一种稀疏表示的二维DOA降维估计新算法

提出了一种基于空间锥角降维的二维DOA稀疏分解估计新方法,解决了利用稀疏表示方法进行二维DOA估计时计算复杂度大的问题.根据L阵列的结构特性,引入空间锥角表示信号的二维DOA信息,构造空间锥角冗余字典,通过稀疏正则化求解实现空间锥角的估计,然后利用求解得到功率实现L阵列中两个子阵之间的空间锥角配对,从而达到对多来波的二维DOA估计的目的,其避免了方位角和俯仰角组合而造成冗余字典庞大的问题,极大地减少了稀疏分解的计算量.仿真和实测数据结果均验证了该方法的有效性和优越性,为进一步的工程应用奠定了基础.     

引入蝙蝠算法的最大似然DOA估计

DOA估计理论的传统算法中,最大似然DOA估计方法能准确地估计出目标方向角度,性能优良,并且具有很好的稳定性。与MUSIC及其他的子空间分解类算法相比,在信噪比较低、小快拍信号时,最大似然DOA估计算法优势更为突出。但是由于其自身算法复杂度较高的缺陷而碍于工程上的应用。针对这一问题,将蝙蝠算法与最大似然算法相结合,应用于信号的DOA估计,利用蝙蝠搜索算法搜索路径优、寻优能力强的优点,快速搜索到似然函数的全局最优值,优化多维非线性的估计谱函数。仿真结果表明,蝙蝠搜索算法有效地克服最大似然DOA估计中存在的运算量大,计算复杂度高等问题,通过与其他经典的仿生智能优化算法相比较,该方法体现出更好的收敛性。     

稀疏极化敏感阵列的波达方向和极化参数联合估计

该文采用稀疏分布极化敏感阵列(SD-PSA),研究了多目标波达方向(DOA)和极化参数的估计问题。首先建立稀疏极化敏感阵列信号模型;然后利用阵列的空间旋转不变性运用ESPRIT算法得出信号的高精度周期性模糊多值DOA估计;同时利用子阵列导向矢量之间的关系得出信号的极化信息和DOA的无模糊粗估计;最后利用DOA粗估计值解模糊,得到信号的高精度无模糊DOA估计。该文所提阵列的阵元间距大于半个波长距离,扩展了阵列2维物理孔径,一定程度上降低了阵元间的互耦影响,相应的信号DOA估计精度大大提高。仿真实验结果验证了该算法对信号DOA和极化参数估计的有效性。     

基于L型阵的ESPRIT算法在DOA估计中的应用

针对多信号同时测向问题,提出了一种基于L型阵的ESPRIT波达方向估计算法.利用阵元几何平移不变的特性,构造了包含多个入射信号特征向量的估计量,估计出入射信号的方位角和俯仰角.不需要二维谱峰搜索,能够在实数域中直接获得信号子空间,并且能够实现多个信号的同时估计,有效降低运算量.计算机仿真验证了算法的有效性.     

一种改进型CE-ML算法的二维DOA估计

基于最大似然估计（ML）的阵列测向方法具有测向精度高、可以分辨相干信号等优点,但是因为计算复杂度过高而工程应用受限。针对该问题,利用交叉熵（CE）方法对最大似然估计快速求解,并对初始样本的产生和平滑参数的设置进行了优化,提出改进型CE—ML二维测向算法,最后进行了算法运算量分析和仿真验证。仿真实验表明,在精度相近条件下,改进型的CE-ML算法的迭代次数大约是粒子群算法（Ps0）的1／3,大大减少了ML测向的计算量。     

窄带信号源数目与波达方向联合估计

基于最小描述长度(MDL)准则和最大似然准则,提出了一种窄带信号源数目与波达方向(DOA)联合估计方法。该方法通过最大似然准则来估计信号源的所有可能波达方向,然后通过MDL准则来估计信号源数目,同时得到DOA。该方法不仅适用于非相干信号源,而且适用于相干信号源,即能抗多径传播干扰。仿真实验验证了他的性能。     

基于EM算法的GO分布参数最大似然估计

G0分布是目前合成孔径雷达(Synthetic Aperture Radar,SAR)图像数据建模的一个重要模型,建模能力强、实用性好,受到了广泛的关注.G0分布的应用离不开准确有效的参数估计,而由于G0分布表达式复杂,统计意义上最优的最大似然估计法一直没能用在G0分布上.本文首先给出了一种新的方式来推导得出G0分布,在此基础上,采用最大期望(Expectation Maximization,EM)算法为G0分布给出一种有效的最大似然参数估计方法.文中的方法与现有的G0分布参数估计方法通过实验进行了比较,实验结果充分证明了所提方法的有效性.     

一种基于连续蚁群算法的快速最大似然DOA估计

针对传统最大似然估计计算量大的问题,将连续空间蚁群算法与最大似然估计算法相结合,在ACOML算法的基础上,提出了一种用混沌序列初始化状态空间的改进蚁群算法MACOML(Muddleheaded ACO)。该方法使用混沌映射产生的初始状态空间来代替ACOML算法中的随机序列产生的初始状态空间,增加了初始解的遍历性,同时在寻优过程中增加了局部搜索。仿真结果表明:MACOML能保持最大似然估计方法的高分辨性能,而计算复杂度只是最大似然方法的1/20。     

基于EM算法的G0分布参数最大似然估计

 G0分布是目前合成孔径雷达(Synthetic Aperture Radar,SAR)图像数据建模的一个重要模型,建模能力强、实用性好,受到了广泛的关注.G0分布的应用离不开准确有效的参数估计,而由于G0分布表达式复杂,统计意义上最优的最大似然估计法一直没能用在G0分布上.本文首先给出了一种新的方式来推导得出G0分布,在此基础上,采用最大期望(Expectation Maximization,EM)算法为G0分布给出一种有效的最大似然参数估计方法.文中的方法与现有的G0分布参数估计方法通过实验进行了比较,实验结果充分证明了所提方法的有效性.     

线性调频信号参数快速估计

线性调频(LFM)信号参数检测是对SAR对抗的一个重要问题,本文在对用Radon-Wign er变换、快速解线调和最大似然(ML)估计和分析LFM信号的基础上,给出一种消除ML估计带来旁瓣的方法,进一步提出了一种局部快速搜索的最大似然估计法,并用于LFM信号的起始频率和调频斜率等参数的估计。最后给出了三种快速算法的计算机模拟结果。     

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。     

一种基于改进PSO的随机最大似然算法

随机最大似然算法(Stochastic Maximum Likelihood,SML)具有优越的波达方位(Direction-of-Arrival,DOA)估计性能,但SML解析过程较高的计算复杂度限制了该算法在实际系统中的应用.针对SML计算复杂度高的问题,提出一种低复杂度的粒子群优化算法(Particle Swarm Optimization,PSO),解决了传统PSO算法中粒子数多和迭代次数多的双重缺点.首先,根据天线获得的信号,将旋转不变子空间法(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)求得的闭式解作为DOA的预估计值,同时计算系统此时的信噪比以及SML在此信噪比下的克拉-美罗界(Cramer-Rao bound,CRB).然后,根据DOA预估计值和当前CRB值在SML最优解的近邻范围内确定较小的初始化空间,并在该空间初始化少量粒子.最后通过设计合适的惯性因子w,使粒子以合理的速度搜索最优解.实验结果表明,改进PSO算法所需的粒子个数和迭代次数大约是传统PSO算法的1/5,降低了SML的解析复杂度,计算时间是传统PSO算法的1/10,因此在收敛速度上也有显著的优势.     

一种基于相关系数的目标角度估计算法

实际应用的波达角估计算法主要有最大似然估计、比幅和超分辨等。文中在深入分析这些算法的基础上,提出了一种新的角度估计算法,称之为相关角度估计算法。理论研究和仿真分析表明：相关角度估计算法更易于工程化,相对于比幅法有更高的角度估计精度,比最大似然估计具有更小的计算量,比超分辨测角估计更高,计算量更小。     

基于最大似然算法的OFDM同步技术研究

同步问题是卫星通信中的一个关键问题,直接关系到通信系统的性能。文中简要介绍了OFDM的同步技术,主要讨论了符号定时同步和载波同步。最大似然估计算法在OFDM符号定时同步和载波频率同步中得到了广泛的应用,通过最大似然估计方法,避免了基于导频符号的同步估计带来的频率和功率资源的浪费,通过仿真可以看到,能够很好地实现OFDM系统的符号同步和载波同步。     

基于ESPRIT算法频率估计的研究

本文提出了一种新的研究频率估计的算法-ESPRIT,该算法利用的是信号子空间的旋转不变性。具体讲述了ESPRIT算法在频率估计上的应用,先描述这种算法在理论上的实现,接着用仿真来证实这种算法的可行性和优势。     

雷达低角跟踪环境下的最大似然波达方向估计方法

在时空级联最大似然算法的基础上,本文结合雷达低角跟踪的特点,提出一种新的目标仰角估计算法.该算法利用事先得到的目标距离信息和天线高度信息来得到目标直达波信号和多径信号之间的仰角关系,然后再对时空级联最大似然算法的似然函数进行一维搜索.与时空级联最大似然算法相比,新算法不仅运算量大大下降,而且还具有较好的性能.理论分析和计算机仿真结果都证实了新算法的优越性.     

基于互相关的快速角度估计算法

在自跟踪接收机中,当输入信噪比较低时,需要通过相参积累来提高信噪比才能获得满意的测角精度。传统提高信噪比的方法为通道内的码捕获算法,需要进行在时间维和多普勒维的2维搜索,必要时还需要进行第3维位跳变的搜索补偿,运算量非常大,无法实现快速测角。该文提出一种基于通道间互相关的相参积累快速测角算法,新算法具有结构简单、运算量低、几乎零延迟的优点,且测角精度可以达到传统相参积累方法的水平,容易满足自跟踪接收机快速测角的要求;理论推导和仿真验证了新算法的有效性。     

基于TD-SCDMA系统的快速频率估计算法

提出了一种应用于TD-SCDMA系统中的快速频率估计算法.这种算法利用训练序列估计信道冲击响应,恢复不受信道干扰的发送信号;然后利用最大似然估计算法和二分数值估计算法,估计出较为准确的频率偏移值.仿真表明,该算法比常用的频率估计算法具有更低的复杂度,而且在高斯白噪(AWGN)和多径衰落环境下,均能够对TD-SCDMA系统中的频率偏移获得较为准确的估计结果.