基于快速子空间分解的宽带非相干DOA估计快速算法

总结了快速子空间分解在窄带阵列到达角估计中的应用,给出了几种构造参考信号的方法。将快速子空间分解与宽带非相干信号子空间方法相结合,得到了宽带到达角估计快速方法。在性能基本保持不变的同时,新方法大大降低了运算量。仿真结果证明了算法的有效性。     

基于贝叶斯稀疏学习的多跳频信号频率跟踪方法

以往的跳频信号参数盲估计方法大多难以适应多个信号同时存在的情况,且需要积累一定数量的样本以后才能从中提取所需要的信息.为了稳定实时地跟踪跳频信号的频率,该文提出一种利用贝叶斯稀疏学习的单/多通道跳频信号频率估计和跳变时刻检测方法来实现多跳频信号频率的实时跟踪.首先建立了多跳频信号的稀疏表示模型,然后介绍了多观测贝叶斯稀疏学习算法及跳变时刻实时检测方法,最后仿真结果验证方法的有效性.     

基于多循环频率聚焦的宽带循环平稳信号阵列测向方法

宽带循环平稳信号多个离散循环频率处的信息能否进行综合利用以改善低信噪比条件下的阵列测向性能具有较大的研究价值。该文从阵列观测数据的循环谱相关函数入手,证明了低信噪比条件下不同循环频率处阵列观测数据的谱相关函数估计误差之间相互独立,表明不同循环频率信息之间具有较强的互补性,然后借鉴常规宽带信号频域聚焦思想提出了一种不同循环频率处信息综合利用的有效途径。仿真结果表明,基于多循环频率聚焦的方法能够有效改善低信噪比条件下宽带循环平稳信号的阵列测向性能。     

多功能雷达脉冲列的语义编码与模型重建

从电子侦察数据中反演多功能雷达的工作模式,是电子侦察领域广泛关注的难点问题,也是充分挖掘电磁大数据情报效益的重要内容,对雷达型号识别、工作状态识别、行为意图推断、精确电子干扰等应用具有直接的支撑作用.该文以多功能雷达信号模型的简洁性为基本依据,参考信息理论定义了雷达脉冲列的复杂度度量规则,并遵循复杂度最小化准则对多功能...     

基于EM算法的宽带信号DOA估计及盲分离

本文提出了一种基于EM算法的宽带信号DOA估计与盲分离方法.首先将宽带混合信号转换到频域,然后综合利用带宽内所有频点信息建立似然函数,在此基础上推导出宽带条件下的EM迭代式,从而实现宽带信号DOA及波形的联合估计.并且本文通过分析EM算法的收敛性,自适应的设定角度搜索空间,提高了算法的运算效率.与传统方法相比,本文方法运用的有效信息更多,因此,其在DOA估计精度及波形恢复性能方面都更有优势.仿真实验表明了该算法的有效性.     

延迟相乘宽带LFM信号阵列测向方法

 为了充分利用宽带线性调频(LFM)信号的时域信息,实现对此类信号的阵列快速高精度测向,结合线性调频信号调制样式的特殊性,提出了一种基于阵列接收数据时域延迟相乘的宽带线性调频信号阵列测向新方法.该方法利用窄带阵列测向方法实现了对宽带线性调频信号的快速测向,其计算效率和对阵元间距的适应范围均优于常规的宽带聚焦类测向方法.仿真结果表明新方法在处理线性调频信号时具有比常规的宽带CSM方法更优的性能.     

基于子空间分解的毫米波导引头运动补偿方法

 对毫米波导引头的高精度运动补偿能够极大地改善目标一维距离成像以及目标识别的效果.本文针对Costas频率编码脉冲体制导引头,通过引入具有较强噪声抑制能力的子空间分解思想,提出了一种利用多帧回波数据对导引头与目标的径向运动速度进行高精度估计的方法.此外,结合分解所得信号子空间的特殊结构,对新方法的计算效率进行了进一步优化.仿真结果验证了新方法的优越性能.     

脉冲多普勒雷达重频参数的一种序贯估计方法

针对逐脉冲序贯重频参数估计的场景,引入了评估变量控制对脉冲的缓存,对受漏脉冲和干扰脉冲等数据噪声污染的脉冲列进行了较高精度的参数估计;进一步对缓存区间内的脉冲采用试探整除的方法,对脉冲多普勒雷达截获脉冲列中重频切换的跳变时刻进行了跟踪检测。仿真实验验证了文中所提的重频参数序贯估计方法相较于传统重频参数估计方法在序贯估计场景下的有效性和优越性。     

线性阵列互耦矩阵和波达方向的联合估计

 针对线性阵列中因存在互耦效应导致很难直接估计信号波达方向的问题,结合线性阵列的阻抗特性,针对均匀线阵提出了一种计算量更小、稳健性更强的互耦矩阵和波达方向的联合估计方法.并把该方法推广到一般的线性阵列,解决了互耦条件下线阵的测向问题.仿真结果验证了这种新的联合估计方法在均匀线阵中的性能改进情况,以及向一般线阵扩展模型的可用性.     

基于多级维纳滤波的循环平稳信号阵列测向方法

针对现有的循环平稳信号阵列测向方法因存在计算量大而无法直接应用于工程实践的问题,通过引入子空间快速估计的多级维纳滤波思想,与Cyclic MUSIC和SC—SSF方法相结合,提出了基于多级维纳滤波的循环平稳信号阵列测向的快速实现方法,计算量分析和仿真结果表明,新方法在性能没有受到显著影响的情况下极大地提高了计算效率。