近场源频率、波达方向和距离的联合估计方法

提出了一种基于高阶累积量的近场源频率、波达方向(Direction of Arrival,DOA)和距离的联合估计算法.算法采用类似状态空间的方法构造信号输出累积量矩阵,而近场源频率、DOA和距离的估计通过对该输出矩阵的分解处理得到.各近场源参数估计由闭式给出,无需复杂的搜索运算,并且各参数间自动配对,不需要繁琐的配对过程,算法计算复杂度适中.同时,该算法适用于任意加性高斯噪声情形,计算机仿真结果证实了该算法的有效性.     

稀疏重构混合源参数估计方法

针对近远场混合源定位问题,本文提出了一种基于稀疏信号重构的信源参数估计算法。该算法首先通过对接收信号的协方差矩阵进行稀疏重构估计出远场信源参数,接着采用协方差分离技术将近场源和远场源分离,最后利用均匀线阵的对称性和稀疏信号重构估计近场信源参数。该算法避免了二维谱峰搜索和近场源参数配对,也无需构造高阶累积量,降低了计算复杂度。仿真结果表明,该算法的空间分辨能力和混合源参数估计精度均高于基于子空间的混合源参数估计方法。      

基于重加权?1范数惩罚的远近场混合源定位算法

现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况。为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法。该算法利用阵列协方差矩阵反对角线元素和重加权l1范数惩罚获得所有信源的到达角（Direction Of Arrival, DOA）估计。在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计。从理论角度分析了重加权l1范数惩罚算法的重构性能。本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度。计算机仿真结果验证了所提算法的有效性。     

基于累量的近场源快速定位算法

本文提出了一种基于累量的近场源参数快速估计方法。具体地,本文首先构造了一个累量矩阵,对其进行奇异值分解后,利用得到的右奇异向量和左奇异向量分别使用类Root-MUSIC方法得到了近场波达方向和距离估计的闭式解。该方法利用高阶累量矩阵,减少了阵列孔径损失,提高了能分辨的最大信源数,而且与其他基于高阶累积量的方法相比,该方法在近场的波达方向与距离的估计过程中只需要构造一个累量矩阵和进行一次奇异值分解,并且使用闭式解完全避免了峰值搜索,大大降低了运算量,同时还提高了估计的分辨概率和精度。此外,该方法在几乎没有增加额外计算量的情况下可以推广到混合场源的情况。仿真结果表明,该算法的分辨率和精度都有较大的优越性。      

基于稀疏信号重构的DOA和极化角度估计算法

现有的波达方向(Direction Of Arrival,DOA)和极化参数估计方法大多基于子空间理论.本文从稀疏信号重构角度出发,提出了一种新的DOA和极化角度估计算法.该算法首先构建一个只包含DOA信息的累积量矩阵模型,然后基于加权l?₁范数最小化获得DOA估计.在DOA估计的基础上,进一步通过求和平均运算构建三个包含不同极化信息的累积量向量模型,利用Zhang惩罚进行稀疏性约束,获得近似无偏的极化角度估计.阐述了如何利用极化信息来区分两个入射角度一样的信源信号.计算机仿真结果验证了所提算法的有效性.     

基于离格稀疏表示的近场信源定位方法

近场信源定位是下一代无线通信中的一个重要研究方向,现有的方法大多集中在传统子空间或在格稀疏方法.针对子空间类方法损失阵列孔径和稀疏表示类方法精度受网格划分效应制约的问题,该文提出了一种基于离格稀疏表示的定位方法.首先通过获得一个高阶累积量矩阵建立基于角度参数的离格信号模型,利用交替迭代优化方法实现角度的估计.然后根据角度估计值建立基于距离参数的离格信号模型,并采用交替迭代方法进行求解.仿真结果表明,所提方法不仅具有较高的估计精度,而且可以实现角度和距离参数的正确配对.     

速度传感器阵列近场声源定位的孔径扩展算法

采用速度传感器阵列提出了一种近场声源定位(距离和DOA估计)的新算法.与目前提出的其它算法相比,本文算法有以下几个优点:无需计算高阶累积量,从而有较低的计算量;能够实现参数估计的自动配对;阵元间隔无需限制在1/4波长内,并可以通过增加阵元间隔扩展阵列孔径,从而提高算法的参数估计精度.论文最后给出了仿真实验,验证了算法的定位性能.     

基于联合对角化的近场源参数估计

该文提出了一种基于联合对角化的近场源信号到达方向和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于阵列接收数据的高阶累积量矩阵的对角结构信息利用联合对角化方法估计近场信号的阵列方向矩阵,从而由阵列导向矢量联合估计信号源的到达方向和距离。与高阶ESPRIT方法相比,该方法能够提高阵元利用效率,同时不需要参数配对算法。计算机仿真实验证实了所给算法的有效性。     

基于累积量的空间特征估计算法及其在智能天线中的应用

在智能天线系统中,波达方向(DOA)估计是实现空分多址的关键问题之一.本文提出了一种基于累积量的多用户空间特征估计算法,并将该算法用于智能天线中的多用户相干源DOA估计.该算法利用累积量构造了空间特征矩阵,通过对空间特征矩阵的特征分解得到各用户信号的空间特征估计,并基于空间特征估计,利用前后平滑空间特征协方差矩阵估计共信道多用户信号的DOA.仿真实验验证了算法的有效性.     

基于离格稀疏表示的近场信源定位方法

近场信源定位是下一代无线通信中的一个重要研究方向,现有的方法大多集中在传统子空间或在格稀疏方法。针对子空间类方法损失阵列孔径和稀疏表示类方法精度受网格划分效应制约的问题,该文提出了一种基于离格稀疏表示的定位方法。首先通过获得一个高阶累积量矩阵建立基于角度参数的离格信号模型,利用交替迭代优化方法实现角度的估计。然后根据角度估计值建立基于距离参数的离格信号模型,并采用交替迭代方法进行求解。仿真结果表明,所提方法不仅具有较高的估计精度,而且可以实现角度和距离参数的正确配对。     

基于协方差差分的近场源定位参量估计

提出一种基于空间差分技术的近场源方位角和距离联合估计新算法.算法利用平稳噪声协方差矩阵关于主对角线对称的特点,构造近场源定位模型下的空间差分矩阵.推导并证明了该矩阵的谱分解特性,以此为基础确定噪声子空间,借助谱峰搜索实现定位参量估计.算法通过对消噪声分量有效降低了未知平稳噪声对定位精度的影响,同时避免了应用差分技术解决信源定位时出现的伪峰问题.均方根误差的仿真结果证明了算法的有效性.     

基于贝叶斯压缩感知的子空间拟合离格DOA估计

针对传统的基于稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）的波达方向估计算法对噪声鲁棒性不高的问题,提出了一种基于SBL的子空间拟合离格波达方向(Direction of Arrival,DOA)估计方法。首先对接收数据的协方差矩阵进行特征分解,获得信号的加权子空间,构造等价信号的稀疏表示模型并利用贝叶斯学习算法进行参数求解。同时对于网格划分带来的建模误差问题,采用了离格贝叶斯推导（Sparse Bayesian Inference,SBI）算法进行求解,利用期望最大化算法迭代更新相应的参数。仿真结果表明,相对于传统的DOA方法,该方法具有更好的估计精度。     

MIMO雷达DOA估计方法分析

在介绍多输入多输出（MIMO:Multiple-Input Multiple-Output）雷达的信号模型的基础上,给出了一种目标波达方向（DOA:Direction of Arrival）估计方法--多信号分类（MUSIC:Multiple Signal Classification）方法在MIMO雷达系统DOA估计中的应用。与传统相控阵雷达相比,在MIMO雷达系统中该方法可以分辨的信号源数目有较大增加。通过仿真实验,详细分析了在MIMO雷达系统DOA估计中,多种因素对MUSIC方法测角精度的影响。     

Joint parameter estimation of DOD/DOA/polarization for bistatic MIMO radar

In the paper,polarization-sensitive array is exploited at the receiver of multiple input multiple output (MIMO) radar system,a novel method is proposed for joint estimation of direction of departure (DOD),direction of arrival (DOA) and polarization parameters for bistatic MIMO radars. A signal model of polarimetric MIMO radar is developed,and the multi-parameter estimation algorithm for target localization is described by exploiting polarization array processing and the invariance property in both transmitter array and receiver array. By making use of polarization diversity techniques,the proposed method has advantages over traditional localization algorithms for bistatic MIMO radar. Simulations show that the performance of DOD and DOA estimation is greatly enhanced when different states of polarization of echoes is fully utilized. Especially,when two targets are closely spaced and cannot be well separated in spatial domain,the estimation resolution of traditional algorithms will be greatly degraded. While the proposed algorithm can work well and achieve high-resolution identification and accurate localization of multiple targets.     

Joint angle and Doppler frequency estimation of coherent targets in monostatic MIMO radar

This paper discusses the problem of joint direction of arrival (DOA) and Doppler frequency estimation of coherent targets in a monostatic multiple-input multiple-output radar. In the proposed algorithm, we perform a reduced dimension (RD) transformation on the received signal first and then use forward spatial smoothing (FSS) technique to decorrelate the coherence and obtain joint estimation of DOA and Doppler frequency by exploiting the estimation of signal parameters via rotational invariance techniques (ESPRIT) algorithm. The joint estimated parameters of the proposed RD-FSS-ESPRIT are automatically paired. Compared with the conventional FSS-ESPRIT algorithm, our RD-FSS-ESPRIT algorithm has much lower complexity and better estimation performance of both DOA and frequency. The variance of the estimation error and the Cramer–Rao Bound of the DOA and frequency estimation are derived. Simulation results show the effectiveness and improvement of our algorithm.     

双基地分布式阵列MIMO雷达的DOA和DOD估计方法

结合分布式阵列和双基地多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达的特点, 提出了一种新的双基地分布式阵列MIMO雷达的接收角(Direction of Arrival, DOA)和发射角(Direction of Departure, DOD)估计方法.根据发射阵列和接收阵列的空域旋转不变特性, 利用旋转不变估计技术(Estimation of Signal Parameters via Rotational Invariance Techniques, ESPRIT)获取无模糊DOA粗估计和高精度周期性模糊的DOA、DOD精估计; 再利用无模糊DOA粗估计、目标的双基地距离信息以及双基地MIMO雷达的几何特点, 解除DOA、DOD精估计的周期性模糊, 得到高精度且无模糊的DOA和DOD估计.最后, 根据ESPRIT算法原理和估计误差的概率统计特性进行算法的性能分析, 给出算法基线模糊门限的近似计算方法.该算法有效地放宽了发射阵列孔径扩展程度的限制, 从而提高了阵列在大孔径下的角度估计精度, 且能够实现DOA和DOD估计的自动配对.仿真结果验证了所提算法和性能分析方法的有效性.     

一种双基地MIMO雷达目标参数估计算法

为了实现双基地多输入多输出(MIMO)雷达目标参数估计,建立了双基地MIMO雷达信号模型,提出了一种目标方向角和多普勒频率估计方法,该方法利用2次ESPRIT方法分别估计目标的多普勒频率和来波角度(DOA),然后利用ROOT-MU-SIC方法估计得到目标去波方向(DOD)。所提算法只进行3次特征值分解,避免了多维非线性的谱峰搜索,配对过程简单。仿真结果证明了该算法的有效性。     

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.     

一种基于粒子滤波的动目标方位跟踪与波束形成算法

针对动目标方位随时间变化的情况,根据阵列信号处理模型,建立了状态跟踪方程,并在此基础上,运用粒子滤波方法,对目标方位进行实时动态跟踪,有效解决了传统DOA估计方法不能解决的时变DOA估计问题。在获得目标方位的同时,该方法还可以进行动态波束形成,实现DOA跟踪与信号接收一体化。仿真实验证明了算法的有效性。     

基于相位干涉仪的同时信号测向技术

针对传统的相位干涉仪无法进行同时信号测向的问题,提出了一种基于相位干涉仪的同时信号测向方法,在干涉仪测向中引入了数字信道化技术来解决同时信号分辨,同时采用多基线天线结构来提高测向精度。通过理论分析及仿真实验,验证了该方法可实现同时信号测向的能力。