征矢量来重构角度,无需知道信号源的数目,即可准确重构角度信息,实现解相干。相对于经典SVD算法,所提算法运算速度更快,稀疏重构效果更优。理论分析和仿真结果都验证了算法的良好性能。

一种虚拟阵列扩展解相干的DOA算法

在移动通信阵列信号处理中,由于多径传播等因素的影响,存在大量相干信号源,现有解相干DOA算法大多会损失阵列的有效孔径,而阵列孔径大小直接限制了空间分辨率及所能估计的信号源个数。针对上述情况,提出一种虚拟阵列扩展的改进双向空间平滑算法(Virtual-array SS,VSS),利用入射信号的非圆对称性,阵列扩展后得到新的虚拟阵列,并做相应的预处理后再利用双向空间平滑算法对该虚拟阵列进行处理。大量仿真结果表明,VSS算法是一种具有高分辨率、高统计稳定性、计算量相对增加较小的解相干DOA算法。

量子计算机存储器中的解相干

在Ｐ．Ｗ．Ｓｈｏｒ的工作基础上，提出存放Ｋ个量子位的任意态时，使用６Ｋ个量子位进行编码，并且用电磁波脉冲实现正变换。

基于向量化的稀疏重构解相干算法

针对稀疏重构中正交匹配追踪(Orthogonally Matched Pursuit,OMP)算法解相干问题,利用矢量化的接收数据自相关矩阵,提出一种改进解相干方法——矢量化正交匹配追踪(Vectorized OMP,VO)算法.改进方法只通过矢量化后的一维矢量来重构角度,无需知道信号源的数目,即可降低噪声影响,实现解相干.相对于经典OMP算法,稀疏重构效果更优.理论分析和仿真结果都验证了算法的良好性能.

两种基于SVD的稀疏重构解相干改进算法

针对稀疏重构中正交匹配追踪(OMP)算法解相干问题,利用接收数据构造目标矩阵奇异值分解(SVD)后的大特征值对应的特征矢量,提出了两种改进解相干算法(NSO算法和MNSO算法).首先根据稀疏重构的框架下的阵列DOA估计模型,理论上分析了经典OMP算法、NSO算法和MNSO算法的运算量和重构精度,然后给出了算法性能的仿真结果.仿真结果表明,相对于经典OMP算法,两种改进算法的运算速度更快,稀疏重构效果更优.理论分析和仿真结果验证了两种改进算法的良好性能.

一种二维解相干MUSIC算法

提出一种积基于垂直阵列的解相干二维 MUSIC 算法,此算法大大改善了信号的波达方向 DOA 估计性能,特别是相干信号的 DOA 估计能力,计算机仿真结果证明了该种算法的有效性。