基于实值传播算子的非圆信号DOA估计求根算法

为有效降低非圆信号DOA(direction of arrival)估计算法的计算量,本文提出一种非圆信号DOA估计快速算法,借助实值扩展传播算子和多项式求根方法来降低计算量。首先利用信号非圆特性构造出实值的扩展阵列输出矩阵及扩展协方差矩阵,然后使用扩展传播算子方法代替扩展协方差矩阵的特征分解得到噪声子空间,再利用均匀线阵的多项式求根方法获得目标的DOA估计值。对算法的性能仿真和计算复杂度分析表明,新算法的均方根误差性能与Euler-root-MUSIC、NC-root-MUSIC等快速算法相近,但其计算复杂度小于上述非圆信号DOA估计快速算法。优良的性能和较低的计算量使新算法具有良好的实用价值。      

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。     

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Y型阵的互耦矩阵与DOA的同时估计方法

基于均匀间隔的Y型阵列,提出了一种自校正算法用于非相干源的DOA估计和阵元间的互耦校正,且无需任何方位已知的校正源.自校正算法利用均匀线阵互耦矩阵的对称Toeplitz性和带状特性,无需任何互耦信息的条件下可以精确估计信源DOA和阵列的互耦矩阵,从而实现阵列的自校正,并进行了参数的模糊性分析.仿真结果验证了提出的自校正算法具有分辨力高、计算量小以及校正精度高的特点.     

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ANM的非均匀圆阵二维DOA估计

传统的基于原子范数最小化（Atomic Norm Minimization, ANM）的波达方向（Direction of Arrival, DOA）估计算法无法直接应用于不满足范德蒙德结构的非均匀圆阵,针对这一问题提出了一种基于虚拟阵列变换的改进方法。以某非均匀圆阵作原始阵列为例,首先通过虚拟阵列变换处理原始阵列接收的数据,使其转换为虚拟的均匀L阵接收数据,将非均匀圆阵上的DOA估计问题转化为两个均匀线阵上的DOA估计问题,再利用基于ANM的DOA估计算法与L型阵的二维角度关系还原出方位角和俯仰角。通过仿真与实测实验验证了所提算法应用于非均匀圆阵的可行性,并分析其DOA估计结果,证明其拥有较高的估计精度。     

基于非均匀采样的信号频率和到达角联合估计

利用阵列中每个阵元有不同采样频率的非均匀采样特性,可以等效得到时变的虚拟非均匀线阵,然后采用经典的子空间法中的MUSIC测向法,通过网格搜索实现对信号频率和DOA联合估计;并且通过合理设置各阵元间的采样率,有效提高空间谱估计的分辨率和精度,还可避免测向角度模糊。该算法采用网格搜索法,明显减少了计算量。计算机仿真结果证明该方法的有效性和正确性。     

声源DOA估计中LS-SVR核函数选取研究

基于多通道到达时间差(TDOA)的定位方法是声源到达方向(DOA)估计中的重要方法。其中,由TDOA到DOA的映射是该方法的一个关键,目前广泛采用的映射方法为最小二乘法。然而最小二乘法存在诸如声源位于阵列端射方向时性能急剧下降的问题。为克服这一缺点,提出了基于最小二乘支持向量回归机(LS-SVR)的映射方法。在支持向量机技术中,核函数的选取直接影响着支持向量机的性能,但之前的工作仅讨论了径向基核函数。针对声源DOA估计中的TDOA映射问题,研究了径向基核、多项式核以及线性核函数构造的LS-SVR对声源DOA估计的影响。     

基于快速张量分解的波束空间MIMO雷达二维DOA估计算法

传统MIMO雷达由于采用全向发射模式导致目标增益损失严重,致使DOA估计算法性能较差.因此,本文提出基于波束空间MIMO雷达的张量模型和快速张量分解的二维DOA估计算法.波束空间MIMO雷达能够通过发射波束成形技术将发射能量集中到指定空域,弥补传统MIMO雷达的发射增益损失.通过高阶张量模型应用MIMO雷达多脉冲接收数...     

基于均匀线阵的混合源波达方向估计方法

文中提出了一种基于均匀线阵的混合源波达方向DOA估计的改进方法。该方法首先利用传统MUSIC方法估计出非相干信号源的DOA,然后接收数据协方差矩阵进行差分消除不相关源和噪声的影响,对其进行特殊的空间平滑去相干,从而利用重建的数据协方差矩阵估计相干源的DOA。此方法的特点是分别估计不相关信号和相干信号的DOA。优点是算法在估计出多于阵元数信号的前提下具有较高的DOA估计精度和稳健性。仿真结果表明此方法的估计性能优于空间差分平滑算法。     

DOA estimation of wideband sources using a harmonic source modeland uniform linear array

We consider the problem of estimation of the DOAs of multiple wideband sources incident on a uniform linear array (ULA) in the presence of spatially and temporally white Gaussian noise (WGN). The approach presented builds up on the IQML algorithm suggested by Bresler and Macovski (1986) for the case of narrowband DOA estimation. It is shown that the concept of an ARMA model for the observed data vector for the narrowband case can be generalized to model an appropriately stacked, space-time data vector obtained by combining the space-time samples. The coefficients of the corresponding 2-D predictor polynomial can be used to represent the null subspace of the wideband array steering matrix, and rooting of the polynomial at each frequency, separately, gives the DOA estimates. These separate estimates at multiple frequencies are combined into a single DOA estimate in a least squares sense. This leads to the formulation of an IQML like procedure for the spatial parameter estimation of wideband sources. Like its narrowband counterpart, the proposed approach is applicable to both noncoherent and coherent sources. The performance of the proposed method is studied via extensive computer simulations and by comparison with the Cramer-Rao bounds     

宽带独立信号和相干信号的DOA估计

当独立信号和相干信号共存时,传统四阶累积量方法无法估计出宽带相干信号的来波方向(DOA),针对这个问题提出了一种新方法。该方法首先通过离散傅里叶变换,将宽带阵列接收数据分解为若干个窄带信号,构造出各个窄带频率处的自相关矩阵,再通过MUSIC(Multiple Signal Classification)算法估计出各个窄带信号的DOA,将各个窄带信号的空间谱相加求平均,通过谱峰搜索得到宽带独立信号的DOA;然后分离出独立信号的信息,构造出一个只包含宽带相干信号信息的矩阵,最后通过稀疏重构的方法估计出相干信号的DOA。计算机仿真结果证明该算法的正确性和有效性。     

双站基于角度和时差的近似无偏定位算法

联合角度（DOA）和时差（TDOA）信息对运动目标进行无源定位实质上是一种非线性估计问题。针对将非线性观测方程转化为伪线性方程会产生有偏估计的缺点,该文基于双站定位中获得的角度和时差信息,给出了一种对三维空间目标定位跟踪的近似无偏估计滤波算法,它只需要对一对矩阵束进行广义特征分解,即可获得目标坐标和速度的估计值。计算机仿真结果表明,相比有偏估计滤波算法,如伪线性卡尔曼滤波（PLKF）算法或者最小二乘（LS）算法,该算法具有更高的定位精度,并且当观测误差增大时,其优势更加明显。     

空间任意阵的多宽带信源定位算法性能研究

针对宽带信号非平稳特性,以及常用宽带DOA估计算法要求信源个数是已知的情况,提出一种新的基于空间任意阵的非平稳信号DOA估计算法。首先,通过短时傅里叶变换将信号转为频域表示,然后构造阵列频域数据模型,最后利用短时功率谱矩阵的联合对角化特性实现宽带信号的波达方向估计。本文对提出的算法进行了理论分析,并在常见阵型（如线阵、十字阵）上进行了仿真和性能分析,仿真结果表明该算法可高分辨率地估计出DOA,并且估计误差小。相对于已有的MUSIC谱估计方法,该算法无需进行信源个数估计,更具实用性。      

基于广义互质双平行阵列的二维DOA估计方法

对于给定阵元数目的 传统双平行均匀线阵,由于其阵列布局受到空间采样定理限制,阵列孔径不能有效扩展,二维波达方向(DOA)估计的精度和自由度难以得到有效提升.提出一种基于广义互质双平行阵列的二维DOA估计方法.采用两个互相平行的广义互质线阵进行虚拟扩展得到含有较多虚拟阵元的差分优化阵列,并利用该虚拟阵列的协方差信息和互协...     

一种深度学习稀疏单快拍DOA估计方法

基于信号的稀疏特性,稀疏恢复（Sparse Recovery,SR）方法可利用单快拍数据进行相关信号源的高分辨波达方向（Direction of Arrival,DOA）估计。然而,现有SR-DOA模型求解方法存在参数设置困难、运算复杂度高或精度有待提高等问题,实际应用受限。针对上述问题,本文提出平滑L0网络（Smoothed L0 Net,SL0-Net）方法,将基于模型驱动SL0算法和基于数据驱动的深度学习方法相结合,用于SR-DOA模型的求解。首先,建立DOA估计的SR模型,并对用于求解该模型的SL0算法进行分析。然后,根据深度学习框架构建SL0-Net,并基于充足完备的数据集对其网络参数进行训练。最后,利用训练得到的SL0-Net对SR-DOA模型进行求解,获得DOA高分辨估计。仿真结果表明,与现有典型算法相比,所提SL0-Net更适于信号源数目未知条件下的快速高分辨DOA估计。     

基于空时频协方差矩阵重构的高效跳频信号DOA估计

为了充分利用跳频信号的空域信息来进行信号的DOA估计,在信号空时频分析的基础上,本文提出了一种基于协方差矩阵重构的高效跳频信号DOA估计方法。首先将接收信号的均匀线阵（uniform linear array, ULA）平均划分成2个子阵,分别对每个子阵接收到的信号进行时频分析,在时频域选择有效跳,构造每跳的空时频矩阵（spatial time-frequency distribution, STFD）,然后求得2个子阵的互协方差矩阵。将2个子阵的互协方差矩阵进行重构运算得到等效的信号子空间,最后构造空间谱多项式求根估计出信号的DOA。仿真结果表明该方法相比于以往改进类子空间算法能够有效提高估计精度和降低算法复杂度。