一、多DSP并行处理技术在信号DOA估计中的应用（论文文献综述）
强晓微[1]（2021）在《大规模MIMO系统的低复杂度宽带信号DOA估计算法研究》文中研究表明大规模多输入多输出（Massive Multiple-Input Multiple-Output,Massive MIMO）通信技术在空间中投入使用大量的天线来满足5G及下一代移动通信系统的高要求传输服务。然而保证高质量通信的前提就是获得准确的信道状态信息（Channel State Information,CSI）,阵列信号波达方向（Direction of Arrival,DOA）技术可以准确估计用户来波方向的角度参数,为通信系统提供准确的CSI,因此DOA估计技术的使用能保证大规模MIMO系统性能,大规模MIMO系统下的DOA估计技术已经成为众多研究学者的重点研究方向。现代通信系统中的各种通信技术需要采用宽带信号来提高信息传输速率及信道容量,宽带通信系统应用更加广泛。宽带信号DOA估计受到不同信号频率的影响,传统的窄带DOA估计技术日渐显现出不适用性,这为研究宽带信号DOA估计带来了巨大挑战。解决宽带信号DOA估计的经典传统算法可以总结为两类高分辨子空间类方法:针对非相干信号的ISM子空间估计算法（Incoherent Signal Subspace Method,ISM）和针对相干信号的CSM子空间估计算法（Coherent Signal Subspace Method,CSM）。虽然CSM算法相比于ISM算法具有分辨率高、估计误差小的优势,但是当大规模MIMO系统配备大量的天线时,繁杂的矩阵计算会降低DOA估计的效率,因此本文针对大规模MIMO系统下传统宽带信号DOA估计CSM类算法中存在的计算量大、估计时效性差的问题,从简化阵列运算和提高角度搜索效率两大方向对其做出改进,分别从以下三点进行研究:（1）首先为了降低子空间类算法中特征值分解带来的计算复杂度,对宽带信号入射到阵列的数据协方差矩阵采取实值化处理的办法,提出一种实值DOA估计方法,能减小阵列数据的计算量。（2）其次为了进一步提高宽带信号DOA在大规模MIMO系统下的搜索效率,本文接着在谱峰搜索过程中使用智能优化算法中的遗传算法（Genetic Algorithm,GA）优化角度搜索过程,利用GA算法对宽带信号DOA估计进行全局搜索。（3）最后为了降低GA多参数设置的影响及弥补算法过早收敛的缺陷,本文继续使用计算简单、参数更少的粒子群优化算法（Particle Swarm Optimization,PSO）对峰值搜索进行优化,直接利用宽带信号的空间谱函数作为适应度函数,得到一种高效搜索DOA的宽带信号角度估计算法。仿真结果表明所提算法能准确的估计出宽带信号DOA,并且提高了搜索效率,也降低了计算复杂度,使得传统的宽带信号DOA估计算法突破原有的局限,对未来通信发展具有重要的研究价值。
赵春雷[2]（2020）在《高频地波雷达多维多极化参数联合估计方法研究》文中研究说明在高频地波雷达系统中,改善杂波抑制效果、提高目标检测性能的有效手段是充分利用目标与杂波在多个维度上的差异,例如,回波的二维波达方向（direction-of-arrival,DOA）以及极化信息的利用都被证明可以带来显着的性能提升。因此,快速、可靠地估计二维DOA和极化参数至关重要。高频地波雷达背景下的阵列信号参数估计通常面临入射信号相关性强、可用快拍数少等问题,传统算法虽然统计意义明确,但大多要求快拍数充足且信号相关性较低;而基于稀疏建模的参数估计方法尽管适用于相干信号和少/单快拍情形,但通常需要棘手的人为参数调节,或在多维参数估计中计算复杂度极高。因此,在本文针对的应用场景中往往希望结合两者各自的优点以提高算法的实用性。为此,本文考虑从可靠的统计准则出发,推导有效的稀疏类参数估计算法,以期同时获得良好的自适应能力以及对相干信号和少/单快拍情形的广泛适用性;而为提高计算效率,本文将着重开发适当的降维估计机制以及低复杂度的快速实现算法。本文的主要研究成果总结如下:首先,针对基于单极化阵列的二维DOA估计,本文提出了适用于任意平面阵列的降维机制和估计算法。鉴于相干积累后的可用快拍数少,本文考虑采用稀疏类方法实现DOA估计。为解决庞大的二维参数字典带来的高计算复杂度问题,本文提出了基于连续近似的降维估计方法（continuous approximation based dimension-reduced estimator,CADRE）,其借鉴了L形阵列可基于两个正交子阵分别独立地估计两个轴向夹角的思想,通过对导向矢量的连续列空间进行近似线性表示构造了二维轴角解耦的基矩阵,从而将二维DOA估计分解为两次独立的一维DOA估计;为实现基于降维模型的DOA估计,本文提出了一种随机最大似然（stochastic maximum-likelihood,SML）意义下的自适应块稀疏恢复算法、以及用于其快速实现的组循环最小化（group-wise cyclic minimization,GCM）类数值优化算法。为弥补降维导致的性能损失,本文还提供了基于加权信号子空间拟合（weighted signal subspace fitting,WSSF）的估计值修正方案。本文算法具备角度超分辨能力,在相干信号和少/单快拍条件下性能优越,且其速度显着快于与之性能相近的传统二维DOA估计算法。其次,针对多极化阵列的DOA与极化参数联合估计,本文建立了接收数据的块稀疏表示模型、并提出了基于块稀疏信号恢复的参数估计算法。首先,鉴于任意极化波均可分解为两个正交方向上的信号分量,接收数据可以仅由各方向来波的双正交分量对应的纯空域导向矢量线性表示,而极化信息包含于相应的表示系数中;基于此,本文通过对DOA进行网格化构造了具有块稀疏结构的待恢复信号,相应的字典尺寸仅为用于单极化阵列DOA估计的传统字典的两倍。其次,基于上述模型,本文提出了源于SML准则的最大似然块稀疏参数估计（likelihood-based estimation of block-sparse parameters,BLIKES）算法,并证明了其与回归分析中常用的“Lasso”类方法的理论等价性,从而得到了与BLIKES等价的基于平方根（square-root,SR）族或最小绝对偏差（least absolute deviation,LAD）族组Lasso的快速自适应估计（efficient adaptive group SR/LAD Lasso based estimator,EAGLE）算法。为提高计算效率,本文进一步提出了推广自适应预处理交替方向乘子法（generalized adaptive preconditioned alternating direction method of multipliers,GAP-ADMM）以快速求解EAGLE的优化子问题,从而使EAGLE可用于BLIKES的快速实现。此外,BLIKES和EAGLE还提供了应对非均匀噪声的鲁棒版本。本文算法对任意极化敏感阵列、完全/部分极化信号广泛适用,在相干信号和少/单快拍条件下性能突出,且其速度比同样具有最优估计性能的现有算法至少快一个数量级。最后,本文进一步分析了多极化阵列的流形模糊、以及作为DOA与极化参数联合估计的均方误差下界的克拉美罗界（Cramér-Rao bound,CRB）,前者是参数估计的可靠性保证,后者则提供了参数估计算法的性能评估标准。在流形模糊方面,针对多极化线阵和在高频地波雷达系统中更具实用性的非共点多极化阵列的相关理论结果仍然欠缺,而本文明确给出了这两种阵列的可辨识参数维度和模糊参数集。在DOA与极化参数的CRB方面,现有的CRB基于随机信号假设给出,本文进一步针对已知/未知波形的确定信号推导了CRB的闭式表达式,并探讨了其与随机信号CRB的关系、以及与流形模糊之间的内在联系。另外,本文还结合仿真和实测数据验证了所提算法的有效性和优势、以及相关理论结果的正确性。
麻付强[3]（2020）在《脉冲噪声环境下麦克风阵列的DOA估计技术研究》文中研究指明随着计算机及物联网技术的迅速发展,声学信息采集趋向于阵列传感器融合方式,有效地提高了系统对环境的感知能力。其中,波达方向（Direction of Arrival,DOA）估计是麦克风阵列的一项重要研究内容,被广泛应用于战场监测和视频会议等声源定位系统中。传统的DOA估计技术一般都是基于高斯噪声模型的假设,但是高斯分布不能有效地描述具有严重拖尾的脉冲噪声。由于地杂波和人为因素的影响,声学环境中的噪声存在着大量数据突变的冲击响应,导致基于二阶统计量的DOA估计算法性能退化甚至失效。同时,随着麦克风阵列信号处理技术的迅速发展,传感器接收的声学信号大多数为宽带信号,并且声学信号的形式越来越复杂。基于窄带信号模型的DOA估计算法已经无法满足实际需求,亟需研究宽带模型下声学信号的DOA估计技术。针对上述问题,本文以提高麦克风阵列系统的DOA估计精度为目的,对声学脉冲噪声、低快拍和低信噪比等情况下DOA估计的性能退化以及宽带DOA估计依赖于初始预估角度等难点进行了系统且深入的研究。本文的主要研究内容和创新点如下:1)两种基于广义最大复值相关熵的DOA估计算法:提出了广义最大复值相关熵准则,能够有效地处理复值信号,且抑制脉冲噪声。针对脉冲噪声环境下基于二阶统计量的DOA估计性能退化问题,分别提出了基于广义最大复值相关熵的中值差分相关熵算法（MDCO）和基于广义最大复值相关熵的复值拟牛顿算法（QN-GMCCC）。（1）MDCO算法构造了中值差分最大相关熵代价函数,将其作为时域信号协方差的权重因子。并根据KL（Kullback-Leibler）散度原理,设计自适应核宽度选择策略,自适应应对脉冲噪声的变化。仿真实验表明,MDCO能有效抑制脉冲噪声,提高DOA估计精度。相对QN-GMCCC,MDCO的计算复杂度较小,可以应用于嵌入式系统。（2）QN-GMCCC算法利用子空间分解原理求解信号残余拟合误差矩阵的GMCC-loss最小化模型,然后采用交替迭代方法将最小化广义最大复值相关熵问题转为凸优化模型,最后利用复值拟牛顿法求解GMCC-loss函数,保证了二阶偏导正定性。仿真实验表明,QN-GMCCC能有效抑制脉冲噪声,实现二阶超线性全局收敛,且在低快拍情况下具有高精度的DOA估计。2)迭代重加权变分贝叶斯学习（OG-WVBL）的DOA估计:针对脉冲噪声环境下低快拍、低信噪比、异常点难以识别等问题,OG-WVBL算法将脉冲噪声的DOA估计转化为稀疏异常点和DOA估计的联合变分贝叶斯学习问题。利用信号和脉冲噪声的稀疏先验分布,OG-WVBL通过最大化KL散度的下界来求解稀疏向量,避免了计算边缘似然函数,从而有效实现DOA估计和识别脉冲噪声位置分布。采用迭代重加权策略对稀疏先验模型中重要信息的稀疏超参数赋予大的权重因子,获得稳定的变分贝叶斯学习的后验概率模型,提高了算法的收敛速度和收敛精度。仿真实验表明,OG-WVBL算法无需信号源数目的先验估计。OG-WVBL算法能够有效识别脉冲噪声位置和幅值,有效解决低快拍、低信噪比等问题,提高DOA估计精度。3)聚焦信号子空间的宽带DOA估计:针对相干信号子空间方法的聚焦变换需要初始角度估计和算法性能依赖预先角度估计精度的问题,提出了基于酉变换聚焦信号子空间的宽带DOA估计算法（FSS）。FSS算法利用宽带信号参考频率点的信号子空间和各个频率点的信号子空间构造酉聚焦变换矩阵。FSS的聚焦矩阵不会使阵列输出的信噪比发生变化,聚焦过程为无损聚焦变换。为了实现解相干和降低算法复杂度,进一步设计了基于实值信号聚焦信号子空间的宽带DOA估计算法（RFSS）。采用酉变换技术构造实值协方差矩阵,并利用前后空间平滑技术实现解相干。仿真实验表明,FSS算法不会受到DOA预估计误差的影响,提高了聚焦精度。RFSS算法能有效估计宽带相干和非相干信号源。4)基于FPGA和DSP的麦克风阵列DOA估计系统:将上述脉冲噪声环境下窄带DOA估计算法与宽带FSS算法相结合,构建了宽带和窄带DOA的统一模型,设计并建立以 FPGA（Field Programmable Gate Array）和 DSP（Digital Signal Processor）为核心的DOA估计平台。分别在实际的高斯噪声和脉冲噪声环境中,验证了创新点1、2、3对静态卡车、动态卡车的DOA估计的有效性。因此,本文可以有效地应用于含有脉冲噪声的战场监测和视频会议等声源定位系统中,具有很好的实际应用价值。
李煜[4]（2020）在《非均匀噪声条件下的DOA估计算法研究》文中研究表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。
何倩雯[5]（2020）在《基于射频信号DOA估计的小型无人机定位系统》文中提出近年来,民用无人机行业发展迅速,但对于这类无人机的管控手段却相对滞后。如何有效应对非法入侵的无人机,这一问题已成为行业痛点。大部分反制无人机的手段能够有效实施的前提是可以探测无人机并对其进行定位。针对这一问题,本文设计了一种基于射频信号波达方向（Direction of Arrival,DOA）估计的小型无人机定位系统,可以接收无人机发出的射频信号并估计其俯仰角和方位角。具体而言,本文的主要工作如下。1.本文提出了一种利用阵列天线和超外差接收机接收特定无人机频段信号,并利用现场可编程门阵列（Field Programmable Gate Array,FPGA）进行数据采集与高速信号处理的无人机定位系统结构,并完成了整个系统的实施,该系统不仅可以实时实现DOA估计,还具备包括跳频、天线阵列校准在内的一系列功能。2.本文提出了一种DOA估计算法的硬件加速方法。具体而言,在DOA估计中涉及到特征值分解,本文针对实现特征值分解需要使用Jacobi算法,耗时较长的问题,提出了一种基于FPGA的并行Jacobi加速计算方法。传统Jacobi算法的每次迭代步骤需要使用三个坐标转换数字计算机（Coordinate Rotation Digital Computer,CORDIC）算法周期,本文提出的这种基于积化和差和三角变换法则并结合符号集的方法,使Jacobi算法的每次迭代步骤耗时减少到约一个CORDIC算法周期。本文提出的无人机定位系统可以对400米范围的无人机进行三维定位,角度估计均方根误差在7°以内。本文提出的特征值分解硬件实现方法是算法经典实现方法速度的3倍。
洪文军[6]（2020）在《基于稀疏重构算法的测向技术研究》文中认为空间信号波达角估计是阵列信号处理技术中的重要研究方向,其在军事、工业等领域都有着重要的应用。随着无线电技术的发展及电磁环境的日益复杂,空间中的电磁干扰也日益严峻,这对传统的测向技术提出了更高的要求。基于稀疏重构算法的测向技术适应低信噪比、少快拍数,且具有计算量小的优点,因此成为测向算法研究的热点课题之一。目前,稀疏重构算法中的贪婪类算法在DOA估计中精度较高、计算量较小,但是,算法在稳定性与精度上仍然存在一些不足。本文对贪婪类算法的DOA估计进行了深入的研究,并优化了算法的原子匹配过程。本文的另一个研究重点是多径相干信号的DOA估计,对独立信号与相干信号分别采用子空间类算法与稀疏重构算法进行处理,实现对混合信号的DOA估计。具体内容如下:首先,本文研究了阵列信号DOA估计的基本原理与信号接收模型,进一步的,研究了稀疏重构算法的原理,并研究了基于稀疏重构算法的阵列信号接收模型,为后面的研究打下基础。其次,研究分析了现有的三种贪婪类算法优缺点,优化算法的关键步骤,提高算法的性能。本文采用粒子群优化算法来优化原子的匹配过程,并借鉴压缩正交匹配追踪算法中的回溯策略,对已经匹配到的原子进行二次检验,提高算法原子匹配的准确性。然后,考虑到实际应用中复杂的测向环境,信号在传播过程中会发生多径效应,阵列接收到的信号既包含独立信号,也包含相干信号,进而研究处理混合信号DOA估计的算法。通过差分的方法,将阵列接收信号的协方差矩阵分解构造成独立信号矩阵、相干信号矩阵、噪声矩阵三部分,使用子空间算法处理独立信号的DOA估计,将相干信号构造成稀疏块矩阵,构造感知字典,降低原传感矩阵中列的相关性,通过感知字典与残差的最大相关性来匹配原子,提高贪婪类算法对相干信号组的DOA估计性能。最后,基于GNU Radio和软件无线电平台,搭建了基本的测向系统,该系统的主要模块有信号产生模块、算法处理模块、结果显示模块,将本文研究的算法在该系统中进行仿真实验,验证了算法的DOA估计具有较高的精度。
向宇[7]（2020）在《水下目标定位声纳信号处理算法研究与实现》文中研究说明Pinger信号是一种带宽、脉宽均较窄且有固定重复周期的脉冲信号,是用于对水下合作目标进行定位的常用信号。本论文针对某水下合作目标定位系统对Pinger信号实时检测与估计的需求,以多核DSP芯片作为信号处理硬件平台,设计并实现了一套实时信号处理软件,该软件具有信号检测、时延估计、频率估计和目标方位估计功能。论文最终完成了实时信号处理软件调试、定位系统整机联调以及定位系统湖上试验,对本论文设计实现的实时信号处理软件进行了充分检验验证,达到了预期目标。首先,论文开展了针对Pinger信号的信号检测、时延估计、频率估计与方位估计算法的理论及仿真研究,分析了信噪比、脉冲信号不同参数等条件对信号检测与参数估计性能的影响,考察了算法的稳健性与工程可实现性。根据仿真结果与实时平台计算效率要求,制定了以基于STFT的非相参累加算法、基于频差修正的FFT插值算法以及波束域MUSIC方位估计算法为核心的信号处理方案。其次,论文在完成信号处理理论与仿真分析的基础上,通过算法移植,设计并实现了基于核心处理芯片TMS320C6678的信号处理软件。该软件通过配置NDK网络接口和IPC核间通信模块,实现了数据共享与多核多线程并行处理,利用TI底层函数库完成了Cache缓存一致性维护。之后对整套实时信号处理软件的实时处理耗时、内存占用等情况进行了测试。最后,论文对信号处理软件进行了实验室调试及性能测试,参与完成了整个定位系统的实验室联调以及全系统湖上试验测试,对本论文设计实现的实时信号处理软件进行了系统、全面地检验验证,圆满完成了论文研究工作。
张伟科[8]（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。
户盼鹤[9]（2019）在《多径传播条件下的非合作目标无源探测关键技术研究》文中认为非合作目标无源探测技术研究一直是雷达目标探测领域中一个颇受关注的课题。近些年来,在越来越重视复杂电磁环境和有效实施武器系统隐蔽攻防的趋势下,利用外辐射源工作的非合作目标无源探测系统具有造价低廉、隐蔽探测、抗电磁干扰以及反隐身等优点,在学术界和工业界引起了广泛的研究热潮。相对于传统调频广播、电视、导航卫星等外辐射源,以雷达为外辐射源具有更远的探测距离、更高的分辨率等特点,而以捷变频相控阵雷达为外辐射源开展非合作目标探测技术研究则更具代表性和挑战性,对于提高非合作目标探测性能具有非常重要的应用价值。利用捷变频相控阵雷达开展非合作目标探测既能丰富可利用的外辐射源种类,又能充分利用先进体制雷达带来的诸多优势。然而,非合作的工作方式受制于外辐射源特性,因此在信号处理中也会面临新的技术难题。一方面,利用的外辐射源是捷变频相控阵体制雷达,捷变频技术会破坏脉冲回波之间的相位一致性,相控阵天线技术会导致系统收发天线的空间同步困难。另一方面,利用的外辐射源工作在低频段,多径传播效应非常严重,目标回波中期望信号与多径信号强相关、甚至完全相干,并且在空间上夹角很小,很容易入射到同一个波束宽度内。此外,来自外辐射源的直达波经过反射、绕射也可能被参考天线同时截获,其能量较强且波达方向很有可能与目标回波信号同向。基于上述问题分析,本文紧密围绕非合作目标无源探测样机系统研制的实际需求,开展了基于捷变频相控阵雷达外辐射源的非合作目标无源探测关键技术研究,用于解决工程应用中多径传播条件下直达波多分量参数估计、空间相邻信号波达方向估计以及非合作目标检测定位工程化实现等问题。论文取得的研究成果能有效弥补复杂电磁环境中常规雷达目标探测上的不足,为主被动一体化空天态势感知提供有力的技术补充,对于推动非合作目标无源探测技术的工程化、实用化提供一定的参考和借鉴价值。本文具体工作内容概括如下:第二章对非合作目标无源探测理论和问题进行阐述分析。首先在非合作目标无源探测系统基本结构的基础上,通过推导双基地雷达距离方程以及双基地威力覆盖范围对非合作目标无源探测性能进行分析;然后给出了非合作目标无源定位原理,并对双基地距离和误差、目标视角误差对非合作目标定位的精度影响进行分析;最后对外辐射源特性和多径传播特性进行分析,明确了非合作目标无源探测中的主要问题,为后序章节开展多径传播条件下的直达波参数估计算法、波达方向估计算法研究以及非合作目标检测定位工程化实现研究提供了解决思路和理论基础。第三章针对多径传播条件下的非合作目标无源探测系统直达波参数估计问题,提出了基于分数阶傅里叶域稀疏重构的直达波参数估计方法,用于解决多径传播条件下多径分量导致的直达波参数估计问题;提出了最近邻域卡尔曼滤波的直达波参数估计算法,用于解决复杂电磁环境中不仅包含多径分量,而且还存在多个外辐射源信号的直达波参数估计问题。仿真实验和实测数据验证了提出算法的有效性。第四章针对多径传播条件下的非合作目标无源探测系统波达方向（Direction of Arrival,DOA）估计问题,提出了基于空间差分迭代自适应的DOA估计算法。该算法首先基于不相关信号和相干信号的特征值模性质将不相关信号从相干信号里区分出来,同时进行DOA估计。然后,利用空间差分技术消除阵列协方差矩阵中不相关信号的贡献。最后,利用迭代自适应算法（Iterative adaptive Algorithm,IAA）对重构的协方差矩阵进行处理以完成相干信号DOA估计。该算法充分结合空间差分技术和IAA算法的优点,同时避免了它们的缺点。仿真实验表明该算法具有超分辨DOA估计性能,且在信噪比低、样本快拍有限的条件下依然取得良好的信号分辨效果。第五章首先介绍了非合作目标无源探测样机系统的总体架构,主要包括直达波处理分系统和目标回波处理分系统及工程化平台。然后,提出了一种非合作目标无源探测信号处理方案。该方案利用同时形成的多个波束覆盖观测区域实现空间同步、利用直达波参数估计实现时频同步。接着,根据目标检测与噪声检测的统计特性差异利用基于概率统计直方图方法将不同距离-方位单元内的微弱目标回波检测出来,并以此为先验信息在双基地距离-慢时间回波平面进行动目标检测。通过比幅测向或DOA估计进一步完成目标的角度测量,并利用双基地距离和-角度定位方法实现非合作目标定位。最后,基于样机系统开展的非合作目标探测实验验证了该信号处理方案在非合作目标检测与定位中的可行性和有效性。
石昊强[10]（2019）在《二维MUSIC算法的FPGA高速并行实现研究》文中指出DOA估计是阵列信号处理最主要的两个研究方向之一,其主要估计信号的空域参数或信源个数。MUSIC算法是DOA估计中综合性能比较优秀的估计算法之一,其算法理论研究和实际硬件工程实现研究都有重要的意义和价值。但其在进行二维DOA估计时需要进行大量复杂计算,本文针对这个问题,主要对二维MUSIC算法在FPGA上的高速并行实现进行研究。论文的主要研究工作有以下几方面:首先,对MUSIC算法和二维MUSIC算法的数学模型进行推导分析,并对其在任意阵列模型下的算法估计进行了数学推导论证。同时结合计算过程和硬件实现顺序将二维MUSIC算法的FPGA实现总体方案划分为三个子模块,主要包括协方差矩阵计算,特征值分解和二维谱峰搜索三大模块。然后,详细设计了基于参数化和模块化设计的协方差矩阵计算模块,该模块可以实现任意维数协方差矩阵的计算。其次,针对双边Jacobi迭代变换进行矩阵特征值分解的FPGA设计实现结构,通过利用同时具有旋转模式和向量模式的Cordic模块设计,实现了一种可利用流水线技术的串行计算设计结构,此设计计算结构可以在较低资源消耗的情况下进行可变矩阵维数的特征值分解。最后,针对二维MUSIC谱计算的硬件实现,通过利用ROM计算导向矢量和Cordic模块计算谱函数值实现了其硬件结构设计,在简化设计的同时提高了计算的精度和灵活度。针对二维谱峰搜索计算量大的问题,通过利用并行计算和粗细搜索策略。设计了一种通过分区域搜索和不同扫描间隔搜索进行二维谱峰搜索的FPGA硬件实现结构,并在FPGA上仿真实现了整个算法系统。并将多种阵列模型下的FPGA仿真测试结果及MATLAB仿真结果与理论数据进行对比分析,证明了二维MUSIC算法的FPGA实现结果的正确性。
二、多DSP并行处理技术在信号DOA估计中的应用（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、多DSP并行处理技术在信号DOA估计中的应用（论文提纲范文）
（1）大规模MIMO系统的低复杂度宽带信号DOA估计算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 宽带信号波达方向估计研究现状 |
| 1.3 宽带信号DOA估计智能优化算法研究现状 |
| 1.4 论文主要内容及章节安排 |
| 第二章 宽带信号DOA估计原理 |
| 2.1 空间谱的概念 |
| 2.1.1 阵列信号模型 |
| 2.1.2 DOA估计与空间频率的关系 |
| 2.1.3 阵列接收信号的频域模型 |
| 2.2 宽带信号阵列模型 |
| 2.2.1 宽带信号的定义 |
| 2.2.2 宽带DOA估计阵列信号模型 |
| 2.3 宽带信号DOA估计子空间算法 |
| 2.3.1 ISM算法 |
| 2.3.2 CSM算法 |
| 2.4 本章小结 |
| 第三章 大规模MIMO系统基于实值处理的宽带DOA估计方法研究 |
| 3.1 大规模MIMO系统宽带信号DOA估计 |
| 3.2 基于阵列实值化的大规模MIMO宽带DOA估计算法 |
| 3.2.1 实值化矩阵处理算法 |
| 3.2.2 计算复杂度分析 |
| 3.2.3 实验仿真分析 |
| 3.3 本章小结 |
| 第四章 基于智能优化谱峰搜索的快速宽带DOA估计算法研究 |
| 4.1 基于遗传算法的宽带信号空间谱谱峰搜索优化方法 |
| 4.1.1 遗传算法原理简介 |
| 4.1.2 基于遗传算法的谱峰搜索优化宽带信号DOA估计方法 |
| 4.1.3 实验仿真分析 |
| 4.2 基于粒子群算法的宽带信号空间谱谱峰搜索优化方法 |
| 4.2.1 粒子群算法原理简介 |
| 4.2.2 基于粒子群算法的谱峰搜索优化宽带信号DOA估计方法 |
| 4.2.3 实验仿真分析 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
（2）高频地波雷达多维多极化参数联合估计方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高频地波雷达空域和极化域参数估计 |
| 1.2.2 基于平面阵列的二维DOA估计 |
| 1.2.3 基于极化敏感阵列的DOA与极化参数估计 |
| 1.2.4 稀疏类参数估计及其应用瓶颈 |
| 1.3 本文的主要研究内容 |
| 第2章 阵列信号参数估计及稀疏恢复理论基础 |
| 2.1 引言 |
| 2.2 二维DOA估计 |
| 2.2.1 基本模型和定义 |
| 2.2.2 传统超分辨DOA估计算法 |
| 2.2.3 传统算法的性能和计算复杂度分析 |
| 2.3 DOA与极化参数联合估计 |
| 2.3.1 极化阵列信号处理基础 |
| 2.3.2 传统DOA与极化联合估计算法 |
| 2.4 稀疏框架下的阵列信号参数估计 |
| 2.4.1 参数估计的稀疏建模 |
| 2.4.2 经典稀疏类参数估计算法 |
| 2.4.3 稀疏类算法的性能和计算复杂度 |
| 2.5 本章小结 |
| 第3章 二维DOA估计及其降维方法 |
| 3.1 引言 |
| 3.2 基于距离多普勒域数据的DOA估计 |
| 3.2.1 RD域数据用于DOA估计的可行性 |
| 3.2.2 RD域数据DOA估计的实现与优势 |
| 3.3 任意平面阵列的二维DOA降维估计方法—CADRE |
| 3.3.1 参数定义与网格划分 |
| 3.3.2 基于连续近似的降维机制 |
| 3.3.3 基于降维模型的方位余弦估计 |
| 3.3.4 二维参数配对和精估计 |
| 3.4 块稀疏类降维DOA估计的快速实现算法 |
| 3.4.1 适用于块内正交字典的GCM算法 |
| 3.4.2 对一般字典通用的G-GCM算法 |
| 3.5 仿真与实测数据验证 |
| 3.5.1 降维DOA估计方法的性能验证 |
| 3.5.2 降维DOA估计方法的计算效率验证 |
| 3.5.3 高频地波雷达背景下的有效性验证 |
| 3.6 本章小结 |
| 第4章 DOA与极化参数联合估计方法 |
| 4.1 引言 |
| 4.2 DOA与极化参数联合估计的块稀疏建模 |
| 4.3 基于随机最大似然的块稀疏恢复算法—BLIKES |
| 4.3.1 BLIKES算法的推导与实现 |
| 4.3.2 BLIKES算法的理论分析 |
| 4.4 BLIKES的快速实现算法—EAGLE |
| 4.4.1 EAGLE的重加权机制和算法框架 |
| 4.4.2 EAGLE的快速一阶求解算法 |
| 4.5 仿真和实测数据验证 |
| 4.5.1 块稀疏恢复性能和速度验证 |
| 4.5.2 块稀疏框架下的DOA与极化估计性能 |
| 4.5.3 算法性能和有效性的实测数据验证 |
| 4.6 本章小结 |
| 第5章 极化阵列流形模糊与参数估计性能分析 |
| 5.1 引言 |
| 5.2 极化敏感阵列的流形模糊分析 |
| 5.2.1 单个共点多极化阵元的流形模糊 |
| 5.2.2 共点多极化阵列的流形模糊 |
| 5.2.3 非共点多极化阵列的流形模糊 |
| 5.3 DOA与极化参数联合估计的均方误差下限 |
| 5.3.1 确定信号的DOA与极化参数CRB |
| 5.3.2 随机信号的DOA与极化参数CRB |
| 5.4 CRB与流形模糊的内在联系 |
| 5.5 仿真与实测数据验证 |
| 5.5.1 流形模糊的仿真验证 |
| 5.5.2 极化敏感阵列的CRB对比 |
| 5.5.3 雷达实测数据验证 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录 常用符号对照表 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（3）脉冲噪声环境下麦克风阵列的DOA估计技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写和符号清单 |
| 术语表 |
| 1 引言 |
| 1.1 课题背景 |
| 1.2 研究意义 |
| 1.3 论文内容安排 |
| 2 文献综述 |
| 2.1 DOA估计研究现状 |
| 2.2 脉冲噪声下DOA估计研究现状 |
| 2.2.1 脉冲噪声的研究进展 |
| 2.2.2 脉冲噪声下DOA估计进展 |
| 2.2.3 基于相关熵的脉冲噪声处理研究进展 |
| 2.3 宽带信号的DOA估计研究现状 |
| 2.4 稀疏恢复的DOA估计研究现状 |
| 2.5 本章小结 |
| 3 脉冲噪声环境下DOA估计数学基础 |
| 3.1 脉冲噪声分布模型 |
| 3.1.1 alpha稳定分布 |
| 3.1.2 混合高斯分布 |
| 3.1.3 广义高斯分布 |
| 3.2 DOA估计数学模型 |
| 3.3 MUSIC算法 |
| 3.4 DOA估计性能指标 |
| 3.5 本章小结 |
| 4 基于广义最大复值相关熵的鲁棒性DOA估计 |
| 4.1 脉冲噪声环境下信号模型定义 |
| 4.2 广义最大复值相关熵理论 |
| 4.2.1 广义最大复值相关熵准则的定义 |
| 4.2.2 广义最大复值相关熵准则的属性 |
| 4.3 基于广义最大复值相关熵的中值差分相关熵的DOA估计 |
| 4.3.1 中值差分相关熵的DOA估计算法 |
| 4.3.2 MDCO算法的性能分析 |
| 4.3.3 MDCO算法的计算复杂度分析 |
| 4.4 基于广义最大复值相关熵的复值拟牛顿算法 |
| 4.4.1 QN-GMCCC算法的GMCC-loss代价函数 |
| 4.4.2 QN-GMCCC算法的交替迭代凸优化最小化 |
| 4.4.3 QN-GMCCC算法的稳态性能分析 |
| 4.4.4 QN-GMCCC算法的计算复杂度分析 |
| 4.5 实验验证 |
| 4.5.1 记忆因子对MDCO算法的影响 |
| 4.5.2 QN-GMCCC算法的内核参数 |
| 4.5.3 QN-GMCCC算法的稳态性能 |
| 4.5.4 QN-GMCCC算法的收敛性能 |
| 4.5.5 GSNR对QN-GMCCC和MDCO算法的影响 |
| 4.5.6 角度分离对QN-GMCCC和MDCO算法的影响 |
| 4.5.7 特征指数对QN-GMCCC和MDCO算法的影响 |
| 4.5.8 采样快拍数对QN-GMCCC和MDCO算法的影响 |
| 4.6 本章小结 |
| 5 迭代重加权变分贝叶斯学习的DOA估计 |
| 5.1 脉冲噪声环境下off-grid模型定义 |
| 5.2 基于off-grid的迭代重加权变分贝叶斯学习算法 |
| 5.2.1 基于KL散度的稀疏信号更新 |
| 5.2.2 基于KL散度的脉冲噪声矩阵更新 |
| 5.2.3 OG-WVBL的迭代重加权策略 |
| 5.3 OG-WVBL算法的计算复杂度分析 |
| 5.4 实验验证 |
| 5.4.1 OG-WVBL算法的超参数收敛性能 |
| 5.4.2 GSNR对OG-WVBL算法的影响 |
| 5.4.3 角度分离对OG-WVBL算法的影响 |
| 5.4.4 特征指数对OG-WVBL算法的影响 |
| 5.4.5 网格区间对OG-WVBL算法的影响 |
| 5.5 本章小结 |
| 6 聚焦信号子空间的宽带DOA估计算法 |
| 6.1 宽带DOA信号模型 |
| 6.2 基于酉变换聚焦信号子空间的宽带DOA估计 |
| 6.3 基于实值信号聚焦信号子空间的宽带DOA估计 |
| 6.4 FSS算法的聚焦性能分析 |
| 6.5 实验验证 |
| 6.5.1 FSS算法的空间谱 |
| 6.5.2 SNR对FSS和RFSS算法的影响 |
| 6.5.3 快拍数对FSS和RFSS算法性能的影响 |
| 6.5.4 角度分离对FSS算法性能的影响 |
| 6.6 本章小结 |
| 7 基于FPGA和DSP的麦克风阵列系统 |
| 7.1 硬件设计 |
| 7.1.1 声学传感器选型 |
| 7.1.2 放大电路设计 |
| 7.1.3 滤波电路设计 |
| 7.1.4 信号采集模块测试 |
| 7.2 系统测试验证 |
| 7.2.1 卡车环境中脉冲噪声分布统计 |
| 7.2.2 QN-GMCCC和MDCO算法空间谱性能 |
| 7.2.3 OG-WVBL算法空间谱性能 |
| 7.2.4 脉冲噪声环境下声源距离对不同算法的影响 |
| 7.2.5 高斯噪声环境下声源距离对FSS算法的影响 |
| 7.2.6 高斯噪声环境下FSS定位性能 |
| 7.2.7 脉冲噪声环境下不同算法的定位性能 |
| 7.3 本章小结 |
| 8 结论与展望 |
| 8.1 本文工作总结 |
| 8.2 未来工作展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（4）非均匀噪声条件下的DOA估计算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 本文的研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 章节安排 |
| 2 DOA估计的基础理论 |
| 2.1 天线阵列的数学模型 |
| 2.2 阵列信号数学模型 |
| 2.2.1 远场窄带信号数学模型 |
| 2.2.2 远场宽带信号数学模型 |
| 2.3 相干源信号模型 |
| 2.4 非均匀噪声的数学模型 |
| 2.5 本章小结 |
| 3 非均匀噪声条件下窄带信号子空间类算法 |
| 3.1 经典的DOA估计算法与原理 |
| 3.2 基于解相干的窄带DOA估计算法与原理 |
| 3.2.1 空间平滑算法 |
| 3.2.2 矩阵分解算法 |
| 3.3 基于改进加权空间平滑的凸优化协方差DOA估计 |
| 3.3.1 改进加权空间平滑算法 |
| 3.3.2 基于改进加权空间平滑的凸优化协方差矩阵算法 |
| 3.4 性能分析 |
| 3.4.1 不同信噪比条件下空间谱估计性能 |
| 3.4.2 不同子阵元条件下的均方根误差 |
| 3.4.3 不同信噪比下均方根误差 |
| 3.4.4 不同快拍数下均方根误差 |
| 3.4.5 不同噪声非均匀强度下均方根误差 |
| 3.5 本章小结 |
| 4 非均匀噪声条件下宽带信号子空间类算法 |
| 4.1 宽带阵列DOA估计算法与原理 |
| 4.1.1 非相干信号子空间算法 |
| 4.1.2 相干信号子空间算法 |
| 4.2 基于改进平方TOPS的最优协方差宽带DOA估计 |
| 4.2.1 TOPS算法 |
| 4.2.2 改进平方TOPS的最优协方差DOA估计算法 |
| 4.3 性能分析 |
| 4.3.1 不同信噪比条件下空间谱估计性能 |
| 4.3.2 不同信噪比下均方根误差 |
| 4.3.3 不同快拍数下估计成功概率 |
| 4.3.4 不同噪声非均匀强度下均方根误差 |
| 4.4 本章小结 |
| 5 DOA估计中应用压缩感知 |
| 5.1 压缩感知基础理论 |
| 5.1.1 信号稀疏表示 |
| 5.1.2 构造观测矩阵 |
| 5.1.3 信号稀疏重构 |
| 5.2 压缩感知DOA估计数学模型 |
| 5.2.1 单快拍数模型 |
| 5.2.2 多快拍数模型 |
| 5.3 基于贪婪算法DOA估计算法 |
| 5.4 基于l_1范数DOA估计算法 |
| 5.4.1 l_1-SVD算法 |
| 5.4.2 性能分析 |
| 5.4.3 l_1-SRACV算法 |
| 5.4.4 修正的l_1-SRACV算法 |
| 5.4.5 性能分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（5）基于射频信号DOA估计的小型无人机定位系统（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机定位系统研究现状 |
| 1.2.2 射频定位方法研究现状 |
| 1.3 本文工作和章节安排 |
| 1.4 本章小结 |
| 第二章 系统平台设计 |
| 2.1 系统设计基础 |
| 2.2 系统设计方案 |
| 2.2.1 系统整体方案 |
| 2.2.2 2.4GHz阵列天线设计 |
| 2.2.3 接收机配置方案 |
| 2.2.4 ADC模块 |
| 2.2.5 FPGA信号处理板卡 |
| 2.2.6 FPGA接口板卡 |
| 2.3 本章小结 |
| 第三章 L阵二维DOA估计算法研究 |
| 3.1 基于L阵的DOA估计算法 |
| 3.1.1 L阵远场窄带信号模型 |
| 3.1.2 MVDR算法 |
| 3.1.3 ESPRIT算法 |
| 3.1.4 MUSIC算法 |
| 3.2 阵列天线通道校准方法 |
| 3.3 并行JACOBI硬件加速计算方法研究 |
| 3.3.1 预处理 |
| 3.3.2 Jacobi算法基础 |
| 3.3.3 CORDIC算法 |
| 3.3.4 Jacobi算法的并行计算 |
| 3.3.5 并行Jacobi算法的加速方法 |
| 3.4 本章小结 |
| 第四章 系统实现与测试 |
| 4.1 无人机数据采集平台实现 |
| 4.1.1 阵列天线实现 |
| 4.1.2 接收机配置 |
| 4.1.3 信号采样 |
| 4.1.4 希尔伯特解调 |
| 4.1.5 信号传输 |
| 4.1.6 无人机数据采集与处理实验 |
| 4.2 DOA估计算法的FPGA实现 |
| 4.2.1 整体实现方案 |
| 4.2.2 协方差计算的FPGA实现 |
| 4.2.3 校准步骤的FPGA实现 |
| 4.2.4 特征值分解的FPGA实现 |
| 4.2.5 谱峰搜索的FPGA实现 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 参考文献 |
| 作者简历 |
| 攻读硕士期间所取得的研究成果 |
| 攻读硕士期间已投稿论文 |
（6）基于稀疏重构算法的测向技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 DOA估计算法的研究现状 |
| 1.2.2 稀疏重构理论的研究现状 |
| 1.3 研究内容和意义 |
| 1.3.1 研究内容 |
| 1.3.2 研究意义 |
| 1.4 论文结构安排 |
| 第二章 基于稀疏重构算法的测向理论与技术 |
| 2.1 阵列信号处理的基本原理 |
| 2.1.1 阵列DOA估计的流程 |
| 2.1.2 测向天线阵列 |
| 2.1.3 接收信号数学模型 |
| 2.2 稀疏重构的基本原理 |
| 2.2.1 压缩感知原理 |
| 2.2.2 基于稀疏重构的DOA估计模型 |
| 2.3 经典的测向算法原理 |
| 2.3.1 经典MUSIC算法 |
| 2.3.2 经典ESPRIT算法 |
| 2.4 本章小结 |
| 第三章 基于贪婪类算法的DOA估计研究 |
| 3.1 贪婪算法原理研究与分析 |
| 3.2 基于贪婪算法的DOA估计分析 |
| 3.3 基于粒子群优化的贪婪算法 |
| 3.3.1 粒子群优化算法原理 |
| 3.3.2 基于粒子群优化的正交匹配追踪算法原理 |
| 3.4 本章小结 |
| 第四章 多径相干信号DOA估计研究 |
| 4.1 多径信号接收模型 |
| 4.1.1 多径相干信号接收模型 |
| 4.1.2 混合信号接收模型 |
| 4.2 多径信号DOA估计算法的研究 |
| 4.2.1 空间平滑算法 |
| 4.2.2 矩阵重构算法 |
| 4.3 基于差分和稀疏重构的DOA估计算法 |
| 4.3.1 算法原理分析 |
| 4.3.2 不相关信号的DOA估计 |
| 4.3.3 相干信号的DOA估计 |
| 4.4 本章小结 |
| 第五章 信号DOA估计算法的仿真 |
| 5.1 粒子群优化的回溯正交匹配追踪算法仿真验证及结果分析 |
| 5.2 基于稀疏重构的相干信号DOA估计仿真验证与结果分析 |
| 5.3 本章小结 |
| 第六章 基于GNU Radio的测向算法验证 |
| 6.1 信号DOA估计软件仿真系统的方案设计 |
| 6.1.1 信号源模块设计 |
| 6.1.2 算法处理模块设计 |
| 6.1.3 结果展示模块的设计 |
| 6.2 信号DOA估计软件仿真系统的整体实现 |
| 6.3 系统的实验测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）水下目标定位声纳信号处理算法研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 立题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 Pinger信号处理技术研究概况 |
| 1.2.2 DSP在水声领域的应用 |
| 1.3 论文主要研究内容 |
| 第2章 Pinger信号检测及时延估计算法研究 |
| 2.1 基于短时傅里叶变换的信号检测 |
| 2.1.1 STFT原理 |
| 2.1.2 STFT仿真分析 |
| 2.2 基于STFT的多周期累加算法 |
| 2.2.1 多周期相参累加 |
| 2.2.2 多周期非相参累加 |
| 2.2.3 仿真分析 |
| 2.3 基于STFT的时延估计 |
| 2.3.1 时延估计流程 |
| 2.3.2 时延估计误差分析 |
| 2.4 本章小结 |
| 第3章 Pinger信号频率估计算法研究 |
| 3.1 基于相位差校正的高精度频率估计算法 |
| 3.1.1 算法原理 |
| 3.1.2 误差推导与分析 |
| 3.2 基于FFT插值的频率估计算法 |
| 3.2.1 Rife算法频率估计 |
| 3.2.2 Candan算法频率估计 |
| 3.2.3 Liang算法频率估计 |
| 3.2.4 频率估计误差分析 |
| 3.3 频率估计算法改进及性能分析 |
| 3.3.1 基于频差修正的FFT插值频率估计算法 |
| 3.3.2 算法性能分析 |
| 3.4 本章小结 |
| 第4章 Pinger信号方位估计算法研究 |
| 4.1 波束形成基本原理 |
| 4.1.1 阵列信号模型 |
| 4.1.2 常规波束形成 |
| 4.2 基于阵元域子空间的目标方位估计 |
| 4.2.1 阵元域MUSIC算法 |
| 4.2.2 旋转不变子空间算法 |
| 4.2.3 仿真分析 |
| 4.3 波束域MUSIC方位估计算法 |
| 4.3.1 阵元域到波束域的转换 |
| 4.3.2 波束域MUSIC算法原理 |
| 4.3.3 仿真分析 |
| 4.4 本章小结 |
| 第5章 基于DSP平台的算法实现 |
| 5.1 DSP开发环境介绍 |
| 5.1.1 TMS320C6678平台概述 |
| 5.1.2 SYS/BIOS操作系统 |
| 5.2 多核DSP算法架构综述 |
| 5.3 DSP软件设计方案 |
| 5.3.1 NDK网口配置 |
| 5.3.2 IPC组件配置 |
| 5.3.3 Cache缓存一致性维护 |
| 5.4 信号处理算法实现方案 |
| 5.4.1 信号检测及时延估计算法实现 |
| 5.4.2 信号频率估计算法实现 |
| 5.4.3 信号方位估计算法实现 |
| 5.4.4 代码优化设计 |
| 5.5 DSP软件性能测试 |
| 5.5.1 网络指令测试 |
| 5.5.2 算法性能测试 |
| 5.6 湖试试验结果及数据分析 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（8）高分辨阵列信号DOA估计关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 阵列信号DOA估计算法研究现状 |
| 1.2.1 互质阵列DOA估计方法研究进展 |
| 1.2.2 基于准平稳信号的DOA估计方法研究进展 |
| 1.2.3 基于时频分析的DOA估计方法研究进展 |
| 1.3 本文主要工作及结构安排 |
| 第二章 DOA估计数学模型及基础算法 |
| 2.1 引言 |
| 2.2 阵列测向数学模型 |
| 2.3 空间谱估计算法 |
| 2.3.1 MUSIC测角算法 |
| 2.3.2 ESPRIT测角算法 |
| 2.4 稀疏表示测向算法 |
| 2.4.1 l_1-SVD稀疏测角方法 |
| 2.4.2 l_1-SRACV稀疏测角方法 |
| 2.5 时频分析测向算法 |
| 2.5.1 STFT时频分析 |
| 2.5.2 WVD时频分析 |
| 2.6 本章小结 |
| 第三章 基于互质阵列的DOA估计方法研究 |
| 3.1 引言 |
| 3.2 互质阵列DOA估计算法研究 |
| 3.2.1 基于子阵分解解模糊进行DOA估计 |
| 3.2.2 基于协方差矩阵矢量化运算进行DOA估计 |
| 3.3 基于MI-ESPRIT和查找表的互质阵列DOA估计方法 |
| 3.3.1 MI-ESPRIT算法 |
| 3.3.2 基于查找表的解模糊算法 |
| 3.3.3 仿真分析 |
| 3.4 基于矩阵补全的互质阵列DOA估计算法研究 |
| 3.4.1 虚拟阵列插值 |
| 3.4.2 基于ESPRIT方法求解插值后的DOA |
| 3.4.3 仿真分析 |
| 3.5 本章小结 |
| 第四章 基于稀疏重构的准平稳信号DOA估计方法研究 |
| 4.1 引言 |
| 4.2 基于均匀圆阵的KR-MUSIC算法 |
| 4.3 基于互质线阵的准平稳信号DOA估计研究 |
| 4.3.1 基于增广互质线阵的准平稳信号模型 |
| 4.3.2 构建稀疏重构模型 |
| 4.3.3 仿真分析 |
| 4.4 准平稳信号的二维高精度测角方法研究 |
| 4.4.1 构建稀疏重构模型 |
| 4.4.2 基于协方差的稀疏表示求解方法 |
| 4.4.3 基于ADMM的快速稀疏求解方法 |
| 4.4.4 仿真分析 |
| 4.5 离网格准平稳信号DOA估计研究 |
| 4.5.1 Off-grid模型建立 |
| 4.5.2 基于稀疏贝叶斯学习的Off-grid测角算法 |
| 4.5.3 仿真分析 |
| 4.6 本章小结 |
| 第五章 基于时频分析的DOA估计方法研究 |
| 5.1 引言 |
| 5.2 基于STFT的LFM信号测角算法研究 |
| 5.2.1 LFM信号的STFT分布 |
| 5.2.2 基于Hough变换的单信号时频点选择算法 |
| 5.2.3 仿真分析 |
| 5.3 基于WVD的 LFM信号测角算法研究 |
| 5.3.1 LFM信号的WVD分布模型 |
| 5.3.2 基于Hough变换提取单信号时频点 |
| 5.3.3 仿真分析 |
| 5.3.4 试验验证 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（9）多径传播条件下的非合作目标无源探测关键技术研究（论文提纲范文）
| 符号和缩略词说明 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 非合作目标无源探测系统研究发展概况 |
| 1.2.1 非合作目标无源探测系统研究的早期历史 |
| 1.2.2 非合作目标无源探测系统研究的的中兴期 |
| 1.2.3 非合作目标无源探测系统研究的新起点 |
| 1.3 非合作目标无源探测关键技术 |
| 1.3.1 系统同步技术 |
| 1.3.2 微弱目标检测技术 |
| 1.3.3 非合作目标定位技术 |
| 1.4 论文研究内容和结构 |
| 第二章 非合作目标无源探测理论与问题分析 |
| 2.1 引言 |
| 2.2 非合作目标无源探测性能分析 |
| 2.2.1 系统基本结构 |
| 2.2.2 探测性能分析 |
| 2.3 非合作目标定位原理分析 |
| 2.3.1 目标定位原理 |
| 2.3.2 定位精度分析 |
| 2.4 外辐射源特性及主要问题分析 |
| 2.4.1 外辐射源特性分析 |
| 2.4.2 主要问题分析 |
| 2.5 多径传播特性及主要问题分析 |
| 2.5.1 多径传播特性 |
| 2.5.2 主要问题分析 |
| 2.6 本章小结 |
| 第三章 多径传播条件下的直达波参数估计算法 |
| 3.1 引言 |
| 3.2 基于分数阶傅里叶域稀疏重构的直达波参数估计算法 |
| 3.2.1 信号模型 |
| 3.2.2 FrFT算法基础 |
| 3.2.3 提出算法原理 |
| 3.2.4 仿真实验分析 |
| 3.3 基于最近邻域卡尔曼滤波的直达波参数估计算法 |
| 3.3.1 信号模型 |
| 3.3.2 STFT算法基础 |
| 3.3.3 提出算法原理 |
| 3.3.4 仿真实验分析 |
| 3.3.5 实测数据分析 |
| 3.4 本章小结 |
| 第四章 多径传播条件下的波达方向估计算法 |
| 4.1 引言 |
| 4.2 多径传播条件下的波达方向估计信号模型 |
| 4.3 IAA算法基础 |
| 4.4 基于空间差分迭代自适应的波达方向估计算法 |
| 4.4.1 不相关信号DOA估计 |
| 4.4.2 空间差分处理 |
| 4.4.3 协方差矩阵重构 |
| 4.4.4 相干信号DOA估计 |
| 4.5 仿真实验与性能分析 |
| 4.6 本章小结 |
| 第五章 非合作目标无源探测技术工程化实现 |
| 5.1 引言 |
| 5.2 非合作目标无源探测样机系统架构 |
| 5.3 非合作目标无源探测信号处理方案 |
| 5.3.1 空间和时频同步方法 |
| 5.3.2 基于概率统计直方图的弱目标检测方法 |
| 5.3.3 非合作目标定位方法 |
| 5.3.4 信号处理流程及主要步骤 |
| 5.4 外场实验与结果分析 |
| 5.4.1 外场实验 |
| 5.4.2 直达波参数结果分析 |
| 5.4.3 目标检测结果分析 |
| 5.4.4 目标定位结果分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文主要工作 |
| 6.2 后续研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 作者在学期间参加的科研项目 |
（10）二维MUSIC算法的FPGA高速并行实现研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要研究内容及结构安排 |
| 2 MUSIC算法原理与实现平台分析 |
| 2.1 MUSIC算法原理与仿真分析 |
| 2.1.1 一维MUSIC算法原理分析 |
| 2.1.2 一维MUSIC算法仿真分析 |
| 2.2 二维MUSIC算法原理与仿真分析 |
| 2.2.1 二维MUSIC算法原理分析 |
| 2.2.2 二维MUSIC算法仿真分析 |
| 2.3 FPGA设计开发平台分析 |
| 2.3.1 FPGA及开发平台分析 |
| 2.3.2 FPGA开发流程分析 |
| 2.4 本章总结 |
| 3 协方差矩阵和特征值分解的FPGA实现 |
| 3.1 二维MUSIC算法的FPGA实现总体方案 |
| 3.2 协方差矩阵的FPGA实现 |
| 3.3 特征值分解的FPGA实现 |
| 3.3.1 特征值分解基本原理 |
| 3.3.2 特征值分解总体实现方案 |
| 3.3.3 Cordic模块实现结构 |
| 3.4 本章总结 |
| 4 二维MUSIC算法的FPGA实现 |
| 4.1 二维MUSIC谱计算的FPGA实现 |
| 4.2 二维MUSIC谱峰搜索的FPGA实现 |
| 4.3 二维MUSIC算法系统硬件实现与测试 |
| 4.3.1 二维MUSIC算法整体设计实现 |
| 4.3.2 系统仿真与测试 |
| 4.4 本章总结 |
| 5 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
四、多DSP并行处理技术在信号DOA估计中的应用（论文参考文献）
- [1]大规模MIMO系统的低复杂度宽带信号DOA估计算法研究[D]. 强晓微. 内蒙古大学, 2021(12)
- [2]高频地波雷达多维多极化参数联合估计方法研究[D]. 赵春雷. 哈尔滨工业大学, 2020(02)
- [3]脉冲噪声环境下麦克风阵列的DOA估计技术研究[D]. 麻付强. 北京科技大学, 2020(01)
- [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]基于射频信号DOA估计的小型无人机定位系统[D]. 何倩雯. 浙江大学, 2020(02)
- [6]基于稀疏重构算法的测向技术研究[D]. 洪文军. 电子科技大学, 2020(08)
- [7]水下目标定位声纳信号处理算法研究与实现[D]. 向宇. 哈尔滨工程大学, 2020(05)
- [8]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)
- [9]多径传播条件下的非合作目标无源探测关键技术研究[D]. 户盼鹤. 国防科技大学, 2019(01)
- [10]二维MUSIC算法的FPGA高速并行实现研究[D]. 石昊强. 兰州交通大学, 2019(04)