基于OMP算法的极化敏感阵列多参数估计

基于压缩感知的DOA估计方法在小快拍数下性能优越,并且具有天然的解相干能力,但在极化敏感阵列中运用很少。基于极化敏感阵列研究一种改进的OMP算法,能够成功估计出空域和极化域参数。该算法首先将极化敏感阵列信号接收矩阵重新建模,随后采用所提的改进OMP算法得到空域到达角估计结果。然后将求解出来的空域到达角代入到根据模值约束条件构造出来的代价函数中,通过闭合式解得到极化参数估计,从而实现了自动配对的空域和极化域的参数估计。仿真结果表明,该方法无论信号相干与否都能够得到良好的估计结果,并且在非相干情况下,估计性能总体优于极化ESPRIT算法及模值约束MUSIC算法。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于TLS的改进子空间投影算法

针对经典MUSIC算法在信源相干、低信噪比、小快拍数等非理想环境下性能失效的问题,提出了一种改进的基于TLS的加权子空间投影算法。首先对阵列接收的数据协方差矩阵进行重构处理,以达到解相干目的;其次充分利用子空间信息,基于总体最小二乘拟合方法对特征值进行拟合修正,基于修正MUSIC算法思想,利用校正后的噪声特征值和信号特征值分别对噪声子空间和信号子空间进行加权处理,得到改进后的噪声子空间和信号子空间,并将两者结合得到新的空间谱函数;最后进行谱峰搜索,完成信号源的波达方向估计。仿真结果表明,改进后的算法既适用于相干信号环境,在低信噪比、小快拍数及信号入射角度间隔较小的情况下,又能有效估计出信源的波达方向。     

基于MUSIC及其改进算法的空间信号到达方向估计方法研究

本文首先介绍了多重信号分类(MUSIC)算法的原理和步骤,给出了不同快拍数和不同信噪比条件下基于MUSIC算法的空间信号到达方向(DOA)估计的仿真和分析,提出了DOA估计系统在工程设计中需要注意的问题和解决办法。随后,针对实际工程中复杂电磁环境下的信号源相干问题,研究了一种基于空间平滑的改进MUSIC算法的原理和步骤,并对传统MUSIC算法与改进MUSIC算法对相干信源的DOA估计性能进行了仿真对比和分析。仿真结果表明,与传统MUSIC算法相比,基于空间平滑改进的MUSIC算法能有效改善对相干信号源的测量性能,得到正确的DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵DOA估计

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵DOA估计算法。该算法首先对非均匀稀疏阵接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算得到新的协方差矩阵;然后利用任意阵列下的空间平滑算法恢复新协方差矩阵的秩;最后通过对新协方差矩阵进行特征值分解实现DOA估计。与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。仿真结果证明了算法的有效性。     

极化域-空域联合的四元数APES波束形成算法

为了得到稳定的波束方向图、进一步提高极化敏感阵列的滤波性能,文中提出了一种极化域 空域联合的四元数幅度相位估计(Q-APES, Quaternion-Amplitude and Phase EStimation)自适应波束形成算法。首先,利用四元数信号模型很好的保持了两分量阵列各阵元输出信号分量之间固有的正交特性,使得该模型较传统的长矢量模型更适合于极化敏感阵列信号处理。然后,将纯空域的APES算法拓展到极化域-空域联合处理中,给出了Q-APES算法的理论推导和分析,得出了四元数最优滤波权向量,并通过仿真实验验证了文中算法的有效性。计算机仿真结果表明,在强期望信号、低采样快拍数或是入射干扰信号与期望信号相干的情况下,文中算法都可以很好的实现极化域-空域联合自适应滤波。      

相干信号源DOA估计的一种改进SVD算法

多重信号（MUSIC）算法是波达方向（DOA）估计中的一种标志性算法,在理想条件下具有良好的性能,但是当信号源相干时,算法的性能就会变得很差。为了使其在低信噪比、小角度条件下对相干信号源有着更好的分辨能力和稳定性,通过对解相干重要算法——矢量奇异值（SVD）算法的研究,并针对SVD算法在低信噪比、小角度条件下分辨能力的不足,提出了一种改进的矢量奇异值算法（NSVD）,即利用信号协方差矩阵的最大特征矢量,按一定规则构造出新矩阵,然后对矩阵进行修正,再利用奇异值分解算法估计出信号相关信息。最后通过大量的计算机仿真证明了算法的良好性能。     

Novel high-resolution DOA estimation using subspace projection method

The performance of multiple signal classification(MUSIC) algorithm with regard to solving closely spaced direction of arrivals(DOAs) depends strongly upon the signal-to-noise ratio(SNR) and snapshots.In order to solve this problem,a method by reconstructing the spatial spectrum function with both noise subspace and signal subspace is presented in this paper.The key idea is to apply the full information contained in covariance matrix and change the projection weights of steering vector on the noise and signal subspace by their revised eigenvalues,respectively.Comparing with the MUSIC algorithm,it does not increase any computational complexity either,and remarkably,it has the advantages of simultaneously reducing noise and keeping the high-resolution ability under low SNR and small sample sized scenarios.Simulation and experiment results are included to demonstrate the superior performance of the proposed algorithm.     

MUSIC算法的性能比较

智能天线的核心技术之一是波达方向估计,在无线通信中具有重要作用。MUSIC算法是一种经典的DOA估计算法,但因其计算量大、对于相干及小信噪比信号无法分辨等缺陷,故有较多的改进算法被提出。文中研究了求根MUSIC算法、基于空间平滑技术的MUSIC算法、改进MUSIC算法及修正MUSIC算法。通过仿真分析了角度间隔、信噪比、信号相干对改进MUSIC算法分辨率的影响。以上几种改进MUSIC算法进一步发挥了该算法高分辨率的优势,且有利于其在智能天线方面的应用。     

基于拉伸式双偶极子天线Q-MUSIC算法的DOA估计

本文指出在四元数模型下,传统双偶极子天线组成的均匀线阵(ULA)在利用四元数多重信号分类算法(Q-MUSIC)估计极化信号波达角(DOA)时,存在“模型相干”问题,并提出了基于实同构矩阵变换的拉伸式双偶极子天线 MUSIC 算法,有效解决了上述问题,所提算法充分利用四元数模型的正交性,性能远优越于基于传统双偶极子天线的 MUSIC 算法,尤其是在低信噪比(SNR)条件下。最后,通过计算机仿真实验验证了所提算法的有效性。     

低信噪比下相干信号的DOA估计的白噪声滤除方法

在波达方向估计中,“相干”和“信噪比”一直引人关注。相干会使多重信号分类等算法失效,究其原因就是信源协方差矩阵的秩亏缺。低信噪比使阵列协方差矩阵的主次特征值区分困难,造成信号和噪声的子空间划分错误。针对相干,人们往往都是从“解相干”的角度出发,通过各种手段使信源的协方差矩阵能够满秩,但并未对秩亏缺特性加以利用。基于此,本文给出了一种在低信噪比下对相干源的波达方向估计的噪声消除方法,在仅有加性白噪声的环境下,利用相干信号协方差矩阵不能满秩的特点,通过求解方程组,用求的值代替估计的协方差矩阵的相关对角元素（即对角加载处理）,置换被噪声污染的对角元素,进而可以滤除掉白噪声的影响。仿真结果证实了方法的有效性。      

基于时间反转的MIMO雷达实值MUSIC算法

针对时间反转(TR)多输入多输出(MIMO)雷达多重信号分类(MUSIC)算法计算量庞大的问题,提出一种基于时间反转的MIMO雷达实值MUSIC算法。首先,通过采用降维思想对TR MIMO回波信号进行降维处理,来减少计算量;然后,为将协方差矩阵转化到实数域,构造酉变换矩阵进行实值变换;最后,分解出实值协方差矩阵的噪声子空间,构造谱函数估计信号波达角。相对于传统的MUSIC算法,该算法借助实值变换剔除了复数运算,极大地降低了计算量,而且不需要空间平滑降低阵列孔径就具有解相干的能力。仿真结果证实了算法的正确性。     

Near-field multiple source localization by passive sensor array

The localization of multiple near-field sources in a spatially white Gaussian noise environment is studied. A modified two-dimensional (2-D) version of the multiple signal classification (MUSIC) algorithm is used to localize the signal sources; range and bearing. A global-optimum maximum likelihood searching approach to localize these sources is discussed. It is shown that in the single source situation, the covariances of both the 2-D MUSIC estimator and the maximum likelihood estimator (MLE) approach the Cramer-Rao lower bound as the number of snapshots increases to infinity. In the multiple source situation, it is observed that for a high signal-to-noise ratio (SNR) and a large number of snapshots, the root mean square errors (RMSEs) of both localization techniques are relatively small. However, for low SNR and/or small number of snapshots, the performance of the MLE is much superior that of the modified 2-D MUSIC     

针对相干信号DOA估计的改进MUSIC算法

针对相干信号波达方向(Direction of Arrival, DOA)估计,提出了一种改进的多重信号分类(Multiple Signal Classification, MUSIC)算法。首先,利用信号协方差矩阵的两个最大特征值所对应的特征向量,构造出两个Toeplitz矩阵;然后,利用前后向空间平滑思想得到这两个矩阵的无偏估计并求和;最后,利用MUSIC算法从中估计出相干信号DOA。和已有方法相比,该方法无需损失阵列孔径且具有更优的DOA估计性能。     

一种改进的极化敏感阵列解相干算法

在相干信号源情形下,常用的极化敏感阵列信号处理方法(如参数估计、波束形成等)会出现性能下降甚至失效的现象。该文在极化平滑算法的基础上提出一种改进的解相干算法,通过对各子相关矩阵选择适当的加权系数,使平滑之后的相关矩阵具有Toeplitz的形式,进而消除信号之间的相干性。该文推导了最优加权系数的表达式及最大解相干信号个数,并利用加权平滑之后的相关矩阵完成了参数估计和波束形成。计算机仿真结果表明改进的方法具有比常规极化平滑算法更优越的性能,且适用于非均匀噪声和相干噪声的情况。     

一种基于子空间分析的快速信源个数估计方法

针对阵列信号处理中传统信源个数估计方法如基于Akaike信息论准则方法(AIC)、最小描述长度准则方法(MDL)等特征值分解类算法计算量大,且在小快拍数、低信噪比时性能下降甚至无法正确估计的问题,提出了一种基于子空间分析的快速信源个数估计方法.该算法首先利用多级维纳滤波器(MWF)对信号进行快速的子空间估计,然后计算阵...     

DOA估计的一种改进MUSIC算法

讨论了在移动通信环境中采用协方差差分和迭代空间平滑以进行信号来波估计(Direction Of Arrival)的一种改进MUSIC算法.首先简要回顾了经典MUSIC算法,给出阵列接收信号模型,然后详细分析了经典MUSIC算法估计相干信号所存在的问题,在常规空间平滑算法(SS)的基础上提出了一种改进算法,最后给出计算机仿真结果并验证了新算法的有效性。