未知信源数目的DOA估计方法

针对信源数目未知情况下的DOA估计问题,该文提出了两种基于稀疏表示的DOA估计方法。一种是基于阵列协方差矩阵特征向量稀疏表示的DOA估计方法,首先证明了阵列协方差矩阵的最大特征向量是所有信号导向矢量的线性组合,然后利用阵列协方差矩阵的最大特征向量建立稀疏模型进行DOA估计;另一种是基于阵列协方差矩阵高阶幂稀疏表示的DOA估计方法,根据信号特征值大于噪声特征值的特性,通过对协方差矩阵的高阶幂逼近信号子空间,利用协方差矩阵的高阶幂的列向量建立DOA估计的稀疏模型进行DOA估计。理论分析和仿真实验验证,两种方法都不需要进行信号源数目的估计,具有较高的精度、较好的分辨力,对相干信号也具有优越的适应能力。     

基于空频域稀疏表示的宽频段DOA估计

该文提出一种基于空频域稀疏表示的宽频段波达方向(DOA)估计方法,解决稀疏表示方法在宽带接收机对窄带信号的频率和角度估计中的难题。用空间频率代替频率和方位角的 2 维组合构建过完备字典,字典的长度仅相当于窄带信号DOA估计的字典长度,却能覆盖整个无模糊频段,大大降低了稀疏分解的计算量。该方法首先在频域估计信号的准确频率,根据频域峰值的位置构建频域峰值协方差矩阵。对频域峰值协方差矩阵进行特征分解,利用主特征向量建立稀疏模型估计信号的DOA。算法在低信噪比下具有较高的估计精度,仿真实验和分析验证了该文方法的正确性和有效性。     

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR)。首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计。数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR (SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度。     

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR).首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计.数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR(SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度.     

基于稀疏表示的相干分布式非圆信号的参数估计

基于稀疏表示技术,该文提出一种相干分布式非圆信号的参数估计新方法。该方法将信号的非圆特性引入分布式信源模型,充分利用非圆信号的特性,联合阵列输出协方差矩阵和椭圆协方差矩阵,并将其矢量化之后表示在受制于稀疏限制的过完备字典上;然后将DOA估计转化为一个稀疏重构问题,能够一次性求解出中心DOA和角度扩展。仿真结果表明,该方法适用于各种非圆率的非圆信号,具有较好的信噪比性能和分辨力,所提出的方法还能对圆和非圆信号同时存在的情况进行有效估计。     

基于矩阵补全的二阶统计量重构DOA估计方法

该文针对传统波达方向角(DOA)估计算法在非均匀噪声下角度估计精度差及分辨率低的问题,基于矩阵补全理论,提出一种二阶统计量域下加权L1(MC-WLOSRSS)稀疏重构DOA估计算法。首先,基于矩阵补全方法,引入弹性正则化因子将接收信号协方差矩阵重构为无噪声协方差矩阵;而后在二阶统计量域下通过矩阵求和平均将无噪声协方差矩阵多矢量问题转化为单矢量问题;最后利用稀疏重构加权L1范数实现DOA参数估计。数值仿真表明,与传统MUSIC, IL1-SRACV, L1-SVD子空间算法及稀疏重构加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好DOA估计性能,且在低信噪比条件下,亦具有较高估计精度和分辨力。     

基于稀疏表示的多输入多输出雷达多目标定位

针对双基地多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达目标定位问题,提出一种基于稀疏表示的双基地MIMO雷达多目标定位方法.利用点目标所在的二维角度空间构造冗余字典; 通过对接收信号的协方差矩阵进行特征分解,从中选取不同数目的特征向量在该冗余字典下稀疏表示,构建以特征向量为观测信号的多重测量向量(Multiple Measurement Vectors,MMV)模型,提取的特征向量在充分包含目标的角度信息的前提下,降低了直接以接收信号为观测信号的矩阵维数,形成低维稀疏线性模型; 最后,通过特征向量的稀疏重构,得到目标的角度估计.与现有算法相比,该算法对特征向量的稀疏重构降低了重构原始接受信号的计算复杂度,且在低信噪比和低快拍下仍有较好的估计性能,仿真实验验证了算法的有效性.     

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。      

基于球形截断协方差矩阵的极化SAR分布式目标稳健定标方法

常规的基于分布式目标的定标算法通过假设协方差矩阵满足特定形式,并用样本协方差矩阵来估计失真参数。然而,样本协方差矩阵并非稳定的协方差矩阵估计子。尤其是当场景中包含不满足定标算法要求的目标时,样本协方差矩阵会偏离理想形式,以致失真参数估计精确度下降。球形截断协方差矩阵方法能够有效地抑制离群样本对协方差矩阵估计的影响,该文将其引入到极化SAR的定标中,并对其可行性进行了理论分析。最后,利用机载全极化SAR数据,验证了该方法能够有效地降低失真参数估计的不确定度,从而提高失真参数估计的稳健性。      

基于稀疏分解的非相干分布式信号源DOA估计

论文提出了一种基于稀疏分解的非相干分布源的DOA估计算法。根据非相干分布源协方差矩阵的结构特点,提取协方差矩阵的相位信息并对其进行重构。然后对重构矩阵向量化,建立稀疏表示模型进行分布源DOA估计。该算法无需已知角功率密度函数,受快拍数影响较小,在信噪比与角度扩展较大时具有较好地DOA估计精度,并且具有较高地分辨能力。计算机仿真验证了算法的性能。     

稀疏表示框架下无需参数配对的二维到达角估计

现有二维到达角估计算法大多基于子空间理论及需要参数配对,针对这一问题,在稀疏表示理论框架下提出了一种参数自动配对的二维到达角估计新算法。该算法在L阵列下构建阵列互相关矩阵的稀疏表示模型,利用奇异值分解降低复杂度并基于群LASSO(Least Absolute Shrinkage and Selection Operator)获得方位角估计。在方位角估计的基础上,基于向量化操作构建稀疏空间谱匹配模型,然后利用LASSO 获得俯仰角估计。与参数配对ESPRIT 和改进的传播算子方法相比,所提算法不仅无需参数配对过程,而且可以提供改进的估计精度。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。     

一种稀疏表示的二维DOA降维估计新算法

提出了一种基于空间锥角降维的二维DOA稀疏分解估计新方法,解决了利用稀疏表示方法进行二维DOA估计时计算复杂度大的问题.根据L阵列的结构特性,引入空间锥角表示信号的二维DOA信息,构造空间锥角冗余字典,通过稀疏正则化求解实现空间锥角的估计,然后利用求解得到功率实现L阵列中两个子阵之间的空间锥角配对,从而达到对多来波的二维DOA估计的目的,其避免了方位角和俯仰角组合而造成冗余字典庞大的问题,极大地减少了稀疏分解的计算量.仿真和实测数据结果均验证了该方法的有效性和优越性,为进一步的工程应用奠定了基础.     

基于稀疏表示的双平行线阵二维DOA估计

为了对空域目标的方位角和俯仰角进行有效估计,提出一种基于稀疏表示的双平行线阵二维DOA估计方法。首先需构建包含目标方位角和俯仰角信息的2个空间复合角;然后利用稀疏表示技术求解其中的一个空间复合角,以此作为前提条件,另一个空间复合角就可以解耦为一维波达方向(DOA)估计问题,利用矩阵运算可以求解出来;最后根据已求解的2个空间复合角对方位角和俯仰角进行配对求解。与现有算法相比较,所提方法受快拍数的影响较小,在信噪比较高、角度间隔较大的情况下,具有良好的性能。     

空间步进频雷达多参数联合稀疏估计方法

在复杂环境下,由于少快拍、低信噪比和相干信号导致目标距离-角度二维超分辨估计性能下降,误差增大,本文提出了一种基于空间步进频雷达的距离-角度二维稀疏估计方法。该方法根据空间步进频雷达的回波特性得到距离和角度联合的等效接收信号模型;然后利用迭代的加权lq范数的稀疏渐进最小化方差方法获得距离 角度二维功率谱估计。仿真结果表明,所提方法可以准确地实现目标距离 角度的二维估计,相对于MUSIC,lq-SIM和SAMV方法,本文方法在小样本和低信噪比情况下具有较高的估计精度,并且对相干目标仍具有较好的性能。     

四阶累积量稀疏表示的DOA估计方法

针对现有稀疏重构DOA估计算法不能抑制噪声项以及在高斯色噪声背景下不再适用的问题,本文提出了基于四阶累积量稀疏重构的DOA估计方法。首先,利用接收数据的四阶累积量构建了稀疏表示模型,该模型抑制了噪声项;其次对四阶累计量矩阵进行奇异值分解,化简了稀疏表示模型,通过奇异值分解,不仅减小了数据规模,而且进一步抑制了噪声。对于稀疏表示模型的求解,先利用信号子空间与噪声子空间的正交特性选取权值矢量,然后利用加权l1范数法对模型求解实现DOA估计。理论分析和仿真实验表明本文算法在高斯白噪声和色噪声背景下均适用;能够处理非相干和相干信号,且在低信噪比条件下,对相干信号有更高的估计精度;较之同类的稀疏重构算法,本文算法具有较低的算法复杂度和更高的角度分辨力。      

一种新的基于稀疏表示的宽带信号DOA估计方法

该文提出一种基于稀疏表示的宽带信号波达方向(DOA)估计方法,解决稀疏表示方法在宽带信号DOA估计中由于基矩阵维数过大而使算法存储量和重构计算量大的问题。用单一频点的基矩阵代替频率和角度联合构建的基矩阵,使基矩阵的列数仅相当于一个频点处冗余基矩阵的列数,大大降低了稀疏重构方法的存储量和计算量。该方法首先对各频点的频域数据进行聚焦处理,将不同频率的数据堆叠到参考频率上并建立参考频率处的基矩阵,然后建立聚焦后的稀疏表示模型进行DOA估计,并采用奇异值分解进一步降低算法的运算量,最后给出残差门限的选择方法。该算法不仅适用于非相关信号,也可直接处理相关信号而不需要任何的去相关运算,且具有高的检测概率和估计精度,仿真实验和分析验证了该方法的有效性。     

基于空间角稀疏表示的二维DOA估计

论文提出一种基于空间角稀疏表示的维DOA估计方法,解决了维DOA估计中冗余字典构造的难题。构建的空间角包含了方位角和俯仰角的信息,利用其构造冗余字典可以将方位角和俯仰角的组合从维空间映射到1 维空间,极大地降低了字典的长度和求解的复杂度;同时将算法推广到频域,扩展了其应用范围。与传统的高分辨算法相比,该方法对信噪比和快拍数要求不高、无需特征值分解和多维搜索过程。理论分析和仿真实验,验证了该方法对维相干信号和非相干信号都具有较高的估计精度和较好的分辨力,在不同信噪比下性能优于MUSIC算法。