电磁矢量传感器阵列相干信号源波达方向和极化参数的同时估计:空间平滑方法

研究如何利用电磁矢量传感器阵列中隐含的冗余空域信息解决多个相干极化信号源的二维波达方向(DOA)和极化参数的同时估计问题。基于整个阵列中所隐含的多个空域旋转不变结构,将组成阵列的单个或多个电磁矢量传感器单元看作一个无模糊子阵,利用空间平滑方法对阵列数据进行预处理,以恢复信号协方差矩阵的秩特性。在此基础上,利用多信号分类方法(MUSIC)和旋转不变参数估计方法(ESPRIT)完成多个相干极化信号源的二维 DOA 和极化参数的同时估计。文中还讨论了成功进行信号解相干的必要条件,并通过计算机仿真验证和比较了所给方法的有效性及其辨识能力。     

均匀圆阵DOA估计的一种酉变换方法

针对基于均匀圆阵的子空间类DOA估计算法包含大量复数运算、硬件实现复杂的问题,提出了阵元空间中的一种酉变换方法。该方法利用阵列的中心对称性将协方差矩阵和导向矢量分别转化为实对称阵和实矢量,从而大大降低了硬件实现复杂度。基于该酉变换的MUSIC算法在性能上优于传统的MUSIC算法和均匀圆阵模式空间酉MUSIC算法。     

基于传播算子的宽带谱相关测向算法

考虑宽带源波达方向（DOA）估计问题,提出了一种基于传播算子的宽带谱相关测向算法。该算法通过循环相关运算降低了噪声和干扰对估计结果的影响,通过多尺度布阵可以获得高精度无模糊二维DOA估计。此外,该算法不需要谱峰搜索,具有计算复杂度低的优点。计算机仿真验证了算法的有效性。     

基于四阶累积量张量联合对角化的多数据集联合盲源分离

该文提出一种基于四阶累积量张量联合对角化的联合盲源分离(J-BSS)算法。首先通过计算4阶互累积量将多数据集信号的J-BSS问题转化为4阶张量联合对角化问题。接下来,基于雅可比连续旋转将张量联合对角化这类非线性优化问题,转化为一系列可获取闭式解的简单子优化问题,并通过交替迭代对多数据集混合矩阵进行更新,进而实现J-BSS。实验结果表明,所提算法具有良好的收敛性能,较之现有的同类型BSS及J-BSS算法具有更高的精度。此外,该算法在分离实际胎儿心电信号方面也表现出良好的性能。

     

四维正交矢量天线导向矢量的秩-1模糊

本文研究共点放置的极化敏感四维正交矢量天线导向矢量(PACS)中隐含的秩-1模糊问题.论文首先定义了同维数但具有不同形式的PACS之间的两种等价关系,在此基础上分析和讨论了几种典型的四维PACS的秩-1模糊.给出的仿真实验结果验证了文中所得出的结论.     

电磁矢量传感器阵列信号波达方向估计:双模MUSIC

 针对电磁矢量传感器阵列信号波达方向(DOA)估计问题,提出了一种基于张量模型的双模MUSIC算法,并讨论了双模MUSIC角度参数和极化参数的分离问题,提出一种低维双模MUSIC算法.(低维)双模MUSIC算法利用了张量信号子空间与两个噪声子空间的双模正交性,通过连续两次子空间投影完成DOA估计.计算机仿真结果表明,(低维)双模MUSIC算法性能要明显优于传统基于矩阵模型的MUSIC方法.     

空间相干源信号频率和波达方向的同时估计方法

本文针对宽频段窄带相干信号源,充分利用多重信号分类和旋转不变两大技术,结合一定的时域信息,提出了一种高精度的信号频率和波达方向同时估计方法.该方法通过构造平滑波达方向矩阵进行参数估计,无需搜索过程和配对处理.计算机仿真验证了本文所提出方法的有效性.     

四元数域宽带鲁棒自适应波束形成

该文提出一种基于四元数的宽带鲁棒自适应波束形成方法。在利用四元数构造阵元输出的基础上,通过期望信号复包络对齐技术,建立四元数域宽带对合增广宽线性信号模型,以联合利用四元数阵列输出矢量的3种对合信息和2阶统计特性以及信号非圆信息,采用信号加干扰子空间投影方式,有效提取期望信号,抑制多个不相关干扰和噪声,进而实现四元数域宽带鲁棒自适应波束形成。同其它宽带波束形成方法相比,该方法对非圆信号的接收性能提升,可以实现阵列虚拟孔径扩展,有效克服指向误差带来的性能下降问题。计算机仿真结果验证了该方法的性能。      

"数字信号处理"课程研究型教学实践

本文根据"数字信号处理"课程的教学要求及其特点,进行了研究型教学的初步实践.从研讨内容规划设计,课堂研讨组织形式和研讨学习质量评价等三个方面,介绍了教学具体实施过程及其效果.实践结果表明,研究型教学在学习兴趣激发、创新意识和能力培养以及学生主体意识增强等方面有积极的促进作用.     

理解DFT如何逼近FT的实例教学法

本文结合一个离散傅里叶变换DFT计算实例,分析了DFT与连续时间傅里叶变换FT之间的联系,以较为直观的方式阐述了由FT到DFT的演变过程,以及该过程关键环节对最终结果的影响,主要包括谱泄漏,折叠效应,栅栏效应以及谱折移等.教学实践表明,通过该实例讲述DFT对FT的逼近问题,能有效加深学生对DFT的认识和理解.