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。     

广义延拓矩阵的奇异值分解

具有广义行或列对称性结构的矩阵（即广义延拓矩阵）的奇异值和奇异向量与原矩阵（母矩阵）的奇异值和奇异向量存在定量关系,从而对于广义延拓矩阵的奇异值分解,可利用母矩阵奇异值分解来实现。这不但可以节省计算量和运算量,而且不影响任何数据的精度。     

平面含复铰运动链拉普拉斯矩阵描述方法与同构判定

为了在运动链构型综合过程中进行同构识别，课题组提出了一种拉普拉斯矩阵方法对平面含有复铰运动链的拓扑结构进行描述以及同构判定。首先，构建了一种拉普拉斯矩阵，利用奇异值分解来确定唯一性；其次，利用SVD分解得到奇异值向量，通过比较不同分量的奇异值向量形成拉普拉斯矩阵，从而判断是否同构来确定矩阵形成的唯一性机制；最后，通过案例进行证明。结果表明该方法具有有效性和高效性。     

基于LD分解的空间谱估计技术

提出了一种基于对阵列协方差矩阵进行 LD 分解的空间谱估计算法。对一大类阵列来说,该算法对空间谱估计方法的工程实现问题具有十分重要的实际意义。文中证明了特殊Hernitian 矩阵 LD 分解的原理,给出了求分解因式的递推公式,然后,由 LD 分解找出的信号子空间,得出了估计信号源方向的空间谱计算公式。理论分析和模拟结果表明,LD 分解和原有的特征分解法相比,更易于用专用数字信号处理片实现,有更小的计算量,需更少的存储单元。     

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。     

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。     

单向收缩QR算法在奇异值分解中的收敛特性

针对大型矩阵奇异值分解的数值计算问题,总结了单向收缩QR算法的特点,通过实例证明了该算法在处理由某些小幅度信号构造的大型矩阵的奇异值分解时存在不收敛的情况。从理论上分析了QR迭代过程中Givens变换矩阵的变化特点,发现算法出现不收敛现象的根本原因在于大型矩阵首行对角带元素的衰减,最终会使QR迭代时的第一个Givens右矩阵变为单位阵,从而导致后面所有Givens矩阵全部成为单位阵,引起QR算法失效。在此基础上进一步研究了首行元素的衰减对QR算法收敛速度的影响。对理论分析用实际数据进行了验证,从本质上探明了该QR算法的收敛特性。     

基于单边波动谱的奇异值分解降噪有效阶次确定方法

针对奇异值分解降噪中奇异值有效阶次难以确定的问题,提出了一种基于单边波动差分谱的奇异值分解降噪有效阶次确定方法。该方法首先将振动信号构造成hankel矩阵,再进行奇异值分解,利用分解所得的奇异值得到波动差分谱,最后根据波动差分谱的单边极大值来确定奇异值有效阶次。通过仿真数据以及实际轴承故障数据的分析,证明该方法能够有效提高信号的信噪比,为后续诊断工作奠定了良好基础。     

基于矩陣正交分解的自适应算法

自适应算法是各种自适应系统的核心.计算稳定性是衡量算法优良程度的重要指标之一.本文讨了论两类最小二乘算法的计算稳定性.其一是基于正则方程的递推求解方法,这是目前各种自适应算法的基础;另一是正交分解算法.后者的计算稳定性要比前者高.研究了一种基本的正交分解自适应算法,并指出,如果初始条件恰当,它将得到和批处理同样的结果.将这种方法用于空间谱估计,初步结果表明,用它能实现高分辨率精确测向.     

线性流形上D-对称矩阵的反问题

通过利用数值线性代数的系列工具——矩阵的奇异值分解（SVD）,广义奇异值分解（GSVD）,矩阵的广义逆等,解决了线性流形上的D-对称矩阵的反问题.最后给出了具体的例子作为说明,表明这个算法的可靠性.     

二维相干信号波达方向判断空间平滑算法

波达方向估计是智能天线的重要功能之一,对于相干信号角度模糊问题通常严重影响了方向判断的精准度.文中根据一维空间平滑基本理论和算法,对二维六边形阵列相干信号MUSIC算法波达方向估计问题进行了理论分析和仿真实验,提出了平面六边形阵列到十字形阵列的变换方法,成功地把一维平滑技术应用到平面六边形阵列,仿真表明,这种变换可以有效地消除相干信号的角度模糊问题.     

数字阵列雷达方位超分辨角度估计的仿真

基于幅度比较单脉冲方法的测角局限性,采用先进的阵列超分辨测向技术MUSIC算法,对处于同一距离门和频率门的2个目标,在纯噪声背景和杂波背景下进行了波达方向(DOA)估计,对不同的信噪比和目标进入角度,仿真了目标的分辨情况并计算了DOA角度估计的精度,证明了机载雷达方位超分辨角度估计可以较好地实现落入清晰区或者副瓣杂波区目标的角度分辨与精度估计,但是对目标的信噪比和进入角度有一定的要求.     

对相干信号源测向的空间序列相关技术

在空间谱估计方法的基础上,提出了一种克服多径效应的测向方法—空间序列相干技术(Spatial Seqence Correlation Technique)。该方法能有效地利用阵元数,且能得到高的测向精度和分辨率,并对其理论依据进行了严格的论证。计算机模拟结果表明这一方法比国外近期同类文献发表的方法性能更好。     

阵列单元取向对DOA估计的影响

针对以往DOA估计算法中智能天线系统的阵列单元模型多采用全向振子的情况,分析了当天线单元存在方向性时对MUSIC算法估计信号到达角的影响,并在进行阵元互耦校正后,讨论了影响MUSIC算法分辨率的一些因素,通过计算机仿真结果的比较表明单元取向、阵列方向性、信噪比对到达角分辨率有较大的影响。     

DS-UWB信号DOA的估计方法

到达角估计是直接序列超宽带系统的关键技术之一。传统的到达角估计方法都基于窄带信号,不能直接应用在该系统。针对该问题,提出了一种基于四阶累积量的到达角估计方法。该方法建立在直接序列超宽带系统阵列信号的频域模型。仿真结果表明该算法有效易行,能准确估计直接序列超宽带信号的到达角。     

一种新的波达估计方法

分析了目前常用的波达角估计算法,研究了等距线阵和圆阵的特点,指出其存在关于横轴镜像对称信号源的空间模糊性,利用等距T型阵克服了这一困难。提出了一种新的基于训练序列波角达估计新算法,新算法基于如下假设:各个信号源的训练序列互相正交,并且各个信号源都是幅度为1的恒模信号。该文给出了新算法的数学推导过程,得到一个简单的波达角估计公式。应用Matlab对新算法进行了仿真,仿真结果表明新算法能够快速、精确地估计波达方向。     

空间谱估计测向实验系统

空间谱估汁测向具有许多优异的性能，已得到理论分析和大量计算机模拟结果的支持。本文简要介绍一种空间谱估计测向实验系统的情况，包括测向原理、系统组成、关键技术问题分析和外场试验情况及试验结果等。实验表明，这种新型测向系统的确具有优异的性能和良好的工程实验前景。