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。     

基于均匀圆阵相干信源的二维DOA估计

随着通信技术的不断发展,信号传输环境变得日益复杂。针对多径传播形成的高度相关和相干信号测向问题,提出了一种基于均匀圆阵相干信源的二维DOA估计方法。该方法利用均匀圆阵轴向虚拟平移解相干,通过去噪后利用虚拟子阵的自协方差矩阵和互协方差矩阵构造波达方向矩阵,利用该矩阵特征分解估计信号的俯仰角;然后将平滑后的自协方差矩阵与波束空间变换矩阵相乘,使圆阵的导向矢量具备范德蒙结构,最后用求根MUSIC算法估计出信号的方位角,完成了相干信号的二维DOA估计。该方法无需二维谱峰搜索,方位角和俯仰角自动配对,计算量小,分辨率高。仿真实验证明了所提方法的正确性。     

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。     

一种基于修正数据矩阵的广义波达方向矩阵方法

该文提出了一种基于平面阵的相干信号二维DOA估计算法,文中先将平面阵分为3个具有旋转不变性的子阵列,并分别构造了3个子阵列的数据矩阵,结合这3个数据矩阵,构造了两种修正数据矩阵,提高了阵元利用率.然后仿照波达方向矩阵的构造方法,得到了一种广义波达方向矩阵.通过理论分析证明了对该矩阵进行特征分解,就可以获得信号的方向矢量和信号方向元素,从而能够进行相干信号的二维DOA估计,并且避免了谱峰搜索,减少了运算量,仿真结果验证了该算法的有效性和精确性.     

非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

有色噪声下不相关和相干混合信号的DOA估计

针对有色噪声背景下的不相关和相干混合入射信号，本文提出了一种新的波达角度（Direction Of Arrival,DOA）估计方法 .首先对混合信号协方差矩阵进行分析和处理以消除其中的有色噪声部分.在此基础上，先利用多重信号分类（Multiple Signal Classification,MUSIC）方法或旋转不变信号参数估计（Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT）法估计出不相关信号的DOA；然后利用改进的空间差分方法构造出一个新的只含有相干信号的协方差矩阵，且无秩亏损；最后利用MUSIC算法或ESPRIT算法从中估计出相干信号的DOA.和文献报道的方法相比，新方法具有更优的混合信号DOA估计性能，尤其对于相干信号.仿真结果验证了该算法的有效性.     

基于双平行线阵的相干分布源二维DOA估计

针对现有相干分布源二维波达方向(DOA)估计算法存在的一些问题,基于双平行均匀线阵提出了一种相干分布源二维DOA估计新算法。利用旋转不变的思想并结合传播算子法来估计相干分布源的二维中心DOA。无需谱搜索和对样本协方差矩阵做特征分解,和传统算法相比,其计算复杂度更低。此外,还给出了详细的参数配对过程,因而能够应用于多源场合。算法在小角度扩展条件下估计性能良好,其性能甚至接近于一维交替搜索算法。算法还是一种对角分布先验知识盲的估计。仿真结果证实了算法的有效性。     

基于协方差匹配SLO算法的MIMO雷达DOA估计

利用加权平滑l0范数(Smoothed l0, SL0)算法估计MIMO雷达目标DOA时,需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型,并利用信号和噪声子空间的正交性来构造加权向量。然而当存在相干信源时,MIMO雷达协方差矩阵的秩将退化,这会使得稀疏重构模型的误差较大以及无法正确区分信号和噪声子空间,导致加权SL0算法的DOA估计性能恶化。针对上述问题提出了一种基于协方差匹配SL0算法的MIMO雷达DOA估计方法。该方法利用协方差匹配准则重构出一个满秩的协方差矩阵,恢复MIMO雷达协方差矩阵的Toeplitz特性,并利用协方差逆矩阵的高阶幂来近似噪声子空间从而计算加权向量。仿真分析表明,该方法能够在无需预知信源数目的情况下有效地完成对相干信号的DOA估计。     

一种互耦和相干源条件下的DOA估计方法

空间平滑算法是一种常用的解相干处理方法,而阵元间互耦的存在会导致空间平滑算法失效,从而无法准确估计相干源DOA。针对这个问题,文中提出了一种新的DOA估计方法。该方法基于信号子空间和噪声子空间的正交性原理,利用入射信号源中的独立信号源可以有效估计出互耦矩阵,再通过估计的互耦矩阵对接收数据协方差矩阵进行互耦补偿,克服了互耦对空间平滑算法的影响,从而保证了相干源DOA能准确估计。计算机仿真实验表明了该方法的有效性。     

基于数据矩阵重构的相干源波达方向 共轭ESPRIT(C-SPRIT)估计方法

 本文提出了一种相干源波达方向估计算法.该方法利用C-SPRIT思想,通过构造数据矩阵,使得无论是否存在相干信号,均能很好估计信号波达方向(DOA).传统的空间平滑技术通过子阵平滑来解决相干源DOA估计问题,但信号之间并没有完全解相干,孔径损失也很大,且最多只能估计2N/3个相干源(N为阵元数目).本文方法也采用空间平滑去相干的思想,但无孔径损失,信号之间完全解相关,提高了相干源DOA估计精度,并且能估计N-1个相干源,该方法利用ESPRIT数值求解进行角度估计,无需角度搜索,运算量小,计算机仿真验证了该方法的有效性和优越性.     

一种低复杂度的二维波达方向估计方法

提出了一种基于传播算子的低复杂度二维波达方向估计新算法,该方法避免了常规子空间方法中占主要运算量的估计信号协方差矩阵及其高维矩阵的特征分解,降低了运算复杂度,并且由于无阵列孔径损失,获得了良好的参数估计性能.最后计算机仿真验证了算法的有效性.     

Computationally efficient 2-D DOA estimation for uniform rectangular arrays

A computationally efficient two-dimensional (2-D) direction-of-arrival (DOA) estimation method for uniform rectangular arrays is presented. A preprocessing transformation matrix is first introduced, which transforms both the complex-valued covariance matrix and the complex-valued search vector into real-valued ones. Then the 2-D DOA estimation problem is decoupled into two successive real-valued one-dimensional (1-D) DOA estimation problems with real-valued computations only. All these measures lead to significantly reduced computational complexity for the proposed method.     

基于Toeplitz矩阵重构算法的宽带相干信号方位估计

根据天线阵列接收到的数据,提出了一种基于Toeplitz矩阵重构的宽带相干源方位估计算法.该算法先由Toeplitz 阵列接收到的数据得到包含波达方向信息的协方差矩阵,再对该协方差矩阵进行聚焦处理,得到同一频率的阵列协方差矩阵,最后由高分辨子空间处理方法得到宽带相干信号的波达方向估计.仿真实验证明了该方法的有效性.     

估计相干与非相干信源的ESPRIT新方法

在目前信号波达方向（DOA,Direction-of-Arrival）估计中,ESPRIT算法是一种速度快、精度高的常用算法,但对于低信噪比下混合信号（同时含有相干与非相干信号）,ESPRIT算法难以估计出它们的DOA。提出了一种新的同时估计相干与非相干信源的ESPRIT方法,新方法充分利用数据协方差矩阵的自相关信息和互相关信息来重构含有信号方位信息的矩阵,再从它的特征值中解得信号的到达角。新方法解决了常规ESPRIT算法不能解相干,对信噪比要求高等问题,且与同类算法相比较,分辨能力和估计精度明显提高。仿真实验证明了该方法在混合信号估计中的优越性和可靠性。     

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。      

非圆信号二维DOA 和初始相位联合估计方法

针对传统联合估计方法计算量大、需要多维谱峰搜索的问题,该文提出了一种基于垂直阵列结构的任意初始相位非圆信号2 维DOA (Direction Of Arrival)和初相联合估计方法,利用垂直阵列特点,将3维参数估计问题转化为可并行处理的3个2维参数估计,在每一个子阵上,同时使用噪声子空间正交性和信号子空间旋转不变性,将2维参数估计进一步转化为1维估计问题,最终只需要对扩展协方差矩阵进行一次特征分解即可实现2维DOA和初相的联合估计及自动配对。该方法适用于空间信源处于过载的情形和低信噪比、短快拍环境,可估计信源数为2(M1)。数值仿真验证了该算法的有效性。