混响干扰下的潜艇目标尺度识别

为了对混响干扰下的潜艇目标进行识别,提出一种尺度识别方法。该方法在建立混响条件下的潜艇回波亮点模型的基础上,利用自身多普勒抑制技术对潜艇回波进行混响抑制,然后采用高分辨的MUSIC算法,对潜艇目标亮点进行方位估计,从而实现目标的尺度识别。仿真结果表明,该方法具有很高的方位分辨率,能够很好地实现对潜艇目标的尺度识别,具有很强的实用性。     

一种基于MUSIC改进算法的宽带水声信号DOA估计

提出一种适用于水声宽带信号的DOA估计算法。该方法首先将时域宽带信号变换到频域,然后划分子带,在每个子带上进行不同的加权得到信号的DOA估计。同时子带算法采用改进的MUSIC算法,降低了DOA高分辨力估计所需要的信噪比。计算机仿真对比了MUSIC算法和改进后算法的空域分辨力,同时也对比了不同信噪比下2种算法的性能。仿真结果表明,改进后的算法无论在适用信噪比条件还是分辨能力上均有较大提高。最后采用某型水下航行器的实航数据对算法进行验证,验证结果表明该算法可在实际应用环境中获得良好的DOA估计。     

基于压缩感知的正交偶极子阵列信号参数估计

[目的]针对传统的极化敏感阵列的波达方向(DOA)估计算法运算复杂度高、实时性差的问题,提出基于压缩感知的正交偶极子极化敏感阵列结构.[方法]将数据压缩思想应用于阵列结构设计,压缩接收信号矢量维度,减少射频前端链路数量,以控制系统的复杂度,使阵列结构设计具有高度的灵活性.基于结构降维多重信号分类(MUSIC)算法;首先...     

地波雷达目标方位角估计算法

地波雷达由于其良好的超视距目标探测性能得到广泛重视与研究。而作为参数估计的重要组成部分,获取精确的目标方位估计算法一直是地波雷达阵列信号处理的主要工作。近年来,地波雷达阵列天线不断趋向于小型化,使得在进行方位角估计过程中,高分辨算法得到了研究与应用。本文针对地波雷达阵列接收信号数据特点,重点对比分析3种高分辨算法的性能,为DOA估计提供算法选择依据,具有重要的工程应用价值。     

DOA估计中MUSIC算法与ORPD算法的联合应用

ORPD算法是一种对来波方向（DOA）估计的最佳分辨方法，但这种算法需要预知信源的大致方位。多信号分类（MUSIC）算法对DOA估计稳定性较好，伪峰情况基本不存在，精度较高，但其分辨能力不如OIWD算法。利用MUSIC算法较好的稳定性，首先预测信源的大致方位，然后利用OIWD算法对DOA进行估计。仿真结果表明，这种方法是比较有效的。     

单矢量水听器MUSIC估计与互谱估计的性能比较研究

为了研究单矢量水听器的目标方位估计能力,将MUSIC算法和互谱法分别用于单矢量水听器方位估计。根据单矢量水听器的阵列流形特点,将子空间分解理论应用到单矢量水听器方位估计上,实现了单矢量水听器的MUSIC高分辨方位估计。对单个的目标进行方位估计仿真,同时将MUSIC算法与互谱法进行比较,得到在低信噪比下,MUSIC算法的方位估计精度要高于互谱法。在高信噪比下,MUSIC算法和互谱法的方位估计有比较好的性能。水库试验数据验证了该MUSIC算法和互谱法的有效性。     

一种宽带水声目标DOA估计方法

针对现有的基于压缩感知的宽带水声目标DOA估计方法中存在估计计算时间长、失败率高的问题,将稀疏贝叶斯学习重构方法应用到宽带水声目标DOA估计中,采用定点方法对SBL算法中的核心超参量进行求解,提出一种基于稀疏贝叶斯学习的宽带水声目标DOA估计方法.通过仿真实验,验证了该方法的可行性与有效性,并证实该算法相对于常用的波束形成算法、MUSIC算法、SBL算法以及BP算法具有运算速度快、重构精度高等优点.     

基于四阶累量切片的MUSIC法研究及仿真试验

波达方向估计方法中,基于子空间的多重信号分类法(MUSIC)有很高的分辨力、估计精度及稳定性,但在高斯色噪声环境下,利用自相关的特征子空间进行处理的MUSIC算法受到很大限制.而基于四阶累量切片的特征子空间的MUSIC算法可以很好地进行处理.仿真表明,该算法在高斯色噪声下,是实现高分辨方位估计的有效方法.     

基于变分模态时频分布下的水下目标DOA估计研究

在声呐、雷达等设备的目标探测中,声源方位估计是需要解决的关键问题之一。针对水下传感器阵列接收信号的波达方向角(DOA)估计算法中,传统的BP神经网络算法会因网络参数不合理和层数过多导致过拟合的问题,以往通过粒子群算法(PSO)进行优化后,网络仍容易过早结束训练而导致性能不佳。为此,本文提出一种基于变分模态分解结合粒子群算法优化后的BP神经网络算法。首先对目标回波信号进行可变模态分解,对分解得到的各分量进行时频分析后叠加的谱图特征作为经粒子群算法优化后的BP神经网络算法的输入进行训练测试,以此来提高阵元接收目标回波的DOA估计精度。仿真实验结果表明,结合变分模态分解及粒子群算法优化的BP神经网络具有更好的识别效果和泛化能力,提高了DOA的估计精度。     

基于四阶累积量的最小模DOA估计方法

高阶累积量由于对高斯噪声不敏感,在高分辨阵列信号处理中可用来提高参数估计的分辨性能。本文从一个统一的角度来研究基于高阶累积量的高分辨阵列信号处理方法,用四阶累积量构造了一个较通用的累积量矩阵,该矩阵符合最小模(M in-Norm)算法的结构,从而可进行DOA(D irection of Arrival)估计。由于四阶累积量对高斯噪声干扰不敏感,从而可提高估计的分辨性能。本文就这种方法在阵列信号处理中的应用,通过计算机仿真与基于二阶矩的M in-Norm算法进行了较全面的比较。仿真结果表明,该方法在高斯噪声中具有良好的统计性能,是实现高分辨方位估计的有效方法。