一种基于平行互质阵列时空扩展的二维波达方向估计

为了实现对平行互质阵列的孔径扩展,提升信号波达方向估计性能,基于平行互质阵列,首先给出一种改进阵列结构,然后采用共轭空时增广的思想,得到一种对称的平行互质虚拟阵列,由于共轭空时增广联合利用了信号在空间、时间的特征,使得扩展的虚拟阵列比现有方法具有更多的虚拟阵元数和自由度,最后利用稀疏重建方法,实现二维波达方向的估计。仿真实验均验证了所提出的方法在估计精度上的有效性。     

互质阵列DOA估计性能综合分析北大核心CSCD

互质阵列是近年来兴起的新型阵列,能显著提高阵列自由度,处理信源数大于阵元数时的波达方向(DOA)估计,且能提高角度分辨率和测角精度。文中根据互质阵物理阵元和虚拟阵元特点,结合多重信号分类(MUSIC)算法提出适用于互质阵基于物理阵列和虚拟阵列的DOA估计方法。该方法以非相干信号源为研究对象,利用互质阵列建立信号接收模型,基于物理阵列的DOA估计方法根据互质阵物理阵元位置特点推导其导向矢量,然后根据导向矢量计算回波信号数据和信号协方差矩阵,最后利用MUSIC算法进行DOA估计。基于虚拟阵列的DOA估计方法根据其虚拟阵元数据特点在向量化协方差矩阵并去冗余后选取连续虚拟阵元接收数据,然后对新协方差矩阵进行一维Toeplitz平滑重构,最后利用MUSIC算法或求根MUSIC算法进行DOA估计。与等阵元数的均匀线阵进行对比,仿真实验验证了互质阵列DOA估计性能的优越性。     

基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法.该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)获得自动匹配的2维角度估计.相比于传统的2维DOA估计方法,所提算法更好地利用了阵列接收数据信息,能识别更多的入射信号,分辨能力高,不需要进行2维线性搜索或者角度参数匹配,在低信噪比(SNR)和小快拍情况下也有很好的估计效果.实验仿真结果验证了提出算法的有效性和可靠性.     

一种基于平行稀疏阵列虚拟孔洞填充的二维DOA估计算法

采用稀疏阵列进行波达方向（Direction of Arrival,DOA）估计时往往会产生虚拟孔洞，它严重限制了阵列孔径的扩展与阵元自由度的提升。由于孔洞位置与初始阵列阵元数目、排布方式有关，故较难对其进行预填充。为此，提出了一种基于平行稀疏阵列虚拟孔洞填充的二维DOA估计算法，利用双稀疏线阵扩展生成两个不同的虚拟阵列，并利用其中一阵的信息去填充另一阵的孔洞。为尽可能减少总阵元数目，采用提前计算的孔洞位置去设计另一阵列的排布规则，并通过求根多重信号分类(Root-Mutiple Signal Classification，Root-MUSIC）算法替代传统的二维谱峰搜索算法完成对入射角度的估计与自动匹配。实验仿真结果验证了所提算法相比传统算法能以更少的阵元获得更高的估计精度。     

基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法。该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)获得自动匹配的2维角度估计。相比于传统的2维DOA估计方法,所提算法更好地利用了阵列接收数据信息,能识别更多的入射信号,分辨能力高,不需要进行2维线性搜索或者角度参数匹配,在低信噪比 (SNR)和小快拍情况下也有很好的估计效果。实验仿真结果验证了提出算法的有效性和可靠性。     

基于Toeplitz协方差矩阵重构的互质阵列DOA估计方法

针对基于互质阵列的欠定DOA估计方法对于虚拟阵元非连续部分利用率不高的问题,该文提出一种基于Toeplitz协方差矩阵重构的DOA估计方法。首先,从互质阵列差联合阵的角度分析虚拟阵元分布特性,结合其与协方差矩阵中各元素得到的波程差存在对应关系,将协方差矩阵进行扩展得到一个数据缺失的高维协方差矩阵;然后,根据矩阵填充理论,用迹范数代替秩范数进行松弛,对缺失元素进行填充;最后,利用现有root-MUSIC方法进行DOA估计。理论分析和仿真结果表明,该方法提升了虚拟阵元的利用率,从而增加了虚拟孔径和可估计信号数,同时无需对角度域进行离散化处理,有效消除了模型失配的影响,并且避免了正则化参数选取问题,提高了估计精度和分辨率。     

基于双频虚拟互质阵列的均匀稀疏阵列DOA估计算法

提出了一种利用双频工作模式解决均匀稀疏阵列波达方向角(DOA)估计的方法。对一个物理均匀稀疏阵列,引入一个合适的额外工作频率,通过优选阵元数量及阵元间距,构建一个虚拟稀疏阵列,使得虚拟阵元间距与相邻真实均匀稀疏阵列的阵元间距成互质关系;物理均匀稀疏阵列与虚拟阵列组合形成一个自由度更高的虚拟互质阵列,将两个频率的接收信号对应合并后进行相关处理,得到虚拟互质阵列的阵列流形相关矩阵;基于相关间隔与差协同阵阵元位置的一一对应关系,对虚拟相关矩阵进行矩阵增广实现DOA估计,能够获得更高的自由度,突破物理阵元数目对最大可分辨信源数目的限制。基于MUSIC 算法的仿真结果验证了算法的可行性。     

互质阵中基于降维求根的波达角估计算法

该文提出互质阵中基于降维求根的波达角(DOA)估计算法。互质阵包含两个稀疏均匀线性子阵,拥有互质的阵元间距和阵元数目。该算法基于子阵间的互协方差,利用较长子阵中的旋转不变性扩展较短子阵的虚拟孔径。然后通过矩阵分块构造噪声子空间,并将来自两个子阵的2维参数估计问题降维为1维求根问题,获得自动配对的2维模糊参数估计。最后由这2维模糊参数可恢复出两组参数,根据互质性从两组参数估计的交集中可以获得无模糊的高分辨率DOA估计。相比互质阵中的联合多重信号分类(MUSIC)算法和联合旋转不变技术(ESPRIT)算法,该算法无需特征分解,复杂度低,但可获得更精确的DOA估计,处理更多的信源,并且对色噪声有更强的鲁棒性。多个仿真结果均验证了所提算法的有效性。     

基于高阶累积量虚拟阵列扩展的DOA估计

该文提出了一种基于高阶累积量虚拟阵列扩展的DOA估计新方法。该方法基于高阶累积量孔径扩展的性质,由实际阵元的坐标与方向矢量直接计算出虚拟阵元的坐标与方向矢量,利用两种阵元的坐标之间的关系构造四阶或六阶协方差矩阵,运用MUSIC方法对非高斯独立信号源进行DOA估计。该方法在任意阵列的情况下,对非高斯独立信号源进行一维与二维DOA估计,均能准确地估计出多于实际阵元数目的方向角与仰角。实验表明,该方法简单、有效地扩展了阵列孔径,提高了阵列的空间分辨能力,有效地抑制了高斯噪声的干扰,降低了高阶累积量协方差矩阵的计算量。     

空时虚拟DOA估计

智能天线是当前通信领域的热门技术之一。提出了一种基于智能天线的有效的超分辨二维DOA估计算法。该算法同时在空域和时域进行变换,产生大量虚拟阵元,使得阵列在空间的阵元数大量增加,实现了对二维DOA的有效估计。仿真结果验证了此结论。     

互质MIMO雷达的非圆信号降维DOA估计方法北大核心CSCD

针对传统互质阵列波达方向估计方法存在的自由度低、阵列孔径小、相位模糊等问题,提出了一种基于互质MIMO雷达的非圆信号降维波达方向(Direction of Arrival, DOA)估计方法。该方法结合了互质阵列与MIMO雷达的优点,利用非圆信号特性对阵列进行扩展,重构接收信号矩阵,然后进行降维处理,并利用噪声特征值的幂级数对噪声子空间进行修正,进一步提高算法精度。最后推导了文中方法的无相位模糊问题。仿真实验表明,文中方法能够有效避免相位模糊,大大提高自由度并扩大阵列孔径,与传统MUSIC算法以及互质阵列MUSIC算法相比,在估计成功率、DOA估计精度等方面均具有更好的性能。     

基于双向传播算子的互质面阵二维波达方向估计

针对谱峰搜索的二维波达方向估计中现有算法复杂度高,精度受搜索间隔影响较大的问题,给出了一种双向传播算子的互质面阵二维波达方向估计算法,实现了俯仰角和方位角的低复杂、高精度、无模糊联合估计.该方法首先将互质阵列引入到二维波达方向估计中,构造互质平面阵模型,然后采用两次旋转不变传播算子方法计算出不同阵列流型方向上的旋转因子矩阵,根据旋转因子矩阵解算出目标信号的俯仰角和方位角,同时利用互质理论消除了稀疏阵列角度估计的不确定性,证明了互质阵列模型下采用双向传播算子方法进行俯仰角和方位角估计的无模糊性.对算法的复杂度进行理论分析,并给出了平面阵列角度估计的克拉美罗界推导.理论分析与仿真结果表明,算法不需要进行角度匹配和谱峰搜索,在相同条件下的均方根误差性能优于均匀平面阵的多重信号分类算法,并且以较低的复杂度无模糊的达到了高维网格搜索的精度.     

Unfolded coprime L-shaped arrays for two-dimensional direction of arrival estimation

Generally, a coprime L-shaped array (CLsA) is composed of two uniform L-shaped subarrays with larger spacing among inter-element to accomplish the improved direction of arrival (DOA) estimation performance. In this paper, the two subarrays are unfolded to extend the array aperture and the performance of the unfolded CLsA (UCLsA) for two-dimensional (2D) DOA estimation is investigated. In addition, an all array multiple signals classification (AA-MUSIC) algorithm is proposed for the UCLsA. By stacking the received signals of the two subarrays, the ambiguity problem can be avoided on the basis of the coprime property. Simultaneously, due to the combination of the cross-correlation and auto-correlation, the proposed AA-MUSIC algorithm can achieve the full degrees of freedom (DOFs) and obtain more accurate DOA estimates, nevertheless, the expensive total spectral search is entailed. Consequently, a reduced complexity MUSIC (RC-MUSIC) algorithm is proposed to relieve the computational burden. The Cramer-Rao Bounds (CRBs) are utilised as a theoretical benchmark for the lower bound of unbiased estimate. Furthermore, numerical simulations verify the effectiveness and superiority of the AA-MUSIC algorithm and RC-MUSIC method for the UCLsA.     

Nested planar array: configuration design,optimal array and DOA estimation

Nested array enables to enhance localisation resolution and achieve under-determined direction of arrival (DOA) estimation. In this paper, we improve the traditional nested planar array to achieve more degrees of freedom (DOFs) and better angle estimation performance. The closed-form expressions for sensor positions of the improved array are given and the optimal array configuration for largest available DOFs is derived. Meanwhile, a computationally efficient DOA estimation algorithm is proposed. Specifically, we utilise two dimensional Discrete Fourier Transform (2D DFT) method to obtain the coarse DOA estimates; Subsequently, we achieve the fine DOA estimates by 2D spatial smoothing multiple signals classification (SS-MUSIC) algorithm. The proposed algorithm enjoys the same estimation accuracy as SS-MUSIC algorithm but with lower complexity because the coarse DOA estimates enable to shrink the range of spectral search. In addition, estimation of the number of signals is not required by 2D DFT method. Extensive simulation results testify the effectiveness of the proposed algorithm.     

基于差和共阵的新型高自由度互质阵

针对均匀线列阵自由度(DOF)受限于阵元数的问题,该文提出一种基于差和共阵的新型互质阵,称为放置互质阵(DCA),其借助由接收信号的时域和空域信息组合成的共轭增广矩阵得到等价的差和共阵来进行波达方向(DOA)估计。DCA将广义互质阵放置在与原点处单阵元相隔一定距离的位置,实现了和共阵与差共阵的阵元位置互补,从而最大限度上利用和共阵带来的自由度增幅。该文给出了DCA阵元位置和放置距离的闭式表达,随后分别对DCA的差共阵及和共阵的连续阵元及孔洞位置进行了理论分析,同时给出了两者间的关系,说明了DCA的高自由度特性。多个仿真实验验证了所提阵型DOA估计的有效性。     

宽带谱相关时空DOA矩阵方法

本文提出了一种新的基于信号时空特征结构的二维DOA估计方法－－宽带谱相关时空DOA矩阵方法。该方法利用信号的循环平稳特性实现了对宽带信号的有效处理,同时通过空时变换将传统的一维空域处理拓展到了二维空间处理,更充分地利用了信号的时域特征,从而大大简化了阵列结构,提高了算法的性能。理论分析与仿真结果表明,该方法既继承了循环平稳方法在谱估计方面的优势,又具有原DOA矩阵方法无需二维谱峰搜索和参数配对的特点。     

小波包去噪在循环平稳信号DOA估计中的应用

基于信号循环平稳特性的到达方向(DOA)估计算法在噪声成分过大或噪声本身具有循环平稳特性的情况下,性能会迅速下降,为提高算法的估计性能,提出了利用小波包去噪与广义谱相关子空间算法相结合的方法估计信号DOA,通过仿真分析证明该方法提高了估计精度,降低了估计误差,达到了与理论分析相一致的目的.     

基于变换域APSO的任意阵列宽带DOA估计算法

为了提高宽带信号来波方向（Direction-of-arrival, DOA）估计精度并降低计算复杂度, 本文结合已知的发射信号波形, 提出了一种基于变换域加速粒子群最优化（Accelerated Particle Swarm Optimization, APSO）的宽带DOA估计算法, 该算法适用于任意阵列和低采样率情况。首先对阵列接收数据进行匹配滤波以及傅里叶变换处理,其次根据频域宽带阵列数据模型,利用确定性极大似然（Deterministic Maximum Likelihood, DML）准则构建宽带DOA估计的空间谱函数,然后采用变换域APSO算法对空间谱函数进行最大值搜索,搜索结果即为DOA估计值。该算法无需DOA预估计,不依赖空间谱函数的梯度信息,计算复杂度低。仿真实验表明,所提算法具有高估计精度和低计算复杂度,在信噪比为20?dB时,DOA估计均方根误差为0.02°。      

基于L型和差嵌套阵的二维波达方向估计

针对传统L型均匀阵列二维波达方向（Direction of Arrival,DOA）估计中可估计信源数目受限于阵元数、分辨率低等问题,提出了一种新的L型和差嵌套阵列结构。该L型阵列的两个子阵布置相同,是非均匀的稀疏阵,通过阵元位置之间的差分、求和操作达到虚拟扩展阵元数目的效果,从而提升阵列的自由度。采用该阵列进行二维DOA估计时,两个子阵分别先进行一维的DOA估计,再采用PSCM（Pair-matching Signal Covariance Matrices）算法进行一维角度配对。每个子阵进行一维波达方向估计时,先采用VCAM（Vectorized Conjugate Augmented MUSIC）算法生成非均匀稀疏阵的求和求差协方差矩阵,再采用矩阵重构的方法恢复协方差矩阵的秩,最后对协方差矩阵采用MUSIC（Multiple Signal Classification）算法进行DOA估计。实验仿真表明,本阵列有着更高的自由度和估计精度。