基于累积量的互耦误差下相干信号DOA估计

在高斯色噪声和阵列互耦误差背景下,针对相干信号源和非相干信号源并存的问题,提出了一种准确估计信号源到达角(DOA)的算法。首先,采用辅助阵元法将互耦误差从阵列流形中分离;然后结合空间平滑技术和四阶累积量构建平滑矩阵,实现对高斯噪声的抑制和对信号的解相干;最后使用ESPRIT算法获得信号源的来波方向。仿真结果表明,文中算法有效解决了阵列互耦和信源相干的影响,在高斯白噪声和高斯色噪声环境下均能精确地估计DOA。     

混合信号情况下信源数与DOA联合估计算法

针对非相关信源与相干信源共存情况,提出了一种基于矩阵重构的信源数与波达方向（direction of arrival,DOA）联合估计算法.该算法首先利用特征值的二阶统计量（second order statistic of eigenvalues,SORTE）法和子空间旋转不变技术（estimated signal parameter via rotational invariance techniques,ESPRIT）实现非相关信源数与DOA估计;然后基于空间差分法消除非相关信号并构造新矩阵,利用构造矩阵进行前向空间平滑,实现对相干信源解相干;最后利用SORTE法检测相干信源数,结合求根多重信号分类（multiple signal classification,MUSIC）算法估计相干信源DOA.与传统的差分平滑方法相比,该算法在可估计信源数与低信噪比情况下DOA估计性能等方面优于传统算法.数值仿真实验结果验证了该算法的有效性.     

基于差分和斜投影的信源DOA分步估计方法

提出一种色噪声背景下,同时存在独立、相关和相干信源的DOA分步估计方法.该算法利用常规谱估计算法估计独立和相关(非相干)信源,然后用差分方法排除掉协方差矩阵具有Toeplitz结构的噪声和独市源信息,在利用斜投影算子的方法去除相关信源后,对剩余的相干信源采用修正平滑算法恢复为满秩.该算法在提高阵列的信源过载能力的同时,可避免重复估计相关信源.计算机仿真结果证明了新算法的有效性和正确性.     

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。     

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。      

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。      

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。     

估计间隔较近信源的修正MUSIC算法

针对信源间隔比较近情况下波达方向(DOA)估计性能下降的问题,提出一种修正MUSIC(MMUSIC)算法。该算法通过利用协方差矩阵的共轭信息,重构协方差矩阵,再由奇异值分解(SVD),构造低秩矩阵,用这两个矩阵噪声子空间的平均构造空间谱,通过谱峰搜索估计出信源的DOA。相比于经典MUSIC算法和空间平滑类算法,该算法能有效解相干,且不损失阵列孔径,而且提高了在信源间隔比较近且信噪比低条件下DOA分辨能力。计算机仿真验证了该算法的有效性。     

一种改进的MVDR相干信源DOA估计算法

最小方差无失真响应(MVDR)算法是一种经典的波束形成算法,同时也能实现DOA估计,但是其分辨力往往比较低.针对这一不足,提出了一种改进的MVDR相干信源DOA估计算法.该算法首先对阵列接收数据阵进行共轭重排构造出增广数据矩阵,然后利用奇异值分解(SVD)求出增广矩阵的伪逆,再用传统的MVDR算法进行DOA估计.仿真结果表明,与传统的MVDR算法和前后向空间平滑算法相比,在阵元数较少和快拍数较低的情况下,该算法具有更高的DOA估计精度和分辨力,因而是一种很好的相干信号DOA估计算法.     

基于Toeplitz矩阵的波束空间新算法

为保留渡束空间算法优点,降低算法对阵列的要求,及对相干信号源有效,提出了基于Toeplitz矩阵的波束空间多重信号处理算法-BST-MUSIC.算法将任意阵列的波束域输出及均匀线阵的阵元输出综合处理得到Toeplitz矩阵,对其修正处理后采用MUSIC算法进行DOA估计.由推导过程知:算法能够增强或抑制指定空域内的信号;能使相干信源等效为独立信源;在任意阵列与均匀线阵阵元不重合情况下能够有效地抑制噪声;只需一个子阵为均匀线阵,降低了算法对阵列的要求.