一种新的二维Capon算法的研究

在传统Capon算法的基础上,提出了一种新的基于3个正交均匀直线阵的二维Capon来估计信号的二维DOA,利用其中一个线阵来组合其他2个线阵分别估计的一维DOA,将复杂的二维处理问题转化为简单的一维问题,大大降低了算法实现的复杂度,改善了DOA的估计性能。仿真结果证明了该方法的有效性。

Capon算法在矢量阵中的应用研究

研究了Capon算法在矢量阵中应用的理论基础,给出一种改进Capon算法.通过计算机仿真对其进行了性能分析,结果表明:矢量阵应用Capon算法可以获得比声压阵更高的空间分辨力,抗噪能力也大大增强;改进Capon算法进一步提高了阵列的空间分辨力,并且在信噪比较低的情况下依然具有优越的性能.

基于AR—CAPON联合谱估计的超分辨ISAR成像算法

CAPON算法的谱分辨率与所构造的滤波器长度成反比,但由于涉及样本自相关矩阵估计及其求逆运算,滤波器长度往往必须小于数据长度的一半,极大地限制了谱分辨率的提高。文中通过对实测ISAR回波数据建立AR模型,并利用Burg算法求解AR模型进行数据外推,提高CAPON滤波器的长度上限,再利用CAPON算法进行超分辨ISAR成像。实测数据的仿真表明,与传统的FFT和CAPON算法相比,基于AR和CAPON的联合超分辨算法可以获得更高分辨率的ISAR像。

基于实值Capon和Prony算法的间谐波参数估计

提出一种基于实值Capon算法与普罗尼(Prony)算法相结合的谐波间谐波参数估计新方法。Capon算法具有频率分辨力高、所需数据少的特点,可以准确地计算出信号源中谐波及间谐波的频率值,在此基础上利用普罗尼(Prony)法中的最小二乘法估计出目标谐波或间谐波的初相角和幅值。数据仿真结果表明,基于实值Capon算法与Prony算法的谐波间谐波参数估计方法切实可行。

一种新的稀疏重构的DOA估计算法

为提高低信噪比和较少快拍数条件下远场窄带信号波达方向的估计精度,提出一种新的基于加权l1范数的稀疏重构波达方向的估计算法.该算法首先采用前后向空间平滑技术获得阵列输出数据协方差矩阵;其次构造出改进Capon算法空间谱函数中的倒谱系数矢量,设计得到符合加权l1范数的权值矩阵;最后通过奇异值分解对接收数据进行降维处理,获得基于稀疏重构的加权l1范数约束问题模型.仿真结果表明,在低信噪比或快拍数较少的情况下,该算法能够有效地抑制空间谱伪峰和保证较强的稳健性,且信源不需要进行相关处理,仍能获得很高的估计精度.

几种DOA估计算法的性能分析

在其他条件相同的情况下比较了 Bartlett,Capon和 Music算法的性能。Bartlett算法使波束形成的输出功率相对于某个输入信号为最大 ;Capon算法使噪声以及来自非信源方向的任何干扰所贡献的功率为最小 ,但又能保持信源方向上信号功率不变 ;Music算法是一种超分辨的方法 ,属于特征结构的子空间方法 ,因而有较高的分辨率。仿真结果证明了在其他条件相同的情况下 ,Music算法的性能最优。

井口含砂监测近场超声阵列仿真分析

利用Comsol软件建立了井口管道处出砂监测系统模型并进行了仿真。根据阵列阵元接收信号之间的时延特性,推导了近场条件下的Capon算法及方向扫描矩阵,并利用数值仿真数据对算法及扫描矩阵的有效性进行了分析。结果表明,采用Capon算法,基于近场方向扫描矩阵,通过功率谱扫描的方式可以对砂砾撞击位置进行有效的估计,实现波达方向信号的最佳接收。

TD-SCDMA系统中智能天线波束形成的研究

波束形成算法是智能天线的核心和理论基础,TD-SCDMA系统中应用的智能天线技术与传统的切换波束技术相比,最大的优点在于可以自适应的根据用户的方位调整波束方向,将主波束对准来波方向(DOA),而将旁瓣和零陷对准干扰。文中先阐述了智能天线的基本原理,介绍了Capon算法和MUSIC算法以及它们在智能天线波束形成中的应用,进而用Matlab进行了数值仿真,并且讨论了相关参数设置对于算法性能的分析。文章为以后的理论研究提供了平台,对于今后的理论研究有一定的指导意义和参考价值。

基于谱峰斜率进行变步长搜索的DOA估计方法

针对经典Capon方法存在计算量和存储量庞大、运行时间长、精准度不高的问题,提出一种低复杂度变步长的搜索算法。该方法首次搜索使用大步长的Capon算法,根据谱峰值确定波达方向(DOA)检测范围并求出其斜率值;然后根据斜率首次小于零确定谱峰在其左侧,记斜率小于零点为P,并从点P-2处开始向右进行变步长搜索;最后进行变步长的迭代逼近,得出期望信号的估计角度。所提方法避免了谱峰穷尽搜索,降低了计算量。仿真实验证明,在相同的信噪比下,所提算法准确性的精准度有近9倍的改善;在不同的信噪比下,所提算法的分辨成功率更高;同时,所提算法的均方根误差均明显优于经典的Capon算法。