基于均匀圆阵的改进UCA-ESPRIT算法

波达方向(DOA)估计是阵列信号处理的研究热点和难点之一。基于阵列天线, 利用空间谱估计理论进行DOA估计,提出一种改进算法——I-UCA-ESPRIT。首先根据均匀圆阵(UCA)的中心对称性,将输入信号进行重新排列;然后将重新排列的信号进行实值转换,并对相关矩阵进行特征值分解;最后引入SVD算法,以求解来波信号的方位角和俯仰角。仿真结果表明,该算法不仅适用于DOA估计的非相干信号和相干信号,且优于UCA-RB-MUSIC算法和UCA-ESPRIT算法。     

采用单次快拍数据实现信源DOA估计

针对均匀线性阵列DOA估计中的实时性和解相干问题,提出了一种基于单次快拍数据的估计算法,通过对阵列接收的单次快拍数据进行相关处理后重构Toeplitz矩阵,并证明该矩阵的秩不受信号相干性的影响。通过特征值分解,得到对应的信号子空间和噪声子空间,结合MUSIC算法和ESPRIT算法实现了对相干和非相干信号的DOA估计。算法不损失阵列孔径,具有更好的实时性和抗噪声干扰的能力;在低信噪比条件下,仍具有较好的估计性能。最后计算机仿真结果证实了算法的有效性和可行性。     

估计相干与非相干信源的ESPRIT方法研究

在目前信号波达方向（Direction-Of-Arrival,DOA）估计中,常规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）,常规ESPRIT算法难以估计出它们的DOA。结合解相干MUSIC和常规ESPRIT算法的优点,提出了一种新的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和互相关信息来重构含有信号方位数据的新矩阵,再从它的特征值中解得信号的到达角。计算机仿真结果验证该方法在混合信号估计中的优越性和可靠性。     

高效相干源DOA估计的ESPRIT新方法*

ESPRIT算法是一种速度快、精度高的常用算法,但它不能解相干。针对此缺陷,提出了一种新的高效相干源DOA估计的改进ESPRTIT方法,新方法对数据协方差矩阵的最大特征值对应的特征向量按一定方式进行重排处理,以此来重构需要解相干矩阵。它不仅解决了常规ESPRIT算法不能解相干的问题,同时相对常规ESPRIT算法计算过程大大简化。计算机仿真实验证明了该方法在解相干方面的良好性能,为解相干的ESPRIT算法在阵列信号处理的超高分辨领域开辟了新的途径。     

基于PASTd的圆阵ESPRIT算法

基于旋转不变技术的信号参数估计（ESPRIT）算法因具有高效的波达方向（DOA）估计性能而受到广泛的研究和应用,但其需要进行协方差矩阵特征值分解,计算量大,不利于某些场合的具体工程实现。为此,提出将递推求解信号子空间的紧缩近似投影子空间跟踪（PASTd）算法与ESPRIT算法相结合,利用PASTd算法求出信号子空间特征向量,避免了特征值分解,降低了计算量与复杂度,并将其在圆阵中加以应用。所提算法不仅更适合硬件实现,而且将ESPRIT算法的应用进行了扩展。仿真结果验证了所提方法的有效性。     

提取ESPRIT算法信号子空间的DOA估计研究

ESPRIT算法在有效性和稳定性方面都有非常突触的表现,所以其受到了广泛的研究.同时不可避免的要进行特征值分解,无法满足实时系统的要求.因此,提出了一种提取信号子空间的快速算法,通过对旋转矩阵的改进,不需要进行特征值分解和繁琐的迭代计算,节约了计算时间,使得所提算法可以运用于实时处理,并且取得了良好的效果.     

一种新的高分辨稳定阵列信号估计算法

为提高信号的分辨率,提出了一种新的基于均匀线阵的高分辨稳定的阵列信号方向(DOA)估计方法。主要利用阵列接受数据的自相关矩阵进行特征分解,得到最大特征值所对应的最大特征向量。按一定的方式对最大特征向量数据进行重排,构成新的矩阵,通过SVD分解获取信号的噪声子空间,然后利用特征空间的正交性进行DOA估计。新方法由于新构矩阵的特殊性能实现相干和非相干信号的同时分辨,能克服常用阵列信号估计MUSIC法信噪比门限较高以及常用解相干平滑算法(FBSS)无法完全利用阵列接受数据自相关矩阵的固有缺陷。大量的计算机仿真实现表明,方法是一种高分辨、高稳定性的DOA估计算法。     

一种高性能的二维波达方向估计算法

在二维虚拟ESPRIT算法的基础上,提出了一种高性能的改进算法。改进方法依照子阵数据直接空间平滑的思想对子阵数据进行预处理,用虚拟阵列变换技术实施阵列变换,采用波达方向矩阵法的思路计算二维角度参数。仿真结果表明,相比于空域平滑的DOA矩阵法和空域平滑的二维虚拟ESPRIT算法,该方法在低信噪比情况下对相干信号源具有更好的估计性能,对独立信号源,能够估计出超过子阵阵元数的信号。     

基于增广矩阵束方法的平面天线阵列综合

针对平面阵列的稀布优化问题,提出了一种基于增广矩阵束方法的减少阵元数目、求解阵元位置和设计幅度激励的优化方法。首先对期望平面阵的方向图进行采样并由采样点数据构造增广矩阵,对此矩阵进行奇异值(SVD)分解,确定在误差允许范围内所需的最小阵元数目;然后基于广义特征值分解分别计算两组特征值,并根据类ESPRIT算法对特征值进行配对;最后在最小二乘准则条件下根据正确的特征值对求解平面阵列的阵元位置和激励。仿真结果表明该算法具有较高的计算效率和数值精度。     

相干信号的空间谱估计算法研究

研究相干信号谱估计精度问题,由于空间信号噪声影响,识别精度低。为此提出了一种改进的解相干谱估计算法——全局滑动修正算法。可通过对平滑子阵划分的修正,突破了阵列布局限制,有效地使可利用的子阵数目大于双向空间平滑中的子阵个数,采用全部的阵元当做一个滑动的子阵,得到一个新的包含空间谱信息的协方差矩阵,再对其进行特征值分解,然后按照MUSIC算法进行谱估计。仿真结果证明,全局滑动修正算法能很好地对相干信号进行解相干DOA估计,并且在信噪比较低时,比前后向空间平滑算法具有更高的估计精度。     

一种基于无线传感器阵列的到达方向检测方法

以线性等距无线传感器阵列为例,提出一种有效的到达方向检测算法.列堆栈两个平移不变子阵的相关矩阵,给出一种奇异值分解和特征值分解相结合的两步算法,估计传感器阵列的导向矢量矩阵,通过分析导向矢量矩阵的结构化信息,构造估计导向矢量和理想导向矢量的相关函数,进而求解相关函数的驻点,搜索有限个驻点中使相关函数最大的驻点对应的角度估计到达方向,避免了穷尽搜索.仿真结果表明：所提算法在相同信噪比下分辨成功率高于著名的ESPRIT算法、同一分辨成功率下要求的信噪比更低.在信噪比、快拍数、阵元个数变化下对目标定位的均方根误差均优于ESPRIT算法,更接近于理论最优值.     

Parameter estimation of the 2D‐GTD model and RCS reconstruction based on an improved 2D‐ESPRIT algorithm

The two‐dimensional estimating signal parameter via rotational invariance techniques (2D‐ESPRIT) algorithm is a classical method to estimate parameters of the two‐dimensional geometric theory of diffraction (2D‐GTD) model. While as signal‐to‐noise‐ratio (SNR) decreases, the parameter estimation performance of 2D‐ESPRIT algorithm is severely influenced. To solve this problem, a performance‐enhanced 2D‐ESPRIT algorithm is proposed in this article. The improved 2D‐ESPRIT algorithm combines the conjugate data with the original back‐scattered data and obtains a novel covariance matrix by squaring the original total covariance matrix. Simulation results indicate that the improved algorithm has a better noise robustness and a more stable parameter estimation performance than the classical ESPRIT algorithm and the classical TLS‐2D‐ESPRIT algorithm. To further validate the superiority of the improved 2D‐ESPRIT algorithm, reconstructed radar cross section (RCS) is presented in this article. Compared with the classical 2D‐ESPRIT algorithm, the proposed algorithm presents higher RCS fitting precision. Furthermore, the impacts of other factors on parameter estimation, such as matrix pencil parameters and paring parameters, are also studied in this article.     

二维ESPRIT参数配对及FPGA实现

与MUSIC算法相比,二维ESPRIT算法不需要谱峰搜索、运算量小,但存在参数配对问题。基于此,提出一种易于实现的参数配对方法,基本原理是2个表出矩阵特征值的和差等于表出矩阵和差的特征值,不需求解表出矩阵的特征向量。给出基于CORDIC算法和脉动阵的参数配对并行化实现方案,整个系统只有移位相加运算。使用ISE软件和ModelSim软件得到的仿真结果验证了该方案的正确性。     

基于ESPRIT的噪声抑制频率估计算法

在中低信噪比时,协方差矩阵受噪声影响较大导致ESPRIT算法性能降低,使其与克拉美罗下限(CRLB)有一定距离。针对该问题,提出一种基于ESPRIT的噪声抑制频率估计算法,利用信号频域内若干子带的谱线估计协方差矩阵,通过该矩阵的特征向量张成信号子空间,估计信号各分量的频率。实验结果表明,该算法能用于多个频率分量的信号分析,归一化频率估计的范围为 ,且性能接近于CRLB下限。     

十字阵的单基地MIMO雷达中一种低复杂度的二维DOA估计算法

提出了在单基地多输入多输出(Multiple-input multiple-output,MIMO)雷达中的基于十字阵的一种低复杂度的二维波达方向(Direction of arrival,DOA)估计算法。该算法利用传播算子法(Propagator method,PM)避免了协方差矩阵的构造及其特征值分解,也无需谱峰搜索,从而大大降低了运算的复杂度;同时该算法可实现方位角和仰角的自动配对。本文算法的性能在高信噪比下逼近借助旋转不变技术估计信号参数(Estimation ofsignal parameters via rotational invariance techniques,ESPRIT)算法。文中还推导了目标方位角和仰角的均方误差。仿真结果证明了该算法的有效性。     

一种用于二维DOA估计的新颖Unitary ESPRIT算法

提出了一种基于双均匀线阵的特性新颖的Unitary ESPRIT算法。算法根据阵列接收数据,构造了一种实值数据形式,对其作实值奇异值分解,获得信号子空间。算法利用阵元几何的平移不变特性,构造了包含入射信号方位角和俯仰角的估计量。利用构造的估计量的特征值估计俯仰角信息,利用其对应的特征向量估计方位角信息,自动完成角度的配对。所提方法不仅保持了矩阵DOA估计算法和二维ESPRIT算法的优点,如自动的参数配对、不需要二维谱峰搜索等,而且能够在实数域中直接获得信号子空间,能够有效降低运算量。算法可以增加估计信号个数。仿真实验验证了算法的有效性。