色噪声背景下LFM信号参数估计的互谱ESPRIT方法

对色噪声背景下LFM信号(线性调频信号)进行了分析,提出了一种基于二次型变换的互谱ESPR IT方法。该方法首先对LFM信号进行二次型变换转化为平稳信号,再将现代互谱理论引入ESPR IT方法生成互谱ESPR IT方法来进行后续的信号处理,成功地实现了高效率、高精度的参数估计,且使附加的有色噪声信噪比低至-5 dB。仿真试验结果证明了本文方法的正确性和有效性。

非高斯ARMA噪声中谐波恢复的杂交ESPRIT方法

本文研究非高斯ARMA噪声中的谐波恢复问题,提出了一种基于二阶和三阶统计量的杂交ESPRIT方法,该方法先估计噪声过程的AR部分参数,然后对观测值进行预滤波,最后估计谐波信号参量。模拟实验还验证了该方法的有效性和高分辨率。

没有协方差矩阵估计及其特征值分解的ESPRIT方法

提出一种新的ESPRIT(estimation of signal parameters via rotattional invariance tech- niques.)方法.对于相干信源情况,不需要估计空间平滑的样本协方差矩阵及对其作特征值分解, 其信号子空间的估计只需要多级维纳滤波器的P次前向递推.这里P为信源数.从而使得新的ESPRIT方法具有小运算量和低复杂度的特点,易于实时处理.仿真结果证明了方法的有效性.

基于ESPRIT算法的超宽带SAR射频干扰抑制方法

有效的射频干扰(Radio frequency interference,RFI)抑制技术是超宽带合成孔径雷达(Ul-tra-wideband synthetic aperture radar,UWB-SAR)成像质量的重要保证。通过对超宽带回波信号的特性分析,得出RFI具有短时间内平稳的特性,这样便可借助谱估计方法对其进行估计。旋转不变技术估计信号参数方法(Estimation of signal parameters via rotational invariance techniques,ESPRIT)是谱估计中一种频率估计性能较好、运算量较小的方法,文章对该算法在UWB-SAR RFI抑制中的应用进行了研究分析,并通过仿真实验表明该算法对RFI具有良好的抑制性能。

一种基于L型阵列的二维波达方向估计的新方法

提出了一种在高斯白噪声环境下基于L型阵列的二维DOA估计的新方法。该算法利用阵列结构的特点首先计算3个互相关矩阵,然后用这3个互相关矩阵构造一个特殊的大矩阵,对其进行特征值分解获得信号子空间的估计,进而利用二维ESPR IT方法实现方向角与仰角的估计。该方法不需要谱峰搜索,能够很好地解决参数配对问题。仿真试验表明,该算法估计精度高、计算量小,有一定的实用性。

一种基于双平行线阵相干源二维波达方向估计的新方法

提出一种基于双平行线阵有相干信号源存在情况下二维波达方向估计的新算法。该算法根据阵列结构的特点形成 6个需要的相关矩阵 ,然后构造一个特殊大矩阵并经特征分解获得信号子空间的估计 ,最后利用 2 DESPRIT方法实现二维角度估计。无论是否存在相干源 ,新算法都能精确估计出二维到达角 ,而无需进行谱峰搜索 ,从而解决了信号参数配对问题。

一种快速的相干信源超分辨方法

提出一种快速的相干信源超分辨方法,信号子空间由空间平滑的Lanczos算法的若干步递推得到.由于该方法只利用到某一信源的训练信号就可实现对所有信号的DOA进行快速估计,不需要对协方差矩阵作特征值分解和多级维纳滤波器的后向递推,所以该方法具有低复杂度和小运算量的特点,更适合实时处理的要求.计算机仿真表明,在低信噪比和小样本的情况下明显优于常规的EPSR IT方法,在高信噪比和大样本的情况下具有和常规ESPR IT方法同样的估计精度.

双基线极化干涉SAR数据估计林高的方法

虽然ESPRIT方法可从单基线极化干涉SAR数据中区分森林冠层、地面对应的散射中心,但它未能提供散射中心间的绝对干涉相位差,造成林高估计精度下降。针对上述问题,本文提出一种基于双基线极化干涉SAR数据的林高估计方法。基于绝对相位差与基线的联系,双基线方法通过最小化代价函数获得绝对干涉相位差有效估计,从而改善了林高估计性能。L波段ESAR数据结果表明,双基线林高估计方法优于单基线ESPRIT方法。

基于双平行线阵二维相干信号DOA估计新方法

提出了一种在高斯白噪声下基于双平行线阵的二维相干信号的DOA估计的新方法。本算法首先通过对接收数据进行前向空间平滑来达到去相干目的,然后计算出3个m×m相关矩阵,用此构造一个3m×m大矩阵,并对其进行特征值分解,最后利用ESPRIT方法对方向角和仰角进行估计。本算法不需谱峰搜索,无相位模糊问题,且参数自动匹配,计算量较小。仿真结果证明了该方法的有效性。

二维谐波频率的频域非线性预滤波估计方法

根据谐波信号在带噪信号的频谱中表现为异常脉冲这一特性,提出了一种新的有色噪声背景下二维频率估计方法。利用二维滑动中值滤波器能够滤除异常点的能力,提取噪声频谱,消除有色噪声对信号的影响。将有色噪声转化为白噪声,然后利用高分辨率的二维ESPRIT方法估计信号频率。在不需要知道有色噪声任何统计特性的情况下,该方法对有色噪声具有很强的普适性,仿真实验表明,在信噪比达到-18dB时,该算法仍然能够准确地估计频率。且由于算法中仅利用了二阶统计量,更便于实现。

一种基于三维阵列结构二维波达方向估计的新方法

给出了一种在高斯白噪声环境下对多个窄带信号进行二维波达方向估计的新方法。该方法根据给出的天线阵列结构的特点,首先构造四个相关矩阵,进而构造一个大的矩阵,对其进行一次特征值分解,由ESPR IT原理实现了信号波达方向的准确估计。该方法精度较高,不存在错误估计,有一定的实用性。

一种多目标多参数联合估计新方法及其水池实验验证

提出一种可在单次回波内同时完成多目标方位、频率、距离(时延)3D参数联合估计的高分辨新方法, 借用ESPRIT方法的思路构造2个空间子阵,通过对其自相关矩阵和互相关矩阵的广义特征分解,用特征值估计多目标方位,用特征向量的功率谱估计多目标回波的频率,再用估计得到的频率去修正包络时延向量,进而通过修正后的时延向量与特征向量的互相关得到目标的时延估计。3D参数的配对由特征向量和特征值的对应关系自动完成。仿真结果表明,该方法在较低的信噪比条件下可以实现3D参数的高分辨联合估计,而且无需额外的配对算法。通过多目标3D参数联合估计的消声水池实验表明,该方法对阵列误差有较好的稳健性,具有良好的工程应用前景。

一种基于L型阵列的改进的二维DOA估计方法

二维DOA估计在电子侦察、智能天线、雷达等方面都有广泛应用.二维DOA估计的方法有很多,主要用水平面L型阵列和ESPRIT算法进行二维DOA估计.提出用水平线阵和垂直线阵构建L型阵列,分成四个子阵,计算四个互相关矩阵,四个互相关矩阵构造一个特殊的大矩阵,对该矩阵进行特征值分解获得信号子空间估计,再用ESPRIT算法进行方位角和仰角的估计.该方法可以直接得到目标仰角,不需要换算,简化了计算,通过子空间估计,提高了DOA估计的分辨率并可以估计更多目标的DOA.仿真结果表明本文的改进二维DOA估计方法提高了DOA估计的精度.

用二维DCIM计算分层媒质中场源点不同层时的格林函数

采用二维离散复镜像法(discrete complex image method,DCIM)计算分层媒质中场点和源点不在同一层时的格林函数。运用二维旋转子空间不变法(estimation of signal parameters via rotational invariant tech-nique,ESPRIT)将谱域核函数表示成二维指数级数的形式,利用Sommerfeld恒等式得到场源点不同层情况下空域内的闭式格林函数,避免了插值方法的繁琐运算。数值仿真结果证明了其正确性和有效性。

MIMO阵列旋转不变子空间目标方位估计仿真研究

针对多输入多输出(Multi-Input Multi-Output,MIMO)阵列多目标定位,提出一种基于子空间特征分解的MIMO阵列旋转不变子空间算法(MIMO array estimation of signal parameters via rotational invariance techniques,简称MIMO-ESPRIT)。MIMO阵列各阵元发射彼此独立信号,因此阵列输出数据协方差矩阵不存在降秩以及信号子空间向噪声子空间扩散的现象,可直接应用子空间分解算法进行MIMO阵列目标方位估计。性能分析和仿真结果表明,随着发射阵元个数的增加和发射阵元间距的扩大,算法的多目标分辨能力和方位估计精度将得到明显改善。

基于L型阵的二维相干源信号的DOA估计

提出一种在高斯白噪声下基于L型阵的二维相干源信号的DOA估计的方法。本算法首先通过对接收数据进行前向空间平滑来达到去相干目的,然后计算出3个×相关矩阵,用此构造一个3×大矩阵,并对其进行特征值分解,最后利用ESPRIT方法对方向角和仰角进行估计。本算法无需谱峰搜索,无相位模糊问题,且参数自动匹配,计算量较小。仿真结果证明了该方法的有效性。