基于信号稀疏表示的信源数目和DOA联合估计算法

波达方向估计是阵列信号处理的一个重要问题.基于阵列信号的联合稀疏表示模型,首先根据阵列结构建立过完备原子库,然后将阵列接收数据分解到最佳原子上,实现了空域信号DOA的高分辨估计;通过将阵列接收数据进行奇异值分解和采用粗略搜索与精细估计相结合两种方法提高了运算速度.相对于传统算法,本文算法不需要已知信源数目的先验信息,同...     

信号稀疏分解降噪在DOA估计中的应用

提出了一种基于稀疏分解的阵列信号降噪方法。该算法是通过匹配跟踪（MP）的稀疏分解对阵列接收信号进行降噪,然后结合一般的MUSIC算法实现DOA估计。首先将对阵列接收数据分阵元通道独立进行基于MP分解的降噪处理,在不改变阵列流型的前提下,达到了对阵列信号降噪的效果,且在实际算法中分析了MP分解迭代终止阈值的确定。通过仿真分析证实了信号MP分解降噪的方法应用于DOA估计中的可行性。仿真结果显示,在低信噪比环境中,基于MP分解降噪后的MUSIC估计方法取得了更好的估计性能,因此证实了该算法的有效性。     

基于时反-压缩感知的浅海目标DOA估计算法

浅海波导由于海底海面边界以及不均匀散射体的存在,使得其中声传播极其复杂,对信号处理造成了严重的干扰.本文针对浅海复杂环境下的多途效应对目标波达方向(Direction of Arrival, DOA)估计的不利影响,提出了一种基于时反-压缩感知(Time Reversal-Compressive Sensing, TR-CS)的目标DOA估计算法.该算法针对利用压缩感知(Compressive Sensing, CS)理论进行DOA估计时浅海多径对信道稀疏性的干扰,引入时间反转(Time Reversal, TR)理论对信号进行预处理,将时反处理后的信号再次送入信道,建立了基于时间反转理论的浅海目标DOA估计模型,利用时间反转理论的空时聚焦特性实现了对多途畸变的修正,并且以多径数目作为环境复杂度的度量,在不同复杂度环境下验证了该算法的有效性,最后分析了不同快拍数下该算法的性能.仿真结果表明:在低信噪比、小快拍的浅海条件下,时间反转理论的引入通过对接收信号的再次处理,虽然对计算量提出了要求,但是明显抑制了旁瓣杂波,提高了信道的稀疏性及阵列接收信号的信噪比,改善了复杂浅海环境下的DOA估计性能,并且在多途效应越为严重的环境中,性能提高越为明显.     

基于nested阵列的高分辨DOA估计

针对nested阵列对邻近信号的分辨力受信噪比和快拍数等因素限制的问题,提出了基于nested阵列的加权子空间平滑M USIC算法.该算法对协方差矩阵向量化以提高整个阵列的自由度,使用空间平滑恢复新接收数据矢量阵的秩,采用校正的噪声特征值对噪声子空间进行加权,并对信号子空间进行空间谱合成,得到新算法的空间谱函数.通过搜索空间谱函数极大值实现DOA估计.结果表明,该算法在低信噪比及小快拍数条件下,对间隔较近的信号具有高分辨力.     

基于压缩感知理论的二维DOA估计

二维波达方向(direction of arrival,DOA)估计在雷达探测、电子对抗、医学成像等领域有着广泛的应用.针对现有算法估计精度不足、计算量巨大的问题,在基于压缩感知理论的背景下提出一种二维均匀L型阵列信号的DOA估计算法.该算法首先对阵列信号的俯仰角和方位角构建空间合成角,并对空间合成角构建过完备冗余字典;再利用正交化高斯随机矩阵构造观测矩阵;最后通过改进RM-FOCUSS算法和求解三角函数的方法还原出方位角和俯仰角.理论研究表明,该方法在高信噪比、多快拍条件下比传统算法具有更高的估计精度和分辨力,且通过压缩采样降低了运算量.仿真实验验证了上述结论.     

矢量重构解相干的波达方向估计新方法

针对相干信号波达方向(Direction of Arrival, DOA)估计问题,提出一种新的矢量重构解相干方法——变参考阵元数据互相关矢量重构算法。算法依次改变阵列参考阵元,求得所有阵元接收数据与对应参考阵元接收数据之间的互相关信息,并以此作为重构矩阵的列矢量构造一个等效协方差矩阵,然后基于MUSIC和ESPRIT算法,估计相干信号的波达方向。数学推导和理论分析表明,重构的矩阵能对相干信号完全解相干。算法不损失阵列孔径,在低信噪比和少量快拍数据条件下,估计性能要优于Toeplitz矩阵重构算法和前后向空间平滑算法。     

基于加权l1范数稀疏信号表示的DOA估计

为了在小样本、低信噪比以及高信源相关性的条件下都能对波达方向(direction of arrival,DOA)进行精确估计,基于压缩感知理论,利用目标信号空间分布的稀疏性,提出了基于加权l_1范数稀疏信号表示的DOA估计算法.该算法对l_1-奇异值分解(singular value decomposition,SVD)算法进行改进,对接收矩阵进行预处理,根据子空间的正交性确定加权矩阵,以加权l_1范数作为最小化的目标函数进行优化得到稀疏信号,进而得到信号的DOA.仿真结果表明,通过加权处理的l_1范数下稀疏信号重构方法能有效抑制偏差,在低信噪比下能够准确稳定地估计出DOA,并且能够提高估计精度.     

基于二级嵌套阵列的宽频段欠定波达方向估计

针对宽频段欠定波达方向(DOA)估计问题,提出基于二级嵌套阵列的DOA估计方法.利用空间频率对阵列接收数据进行降维处理;利用空间频率的空域稀疏性建立空间频率连续稀疏模型,利用原始对偶方法以及多项式求根得到空间频率的高分辨估计;构建频域协方差矩阵并进行特征分解,利用大特征矢量之和来建立配对函数实现信号频率与空间频率准确配对得到DOA估计.结果表明,该方法可估计的信号数远大于实际阵元数,同时能够有效避免传统稀疏重构方法中由于角度域离散化所导致的模型不匹配对估计性能的影响,提高了估计精度与分辨力.     

基于四元数MUSIC算法的声矢量传感器阵列二维波达角估计

利用声矢量传感器导向矢量和四元数之间的相似性,推导并建立了以四元数形式表示的导向矢量,给出了声矢量传感器阵的四元数模型,理论分析了导向矢量与噪声子空间的正交性,在此基础上提出了基于四元数MUSIC空间谱的二维波达角估计方法。仿真实验表明,四元数MUSIC算法的分辨力要优于矢量MUSIC算法,在低信噪比下具有较高的DOA估计精度,验证了四元数的正交性优势,同时本文方法不局限于L线阵和面阵,对其他阵型也具有普遍适用性。     

智能天线DOA估计技术研究

智能天线DOA估计技术中子空间分解类算法存在计算量大和采样数据多的缺点,为实现实时准确的DOA估计,提出一种在局部信号空间搜索谱峰的改进MUSIC算法,与经典算法仿真对比,结果表明改进算法运算量明显降低.此外,为克服传统算法采样数据量大且存在冗余的不足,研究基于压缩感知的DOA估计方法,即由阵列数据通过阵列流型矩阵重构出空间稀疏信号,从而估计目标信号的DOA,实验结果表明该方法估计效果显著,且性能优于传统算法.     

基于压缩感知理论的宽带信号波达方向估计

针对一维宽带信号波达方向(DOA)估计中聚焦变换算法需要角度预估值的问题,在双边相关变换算法基础上设计了一种无需角度预估值的DOA估计算法.首先,利用离散傅里叶变换(DFT)变换将宽带信号分解为若干个不同频点处的窄带数据模型.然后,通过本文改进的聚焦矩阵将不同频点处的窄带数据聚焦到同一参考频点,得到单一频率点处窄带信号模型.最后,采用改进阵列协方差矩阵稀疏迭代估计算法进行求解.理论研究和仿真实验结果表明,该方法在低信噪比和多快拍条件下比传统算法具有更高的估计精度和分辨率,且结合压缩感知理论有效降低了算法的运算量.     

基于改进稀疏度自适应匹配追踪算法的压缩感知DOA估计

由于传统子空间类算法在少快拍数、低信噪比(signal noise ratio,SNR)、信源相干等条件下波达方向(direction of arrival,DOA)估计精度低甚至无法估计,因此,研究压缩感知理论在DOA估计中的应用.针对稀疏度自适应匹配追踪算法在噪声环境下无法有效估计以及选择大的初始步长会导致过估计的问题,在该算法的基础上进行改进,利用迭代残差的变化规律优化算法的迭代终止条件,同时通过对步长大小进行自适应调整来快速准确逼近信源稀疏度.仿真结果表明,所提算法具有估计精度高、运行速度快、对噪声有较好的鲁棒性等优势,促进实际情况下压缩感知与DOA估计的进一步融合.     

基于CIES-CA的水声阵列多目标方位估计技术

为了使用较少阵元数的水声阵列实现多目标方位估计,本文针对基于子阵间距压缩的互质阵列进行研究分析。利用子空间分类算法与虚拟阵元法,在考虑阵列误差的情况下分析多目标方位估计性能。通过数值验证,在低信噪比、高阵列误差的情况下,基于子阵压缩的互质阵性能明显优于均匀直线阵与原型互质阵,且压缩倍数越大性能越高。     

基于延时相关预处理的MUSIC算法

针对MUSIC算法的分辨力受信噪比、快拍数及阵元数等因素限制的问题,利用各阵元接收数据的延时相关函数重新构造协方差矩阵,提出了基于延时相关预处理的MUSIC算法.根据阵元间的延时相关函数与原阵列流型及信号延时相关函数的关系,推导了4个与原阵列流型相同（共轭）的延时相关函数矩阵,分别对各矩阵求协方差并按规则求和得到新的协方差矩阵,之后对协方差矩阵进行特征分解,根据信号子空间处理稳健性高和噪声子空间处理估计精度高的特点构造谱函数进行谱峰搜索,实现DOA估计.通过仿真实验验证了本文算法的可行性和有效性.     

基于均匀圆阵的二维DOA估计的新算法

文章针对均匀圆阵的阵列流形,分析了均匀圆阵的导向矢量,并在此基础上,通过构造相应的二阶统计量得到了信号方位角和俯仰角的闭式解．同已有的二维DOA估计算法相比较,该算法有明显的计算优势,只需要3个阵元即可以达到二维DOA估计的结果．理论分析证明,该闭式解不受空间白噪声的影响,只要选取适当的快拍数,该算法可以在较低的信噪比环境下稳健的工作．计算机仿真结果表明,该算法可以利用圆阵的3个阵元有效地估计信号的二维到达角,并且减少了运算量,降低了白噪声的影响,可以稳健而有效的工作．     

声矢量阵快速子空间方位估计算法

针对声矢量阵高分辨方位估计算法运算量大的问题,基于声压振速联合信息处理,提出了一种快速的声矢量阵高分辨方位估计算法．该算法选择参考阵元的电子旋转矢量作为期望信号,运用多级维纳滤波器(MSWF)对信号子空间进行快速估计,不需要计算声矢量阵的互协方差矩阵,不用进行特征值分解,从而大大缩减了计算量．另外,该算法基于矢量传感器声压与振速的相干性原理,充分利用了声压振速组合抗干扰能力,有效抑制了各向同性噪声．理论分析和计算机仿真表明,该算法在拥有良好DOA估计性能的同时,大大减小计算量．     

基于旋转不变阵列的分段平稳信号欠定DOA估计

为克服KR-MUSIC算法限定阵列为均匀线列阵、需要空域谱搜索、计算量较大的缺点,提出了一种基于旋转不变阵列的DOA估计算法,扩大了应用范围,且算法通过解析运算估计DOA,避免了计算量较大的谱搜索.该算法可估计的DOA个数由KR-MUSIC方法的2N-1增加到N2/2.仿真结果表明,在同样信噪比、帧长和帧数条件下,本文算法的性能要优于KR-MUSIC算法.     

基于阵列协方差矩阵列向量稀疏表示的高分辨波达方向估计

提出了两种基于稀疏重构的高分辨波达方向(DOA)估计方法。对空间进行粗、细两步网格划分,并在相应的过完备基下获得阵列协方差矩阵列向量的稀疏表示,分别基于剔除及差分处理抑制噪声干扰影响。采用lp范数约束正则化迭代加权最小范数(FOCUSS)算法进行稀疏重构,在重构过程中,对过完备基进行奇异值分解并剔除奇异值小于阈值项以减小计算量,并解决过完备基条件数过大带来的病态问题。仿真结果验证了所提算法的有效性和鲁棒性。     

一种新的稀疏重构的DOA估计算法

为提高低信噪比和较少快拍数条件下远场窄带信号波达方向的估计精度,提出一种新的基于加权l₁范数的稀疏重构波达方向的估计算法．该算法首先采用前后向空间平滑技术获得阵列输出数据协方差矩阵;其次构造出改进Capon算法空间谱函数中的倒谱系数矢量,设计得到符合加权l₁范数的权值矩阵;最后通过奇异值分解对接收数据进行降维处理,获得基于稀疏重构的加权l₁ 范数约束问题模型．仿真结果表明,在低信噪比或快拍数较少的情况下,该算法能够有效地抑制空间谱伪峰和保证较强的稳健性,且信源不需要进行相关处理,仍能获得很高的估计精度．     

基于矢量传感器的高分辨频率估计算法研究

基于子空间分解的ESPRIT算法常用在阵列处理中对目标进行DOA估计．如果将空间的位移变成时间的延迟，单个矢量传感器可以实现高分辨率的频率估计．将ESPRIT与矢量传感器相结合，研究了高分辨率频率估计算法，建立了矢量传感器的数据模型，推导了矢量传感器的空时阵列流形，通过对协方差矩阵进行子空间分解，求得目标信号的频率估计值．仿真计算研究了不同信噪比、采样频率和数据长度条件下该算法的性能．结果表明基于矢量传感器的算法比基于声压传感器的算法具有更高的频率估计精确度．