基于阵列误差校正的波束域方位估计算法实验研究

针对阵列误差的存在会导致波束域高分辨方位估计算法性能下降的问题,给出了一种基于阵列误差校正的波束域处理方法。该方法利用单个校正源,根据实际测量数据,在获取基阵实测阵列流形的基础上,实现了对阵列误差的校正,进而利用波束域MUSIC算法估计出信号的方位。实验结果验证了基于实测阵列流形的阵列误差校正方法可以有效增强波束域高分辨算法对阵列误差的稳健性。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

声矢量阵波束域宽带聚焦MUSIC算法

和阵元域处理相比，波束域处理具有计算量小，分辨信噪比门限低的优点．同时，声矢量传感器拾取了更多的声场信息，联合处理这些信息可以提高声呐的性能．把声压阵的波束域高分辨算法的思想和相干子空间方法(CSM)的思想引入到声矢量阵列信号处理，在Michael Zoltowsk提出的矢量阵的数学模型的基础上推导出了声矢量阵波束域宽带聚焦MUSIC算法，并作了计算机仿真研究，仿真的结果表明：基于矢量阵的波束域宽带聚焦MUSIC、算法无论是在分辨信噪比门限还是在角度分辨能力上都要优于声压阵波束域宽带聚焦MUSIC算法，而二者的计算量相当，和矢量阵阵元域宽带聚焦MUSIC算法相比，矢量阵波束域处理的计算量要远远小于阵元域处理。     

基于矢量阵的自初始化MUSIC方位估计算法

MUSIC空间谱估计突破了常规波束形成中的锐利限,能够对目标进行高精度方位估计.探讨了MUSIC算法在矢量阵上的应用,给出了矢量线阵MUSIC噪声子空间谱估计表达式,利用单个矢量阵元的阵簇估计提供的初始参数,对MUSIC噪声子空间谱进行迭代搜索谱峰实现目标的方位估计,用以提高目标方位估计的精度.对单目标和双目标方位估计进行了仿真研究,在文中的仿真条件下,当满足信噪比大于5dB的条件时,可对目标方位进行较好估计.研究结果表明,通过单个矢量阵元阵簇得出的目标方位估计精度较差,而迭代搜索MUSIC谱峰方法提高了方位估计精度.     

矢量阵自初始化MUSIC算法的试验研究

利用单个矢量阵元的阵簇估计提供的初始参数,对MUSIC噪声子空间谱进行迭代搜索谱峰,实现目标的方位估计.该方法减少了运算量,同时提高了目标方位估计的精度.为了检验算法的性能,进行了外场试验.利用3个矢量水听器组成了三元矢量阵,对比了矢量阵自初始化MUSIC算法和MUSIC空间谱估计以及常规波束形成的性能.试验结果表明,矢量阵常规波束形成的目标方位估计精度较差,MUSIC空间谱的估计性能较好,而迭代搜索MUSIC谱峰方法的定向精度最高.当空间严重降采样时,常规波束图的栅瓣高度接近主瓣高度,MUSIC空间谱表现出较强的栅瓣抑制能力,而自初始化MUSIC算法不受空间降采样的影响,总能给出正确的目标方位估计值.     

An effective DOA method via virtual array transformation

A new DOA estimation method is presented for the virtual array transformation and the improved spatial smoothing algorithm. The new method not only overcomes the weakness of the ambiguity of DOA estimation of arbitrary array, but also improves the abilities of resolution and de-correlation. It is proven to be effective by theoretical analyses and computer simulations. What is more, the method can improve the estimation and resolution of DOA under the condition of sparse practical array.     

天线方向图综合中的本征激励方法

给出矩量法分析天线阵列时本征激励模式的不同定义．使用单元间无耦合的理想阵列来逼近有耦合的实际阵列．可以把理想阵列单元的电流分布经过等效转化之后得到的系数去激励有耦合的阵列,可在有互耦的阵列上综合出与理想阵列一致的方向图．因为在优化过程中减少了精确的电磁场分析而大大缩减了考虑耦合的实际阵列方向图综合时间．最后给出算例验证了笔者思路的正确性．     

用多波束天线的最优多用户检测器

提出了用多波束天线阵对移动通信系统中小区用户分组，对各组用户采用最优多用户检测的新方法，以降低最优多用户检测器的计算复杂度，可以证明当小区内有Ｍ个用户，天线阵列产生Ｊ个波束时，多用户检测器的计算复杂度由原来的Ｏ（２＾Ｍ）降低到Ｏ（２＾Ｍ／Ｊ）。     

一种小尺度阵空间信号源数估计算法

在信号源数未知或信号源数与估计不符的条件下,大多数高分辨DOA(direction of arrival)估计算法性能都会严重下降或失效。该文通过分析直线阵的阵列流形,给出了波束特征值的概念,并由此提出了一种可应用于小尺度阵的信号源数估计算法.理论分析和仿真实验证明,该算法适用于相干和非相干信号源数估计,并且在低信噪比条件下,仍能进行准确地估计.并且通过蒙特卡洛试验证实了该算法的信源数估计性能优于通常的信源数估计方法.     

基于矩阵填充的互质阵列欠定DOA估计方法

为了解决现有基于互质阵列的DOA估计方法舍弃差联合阵列中非均匀虚拟阵元而导致最大可估计信号数损失的问题,提出了一种基于矩阵填充的DOA估计方法。首先,根据差联合阵列与波程差一一对应的特性,构造一个部分元素缺失的Toeplitz化的阵列协方差矩阵,建立了基于矩阵填充的DOA估计模型,并验证了该模型满足零空间性质;然后,根据低秩矩阵填充理论,将DOA估计问题转化为矩阵核范数最小化问题进行求解,通过不定点延续算法将该协方差矩阵中的零元素进行填充恢复为完整协方差矩阵;最后,对协方差矩阵进行奇异值分解,转化为多项式求根,得到DOA的估计。仿真实验结果验证了本文方法的有效性和优越性。实验结果表明,本文方法能够对差联合阵列中的空洞部分进行有效填充,增加了可利用的阵列自由度,提高了可估计信号数,同时能够有效避免传统稀疏重构算法中由于角度域离散化导致的基不匹配问题对估计性能的影响,提高了估计精度和分辨力。     

Research on Acoustic Localization Algorithm Based on Dual Four-Element Arrays

The passive acoustic locating technology is widely used in military fields.The traditional locating method with single array has low precision of distance estimation,but comparatively high precision of angle estimation.According to the characteristic,the algorithm for acoustic passive localization based on the azimuth angle and geometry position of the two arrays is derived to estimate the target distance,and the simulation for the factors that affect the localization precision also proceeds.The result of the simulation shows the precision of localization estimation with dual arrays is superior to that of single array,and the passive localization algorithm based on dual array can meet the practical demands.     

Wideband Direction-of-Arrival Estimation Based on Deep Learning

The performance of traditional high-resolution direction-of-arrival (DOA) estimation methods is sensitive to the inaccurate knowledge on prior information, including the position of ar-ray elements, array gain and phase, and the mutual coupling between the array elements. Learning-based methods are data-driven and are expected to perform better than their model-based counter-parts, since they are insensitive to the array imperfections. This paper presents a learning-based method for DOA estimation of multiple wideband far-field sources. The processing procedure mainly includes two steps. First, a beamspace preprocessing structure which has the property of fre-quency invariant is applied to the array outputs to perform focusing over a wide bandwidth. In the second step, a hierarchical deep neural network is employed to achieve classification. Different from neural networks which are trained through a huge data set containing different angle combinations, our deep neural network can achieve DOA estimation of multiple sources with a small data set, since the classifiers can be trained in different small subregions. Simulation results demonstrate that the proposed method performs well both in generalization and imperfections adaptation.