针对L型阵列多输入多输出(multiple-input multiple-output,MIMO)雷达二维空间角估计问题,提出一种基于协方差矩阵联合稀疏重构的降维波达方向(direction of arrival,DOA)估计算法。该算法根据L型阵列MIMO雷达联合流型矢量的特点,通过...针对L型阵列多输入多输出(multiple-input multiple-output,MIMO)雷达二维空间角估计问题,提出一种基于协方差矩阵联合稀疏重构的降维波达方向(direction of arrival,DOA)估计算法。该算法根据L型阵列MIMO雷达联合流型矢量的特点,通过降维矩阵的设计及回波数据的降维变换,最大程度地去除了所有的冗余数据;通过协方差矩阵联合构造稀疏线性模型,将2维角参量空间映射到1维空间,极大降低字典长度和求解复杂度的同时,不牺牲阵列孔径,实现了二维空间角度的有效估计和参数的自动配对。理论分析与实验仿真表明:与RD_MUSIC算法相比,本文降维处理有效提高阵元利用率的同时,最大程度地降低了回波数据的维数;与传统子空间类算法相比,基于协方差矩阵联合构造的稀疏线性模型充分利用了阵列孔径,无需预先估计目标数目,参数估计性能在低信噪比及小快拍数据长度下优势明显。最后,仿真结果验证了本文理论分析的正确性和算法的有效性。展开更多
针对含噪环境下数字调制混合信号盲源分离（BSS）误码率（BER）过高的问题,提出了一种基于Robust ICA的二阶段盲源分离算法R-TSBS。该算法采用Robust ICA算法对阵列响应向量构成的混合矩阵进行估计,然后利用数字调制信号的有限符号集特...针对含噪环境下数字调制混合信号盲源分离（BSS）误码率（BER）过高的问题,提出了一种基于Robust ICA的二阶段盲源分离算法R-TSBS。该算法采用Robust ICA算法对阵列响应向量构成的混合矩阵进行估计,然后利用数字调制信号的有限符号集特征,在第二阶段用最大似然估计（MLE）方法估计各个数字调制源信号发送的符号序列,达到盲源分离的目的。实验仿真表明,传统的独立成分分析（ICA）算法如Robust ICA算法和Fast ICA算法误码率很高,在信噪比（SNR）为10 d B时,其误码率达到了3.5×10-2左右,而基于Fast ICA的二阶段盲源分离算法F-TSBS和基于Robust ICA的二阶段盲源分离算法R-TSBS的误码率则下降到了10-3,分离性能得到了明显改善;在较低的信噪比（0~4 d B）下,R-TSBS算法较F-TSBS算法约有2 d B性能提升。展开更多
文摘针对L型阵列多输入多输出(multiple-input multiple-output,MIMO)雷达二维空间角估计问题,提出一种基于协方差矩阵联合稀疏重构的降维波达方向(direction of arrival,DOA)估计算法。该算法根据L型阵列MIMO雷达联合流型矢量的特点,通过降维矩阵的设计及回波数据的降维变换,最大程度地去除了所有的冗余数据;通过协方差矩阵联合构造稀疏线性模型,将2维角参量空间映射到1维空间,极大降低字典长度和求解复杂度的同时,不牺牲阵列孔径,实现了二维空间角度的有效估计和参数的自动配对。理论分析与实验仿真表明:与RD_MUSIC算法相比,本文降维处理有效提高阵元利用率的同时,最大程度地降低了回波数据的维数;与传统子空间类算法相比,基于协方差矩阵联合构造的稀疏线性模型充分利用了阵列孔径,无需预先估计目标数目,参数估计性能在低信噪比及小快拍数据长度下优势明显。最后,仿真结果验证了本文理论分析的正确性和算法的有效性。
文摘针对含噪环境下数字调制混合信号盲源分离（BSS）误码率（BER）过高的问题,提出了一种基于Robust ICA的二阶段盲源分离算法R-TSBS。该算法采用Robust ICA算法对阵列响应向量构成的混合矩阵进行估计,然后利用数字调制信号的有限符号集特征,在第二阶段用最大似然估计（MLE）方法估计各个数字调制源信号发送的符号序列,达到盲源分离的目的。实验仿真表明,传统的独立成分分析（ICA）算法如Robust ICA算法和Fast ICA算法误码率很高,在信噪比（SNR）为10 d B时,其误码率达到了3.5×10-2左右,而基于Fast ICA的二阶段盲源分离算法F-TSBS和基于Robust ICA的二阶段盲源分离算法R-TSBS的误码率则下降到了10-3,分离性能得到了明显改善;在较低的信噪比（0~4 d B）下,R-TSBS算法较F-TSBS算法约有2 d B性能提升。
