基于主分量分析的宽带DOA估计自聚焦算法

提出了一种基于主分量分析(PCA)的CSM类宽带DOA估计自聚焦算法,利用子空间投影变换将信号分离后应用PCA算法快速估计信号DOA,通过不断更新聚焦方向实现自聚焦.与已有算法相比,该算法不受DOA初始值的影响,有更好的聚焦精度.聚焦矩阵更新过程中无需再做奇异值分解,用PCA迭代算法替代特征分解过程,计算量小.仿真实验结果表明,该算法以较小的计算代价实现了较好的估计精度.     

宽带混合信号的快速DOA估计算法

针对均匀线列阵,在宽带混合信号(不相关和相干信号共存)情形下,提出了一种DOA快速估计新算法。利用阵列协方差矩阵的Hermitian性,通过酉变换将各频点的复数据矩阵映射为实矩阵,通过实值化的TOFS法先直接估计出宽带非相关信号的DOA;然后利用空间差分技术,在各个频点上得到只含相干信号的数据协方差矩阵;通过Toeplitz矩阵重构,在不降低阵列孔径的条件下,可实现相干信号的解相干,再利用实值TOFS法可得到相干信号的DOA。由于算法是并行分别对不相关和相干信号进行DOA估计,在信源过载(信号数大于阵元数)的情形下,算法依然有效,同时由于实值化,算法的计算复杂度较小。仿真结果验证了算法的有效性。     

一种新的宽带DOA估计自聚焦算法

具有较高精度的宽带信号波达方向(DOA)快速估计算法是其实用化所要解决的重要问题。提出了一种新的相干子空间(CSM)类宽带DOA估计自聚焦算法。算法利用子空间投影变换将信号分离后分别处理,通过不断更新聚焦方向实现自聚焦。与已有算法相比,不受DOA初始值的影响,有更小的聚焦误差;不同目标在聚焦矩阵更新过程中无需再做奇异值分解,有较低的实时计算量。仿真实验表明,算法以较小的计算代价实现了近乎最优的聚焦性能,有较高的DOA估计精度。     

基于实值特征值分解的求根MUSIC算法

针对非圆信号DOA估计问题,提出了一种基于实值特征值分解(Eigenvalue decomposition,EVD)的求根MUSIC算法.首先利用非圆信号为实值信号的特点,将阵列上的接收数据及其共轭用欧拉公式转换为实值正弦与余弦数据,然后将正弦与余弦数据进行串联,从而扩展了数据维数.由于采用实值矩阵的EVD,因此在EVD阶段的运算量简化为复值EVD的1/4.根据EVD后获得的信号与噪声子空间的特点,对噪声子空间和导向矩阵进行重构以便于可以使用求根MUSIC算法获取对DOA的估计.仿真实验验证了本文算法的有效性.     

一种L型阵列的相干分步降维DOA估计方法*

针对相干信号二维波达方向(Direction Of Arrival,DOA)估计运算复杂度高的问题,本文提出了一种基于前后向空间平滑的分步降维MUSIC算法。该算法首先通过前后向空间平滑技术去相干,然后通过一维空间谱搜索得到一维入射角,最后通过最小二乘法得到二维入射角,进而得到相干信号的DOA。仿真实验表明该方法可以实现对相干信号的二维DOA估计,且具有较好的DOA估计性能,同时降低了运算复杂度。     

基于分数阶傅里叶变换的宽带LFM相干信号二维DOA估计

在分数阶傅里叶(FRF)域从离散角度推导了二维DOA估计数学模型,并在此模型基础上提出基于分数阶Fourier变换的二维相干信号DOA估计新算法.该方法利用分数阶傅里叶变换良好的能量聚集性,在分数阶傅里叶(FRF)域构造前后向空间平滑DOA矩阵.通过对DOA矩阵进行特征值分解,估计信号子空间和噪声子空间,由信号子空间的特征值和特征向量得到宽带LFM相干信号的二维到达角,避免了二维谱峰搜索和交叉项,也无需参数配对.理论推导与实验仿真验证了算法的有效性.     

基于空间平滑MUSIC算法的相干信号DOA估计

针对传统解相干算法在低信噪比条件下不能有效分辨角度接近的信号源DOA的问题,提出一种基于空间平滑技术的特征空间多重信号分类MUSIC(Multiple Signal Classification)算法。首先用改进的空间平滑算法对相干信号进行预处理,然后对其应用特征空间MUSIC算法进行精确的DOA估计。计算机仿真结果表明,该算法的改进能更加有效地估计相隔较近的小信噪比信号源的DOA,分辨能力较强。     

基于快怕矩阵重构的宽带相关信号DOA估计

针对相关信号空间平滑算法中阵列孔径损失的问题,提出了一种有效的去相关算法.该算法将直接数据快拍及其共轭反置矩阵构造一新的矩阵,通过对原数据矩阵和新矩阵的协方差矩阵的奇异值分解,再采用MUSIC算法对相关信号进行DOA估计,没有阵列孔径损失.仿真实验通过与MMUSIC算法和ISM算法及CSM算法相比较,验证了该算法的有效性.     

基于稀疏电磁矢量传感器阵列的相干目标DOA自适应估计和跟踪

研究了利用阵元稀疏分布的电磁矢量传感器阵列对相干目标二维波达方向(DOA)进行自适应估计和跟踪的问题.首先,提出了一种新的解相干预处理方法--极化差分平滑算法(PSDA),并结合传播算子给出一种相干目标DOA的估计方法(PSDA-propagator),无需特征值分解以获得信号/噪声子空间,与基于极化平滑算法(PSA)的同类子空间方法相比,提出的方法在非均匀噪声环境有更好的估计性能.其次,为了实现DOA的自适应估计或对时变DOA的跟踪,论文结合最小均方(LMS)或归一化最小均方(NLMS)算法估计瞬时传播算子,并且通过近似牛顿(approximate Newton)算法更新方位角/仰角的估计.实验结果显示了算法有良好的自适心估计和跟踪性能.     

Spatial Time-frequency DOA Estimation Under a Stable Distribution Noise

当信号中存在α稳定分布噪声时,传统空间时频多重信号分类(STF-MUSIC)算法的空间波达方向(DOA)估计性能会降低甚至失效.为此,利用分数低阶矩(FLOM)代替二阶协方差矩阵,定义分数低阶矩空间时频分布矩阵(FLOM-STFDM).对FLOM-STFDM进行特征分解,得到适用于稳定分布噪声环境的空间时频TF-FLOM-MUSIC算法,分析该算法的信噪比及误差估计,并给出算法实现步骤.仿真结果表明,TF-FLOM-MUSIC算法可有效降低DOA估计的均方误差,提高估计的分辨率和平滑性.