单快拍虚拟阵列Toeplitz矩阵重构的相干信源DOA估计

针对相干信源的DOA估计,提出一种基于单快拍虚拟阵列Toeplitz矩阵(SSVT)重构的解相干算法。该方法利用阵元接收的单快拍数据构造出双向虚拟子阵,并对虚拟子阵的协方差矩阵的平均值进行Toeplitz矩阵重构,实现对相干信源的DOA估计。该方法无需进行多次快拍,在不损失阵列孔径和工作阵元的基础上实现相干信源的DOA估计。仿真结果表明,该算法降低了运算量,在低信噪比的情况下也能分辨M-1个相干信源。     

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。     

一种新的去强相关信号方法的波达方向研究

波达方向估计（DOA估计）是智能天线中实现目标精确定位的关键算法。文中针对DOA估计中相干信号源的问题,提出了一种能有效解相关的关于TOPETIZE矩阵的DOA估计算法。该算法利用了阵列接收数据互相关矢量的内在关系,对噪声子空间进行处理,实现了相干源的完全解相干。该算法不牺牲阵元有效数目,同时能分辨低信噪比信号和强相关信号。仿真结果表明了该算法的有效性。     

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。     

相干信源DOA估计修正ESPRIT算法研究

针对相干信源DOA估计提出了一种修正ESPRIT算法,利用时域白噪声信号在不同时刻是不相关的性质,通过对在虚拟平移天线阵列过程中所得阵列的输出数据协方差矩阵进行修正,可减小白噪声的影响.该算法对独立源和相干信源的DOA估计有较高的分辨率,计算量较小,即使在低信噪比、低快拍数和小阵元数的条件下,仍具有很小的估计误差.能较准确地进行相干源的DOA估计.仿真结果验证了修正ESPRIT算法的正确性和有效性.     

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。     

基于虚拟阵列空间平滑的相干信号DOA估计

 针对相干共轭循环平稳信号的DOA估计问题,提出了一种基于虚拟阵列前后向空间平滑的方法。该方法利用特定阵元输出间共轭循环相关函数的多时延采样,构造出与真实线阵阵元具有一一对应关系的虚拟阵列,并将空间平滑技术应用于该虚拟阵列实现了相干信号DOA估计。理论分析和仿真结果均表明,与FBSS-CCMUSIC算法和CCHAM算法相比,本文方法避免了最优时延选择问题,并获得了更高的DOA估计精度,同时,对信号不同入射方向也具有较好的稳健性。此外,该方法也可推广用于具有循环平稳特性的信号。     

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。     

一种基于阵列单通道的DOA估计新方法

为克服阵列多通道系统硬件量大,造价高及通道间存在不一致时性能恶化等不足,提出了一种新的基于阵列单通道的DOA估计方法。首先,通过射频开关控制接收通道轮流对各阵元进行采样建立新的阵列单通道窄带信号空间谱估计模型,接着基于该模型推导了来波方向的后验概率密度函数,然后结合马尔科夫链蒙特卡洛方法(MCMC),实现了DOA的估计。仿真实验结果表明,该方法参数估计性能好,分辨率高,能够处理相干信号。     

基于噪声空间加权重构的相干信号DOA估计

针对传统相干信号DOA估计算法在低信噪比、少快拍数以及阵列通道幅相误差下存在的角度分辨力差和测角性能不稳定问题,本文提出一种基于噪声空间加权重构的相干信号DOA估计算法。该算法首先利用共轭重构对阵列接收信号协方差矩阵作解相干处理;然后在信源大致方位内对导向矢量作定积分,计算积分矢量与整个噪声子空间正交基矢量的交空间基矢量,并以此对噪声子空间进行加权;最后运用加权重构后的噪声子空间建立算法空间谱函数,谱峰搜索估计得目标的DOA。计算机仿真结果表明,本文所提算法易实现低信噪比、少快拍数以及通道幅相误差下相干信号的DOA估计。     

利用深度学习方法的相干源DOA估计

基于子空间分解的相干信源DOA ( Direction of arrival) 估计算法对阵列有特殊的要求，且估计性能较差，在低信噪比时甚至失效；另外，基于压缩感知的DOA估计算法在高信噪比下可以实现相干源的DOA估计，但计算复杂度较高。针对这些不足，本文基于稀疏表示的阵列接收信号模型，提出一种基于深度学习的相干源DOA估计方法，该方法利用卷积网络和全连接网络构造了深度学习网络，并通过选择合适的训练策略，对网络进行了有效训练，利用训练好的深度学习网络能够对相干源进行有效的DOA估计。仿真实验表明，与现有的相干源DOA估计算法相比，本文提出的方法适合于任意阵列结构，在时间复杂度上有着明显的优势，在估计性能上优于平滑解相干和L1-SVD（Sigular Value Decomposition）算法，略差于OGSBI（Off-Grid Sparse Bayesian Inference）算法。      

基于虚拟扩展的超分辨改进MUSIC算法及伪峰抑制

提出一种改进的信号波达方向(DOA)估计的超分辨解决方案,该方法将实际的传感器阵列扩展成多个具有不同的阵列孔径的虚拟阵列,以提高DOA估计的分辨率,然后对这些虚拟阵列得到的空间谱取平均,以抑制阵列孔径扩展导致的虚假谱峰。仿真实验证明了该方法的有效性,并且显示该方法在非相干信号条件下相对于标准MUSIC算法具有更高的近目标分辨率。     

基于四阶累积量的宽带OFDM信号DOA估计

当宽带OFDM(Orthogonal Frequency Division Multiplexing)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OFDM相干信号的来波方向,针对这个问题提出了一种新算法。该算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,通过四阶累积量方法估计出各个频点处独立信号的来波方向,将各个频点处的独立信号的DOA估计相加求平均即为宽带OFDM独立信号的DOA估计;然后分离出独立信号的信息,构造出一个只包含OFDM相干信号信息的矩阵,最后通过稀疏重构的方法估计出OFDM相干信号的DOA。计算机仿真结果证明该算法适用于非高斯信号和色噪声情况。     

基于协方差矩阵加权截断核范数的DOA估计

针对互质阵列通过差联合处理得到具有高自由度的虚拟阵列存在空洞位置,导致子空间类算法不适用、阵元利用率不足等问题,文中提出了一种基于加权截断核范数的协方差矩阵重构的波达方向(DOA)估计算法。该算法首先根据虚拟域信号表达式和空洞位置构建待填充矩阵;然后,利用最小化加权截断核范数实现阵列插值;最后,迭代重构接收信号协方差矩阵得到角度功率谱估计。仿真结果表明：所提算法可快速准确地实现DOA参数估计,相比基于最小化核范数和截断核函数正则化的DOA估计算法,该算法具有良好的鲁棒性,在快拍数小和信噪比低的情况下均具有较高的估计精度。     

一种基于Toeplitz矩阵重构的相干信源DOA估计算法

提出一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

最小冗余线阵的ES-DOA估计算法研究

采用最小冗余线阵可以显著增大天线的阵列孔径,但其相关矩阵不是Toeplitz矩阵,致使空间平滑解相干等方法失效,限制其在相干信号环境下的使用。结合信号功率估计,采用基于特征空间DOA估计算法,使得在较低信噪比情况下的DOA估计具有很高的精度。该算法同时采用了前后向空间平滑技术,不用减小阵列孔径就可以实现信号去相干。将该算法应用于最小冗余线阵,提高了阵列的DOA估计性能,且不影响阵列孔径。仿真结果证实了该算法的具有较高的精度和较强的鲁棒性。      

鲁棒的四元数空间平滑算法

本文针对相干信号波达方向(DOA)估计问题,利用简化电磁矢量传感器阵列提出了一种基于四元数模型的空间平滑(Q-SS)算法。首先,根据四元数的正交特性能够很好地描述矢量传感器阵元内部信号分量之间的垂直关系这一特点,将每个阵元的两分量接收数据合成为一个四元数,建立了简化电磁矢量传感器阵列的四元数接收模型,该模型比传统的长矢量模型更适合于矢量传感器阵列的信号处理。在此基础上,利用本文提出的Q-SS算法对相干信号进行预处理,实现了解相干,并对解相干性能进行了分析,然后通过四元数域的ESPRIT算法估计出相干信号的DOA。理论分析表明Q-SS算法比传统的长矢量空间平滑(V-SS)方法有更高的DOA估计精度,具有对矢量传感器内部电场噪声分量解相关的能力,这是V-SS算法所不具备的优势。最后,通过计算机仿真实验比较和分析了所提算法的有效性。