阵元分集与SVD降噪

针对高距离分辨（ＨＲＲ）雷达系统，提出了一种抑制噪声的方法。该方法引入辅助阵元接收目标回波形成测量矩阵，首先对该矩阵作奇异值分解（ＳＶＤ），建立信号子空间和噪声子空间，然后对信号进行估计并重构出噪声受抑的测量矩阵，在重构矩阵中进行同相相加，降低噪声电平，以提高噪声背景下雷达检测和识别能力。     

加权信号张量子空间拟合算法

提出了一种基于三阶张量高阶奇异值分解的声矢量阵列加权信号张量子空间拟合算法。首先对声矢量阵接收信号进行三阶张量建模,并通过高阶奇异值分解得到信号张量子空间,从而结合加权信号子空间拟合算法进行空间方位谱估计。由于基于高阶奇异值分解得到的信号张量子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声,并且体现了多维数据之间的关联关系,因此具有更高的方位估计精度。理论和仿真结果表明:该方法在低信噪比、等强度不相关信号和强相关信号条件下仍具有良好的目标分辩能力和稳定性,工程应用价值较高。     

累量域二维波达方向估计方法

提出了一种新的适合任意高斯噪声环境的高分辨二维波达方向(DOA)估计方法——联合对角化4阶累积量-DOA矩阵方法。该方法以阵列的特殊结构为基础,利用四阶累积量构建3个子阵,采用联合对角化技术获得信号的二维角估计,适用于存在一维角度兼并的情况,且无需二维谱峰搜索和参数配对,从而避免了配对算法在低信噪比、小角间距或者复杂的信号传播环境下所带来的弊端。仿真结果证明了该方法的有效性。     

基于数据阵共轭重构的MUSIC角估计算法

介绍了一种利用接收数据及其共轭重构得到新的数据矩阵,然后借助于数据阵奇异值分解实现的修正MUSIC算法,并指出了这将有助于改善协方差矩阵特征值的分布,从而提高信号到达方向（DOA）的估计性能。在相同的信噪比和快拍数条件下,该方法无论是在角估计的均方误差、信号源角分辨能力等方面均优于普通的MUSIC算法,并给出了验证理论分析的计算机仿真结果。     

基于均匀圆阵的相干信号波束形成方法

提出一种新的相干波束形成方法,利用内插变换对相干背景下的真实阵列进行虚拟平移,得到多个虚拟平移后的信号协方差矩阵;对其进行平均后,所得到的相干信号协方差矩阵具有满秩性。利用一般的波束形成法求出最优权向量。该方法解决了五阵元均匀圆阵下二维相干信号的波束形成问题。计算机仿真表明该方法在小快怕数及低信噪比时能很好地抑制相干干扰,对期望信号和相干信号方向估计误差具有较强的稳健性。     

分块结式矩阵逆阵的快速算法

利用结式矩阵求逆矩阵的多项式快速算法,给出了具有结式矩阵块的分块矩阵逆矩阵的一种快速算法。该算法仅用结式矩阵的第一行元素进行计算,在计算机上实现时只有舍入误差,故在理论上是精确的。最后给出了应用该算法的数值例子。     

TD-SCDMA中一种新的空分多址实现算法

利用TD-SCDMA中上下行信道的对称性,提出一种在基站侧进行发送信号处理以实现空分多址的算法,并分析了其计算复杂度。该算法通过对空时二维信号的处理,发送空时二维信号构成一个矩阵,利用矩阵的零子空间以实现空分多址。该算法无需改变终端结构,在基站侧安装8根天线,就可以以适中的计算复杂度取得系统容量的数倍提高。     

噪声背景下提取调制信息的改进奇异值分解技术

在介绍现有奇异值分离技术基本原理及其在故障诊断中的应用的基础上，研究了利用信号时间序列重构的吸引子轨迹矩阵奇异值分布特征与信号特征的关系，引入自相关函数定量计算重构矩阵的延时步长，改进了现有算法，使得吸引子轨迹矩阵的重构更加合理。研究表明该方法能在强噪声背景下提取出所需的调制信号，并成功用于齿轮箱调制故障信号的提取。     

适于大阵列天线应用的多相关信号方向估计

研究了使用大型天线阵列对相关信号进行DOA估计的修正协方差矩阵的方法,主要对接收信号的协方差矩阵中的噪声功率部分进行抑制,得出了最终的谱估计式,并进行DOA估计。其理论分析和仿真结果表明,该方法对于相关信号以及空间角度比较接近的信号有较好的分辨能力。     

直接正交联合对角化盲分离算法

针对盲源分离问题,利用白化预处理后信号的二阶和高阶累积量矩阵具有正交联合对角化的结构性质,以及多个实对称矩阵具有相同特征向量即可同时正交对角化的实对称矩阵的特征分解的理论,提出一种基于部分累积量矩阵特征分解的直接正交联合对角化算法。该算法仅需要部分累积量矩阵信息,从而大大降低计算过程中的存储量和计算量。通过数值模拟,该算法和经典的JADE算法性能接近,可以有效地进行盲分离。