基于非圆信号的二维测向算法

提出了一种基于窄带非圆信号的二维测向算法,利用非圆信号的椭圆协方差矩阵非零特性将阵列有效阵元数和孔径同时扩展,提高多信号检测的能力。进一步通过利用L阵的几何性质和两子阵间的互相关来滤除噪声,提高角度估计精度,并采用快速算法获得信号方位角和俯仰角。最后计算机仿真结果验证了该方法由于利用非圆信号特性比传统测向算法的估计性能更高。     

用于非圆信号二维测向的扩展Root-MUSIC算法

利用双平行线阵的阵列结构,提出了用于非圆信号二维测向的扩展root-MUSIC(ERM)算法.ERM算法估计得到的俯仰角与方位角一一对应,自动配对,无需搜索,其可测向信号数大于子阵阵元数,方位测角精度优于同样基于双平|亍线阵的二维测向波达方向矩阵法(DOAM),俯仰测角精度在低信噪比下优于DOAM算法,俯仰角兼并时算法仍有效.     

非圆信号阵列测向的研究概况

阵列测向的理论与技术已日臻完善，近期研究主要集中在算法实用化以及利用信号的特殊性质等方面。BPSK等信号具有非圆特性，MSK等信号经过一定预处理也具有非圆特性，利用信号非圆特性的阵列测向问题逐渐成为一个研究热点。文章介绍了非圆信号的定义与分类，综述了非圆信号测向的现状，包括各种非圆信号测向算法及其性能分析，以及非圆信号信源个数估计等其它问题，并对其发展方向进行了预测。     

模型误差对非圆信号测向MUSIC算法性能的影响

近年来,针对非圆信号的测向算法已陆续提出,对这些算法的渐近性能及Cramer-Rao界的分析也已见报道,但仍未涉及模型误差对此类算法影响的分析.本文概括介绍了用于非圆信号测向的MUSIC(Multiple Signal Classification)算法,对其空间谱函数进行一阶泰勒展开,得到了测向误差的表达式,从而求得测向均方误差统计意义上的表达式.仿真实验验证了推导的正确性,并由理论结果分析了模型误差条件下测向误差与角度间隔和非圆相位差的关系.     

基于扩展传播算子的非圆信号测向方法

现代通信系统大量使用非圆信号,利用经典高分辨算法对其测向没有充分利用非圆信号的信息,因而性能受限.本文提出的扩展传播算子测向算法(EPM)先对数据进行共轭扩展,再利用传播算子方法(PM)测向,充分利用了非圆信号的特点,从而可对多于阵元数的信号进行测向,分辨力和测角精度优于OPM(正交传播算子测向算法)和MUSIC算法,同时保持了PM算法的特点,不需要特征分解(ED)或奇异值分解(SVD).文中还分析了EPM算法的均方误差性能和计算复杂度,得到了均方误差的解析表达式.仿真实验验证了EPM算法的优良性能,均方误差的理论结果与仿真值相符.     

非圆信号方位、俯仰及初相联合估计

该文利用双平行线阵的阵列结构,提出了用于非圆信号二维方向和初相联合估计的扩展MUSIC(EN-MUSIC)算法。EN-MUSIC算法估计得到的方位角、俯仰角与初相一一对应,自动配对,其可测向信号数大于子阵阵元数,方位及俯仰测角精度与非圆信号二维测向酉ESPRIT(2D-NC-UESPRIT)算法大致相当,优于波达方向矩阵法(DOAM)。     

基于四阶累积量的非圆信号测向方法

对通信系统中大量使用的BPSK等非圆信号测向,可以采用共轭扩展MUSIC(CE-MUSIC)算法,也可以采用基于四阶累积量的MUSIC-like算法。CE-MUSIC算法没有利用高阶信息,MUSIC-like算法没有利用信号的非圆信息,性能均受限。该文提出的四阶扩展MUSIC(FO-EMUSIC)算法利用了非圆信号在四阶累积量中的信息,分辨力和测角精度明显优于MUSIC-like算法,略优于CE-MUSIC算法,可测向阵元数大于CE-MUSIC算法和MUSIC-like算法。针对均布线阵,为减小计算量,还提出了FO-EMUSIC/ULA算法。仿真实验验证了FO-EMUSIC算法的优良性能。     

非圆信号快速高精度二维测向算法

针对窄带非圆信号,提出了一种基于共轭梯度迭代搜索的快速高精度二维来波方向估计算法。利用非圆信号椭圆协方差矩阵非零特性,将阵列接收数据矩阵共轭重排,增加了阵列自由度,扩展了阵列有效孔径,提高了多信号检测能力,改善了阵列测向性能。对扩展后的阵列接收数据利用共轭梯度迭代搜索方式求得信号子空间,避免了多次求解样本协方差矩阵及其特征分解过程,显著降低了运算复杂度。仿真实验验证了所提算法的有效性和实用性。     

基于偶数阶累积量的非圆信号测向方法

提出了基于2q阶累积量的非圆信号测向MUSIC(Multiple Signal Classification)算法(称为NC-2q-MUSIC),作为2q-MUSIC算法利用非圆信息的一种扩展,在可测向信号数、分辨力和测角精度等方面的性能均优于2q-MUSIC算法.并且,q越大,NC-2q-MUSIC算法的可测向信号数越大,分辨力越高,对模型误差也越不敏感.针对均布线阵(ULA:Uniform Linear Array)提出的NC-2q-MUSIC/ULA算法减小了计算量.仿真实验验证了NC-2q-MUSIC算法的优良性能.     

基于最大非圆率信号的改进SWEDE算法

SWEDE(Subspace method Without Eigen DEcomposition)算法是一种不需要协方差阵分解的波达方向估计算法。该方法能降低传统超分辨算法的计算量和复杂度,但也同时降低了均匀线性阵的可测最大信号数。本文基于非圆信号具有椭圆协方差矩阵不为零的特征,并结合SWEDE算法的基本思想,提出了一种改进SWEDE算法:NC-SWEDE算法。该算法利用最大非圆率信号的增维数据模型,相当于将线性阵的可利用阵元数加倍,因而提高了SWEDE算法可测的最大信源数,并提高了算法的分辨力和估计精度。由于引入了非圆信号的相位参数,该算法需要进行二维谱峰搜索,本文采用求极值方法达到了降维的目的。本文分别进行了NC-SWEDE算法最大可分辨信号数、不同 矩阵取法下的算法性能及与传统SWEDE算法性能比较的仿真实验,结果验证了该算法的优越性。      

MUSIC测向算法的入射方向确定方法

MUSIC(MUltiple SIgnal Classification)等谱峰搜索类算法的计算量主要集中于谱峰搜索过程,加大搜索步长虽可减小计算量,但会引起空间谱的畸变从而造成测向误差。先采用大步长搜索确定谱峰大约位置后再用小步长搜索可以减小测向误差,且增加的计算量较小,但其实时性不佳。文中提出了基于重心估计的入射方向确定方法,利用现有谱峰搜索数据进行后处理,当搜索步长远大于MUSIC测向算法本身的均方根误差(RMSE,Root Mean Square Error)时,可用很小的计算量大大提高测向精度,具有良好的工程应用价值。      

基于非圆信号波达方向估计的最大似然算法

现有的非圆信号波达方向(DOA)估计算法基本都是子空间分解类的,如NC-MUSIC、NC-ESPRIT算法等。基于子空间拟合类的非圆信号DOA估计算法研究的不多。文中依据非圆信号的DOA估计数学模型,提出了基于非圆信号的DOA估计最大似然算法。通过计算机仿真,将基于非圆信号的最大似然算法与常规最大似然算法及基于非圆信号的MUSIC算法进行了性能比较。结果表明,该算法提高了方位估计的估计性能,对于估计精度要求很高、用户比较密集的场合,能发挥很大的作用。     

基于非圆信号的MUSIC算法性能研究

传统DOA估计算法不能处理多于阵元数的信号源,而且估计精度也不能满足一些高估计精度的场合,近年来基于非圆信号的DOA估计算法由于其优良的估计性能,受到越来越多的关注。依据非圆信号的DOA估计数学模型,研究了基于非圆信号的MUSIC算法。通过软件仿真,将基于非圆信号的MUSIC算法的各项性能进行了仿真。结果表明,该算法的估计性能比传统MUSIC算法有了明显的提高。     

简化的复数非圆信号广义线性盲均衡算法

为了提高复数非圆信号的盲均衡性能,本文深入分析广义线性滤波理论,利用常模准则的简便性和稳健性,针对低阶复数非圆信号构造了简化的广义线性盲均衡器,并提出了一种简化的广义线性递归最小二乘常模盲均衡算法。简化的广义线性盲均衡器直接利用接收信号的实部和虚部作为均衡器输入,从而得到接收信号完整的实部和虚部的二阶统计量信息。新算法将标准的广义线性均衡算法的复数运算变成实数运算,有效地降低了标准广义线性均衡器的复杂度。仿真实验结果表明,与传统常模盲均衡算法相比,新算法在不提高计算复杂度的基础上,能够有效降低剩余码间干扰和误码率。