一种快速DOA估计算法

MUSIC算法需要将天线阵列接收数据的协方差矩阵进行特征分解,并在全空域进行谱峰搜索。该算法具有很高的分辨力、估计精度及稳定性,但是运算量巨大,难以实时实现。通过对等距线阵特点及MUSIC算法的研究,提出了一种无需特征分解和在全空域进行谱峰搜索的快速算法,算法采取降维处理的方法快速估计信号子空间,然后根据基于阵列一次快拍的FFT算法粗略估计的局域信号空间进行谱峰搜索,从而有效降低了算法的计算量,理论分析和计算机仿真结果证明了该算法的有效性。     

一种基于双平行线阵相干源二维波达方向估计的新方法

提出一种基于双平行线阵有相干信号源存在情况下二雏波迭方向估计的新算法。该算法根据阵列结构的特点形成6个需要的相关矩阵，然后构造一个特殊大矩阵并经特征分解获得信号子空间的估计，最后利用2-D ESPRIT方法实现二维角度估计。无论是否存在相干源，新算法都能精确估计出二维到达角，而无需进行谱峰搜索，从而解决了信号参数配对问题。最后用计算机仿真验证了该算法的有效性。     

非圆信号二维DOA 和初始相位联合估计方法

针对传统联合估计方法计算量大、需要多维谱峰搜索的问题,该文提出了一种基于垂直阵列结构的任意初始相位非圆信号2 维DOA (Direction Of Arrival)和初相联合估计方法,利用垂直阵列特点,将3维参数估计问题转化为可并行处理的3个2维参数估计,在每一个子阵上,同时使用噪声子空间正交性和信号子空间旋转不变性,将2维参数估计进一步转化为1维估计问题,最终只需要对扩展协方差矩阵进行一次特征分解即可实现2维DOA和初相的联合估计及自动配对。该方法适用于空间信源处于过载的情形和低信噪比、短快拍环境,可估计信源数为2(M1)。数值仿真验证了该算法的有效性。      

基于L型阵列酉变换矩阵重构的二维DOA估计

二维空间信号波达方向（DOA）的估计是阵列信号处理的一个关键研究问题。经典的二维 MUSIC算法固然精度高,但此算法需要二维谱峰搜索,运算较为复杂。提出一种用于L型阵列的二维DOA估计算法,通过矩阵重构使得阵列输出矩阵变为中心对称矩阵,再利用酉变换矩阵将其由复值矩阵变为实值矩阵。该方法可以直接得到目标参数,不需要谱峰搜索,使得运算量大大降低。相比于 L 型阵列适用的增广矩阵束（MEMP）算法,该算法可以估计更多信源的DOA,并能获得较高的分辨率。计算机仿真结果表明,该算法具有较高的DOA估计精度。     

共形阵列幅相误差校正快速算法

基于子空间的联合迭代算法可以实现对空间信源方位和阵列幅相误差参数的联合估计。当对共形阵列进行幅相误差校正时,由于其空域导向矢量不具有Vander monde结构,导致快速高分辨空间谱估计方法无法直接应用,而利用2维谱峰搜索实现空间方位估计的运算量较大,限制了算法在共形阵列上的应用。针对此问题,该文提出一种借助虚拟阵列实现共形阵列幅相误差校正的新方法。该方法利用虚拟阵列的特殊结构快速实现对信源的DOA估计,省去了谱峰搜索过程,因而运算复杂度低,便于工程实现。理论分析和仿真结果验证了所提算法的有效性,可为共形阵列的工程应用提供参考。     

基于四阶累积量的空间信号2-D DOA分离估计

本文基于平行均匀线性阵列和四阶累积量提出了一种新的任意高斯噪声环境下的多个空间信号二维到达方向分离估计方法。通过巧妙定义阵列输出四阶累积量矩阵,该方法不需要谱峰搜索就可以估计信号二维到达方向。计算机模拟结果证实了方法的可行性。     

基于四阶累积量的空间信号2—DDOA分离估计

本文基于平行均匀线性阵列和四阶累积量提出了一种新的任意高斯噪声环境下的多个空间信号二维到达方向分离估计方法，通过巧妙定义阵列输出四阶累积量矩阵，该方法不需要谱峰搜索就可以估计信号二维到达方向，计算机模拟结果证实了方法的可行性。     

基于MUSIC算法的L型阵列MIMO雷达降维DOA估计

该文提出一种基于MUSIC算法的L型阵列多输入多输出雷达降维波达方向(DOA)估计算法。该算法首先针对L型阵列导向矢量的结构,构造出一个降维矩阵,将回波信号转换到低维空间。然后利用二次优化方法将2维DOA估计分解为两个1维DOA估计。最后利用MUSIC空间谱估计其中1维角度,并利用求得的角度回代谱函数,对另1维角度进行求根估计。该算法将2维空间谱搜索降为1维搜索,极大地降低了运算复杂度。理论分析和仿真结果验证了该算法的准确性和可行性。     

采用频率步进信号的多目标三维空间定位算法

频率步进信号是发射载频步进变化的子脉冲串合成的大带宽信号,具有较高的距离分辨率,阵列天线是借助阵列信号处理的空间谱估计提高方位分辨率。提出了一种利用频率步进信号和十字接收阵列对多目标进行三维空间定位的新方法。该方法充分利用了频率步进信号的特点,通过空时域MUSIC算法和自适应波束形算法对多目标的方位和距离二维参数进行估计,最后应用简单的关联算法,实现多目标三维坐标的估计。该方法仅需要一维谱峰搜索,计算量适中,能实现目标的方位和距离估计结果的自动配对,且有较高的分辨率。计算机仿真试验结果证实该方法的有效性。     

六角形阵列相干信号二维DOA估计

提出了一种基于扩展重构相关矩阵去相干的二维DOA估计算法。针对六角形阵列的结构特点,首先对各个阵元的接收数据求其共轭矩阵来扩展阵列,扩展后的阵列分为3个六角形子阵列,以此为基础,求得各子阵列的自相关矩阵及互相关矩阵来扩展重构相关矩阵,从而实现解相干的目的,最后利用二维MUSIC算法进行DOA估计。该算法在不减少阵列有效孔径的前提下,增加了可估计相干源数目,并且能够得到较好的估计性能。最后,通过计算机仿真证实了该算法的有效性。      

2-D DOA Estimation in the Presence of Mutual Coupling

We present a 2-D direction of arrival (DOA) estimation algorithm in the presence of unknown mutual coupling for the uniform rectangular array (URA) based on the multiple signal classification (MUSIC) algorithm. By setting the sensors on the boundary of the URA as auxiliary sensors, it can accurately estimate the DOAs without any calibration sources or iterative operations. We prove that the effect of mutual coupling can be eliminated by the inherent mechanism of the proposed method. Twice search technique is used to reduce the computation of the 2-D spectrum search. Moreover, we provide a method to estimate the mutual coupling coefficients after getting the DOA estimates. Simulation results confirm the effectiveness of the proposed algorithm.     

Direction-of-arrival estimation based on spatial–temporal statistics without knowing the source number

Direction-of-arrival (DOA) estimation is a central problem in array processing and has a variety of applications. In this paper, a new algorithm for finding DOAs of multiple temporally correlated signals is devised. The proposed approach is based on the joint diagonalization structure of a set of spatio-temporal correlation matrices. Unlike the subspace-based DOA estimators, it is not necessary to estimate the noise or signal subspace explicitly. Moreover, the proposed method can provide the spatial spectrum and estimate the DOAs even when the number of sources is not known a priori. Interestingly, it is revealed that the well-known MUSIC method is a special case of our algorithm. Simulation results validate that the developed approach is superior to conventional DOA estimators in terms of resolution capability, estimation accuracy, and robustness against array model errors.     

一种快速分布式目标波达方向估计新方法

在现有的分布式目标波达方向估计方法中,绝大部分算法需要一维或二维搜索,而在不需搜索的特征分解类算法中,其DOA估计精度又受快摄数积累的影响。文中在对分布式目标的角信号密度函数进行合理假设基础上,利用波达方向参数在超完备基空间上的稀疏表示,在单次快摄情况下即可给出分布式目标中心波达方向的快速估计,算法在分布式目标快变环境下尤为有效。仿真结果证明了方法的有效性及可行性。     

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.     

一种信源个数与波达方向联合估计的新算法

针对多级维纳滤波器(MSWF)用于子空间估计时信号特征矢量泄漏到噪声子空间的问题,提出了一种新的信号子空间估计算法,该算法不需要训练信号和信源个数的先验知识.随后,给出了一种信源个数的后判断方法,最终完成信源个数及方向的同时估计.整个算法不需要协方差矩阵的计算和特征值的分解,具有较低的计算复杂度.在均匀线阵且信号互不相关情况下,改进后的算法用于波达方向估计时拥有与基于特征分解方法近似的性能.仿真结果验证了该方法的有效性.     

DOA estimation of noncircular signals for coprime linear array via locally reduced-dimensional Capon

We investigate the issue of direction of arrival (DOA) estimation of noncircular signals for coprime linear array (CLA). The noncircular property enhances the degree of freedom and improves angle estimation performance, but it leads to a more complex angle ambiguity problem. To eliminate ambiguity, we theoretically prove that the actual DOAs of noncircular signals can be uniquely estimated by finding the coincide results from the two decomposed subarrays based on the coprimeness. We propose a locally reduced-dimensional (RD) Capon algorithm for DOA estimation of noncircular signals for CLA. The RD processing is used in the proposed algorithm to avoid two dimensional (2D) spectral peak search, and coprimeness is employed to avoid the global spectral peak search. The proposed algorithm requires one-dimensional locally spectral peak search, and it has very low computational complexity. Furthermore, the proposed algorithm needs no prior knowledge of the number of sources. We also derive the Crámer-Rao bound of DOA estimation of noncircular signals in CLA. Numerical simulation results demonstrate the effectiveness and superiority of the algorithm.     

非圆信号多级维纳滤波MUSIC测向算法

为降低非圆信号的MUSIC(记为NC-MUSIC)测向算法的计算量,提出了基于多级维纳滤波的NC-MUSIC算法.首先,该算法将非圆信号特性用于多级维纳滤波算法,构造出扩展阵列输出矩阵,利用多级维纳滤波的递推特性求出信号子空间,而不需要估计样本协方差矩阵和对其特征值分解;其次,为了进一步降低算法的计算量,推导出信号子空间的谱峰一维搜索公式进行非圆信号谱峰搜索的计算,快速估算出目标的方位值.仿真结果和计算复杂度分析表明,新算法不但在均方根误差性能上与其他快速算法相似,均接近于NC-MUSIC算法,具有良好的估计性能,而且降低了NC-MUSIC算法的计算最,使其计算复杂度小于非圆信号扩展传播算子快速测向算法的计算复杂度.证实了新算法快速有效的估计性能.     

IR-UWB 系统中基于 root-MUSIC 算法的 TOA 和 DOA 联合估计简

针对二维多重信号分类算法可以估计出系统的到达时间(TOA, time-of-arrival)和波达方向(DOA, direction- of-arrival)参数,但需要复杂度非常高的二维谱峰搜索这一问题,提出了IR-UWB系统中基于求根MUSIC(root-MUSIC)的TOA和DOA联合估计算法,该算法对接收信号的频域形式建模,先估计出TOA,然后由TOA的差值计算出DOA,从而实现TOA和DOA的联合估计。该算法不需谱峰搜索,可直接给出估计参数的闭式解,还可实现参数配对。还推导了参数估计的误差方差。仿真结果表明,该算法的参数估计性能明显优于矩阵束算法、传播算子算法以及基于旋转不变技术估计信号参数算法,并且非常接近于2D-MUSIC算法,但该算法的复杂度却远远低于2D-MUSIC算法。     

基于均匀圆阵相干信源的二维DOA估计

随着通信技术的不断发展,信号传输环境变得日益复杂。针对多径传播形成的高度相关和相干信号测向问题,提出了一种基于均匀圆阵相干信源的二维DOA估计方法。该方法利用均匀圆阵轴向虚拟平移解相干,通过去噪后利用虚拟子阵的自协方差矩阵和互协方差矩阵构造波达方向矩阵,利用该矩阵特征分解估计信号的俯仰角;然后将平滑后的自协方差矩阵与波束空间变换矩阵相乘,使圆阵的导向矢量具备范德蒙结构,最后用求根MUSIC算法估计出信号的方位角,完成了相干信号的二维DOA估计。该方法无需二维谱峰搜索,方位角和俯仰角自动配对,计算量小,分辨率高。仿真实验证明了所提方法的正确性。     

Conjugate ESPRIT (C-SPRIT)

In this paper, we present an algorithm to estimate the direction of the arrival angles (DOAs) from noncoherent one-dimensional (1-D) signal sources such as binary phase shift keying (BPSK) and M-ary amplitude shift keying (MASK). The proposed algorithm can provide a more precise DOA estimation and can detect more signals than well-known classical subspace-methods MUSIC and ESPRIT for the 1-D signals. The complexity is the same as that of ESPRIT since the proposed algorithm uses the same array geometry and subarray processing that ESPRIT does. The main differences between the proposed algorithm and the ESPRIT algorithm are as follows: 1) the number of overlapping array elements between two subarrays is equal to M in the proposed algorithm, while in ESPRIT the maximum number of overlapping elements is M-1, where M denotes the total number of array elements, and 2) the proposed algorithm employs the conjugate of rotation matrix (CRM) /spl Phi//sup */ while ESPRIT uses /spl Phi/ with no conjugate for the second subarray geometry.