基于改进LS-ESPRIT算法的GTD模型参数估计与RCS重构

针对传统LS-ESPRIT算法在估计GTD模型参数时抗噪效果差,估计精度不高这一问题,该文提出了一种改进的LS-ESPRT算法,有效地提高了算法的参数估计性能与抗噪性。首先,根据雷达目标的回波数据构建Hankel矩阵;其次,采用核范数凸优化方法对上述Hankel矩阵进行降噪处理,得到低秩的重构Hankel矩阵;最后,利用传统的LS-ESPRIT算法对降噪后的数据进行处理,估计出GTD模型参数。基于改进算法与传统算法分别得到重构RCS,并针对不同带宽对参数估计精度的影响作以仿真探究。仿真结果表明,与传统LS-ESPRIT算法与传统TLS-ESPRIT算法相比,改进LS-ESPRIT算法的参数估计性能更高,抗噪性更强,且重构RCS的幅值与相角误差更小。对不同带宽下的参数估计精度也进行了探究,并得出:带宽越大,估计精度越高。

基于LS-TSVM与降维ESPRIT谐波检测的研究

本文针对电网中大量谐波威胁电力系统正常运行的问题,提出基于最小二乘双支持向量机(LS-TSVM)结合多级维纳滤波器降维ESPRIT谐波检测算法。以高速列车作为研究对象,在SVM基础上发展LS-TSVM谐波检测算法,为进一步提升间谐波检测精度与检测效率,采用多级维纳滤波器ESPRIT降维技术。研究结果表明:在同等采样数据量的情况下以及不失精度的同时,该方法与支持向量机结合ESPRIT方法以及矩阵束法比较,具有更好的检测效率。

单矢量水听器二维DOA和频率联合估计算法

基于单矢量水听器,利用时延数据构造两个阵形相同的子阵,运用LS-ESPRIT方法,对信号数据矩阵进行特征值分解,提取其特征值和相应的特征向量中包含的频率和角度信息,从而实现单频窄带信号的二维DOA和频率的联合估计。具有较好的估计精度,无需搜索过程并且能够实现三维参数的自动配对。使用MATLAB进行仿真,与基于单矢量水听器的波达方向矩阵法和基于声压阵的LS-ESPRIT方法进行比较,结果表明,该方法具有较好估计性能。

时-空二维信号模型下的目标参数估计

提出一种基于时空二维信号模型下相干信号源参数估计的LS-ESPRIT算法,解决了常规ESPRIT算法不能解相干等问题。和解相干的MUSIC算法相比,该方法不需要在整个空间进行谱峰搜索,运算量小。仿真结果表明,该方法适用于所有信号(包括非相干和相干信号)的目标二维参数与多普勒频率估计。在不同信噪比(SNR)情况下,其估计精度较常规方法有了较大的提高,可以满足工程应用的需要。