小快照数下子阵列平滑对CAB算法的改进

一、子阵平滑对小快拍数下CAB算法的改善（论文文献综述）

张薇^[1]（2021）在《基于矩阵重构的相干信源波达方向估计算法研究》文中指出随着现代军事领域电子对抗技术的激烈竞争,实际电磁作战环境中信号的密度与复杂度显着增加。当雷达目标与巧妙设置的诱饵干扰等相干辐射源及其他独立辐射源并存时,针对独立辐射源的经典子空间类算法的性能急剧下降甚至失效。理论性能优良的子空间拟合以及稀疏重构等非子空间类算法尽管适用于相干辐射源环境,依然存在算法构造复杂、运算量较高而难以适用于实际工程应用的缺陷。典型子空间类解相干算法中的矩阵重构算法以其运算量适中、构造方式易于工程实用,且能结合理论业已成熟的子空间算法实现超分辨波达方向估计的优势引起广泛关注。然而,在实际工程应用中算法仍然面临受相位差影响稳健性差,角度间隔较近的相干信源估计性能低和对阵列结构依赖性强等问题。为了解决以上问题,本文以国家自然基金项目为依托,围绕子空间类解相干算法的相关理论及应用,全面研究矩阵重构类算法的构造机理,在基于信号特征矢量和基于数据矩阵信息这两类矩阵重构算法原理的基础上深入创新,重点在估计性能、运算复杂度和稳健性,以及阵列结构适应性等方面改进,为算法由理论向工程实用化推进做出一定的贡献。论文的主要研究工作与创新点如下:为了解决经典矩阵重构算法受相位差影响估计性能恶化的问题,提出稳健性更好的基于多列信号特征矢量矩阵重构算法。理论分析与仿真结果表明,该算法能够解决经典矩阵重构算法因相位差变化性能失效问题,同时相比传统特征矢量重构算法阵列孔径损失更小（阵列自由度更高）,信息利用率更高且估计性能更优。针对目标角度范围预装订的实际应用需求,提出一种基于波束空间加权矩阵重构算法,解决了经典算法运算复杂度高的问题。理论分析与仿真结果表明,该算法通过在预装订角度范围内合理选择加权矢量因子,能够有效避免相位差失效问题,且在保证算法测向性能的前提下,运算量更低。为了兼顾预装订需求、运算复杂度、测向精度等性能,提出更易于实战环境下基于完整数据协方差矩阵和相关矩阵信息平方矩阵重构算法。理论分析与仿真结果表明,该算法的估计精度、运算效率、解决相位差失效等综合性能较好,具有更好的工程应用价值。针对现有矩阵重构算法对阵列结构强依赖性的问题,提高作战环境中制导系统阵列孔径的利用率,选择均匀圆阵作为从均匀线阵向其他阵列推广的典型阵型,分别提出基于模式空间变换的特征矢量重构、波束空间加权矩阵重构和数据矩阵信息平方矩阵重构三类算法,通过理论推导与仿真分析验证了各算法的有效性,为其在实际工程应用与实战领域中具有更好的阵列结构适应性提供了理论参考。

张晓丽^[2]（2020）在《基于机器学习的阵列信号个数估计平台的设计》文中研究说明空间谱估计技术主要估计信号个数、估计信号来波方向（Direction of Arrival,DOA）两个方面,其中,大多数超分辨谱估计算法都是以正确估计信号个数为前提。如果信号个数估计有误,那么测向算法就会受到很大的影响。论文在空间色噪声背景下,信噪比较低和快拍数较小时,对独立信号和相干信号的估计算法性能下降问题进行深入研究。论文介绍了均匀线阵（Uniform Linear Array,ULA）信号模型、色噪声模型以及相干信号模型等,并通过仿真实验分析了三种情况下信号个数对DOA的影响,接着介绍了几种信号个数估计算法。其次,在色噪声背景下,提出了基于支持向量机（Support Vector Machines,SVM）的信号个数估计算法。利用接收数据中信号、噪声的差异性提取特征,训练SVM分类模型,再利用训练好的分类模型估计未知的信号个数。若接收数据中包含相干信号,可以解相干后用此方法估计信号个数。通过实验对比其他算法,可证明所提算法的有效性。然后,提出了反向传播（Back Propagation,BP）神经网络进行信号个数估计,并利用粒子群算法（Particle Swarm Optimization,PSO）解决神经网络训练不稳定或收敛状态差的问题。算法首先提取特征参数,然后将特征参数作为神经网络的输入训练模型,最后估计测试数据中的信号个数,且此方法同样可以对相干信号进行个数估计。通过实验对比其他算法,可证明所提算法有良好的估计性能。最后,利用数字信号处理器（Digital Signal Processor,DSP）实现两种信号个数估计算法。分别对算法的实现环节进行分析,通过实时测试结果表明,论文的信号个数估计算法都能达到良好的估计效果,具有一定的工程实用性。

刘晓宇^[3]（2020）在《不同阵列模型下DOA估计算法研究》文中进行了进一步梳理波达方向（Direction Of Arrival,DOA）估计作为阵列信号处理的研究内容之一,在雷达、声纳、通信、地震等军事和经济领域有着广泛的应用。嵌套阵列和互质阵列是近年来兴起的新型阵列,能显着提高阵列自由度,处理信源数大于阵列阵元数时的DOA估计,提高估计性能。针对不同阵列模型下,经典DOA估计算法的局限性,本文主要研究内容如下:首先在均匀线阵模型下,为解决当大型线阵或样本数较大时,MUSIC算法效率较低的问题,提出了基于Nystr（?）m和谱分解的Root-MUSIC算法。此算法使用Nystr（?）m方法对信号接收矩阵分解,构建了近似噪声子空间,该过程避免了直接计算协方差矩阵和协方差矩阵特征分解的过程,优化了MUSIC算法。谱分解算法进一步减少了Nystr（?）m-Root-MUSIC的多项式阶次,降低了Nystr（?）m-RootMUSIC的计算复杂度。仿真实验表明,此算法不仅在较高信噪比下具备较好的估计精度,还在大型阵列环境下有较高的估计效率。然后在嵌套阵列模型下,为解决当虚拟阵列阵元数远大于原始阵元数时,经典DOA估计算法性能较差的问题,提出了嵌套阵列下基于谱分解的DOA估计算法。此算法在分析了嵌套阵列结构的基础上,使用传播算子（Propagator Method,PM）算法对虚拟阵列的信号协方差矩阵分块,构造了近似噪声子空间。进一步利用谱分解算法简化PM-Root-MUSIC多项式求根的过程,提高了嵌套阵列下PMRoot-MUSIC算法的性能。仿真结果证明了此算法复杂度低,可以进行高精度的DOA估计。最后在互质阵列模型下,为提高二维MUSIC算法在低信噪比和小快拍数环境下的准确性和实时性,提出了基于子空间投影的改进二维MUSIC算法。此算法利用非圆信号的特性,扩展了信号接收矩阵,有效的将二维估计问题转换成一维估计问题,然后进一步采用子空间投影算法,修正了噪声子空间,仿真结果表明此算法在低信噪比和小快拍数环境下具有较好的估计性能。

李煜^[4]（2020）在《非均匀噪声条件下的DOA估计算法研究》文中研究指明在实际通信环境中,由于非期望干扰和阵列传感器硬件的差异性,接收信号通常受非均匀噪声的干扰,且信号中夹杂着难以分辨的相干信源,使现有的传统算法在低信噪比与小快拍数时性能往往严重下降。目前,关于非均匀噪声背景下的DOA估计算法研究较少,而为了进一步提高算法分辨力和角度估计精度,在非均匀噪声条件下,研究解相干,处理宽窄带信号以及基于压缩感知的DOA估计算法具有极大价值和重要的现实意义。由此,本文对非均匀噪声条件下的DOA估计算法展开了研究,改进了不同情形中的算法。主要内容是:首先,本文搭建天线阵列模型,分析选用了均匀线阵。对远场窄带和宽带阵列信号,还有非均匀噪声的数学模型,进行公式推导和参数分析。介绍了非均匀噪声和高斯白噪声的区别,展现了非均匀噪声的实际应用意义。建立相干信号源模型,分析相干信号的干扰原理。在窄带信号中,研究了多重信号分类算法的基本原理,并分析算法的优缺点和算法性能。对传统算法不能解相干的问题,分别研究了空间平滑算法和矩阵分解算法的基本原理,并且通过参数分析或实验验证了算法对相干信源的处理能力。在宽带信号中,介绍了ISM算法不能分辨相干信号的原理,还有CSM算法选取“聚焦矩阵”的问题。然后本文针对相干信源夹杂非均匀噪声在低信噪比和小快拍环境中使用常规DOA估计存在估计效果较差的情况:在窄带信号中,从改进的加权空间平滑出发,提出运用凸优化理论来克服协方差矩阵中的非均匀噪声,将其作为最优权重矩阵的DOA估计方法;在宽带信号中,从矩阵分解算法出发,提出利用凸优化抑制协方差矩阵里的非均匀噪声,且将零空间投影换为信号子空间投影并结合平方TOPS法,以减少估计误差,最后通过矩阵求迹进行谱峰搜索,降低了奇异值分解带来的计算量。仿真结果表明,相关改进算法在窄带信号和宽带信号中,具备优良的解相干能力,减小了信噪比和快拍数对DOA估计带来的误差干扰,而且在非均匀噪声干扰的环境下,相关改进算法也有着更佳的克服噪声干扰的能力,展现出更优良的估计性能。最后本文积极探索了在DOA估计里结合压缩感知技术,针对1l-SRACV算法在低信噪比等条件下,受非均匀噪声等因素影响,空间谱图容易出现伪峰和估计偏移的问题,提出一种修正的1l-SRACV算法,通过除去协方差矩阵主对角元素来抑制噪声。仿真结果表明,相对于经典MUSIC算法,1l-SVD算法和传统1l-SRACV算法,修正算法能够有效抑制伪峰的产生,验证了算法的有效性和准确性。

张伟科^[5]（2019）在《高分辨阵列信号DOA估计关键技术研究》文中研究指明到达角（DOA）估计是阵列信号处理的一个重要研究方向,其广泛应用在弹载被动阵列测角、语音信号处理、5G通信、射电天文等领域。随着现代信息技术的不断发展,DOA估计所面临的信号环境正变得日趋复杂。较高的测角精度和角度分辨力以及较低的计算复杂度往往是实际应用中所需要的,并且一些特定场景要求DOA估计算法具有二维测角能力、欠定DOA估计性能以及低信噪比、小快拍数下的适应能力。因此,本课题重点研究了雷达信号处理领域的互质阵列DOA估计问题、语音处理领域的准平稳信号DOA估计问题以及基于时频分析的宽带非平稳的线性调频（LFM）信号的DOA估计问题。对于互质阵列的DOA估计问题,论文首先从子阵解模糊求解思路出发,提出了基于多重旋转不变估计技术（MI-ESPRIT）和查找表（Lookup Table）的常规互质阵列DOA估计方法。MI-ESPRIT算法充分利用各子阵阵元之间的关系,提高了测角精度,同时避免了谱峰搜索,减少了算法计算量。两个子阵测角结果相结合进行解模糊时面临遍历搜索问题,而本文基于查找表方法来解模糊,减少了解模糊时的计算复杂度。再借助两个子阵列信号子空间之间存在的变换关系,避免了多信号DOA估计时的匹配错误。这种求解方法测角速度极快,精度较高,没有匹配错误,占用存储空间小,适合工程化应用。然后论文从矢量化虚拟域求解思路出发,对增广互质线阵进行建模,基于矩阵补全理论提出了性能更加优异的DOA估计方法。通过构造选择矩阵,论文可以直接对连续虚拟阵元的协方差矩阵进行操作,不需要协方差矩阵矢量化和空间平滑运算,并且通过构造误差抑制最小化函数避免了噪声和有限快拍带来的误差影响。在得到补全后虚拟阵元对应的协方差矩阵后,基于ESPRIT算法就可以实现DOA估计。这种求解方法进一步提升了DOA估计的自由度,同时由于论文基于矩阵补全理论填充了虚拟阵列的孔洞,扩大了虚拟阵列孔径,从而算法的测角精度也得到大幅提升。对于准平稳信号的DOA估计问题,为了提高准平稳信号在低信噪比和小快拍数下的测角性能,论文在稀疏重构的框架下提出了性能更加优越的算法。首先,论文基于增广互质线阵研究了准平稳信号的DOA估计问题。基于增广互质线阵对准平稳信号进行建模,充分利用增广互质线阵在虚拟域所具有的高自由度、大阵列孔径的优势,并且基于稀疏重构进行角度参数的估计。与基于均匀线阵和嵌套线阵的测角算法相比,本文提出的算法不仅能大幅增加测角的自由度,也提高了测角精度。然后,论文在On-grid类稀疏重构框架下,基于均匀圆阵构建了方位角和俯仰角的二维过完备基,同时把准平稳信号的二维DOA估计问题转化为误差抑制的凸优化问题。为了求解此凸优化问题,本文提出了两种求解思路。一种是使用CVX工具求解,另一种是基于交替方向乘子法（ADMM）把整体优化问题转化为多个无互耦的子问题,再并行迭代求解,后者相较前者大幅提高了计算效率。由于在稀疏重构框架下充分利用了均匀圆阵的二维联合稀疏表示,所以本文提出的算法不仅具有较好的测角性能,而且入射信号的方位角和俯仰角可以被同时估计出来。最后,论文考虑上述建模中存在的模型失配的问题,在Off-grid的框架下研究了基于稀疏贝叶斯学习的准平稳信号DOA估计问题。论文从稀疏贝叶斯的角度重新描述重构模型中的变量,再利用最大期望迭代算法去求解准平稳信号的DOA。由于论文基于一阶泰勒展开构建Off-grid模型,这在一定程度上缓解了基失配造成的影响,所以这种方法的测角性能有较大提升。对于宽带非平稳的LFM信号在时频域内存在交叠时传统测角算法失效的问题,论文分别在短时傅里叶变换（STFT）和威格纳-维尔分布（WVD）时频域内研究了基于霍夫（Hough）变换的单信号时频点选择算法。首先论文分别在STFT和WVD变换域内,基于经验阈值滤除噪声项时频点,并且在WVD时频域内还需要根据预白化算法移除互项时频点。然后,论文基于Hough变换移除时频域内的多信号时频点,得到单信号时频点集合,再根据同一信号的时频点对应的空间时频分布矩阵（STFD）具有相同的特征矢量的性质求出隶属于各个信号的单信号时频点集合。最后论文根据每个信号的单信号时频点分别构造平均STFD矩阵,实现DOA估计。由于论文提出的算法准确获取了隶属于每个信号的单信号时频点,所以所提算法具有较好的测角精度和角度分辨率,同时具有欠定DOA估计能力。除此之外,在STFT分布域内,所提算法还能解决多个信号相交于一点时DOA估计问题,是一个较大的创新,仿真试验和微波暗室实测验证了所提算法的有效性。

马黎文^[6]（2019）在《基于修正后矩阵分解的最优协方差宽带DOA估计研究》文中研究说明目前在国际通信系统技术的要求中,除了要实现大容量、高速率以外,如何提高信号带宽及频谱利用率也是难题之一。宽带信号相较于窄带信号,其所携带的信息更多,分辨力与抗干扰能力也比窄带信号要强,而宽带信号的延时扩展以及多径衰减问题也可以通过阵列技术的使用来有效克服。因此宽带信号相较于窄带信号所具有的种种优点使得对于宽带信号的研究极具价值。为此,本文对宽带阵列信号的波达方向（Direction of Arrival,DOA）的子空间类算法进行了研究,并针对信噪比、快拍数以及非均匀噪声的影响,对算法进行了改进。论文主要研究改进的是子空间类算法,主要工作如下:首先,本文对阵列信号进行了建模以及参数分析。研究了窄带信号DOA估计中的多重分类算法。对MUSIC算法以及能够实现相干信号解相干的空间平滑算法的原理与存在问题进行了研究与分析。研究了宽带阵列信号的子空间类算法,宽带信号子空间类DOA算法分为了非相干信号子空间（Incoherent Signal Subspace Method,ISM）类算法和相干信号子空间（Coherent Signal Subspace Method,CSM）类算法。本文介绍了ISM算法的原理及其存在问题,而对于CSM类算法的研究,主要放在了如何构造聚焦矩阵上,本文介绍了三种常用的聚焦矩阵的构造方法并对这三种方法进行仿真对比。然后针对传统DOA估计在信号相干、低信噪比与噪声非均匀环境下性能差的问题,本文基于修正后的矩阵分解,提出一种利用凸优化的协方差矩阵最优DOA估计方法。修正后的矩阵分解方法,解相干的同时克服了孔径损失,利用凸优化原理重构出无噪声的协方差矩阵,利用最小化搜索计算出DOA。仿真结果表明,所提算法与矩阵分解（matrix decomposition,MD）算法、l1-SVD算法以及基于空间平滑的协方差秩最小化估计（spatial smoothing based covariance rank minimization,SS-CRM）算法比较,能更地抑制非均匀噪声,且在低信噪比条件下,依然性能良好。最后,针对CSM算法虽然能够实现解相干但是对于入射角预估计过于依赖、在非均匀噪声下性能恶化的问题,TOPS算法能够克服算法对角度预估计准确性的依赖,但是算法依旧存在伪峰过多、无法解决非均匀噪声对DOA估计性能的干扰等问题。基于TOPS算法进行进一步的改进,提出了基于OC-SMD算法的改进TOPS算法。首先针对TOPS算法伪峰过多的问题,对该算法的构造矩阵进行了修正,接着基于凸优化原理,利用协方差最优的约束要求,对阵列输出数据矩阵中的噪声部分进行处理。该算法克服了TOPS算法频谱有过多伪峰的问题,并且能够克服低信噪比、低快拍数以及非均匀噪声对于算法性能的影响。

董文^[7]（2019）在《基于残缺电磁矢量传感器阵列的DOA估计算法研究》文中认为电磁矢量传感器是由若干个极化特征不同的极化天线组成。由电磁矢量传感器构成的极化敏感阵列,不仅可以接收电磁波的幅度、相位和波形等信息,还可以接收电磁波的极化信息。完备的电磁矢量传感器可以接收时域、空域和六维的极化域信息,和传统的标量阵列相比,极化敏感阵列拥有更好的抗干扰能力和更高的分辨力。残缺的电磁矢量传感器仅包含完备的电磁矢量传感器的部分子天线,使其在保持极化敏感阵列优点的同时,具有更少的接收数据、更小的互耦效应和空间体积。因此,残缺的电磁矢量传感器被广泛的应用于雷达、声呐、导航和通信等军事和民用领域。本文针对残缺的电磁矢量传感器的数学模型、分辨力以及参数估计算法展开深入研究,以提高参数估计精度和减少计算复杂度,主要成果包括以下三个方面:首先,针对由单偶极子天线组成的分布式阵列的分辨力问题展开研究,结合信源估计和MUSIC谱估计,建立分辨力与相似度的参数方程。验证了相同条件下,极化阵列对空间临近的两个信号的分辨能力更强。首先建立任意方向偶极子天线对入射信号响应的数学模型,然后定义分辨力是空间中很近的两个信号源入射到阵列上时的分辨能力。通过研究两个信号导向矢量的相似度与分辨力的关系,并且结合信源估计和秩亏MUSIC算法,得出分布式阵列比传统的标量阵列拥有更好的角度分辨力。仿真实验表明极化阵列比标量阵列拥有更好的空间角度分辨力。其次,研究了基于双正交偶极子组成的均匀线阵的参数估计问题,利用四元数模型降低参数估计的计算复杂度,并提高估计精度。首先利用四元数模型对接收数据进行重构,重构后的接收数据维数降低了一半。当信号为圆信号时,重构后的接收数据的协方差矩阵可以进一步化简。然后使用求根MUSIC算法对化简后的协方差矩阵进行DOA估计,并利用广义特征值求出信号的极化角度。由于在DOA估计的全部过程中不需要进行谱峰搜索,在提高估计精度的同时,大幅减少了计算复杂度。然而上述算法是在入射信号不相关为前提下成立的,针对独立信号和相干信号同时存在的混合信号参数估计问题,提出一种基于四元数的参数估计算法。所提算法在四元数模型下,利用Toepltiz矩阵将独立信号与相干信号分离。然后使用求根MUSIC算法对独立信号的进行DOA估计,再利用特征矢量重构的方法对相干信号进行解相干,最后再次使用求根MUSIC算法对解相干后的信号进行DOA估计。该算法在保持低复杂度的同时,对独立信号进行分离,扩大了阵列孔径,提高了测向精度。仿真实验表明两种算法具有良好的估计性能。最后,针对基于三正交偶极子的阵列扩展问题,提出两种基于极化互质阵列的矩阵重构算法。首先建立由三正交偶极子组成的互质阵列的数学模型,设计一个更合理的互质阵列。然后提出了一种基于互质阵列的矩阵重构MUSIC算法,该算法充分利用三正交偶极子三个通道的所有信息形成一个拥有更多阵元的虚拟线阵。形成虚拟线阵之后,使得原本不相干的信号变为相干信号,因此需要使用前后向空间平滑的方法对虚拟阵列的协方差矩阵进行解相干。该算法可以估计出超过真实阵元数量的信源,实现阵列扩展。但该算法在低快拍数时性能急剧下降,甚至失效。针对上述问题,提出一种基于互质阵列的稀疏算法。所提算法利用压缩感知的原理,将协方差矩阵稀疏后,再利用极化阵列的多接收通道特点进行去噪处理。最后使用基追踪的方法对获得的新协方差矩阵进行DOA估计。所提的稀疏算法在低快拍数依然可以进行DOA估计,并且不需要预先知道信源数。针对形成的功率谱中存在伪峰的问题,设计了一个滑窗方法找出真实峰值。仿真实验表明两种算法均可以实现阵列扩展。基于矩阵重构的互质MUSIC算法在大快拍数时拥有良好的估计性能。而基于矩阵重构的稀疏算法在小快拍数时比前者估计性能更好,并且不需要预先的信源估计。

王炎^[8]（2019）在《极化敏感阵列的二维DOA与极化参数估计算法研究》文中提出波达方向（Direction-Of-Arrival,DOA）估计,又称为测向技术、空间谱估计,是现代阵列信号处理领域一个重要的分支,广泛应用于雷达、声呐、无线通信以及生物医学等军事和民用领域。基于波达方向估计的被动雷达系统具有隐蔽性高、作用距离远、抗电磁干扰能力强等优点,逐渐成为电子对抗领域中不可缺少的重要组成部分。现有的被动雷达测向系统大多采用由标量传感器组成的天线阵列对辐射源信号进行接收,但是随着电子对抗技术的发展,电磁环境日益复杂,标量传感器阵列逐渐无法满足测向系统的需求。由电磁矢量传感器构成的极化敏感阵列以矢量形式接收电磁波信号,能够同时感知入射信号的空域信息和极化信息,因而可以有效地提高被动雷达测向系统的估计精度、分辨能力、抗干扰性能等。因此,研究基于极化敏感阵列的二维DOA与极化参数估计算法具有重要的现实意义。本论文围绕极化敏感阵列的二维DOA与极化参数估计问题展开深入研究,针对现有算法仍然存在的一些问题提出相应的解决方法。主要的研究内容如下:首先,针对如何降低算法的运算复杂度、提高测向算法实时性的问题,提出了一种基于实数运算的降维MUSIC算法。该算法先提出了极化双向平均技术,将协方差矩阵的特征值分解过程由复数域转化到实数域,降低了构建噪声子空间的计算量;然后利用秩亏损原理将二维DOA估计与极化参数估计相解耦,构建了实数的空间谱函数,降低了谱峰搜索的计算量;最后,利用广义特征值分解的方法估计了入射信号的极化参数。该算法将协方差矩阵分解过程和空间谱函数由复数域转化到实数域,同时降低了谱峰搜索的维度,从而极大地减少了参数估计的运算时间。此外,极化双向平均技术扩展了信号矢量模型的数据长度,一定程度上提高了算法的估计精度。实验室仿真验证了所提算法的有效性。其次,针对低信噪比以及各阵元接收噪声功率不同等非理想的测向环境,提出了一种基于稀疏表示与重构的二维DOA与极化参数估计算法。该算法首先计算了 COLD极化敏感阵列电偶极子和小磁环接收数据的自协方差矩阵和互协方差矩阵,通过矢量化操作建立了多测量矢量模型;然后建立了二维空域网格,将多测量矢量写为稀疏表示形式;最后利用l1范数最小化的稀疏重构算法获得了二维DOA与极化参数估计。该算法将二维DOA与极化参数完全分开在过完备字典和系数矩阵这两部分之中,使得稀疏重构算法能够完全利用接收数据的空域信息,提高了算法的估计精度。此外,该算法通过线性变换剔除了稀疏表示模型中的噪声项,抑制了噪声对参数估计的影响,提高了算法在低信噪比下的估计精度。计算机仿真验证了算法具有良好的估计性能。最后,针对常规的阵元摆放间隔不大于半波长的阵列结构其阵列孔径和自由度有限的问题,提出了基于互质极化敏感阵列的二维DOA与极化参数估计算法。该算法将互质阵列结构引入到极化敏感阵列,构建了双平行互质极化敏感阵列;利用三正交偶极子天线能够完全接收电场矢量的特性,建立了不包含极化参数的互协方差矩阵,并通过矢量化操作推导出了一个自由度更高的虚拟均匀线阵;然后利用空间平滑的MUSIC算法以及稀疏表示与重构算法估计了入射信号的二维DOA;最后基于DOA估计结果,利用最小二乘法计算了入射信号的极化参数。阵元的稀疏摆放增大了阵列孔径、降低了互耦效应,从而提高了算法的估计精度,同时互质结构的利用扩展了阵列自由度,能够在有限物理阵元个数下估计更多的信号源。计算机仿真实验验证了所提算法的有效性。

吕望晗^[9]（2019）在《基于空时互质采样的宽频段信号参数估计》文中认为频率和波达方向（Direction-of-Arrival,DOA）是反映辐射源特征的两大重要参数,对这两种参数的精确估计在电子侦察、目标定位等方面有着广泛的应用。传统的信号参数估计方法都是基于奈奎斯特采样框架。互质采样是近几年来出现的一种新的稀疏采样理论,主要包含时域的互质采样和空域的互质阵列,互质采样技术可以有效地降低系统对射频前端硬件的要求和后续的数据运算量,因此受到国内外的广泛关注。时域互质采样理论主要考虑了采样间隔为MT和NT的情形,其中M和N为互质整数,T是Nyquist采样间隔。它可以利用信号xc（t）在采样时刻t=kNT和t=kMT处的稀疏样本恢复出Nyquist间隔的自相关函数Rc（τ）。在谱估计中不需要进行解模糊操作,而且可以将频域侦测的信号数从O（M+N）提高到O（MN）。对于互质阵列,我们也可以得到类似的结论,只需将时域Nyquist采样间隔T变成空域Nyquist采样间隔λ/2。论文以互质采样理论为基础,分别研究了基于互质采样的谱估计方法、基于互质阵列的DOA估计方法以及基于空时互质采样的频率和DOA联合估计方法,为实际应用奠定基础。论文的研究成果主要有:1.多速率互质采样及超分辨谱估计方法。为了进一步降低系统的采样速率和解决频率估计中模型失配的问题,我们将双速率互质采样拓展到了多速率互质采样的情形,提出了多速率互质采样下的超分辨频谱估计方法,并引进了一种改进的支撑集缩减准则,可以有效降低算法的运算量。其次,为了有效降低双速率互质滤波器组方法中的硬件成本和提高分辨率,研究了一种基于多速率互质滤波器组的谱估计方法,理论推导和仿真实验都表明,在滤波器数量大致相同时,基于多速率互质滤波器组的频谱估计方法获得的频谱分辨率要远高于双速率的情形。2.基于空时互质采样的宽频段多窄带信号频率和DOA联合估计方法。首先,将互质阵列与时域互质采样结合,建立了空时互质采样下的阵列信号接收模型,通过对空时协方差矩阵向量化得到空时差集域的虚拟接收信号,考虑到信号在空域和频域是稀疏的且为了充分利用空频域的可探测自由度,提出了一种基于二维稀疏恢复的频率和DOA联合估计方法,进一步分析讨论了系统采样速率最小化条件下空时互质参数的选取。在此基础上,对空时互质采样下频率和DOA联合估计性能进行了理论分析与推导,给出了频率和DOA参数联合估计克劳美罗界（Cramer-Rao Bound,CRB）的闭合表达式及其存在的充分必要条件。在互质阵列结构确定的条件下,当信号源个数小于空时处理单元数时,参数联合估计的CRB随着信噪比的增加逐渐趋向于零;当信号源个数大于等于空时处理单元数时,CRB则随信噪比的增加趋向于一个非零常数。此外,联合估计的CRB均随快拍数的增加逐渐趋于零。3.空时互质采样下稳健的频率-DOA联合估计方法。众所周知,基于离散网格的稀疏恢复方法存在模型失配和谱泄露等问题。为此,首先提出了一种基于二维泰勒级数展开的校正算法,在原稀疏恢复模型中引入频率网格失配误差项和角度网格失配误差项进行二维修正,并采用一种改进的贪婪算法和凸优化算法来联合求解二维网格失配误差项,能够在网格失配情况下将目标校正到精确位置上,该方法有效改善了频率和DOA参数联合估计的精度。另外,我们研究了一种基于二维超分辨理论的频率和DOA参数估计算法,该方法是一种无网格模型,且给出了实现二维恢复鲁棒性的保证条件和优化方法。4.宽频段稀疏多带信号的参数估计方法。首先,为了进一步降低稀疏多带信号DOA估计中的数据量,提出了基于互质阵列和欠Nyquist采样结构的DOA估计方法,该方法在空域采用互质阵列,时域采用多陪集采样,进一步降低了对前端硬件的要求和数据量,我们也对所提算法的复杂度进行了分析,仿真结果验证了其可行性。结合稀疏多带信号欠采样的调制宽带转换器（Modulated Wideband Converter,MWC）,提出了一种基于互质阵列的MWC实现新方法及相应的频率估计算法。与典型的多通道调制宽带转换器结构相比,互质阵列的引入可以进一步降低系统的采样速率;另外,互质阵列中各个通道的噪声相互独立,可以有效改善后续处理的信噪比。最后,我们针对跳频信号的频谱感知问题,提出了一种基于时域分段处理的动态感知方法。

范彦琪^[10]（2018）在《基于稀疏子阵采样的大型阵列自适应波束形成方法研究》文中提出在自适应波束形成中,高自由度大型阵列自适应波束形成技术的重要性日益提升。而基于稀疏子阵采样的大型阵列自适应波束形成可以在降低波束形成系统硬件成本和运算量的同时保持大型阵列的高自由度性能。本文主要研究了一维线性阵列中的稀疏子阵采样自适应波束形成技术及其稳健方法,并将基于稀疏子阵采样的自适应波束形成技术拓展至二维面阵。首先,本文对阵列自适应波束形成方法进行了研究,介绍了一维线性阵列和二维矩形面阵的信号模型,从理论上推导了最小方差无失真响应（MVDR）波束形成算法,仿真分析了系统误差对MVDR波束形成系统的影响,进而引入可以减小系统误差对波束形成系统影响的稳健波束形成方法,从理论和仿真实验上说明了稳健方法的有效性,为接下来MVDR波束形成器和稳健方法在基于稀疏子阵采样波束形成系统中的应用提供了理论基础。其次,本文研究了基于稀疏子阵采样的大型线性阵列自适应波束形成方法,建立了一维嵌套阵和一维互质阵的采样模型,理论推导了利用稀疏子阵的二阶统计信息进行高维协方差矩阵重构的方法。接着,将重构后的高维协方差矩阵作为MVDR波束形成器的输入,可以得到维度与大型阵列相同的加权矢量,实现了降低大型线性阵列硬件成本和运算量的同时保持其高自由度特性的目的。然后,本文提出了一种基于稀疏子阵采样系统的稳健波束形成方法。通过获取阵列的阵元位置和期望信号角度估计区间等先验信息,利用重构的稀疏子阵高维协方差矩阵进行期望信号导向矢量的估计。接着,去掉稀疏子阵高维协方差矩阵中的期望信号,重新估计一个干扰加噪声协方差矩阵计算加权矢量。该方法可以解决波束形成中导向矢量失配的问题,并且在样本数据有限时也能保持良好的稳健性。最后,本文建立了基于二维稀疏子阵采样的大型面阵自适应波束形成系统模型。介绍了嵌套面阵和互质面阵的阵列结构,分析了嵌套面阵和互质面阵的自由度,给出了二维稀疏子阵的选取准则,接着,推导了二维稀疏子阵高维协方差矩阵重构和加权矢量的计算方法。基于二维稀疏子阵采样的波束形成系统能够获得与大型面阵相同的空间自由度。

二、子阵平滑对小快拍数下CAB算法的改善（论文开题报告）

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

三、子阵平滑对小快拍数下CAB算法的改善（论文提纲范文）

（1）基于矩阵重构的相干信源波达方向估计算法研究（论文提纲范文）

（2）基于机器学习的阵列信号个数估计平台的设计（论文提纲范文）

（3）不同阵列模型下DOA估计算法研究（论文提纲范文）

（4）非均匀噪声条件下的DOA估计算法研究（论文提纲范文）

（5）高分辨阵列信号DOA估计关键技术研究（论文提纲范文）

（6）基于修正后矩阵分解的最优协方差宽带DOA估计研究（论文提纲范文）

（7）基于残缺电磁矢量传感器阵列的DOA估计算法研究（论文提纲范文）

（8）极化敏感阵列的二维DOA与极化参数估计算法研究（论文提纲范文）

（9）基于空时互质采样的宽频段信号参数估计（论文提纲范文）

（10）基于稀疏子阵采样的大型阵列自适应波束形成方法研究（论文提纲范文）

四、子阵平滑对小快拍数下CAB算法的改善（论文参考文献）

• [1]基于矩阵重构的相干信源波达方向估计算法研究[D]. 张薇. 哈尔滨工业大学, 2021(02)
• [2]基于机器学习的阵列信号个数估计平台的设计[D]. 张晓丽. 黑龙江大学, 2020(04)
• [3]不同阵列模型下DOA估计算法研究[D]. 刘晓宇. 上海大学, 2020(02)
• [4]非均匀噪声条件下的DOA估计算法研究[D]. 李煜. 兰州交通大学, 2020(01)
• [5]高分辨阵列信号DOA估计关键技术研究[D]. 张伟科. 国防科技大学, 2019(01)
• [6]基于修正后矩阵分解的最优协方差宽带DOA估计研究[D]. 马黎文. 兰州交通大学, 2019(04)
• [7]基于残缺电磁矢量传感器阵列的DOA估计算法研究[D]. 董文. 哈尔滨工程大学, 2019(04)
• [8]极化敏感阵列的二维DOA与极化参数估计算法研究[D]. 王炎. 哈尔滨工程大学, 2019(04)
• [9]基于空时互质采样的宽频段信号参数估计[D]. 吕望晗. 南京理工大学, 2019(06)
• [10]基于稀疏子阵采样的大型阵列自适应波束形成方法研究[D]. 范彦琪. 哈尔滨工业大学, 2018(01)