非圆信号多级维纳滤波DOA估计求根算法

针对非圆信号DOA估计的计算量问题, 运用多级维纳滤波和信号子空间的多项式求根方法, 提出了一种快速算法. 首先利用非圆信号特性构造出扩展阵列输出矩阵, 然后不需进行协方差矩阵的生成和分解, 利用多级维纳滤波求出信号子空间, 针对均匀线阵推导出信号子空间多项式求根方法, 得出目标的DOA估计值. 新算法的均方根误差性能与非圆信号求根MUSIC算法、非圆信号ESPRIT算法、非圆信号扩展传播算子算法等快速算法相仿, 但是计算量小于已有的算法, 特别是在阵元数较多的情况下算法的实时性优势更加明显.     

基于多级维纳滤波器降维技术的波达方向估计

针对基于子空间分解的参数估计算法所存在的运算量大、信噪比门限高等缺点，提出了采用多级维纳滤波器进行波达方向估计的方法，该方法将波达万向估计和多级维纳滤波器相结合，即降维的波达方向估计，克服了基于子空间分解算法的缺点，计算机仿真说明了这种降维的波达方向估计方法是有效的，可以应用在快拍教很少和信干噪比很低的情况。     

基于相位匹配原理的波达方向遗传搜索算法

提出了一种将信号相位匹配原理和遗传算法相结合的信号波达方向估计方法.根据信号相位匹配原理的最小二乘解所确定的期望信号能量函数,设计了遗传算法的适应度函数.分析了不同信噪比下阵元数和FFT序列长度对波达方向估计精度的影响,给出了不同信噪比时波达方向估计的Monte-Carlo实验结果.计算机仿真表明,该方法不但可在360°范围内快速搜索波达方向,而且还能同时对信号频率进行参数估计.只估计波达方向时,在信噪比为0dB、8阵元、1024点FFT和种群规模为20的情况下,20代遗传进化就可搜索到精度较高的波达方向;同时进行方向和参数估计也取得较好的效果,证明了该方法的有效性.     

一种基于广义特征向量的改进ESPRIT测向算法

基于信号子空间的ESPRIT算法不需要进行谱峰搜索,但是估计方差大于MUSIC算法。该文提出了一种基于广义特征向量的ESPRIT算法,利用信号子空间旋转不变关系矩阵的广义特征向量估计信号波达方向,得到了比基于广义特征值算法更准确的方向估计结果。该算法充分利用了信号子空间的旋转不变特性,通过利用信号子空间与阵列流形的关系进行波达方向估计,实验证明该算法能够在保持小计算量的优势下达到与MUSIC算法相近的性能。     

一种未知信源数的共形阵DOA算法

针对目前绝大多数共形阵波达方向估计算法需要进行信源数估计且波达方向估计性能易受信源数估计误差影响的问题,提出了一种引入虚拟期望信号的未知信源数共形阵波达方向估计算法.在介绍共形阵窄带信号接收模型及自适应波束控制原理的基础上,利用最大信干噪比准则下的最优权矢量对引入虚拟期望信号后的阵列接收数据进行加权处理,以阵列输出的信噪比作为波达方向估计参数,从而实现来波信号的准确估计.整个过程不需要以信源数作为先验知识,避免了波达方向估计过程中信源数的判断环节.对所提算法进行了仿真实验,结果表明,该算法是有效可行的,且其性能要优于MUSIC算法.     

用干涉式APES算法实现干涉阵盲DOA估计

针对干涉阵的波达方向估计,提出一种干涉式幅相估计的盲波达方向估计算法.利用干涉式幅相估计算法的空间谱和模型阶数选择准则获得目标个数和目标方向余弦的粗估计;使用子阵间的相位中心偏移来获得目标方向余弦的精估计.针对干涉阵带来的测角模糊问题,采用双尺度解模糊算法得到高精度且无模糊的目标波达方向估计.该算法是一种盲波达方向估计方法,精度较多重信号分类算法和双尺度旋转不变子空间算法的高.计算机仿真结果和实测数据验证了干涉阵波达方向估计的高精度测角性能和有效性.     

一种改进的RootMUSIC快速算法

MUSIC算法是一种基于特征结构的子空间类超分辨算法,该算法性能优良,但需要估计协方差矩阵并进行特征分解和谱峰搜索,运算量较大。研究了波达方向估计问题并提出了一种改进的快速算法,该算法利用协方差矩阵的子矩阵得到信号子空间,无需特征分解,只需估计该子矩阵,然后用多项式求根的方法代替谱峰搜索,故该快速算法运算复杂度远低于MU-SIC算法,同时性能损失并不太大。理论分析和计算机仿真结果表明此算法是有效的。     

智能天线中平面阵列的波达方向估计的研究

研究智能天线中平面阵列的波达方向估计．以等距线阵为基础,把每一线阵作为平面阵列的一个子线阵,信号在不同子线阵上形成的波达方向估计就构成平面阵列的波达方向估计．提出采用MUSIC算法来实现平面阵列波达方向估计的方法．阵元数目的增加,很大程度上提高了方向估计的准确性．文中模拟了现实的无线环境,在相同噪声情况下,讨论不同数目的入射信号对平面阵列的波达方向估计的影响,并在不同噪声情况下,通过多次实验得到噪声与入射角度分辨率的关系．     

多通道阵列相干源波达方向超分辨估计

采用发射阵列分布式布阵、接收阵列密布阵的多通道阵列,提出了一种虚拟子阵积累算法,在获得空间分集增益的同时可以超分辨估计相干源的波达方向.先通过正交信号分选的方法在接收端得到虚拟子阵,然后叠加积累各虚拟子阵接收数据的协方差.该算法利用空间分集克服了目标闪烁,同时具备解相干的能力,且避免阵列物理孔径的损失.理论分析和仿真结果表明,该算法可以有效处理多通道阵列相干源波达方向估计.     

基于径向基神经网络的波达方向估计算法

针对传统的波达方向（DOA）估计算法在实际应用中普遍存在计算量较大,无法实时地跟踪期望信号且无法处理信号源数大于天线阵元数的问题,提出了一种在智能天线中基于径向基神经网络的波达方向估计算法.该算法利用神经网络进行多信号源跟踪（MUST）来完成信号源侦测和DOA估计.通过建立神经网络DOA估计算法模型,并对所建立的神经网络进行训练.通过仿真将该算法与传统的DOA估计算法进行比对的结果表明,基于径向基神经网络的波达方向估计算法能够快速准确的检测到信号源,响应时间明显快于传统的算法.     

基于改进MUSIC算法的二维DOA估计方法

提出了一种改进的二维MUSIC算法,该算法通过重构阵列接收数据协方差矩阵来降低入射信号源间的相关性,抑制信号子空间向噪声子空间的扩散,从而解决用MUSIC算法估计相干信号源到达方向(DOA)时的漏估计问题.该方法不仅对相关信号源的DOA估计有好的特性,也可以提高非相关信号源的DOA估计特性,而且计算量也没有大的增加.仿真试验证明了改进算法的有效性.     

高分辩DOA估计的子空间方法

首先对基阵所张成的空间、信号子空间和噪声子空间给出了定义.通过这些定义对用于高分辩DOA估计的子空间方法,阐述了一个较为系统的理论,并且应用这个理论,对几种典型的子空间方法进行了分析.指出了用子空间方法进行DOA估计的关键是:第一,如何将基阵张成的空间划分为信号子空间和噪声子空间;第二.如何利用信号子空间和(或)噪声子空间估计信号方向矢量.给出了在已知信号子空间和噪声子空间的条件下,满足方位估计唯一性的控制矢量条件,并且给出了证明.     

循环与非循环混合信号源快速DOA估计与识别方法

在日益复杂的信号环境中,阵列信号处理需要面对循环和非循环混合信号源的情况越来越多。针对循环和非循环混合信号源的情况,分析了混合信号源条件下的子空间特征,提出了一种混合信号源条件下的快速波达方向估计与识别方法,有效地利用了混合信号源中的非循环特性。理论分析和仿真实验结果表明,波达方向估计结果的分辨率不仅较于常规方法有所提高,而且可处理的信源数目大于阵元数目,具有较强的过载处理能力。     

DOA Estimation Method Using Sparse Repres-entation with Orthogonal Projection

In order to reduce the effect of noises on DOA estimation, this paper proposes a direc-tion-of-arrival (DOA) estimation method using sparse representation with orthogonal projection (OPSR). The OPSR method obtains a new covariance matrix by projecting the covariance matrix of the array data to the signal subspace, leading to the elimination of the noise subspace. After-wards, based on the new covariance matrix after the orthogonal projection, a new sparse representa-tion model is established and employed for DOA estimation. Simulation results demonstrate that compared to other methods, the OPSR method has higher angle resolution and better DOA estima-tion performance in the cases of few snapshots and low SNRs.     

基于均匀面阵的相干信号源二维DOA估计新方法

相干信号源的来波方向(Direction of Arrival,DOA)估计问题一直是阵列信号处理技术的一个研究热点。现实环境中的信号源多为相干的,针对此问题提出一种改进的相干信号源二维DOA估计算法。通过对接收信号协方差矩阵进行矩阵重构处理,将采样数据协方差矩阵的秩恢复到等于信号源的个数;对重构的协方差矩阵进行特征分解,构造出信号子空间矩阵和噪声子空间矩阵,将两个子空间矩阵联合构造出新的空间谱函数;基于新的空间谱函数进行二维谱峰搜索,即可估计出多个入射信号的二维DOA。使用计算机软件进行仿真验证,仿真结果表明了所提方法的有效性。     

基于实值信号子空间的虚拟阵列解相干算法

针对存在相干信源时,传统的DOA估计算法失效问题,提出一种基于实值特征子空间的虚拟阵列解相干算法.该算法根据虚拟阵列变换的思想,利用阵列接收数据构造虚拟子阵,实现对信号的解相干处理,并将协方差矩阵从复数域变换为实数域,获得一个实值信号子空间,最后利用实数域ESPRIT (Unitary ESPRIT)估计信号波达方向.该方法避免了阵列孔径损失,保持了阵列的空间分辨率,估计精度高,利用个阵元可估计个信源,且引入实数域处理和无需空间谱搜索,运算量小.计算机仿真验证了该方法的有效性和优越性.     

冲击噪声环境下的快速DOA估计

目前已存在着一些适用于冲击噪声环境的稳健性DOA算法,但它们的计算量仍然较大.为了解决这一问题,对冲击噪声环境下的快速DOA估计进行了研究,并提出了一种新的分数低阶算法.新算法的原理是利用分数低阶矩阵的数据来直接构造与更新C的信号子空间.根据理论分析可知,由于新算法避免了计算量级为O(q3)(q为天线阵元数)的特征分解,其计算量级仅为O(Mq2)(M为信号数),因此它与现有算法相比,计算量更小并能更快速地估计DOA.计算机仿真证实在相同条件下,当子空间更新次数不小于2时,新算法有着与现有算法近似一致的DOA估计性能.     

一种基于MNLS解的迭代波达方向估计方法

传统的子空间DOA估计方法需要大量快拍数据以取得足够样本从而得到输入协方差矩阵。提出一种基于FOCUSS方法的加权最小范数最小二乘（MNLS）解的迭代DOA估计方法,仅需要数次迭代即可得到稳定的高分辨率估计结果,并且需要的接收快拍数大大低于子空间估计方法。     

互质阵列下基于重叠有效孔径的DOA估计算法

为了解决互质阵列下DOA(Direction of Arrival)估计算法因使用空间平滑预处理而带来的阵列有效孔径损失、分辨率降低等问题,提出了一种矩阵重叠预处理方法.该方法通过分割空间平滑协方差矩阵,利用其子矩阵具有相同信号子空间的特性,将子矩阵进行重叠处理,扩展协方差矩阵行数,进而增大有效孔径.仿真实验结果表明:所提方法可以提高DOA估计的分辨率,低快拍下的估计精确度也有所提高.同时,本文将U-ESPRIT(Unitary Estimation of Signal Parameter via Rotational Invariance Techniques)算法应用在互质阵列上,通过使用矩阵重叠预处理并结合U-ESPRIT算法,取得了较传统方法更为准确的DOA估计效果.