一种联合估计近场源四维参数的方法

该文提出了一种近场窄带信源频率、仰角、方位角和距离四维参数的联合估计方法。该方法利用特征值及其相应特征向量和四阶累积量估计信号参数,不需要进行谱峰搜索,并且适用于加性高斯噪声环境。计算机仿真实验证明了该方法的有效性。     

基于高阶累积量的近场通信波达方向估计算法

通过对近场通信波达方向准确估计,提高目标信源的定位能力.传统方法中对近场源通信信源的波达方向估计采用多普勒估计方法,由于近场通信的空间信源为窄带信号,多普勒估计会导致DOA估计频谱失真.提出一种基于高阶累积量的近场通信波达方向估计算法.采用均匀间隔线列阵构建近场通信的信号模型,进行近场源目标特征构建,提取近场源通信信号的斜度和峰度等特征,采用高阶累积量特征提取方法,分别求得对应近场通信信源的方位角、频率和距离三维参数,使得每个信源的参数自动配对,提高了近场通信DOA波达方向估计的效率和精度,实现近场源通信信号的波达方向估计算法改进.仿真实验结果表明,采用该方法进行近场方法波达方向估计的精度较高,对信源方位的定位准确,性能优越于传统方法,在近场通信中具有较好的应用价值.     

高阶累积量的近场源四维参数联合估计方法

提出了一种近场窄带信源载波频率、仰角、方位角和距离四维参数联合估计的方法。该方法利用构造累积量矩阵的特征值及其相应特征向量直接获取信源参数,无需谱峰搜索,计算量适中,且适用于加性高斯噪声环境。此外,该方法由于采用了非中心对称结构的十字阵列,可有效减少阵列孔径损失。计算机仿真实验证明了该方法的有效性。     

基于稀疏对称阵列的混合信源定位

针对混合信源定位中存在阵列孔径损失的问题,基于稀疏对称阵列提出了一种新的混合信源定位方法。首先,通过不同子阵的接收数据构造一个仅与信源角度有关的特殊四阶累积量矩阵,进而利用MUSIC算法估计出所有信源方位角,然后在每个估计角度上进行距离维的搜索,从而得到近场信源的距离估计。该方法避免了二维搜索,且参数自动配对。同时,稀疏对称阵列的有效使用扩展了阵列孔径,提高了参数估计精度。实验仿真结果表明该算法的有效性。     

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。      

基于二阶统计量的近场定位新方法

该文针对近场源的方向角和距离的二维参数估计,提出了一种新的近场源二维参数估计方法。该方法利用双极化阵列的极化信息和二阶统计量估计近场源的波达方向和距离参数。该方法具有估计精度高和无需谱峰搜索的优点。仿真实验证明了该算法的有效性。     

一种基于高阶累积量的近场源四维参数联合估计算法

本文提出了一种新的多个近场窄带信源距离、频率及二维到达角四维参数联合估计算法.首先基于特定序号阵元输出计算的高阶累积量构造4个矩阵,接着结合这些矩阵的结构特点构造3个新的矩阵,然后基于新构造矩阵分解得到的特征值和特征向量联合估计信源参数.与现有的方法相比,本文给出的方法有效提高了阵列孔径利用率,参数自动配对.仿真结果表明该算法是有效的.     

基于四阶累积量的近远场源多参数联合估计算法

该文提出了一种新的基于四阶累积量的信源多参数联合估计方法,可实现信源频率、方位及距离的联合估计。该算法无需峰值搜索,适用于任意高斯噪声环境,可有效降低阵列孔径损失。算法中,通过选取特定序号阵元上的输出构造四阶累积量矩阵,有效地避免了因同时存在远场源时而出现的矩阵降秩现象,因而该算法适用于近场、远场或混合信源的参数估计。仿真结果验证了提出方法的有效性。     

相关噪声环境下相干源2D-DOA估计方法

解决相关噪声环境下相干信源的二维波达方向估计问题,克服最常用的子空间类算法,如MUSIC算法、ESPRIT算法等的不足,将四阶累积量和空间平滑方法相结合,提出了一种新的CSS算法。该算法采用两个平行的均匀线阵作为阵列传感器,通过特殊定义的四阶累积量矩阵对接收空域数据进行平滑处理,实现了相关噪声环境下对相干信源的二维波达方向的估计,并且所估计信源的二维波达方向能够自动配对,最后通过蒙特卡罗实验证明了所提CSS算法2D-DOA性能的有效性。     

改进的近场源距离、方位联合估计算法

提出了一种无需参数配对的近场源距离、方位联合估计算法。该算法通过对构造的阵列输出信号四阶累积量矩阵,进行一定的变换构造处理得到一个新的矩阵,利用其相应的特征值及特征向量估计出二维参数。与ESPRIT-Like方法相比,文中算法参数估计结果能自动配对,而无需再进行配对过程。计算机仿真结果证实了提出方法的有效性。     

一种基于高阶累积量的近场源距离、频率和方位联合估计算法

本文提出了一种基于高阶累积量的近场源距离、方位及频率三维参数联合估计方法,该方法利用构造的累积量矩阵的特征分解获得信号子空间,三维参数估计分别由构造的矩阵的特征值直接估计得到,算法计算简单而无需任何搜索且适于任意高斯噪声环境,与现有的方法相比,本文算法由于无需利用阵列的中心对称结构,因而有效的避免了阵列的孔径损失.最后,计算机仿真实验验证了算法的性能.     

基于联合对角化的近场源三维参数估计

提出了一种基于联合对角化的近场源频率、到达角（DOA）和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于白化后的接收数据构造一组高阶累积量矩阵,利用联合对角化方法来得到高阶累积量矩阵的对角结构信息以及对角化矩阵来分别估计阵列流形和信号源的频率,进而由阵列导向矢量结合对应的信号源频率联合估计信号源的到达方向和距离。与基于高阶累积量的类 ESPRIT方法相比,算法可以提高阵元利用率,具有更好的估计效果,同时不需要谱峰搜索且各参数自动配对,计算机仿真结果验证了该方法的有效性。     

无需参数配对的近场源距离、方位、频率联合估计算法

 本文提出了一种无需参数配对的近场源距离、方位、频率联合估计算法。通过对构造的阵列输出信号四阶累量矩阵进行一定的变换构造处理得到一个新的矩阵,利用其相应的特征值及特征向量估计出三维参数,无需谱峰搜索,算法适于任意高斯噪声环境。与现有算法相比,本文算法参数估计结果能自动配对,而无需再进行配对过程。最后,计算机仿真结果证实了提出方法的有效性。     

一种新的近场源距离及到达角联合估计算法

该文提出一种基于三阶循环矩的近场源距离以及到达角联合估计算法。该算法充分利用了信号的循环平稳特性以及其空、时域信息,通过构造时空矩阵并进行特征分解获得二维参数的闭式估计。该方法计算简单,无需谱峰搜索,而且二维参数自动配对。与现有的方法相比,该文算法并不要求阵列具有中心对称结构,因此避免了阵列孔径的损失;此外该算法对任意分布的加性平稳噪声以及具有不同循环频率的干扰信号有较好的抑制能力。计算机仿真实验验证了该方法的有效性。     

乘性噪声背景下基于三阶循环矩的二维近场源定位方法

 本文提出一种基于三阶循环矩的近场源二维参数估计方法.该方法以均匀线阵为接收传感器阵列,通过构造三个三阶循环矩矩阵估计出近场源的方位角和距离参数,利用循环统计量去除加性噪声,通过预校准法消除乘性噪声,适用于乘性噪声或乘性噪声和加性噪声共存背景下的二维近场源定位.仿真实验验证了该方法的有效性.     

Jointly estimating both range and DOA of near field source

A computationally efficient method for jointly estimating both Directions Of Arrival(DOA) and ranges of near field sources is presented. The proposed algorithm does not need any spectral peak searching and the 2-D parameters are automatically paired. It is suitable for arbitrary additive Gaussian noise environment. Furthermore, its performances are confirmed by computer simulations.     

一种新的近场源三维参数联合估计算法

本文研究近场源距离、频率和到达角(DOA)三维参数的联合估计问题，并提出一种计算有效的新算法。该算法利用特征值及相应的特征矢量估计信号参数，不需要谱峰搜索且各参数自动配对。此外，新算法使用四阶累积量，因此适用于任意的加性高斯噪声环境。计算机仿真证实了所提算法的有效性。