基于修正后矩阵分解的最优协方差DOA估计

针对传统来波方向（direction-of-arrival,DOA）估计在信号相干、低信噪比与噪声非均匀环境下性能差的问题,基于修正后的矩阵分解,提出一种利用凸优化的协方差矩阵最优DOA估计方法。修正后的矩阵分解方法,解相干的同时克服了孔径损失;然后,利用凸优化,重构出无噪声的协方差矩阵;最后,利用最小化搜索计算出DOA。仿真结果表明,所提算法与矩阵分解（matrix decomposition,MD）算法、基于◢l▼1▽范数的奇异值分解（l◣▼1▽-norm singular vector decomposition,◢l◣▼1▽-SVD）算法以及基于空间平滑的协方差秩最小化估计（spatial smoothing based covariance rank minimization,SS-CRM）算法比较,能更好地抑制非均匀噪声,且在低信噪比条件下,依然性能良好。     

基于混合型MUSIC算法对相干信源DOA估计

在实际通信环境中,由于传播环境的复杂性使空间中存在大量的相干信号,从而导致信源协方差矩阵的秩亏缺。为使得矩阵的秩恢复到等于信号源数并解决相干信源波达方向（direction of arrival ,DOA）估计问题,提出了一种混合型MUSIC算法。该算法通过前后向空间平滑技术对天线阵列进行预处理,并将得到的新协方差矢量矩阵应用于改进的IMUSIC算法进行信号数据处理分析,得到相干信号的DOA角度估计。仿真结果表明,在信噪比低的情况下,信号间隔很小且存在相关信号时,混合型MUSIC算法能准确地估计出信源的DOA,验证了该算法的高分辨率和高性能。     

一种混合源环境下的波达方向估计方法

提出了一种基于均匀线阵的混合源波达方向DOA估计的新方法。该方法首先利用传统MUSIC方法估计出非相干信号源的DOA,然后对整个阵列数据协方差矩阵进行差分消除不相关源信号和噪声的影响,再对此差分矩阵进行特殊的空间平滑去相干,利用重建的数据协方差矩阵估计相干源的DOA。此方法的特点是分别估计不相关信号和相干信号的DOA,优点是在可估计出多于阵元数信号的前提下具有较高的DOA估计精度和稳健性。理论分析和仿真结果表明此方法的估计性能优于空间差分平滑算法。     

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。     

基于低秩矩阵恢复的DOA稀疏重构方法

为提高非均匀噪声下波达方向（direction of arrival,DOA）角估计算法的估计精度和分辨率,基于低秩矩阵恢复理论,提出了一种二阶统计量域下的加权L1稀疏重构DOA估计算法。该算法基于低秩矩阵恢复方法,引入弹性正则化因子将接收信号协方差矩阵重构问题转换为可获得高效求解的半定规划（semidefinite programming,SDP）问题以重构无噪声协方差矩阵;而后在二阶统计量域下利用稀疏重构加权L1范数实现DOA参数估计。数值仿真表明,与传统MUSIC、L1-SVD及加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好的DOA参数估计性能,且在低信噪比条件下,所提算法具有较高的角度分辨力和估计精度。     

DOA估计算法的一种修正MUSIC算法的研究

传统改进 MUSIC 算法通过对接收信号协方差矩阵作预处理,使信号协方差矩阵分解得到信号子空间与噪声子空间正交,从而降低噪声的影响。但当信号间隔很小时,随着信噪比的降低,传统改进MUSIC算法已无法分辨出信号。基于此问题提出的修正MUSIC算法在使信号子空间与噪声子空间正交的基础上,充分利用了噪声子空间及其特征值对噪声子空间的修正,进而构造谱峰搜索函数估计出信号。通过仿真实验,证实了在信噪比很低的情况下,信号间隔很小且存在相关信号时,修正MUSIC算法能准确地估计出传统改进MUSIC算法不能估计的信号。     

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。     

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。     

基于广义相位平滑的矢量阵列波达方向估计

研究如何利用信号的非圆性提高声矢量阵列信号波达方向(Directon of arrival,DOA)估计的精度.提出通过广义相位平滑预处理提高多重信号分类(Multiple signal classification,MUSIC)DOA估计方法特征子空间对数据协方差矩阵扰动的鲁棒性.该法适用于任意中心对称声矢量阵列,且无需子阵划分,不存在孔径损失,并可完成两个多径信号的解相干.仿真结果表明,广义相位平滑处理可明显改善恶劣条件下(低信噪比,小快拍教)基于MUSIC的非圆信号DOA估计精度.     

Optimized DOA estimation for an array antenna

Abstract—In this paper, we propose a Direction-of-Arrival (DOA) estimation technique that allows application of the signal subspace method. In the case when interference signals are coherent to the desired signals, the performance of the subspace method is reduced remarkably. As a solution to this problem, the spatial smoothing method has been proposed and applied. With the orthogonal element in the weighted spatial smoothing method being the calculation process to realize the MUSIC method, which is the most frequently used subspace, it becomes more complex. In order to solve this problem, we maximize the performance of DOA estimation by assigning a weight vector, which is directly orthogonal to the signal subspace. In this paper we compare the efficiency of the proposed algorithm with a modified spatial smoothing method via simulation results. The text was submitted by the authors in English.     

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。     

基于数字波束形成的相干标签信号检测方法

以均匀直线阵为基础,提出一种在相干多径环境下检测标签信号的方法。结合加权空间平滑技术的MUSIC算法对相干多径信号的波达方向进行估计,根据波达角用线性约束最小方差准则调整权值,通过数字波束形成技术产生自适应定向波束,达到提高在相干多径环境下检测标签信号成功率的目的。实验结果证明了该检测方法的有效性。     

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。     

一种改进的加权空间平滑算法

对加权空间平滑算法计算加权因子时需要预估计信源方向的问题,提出 了一种新的相干信源波达方向估计的加权空间平滑算法。在计算加权矩阵时不需要知道信源 的先验信息,也不需要预估计信源方向,而是对原始阵列进行特殊结构的子阵划分,结合子 阵间的自、互相关矩阵对角度估计的贡献不同,采用嵌套的空间平滑算法得到加权矩阵,从 而实现相干信源的解相干和波达方向估计。本文算法相比原算法具有更优的加权因子、更好 的解相干 性能、更高的角度分辨率和角度估计的准确性。理论分析和仿真结果表明新算法的有效 性。     

Spatial smoothing based methods for direction-of-arrival estimation of coherent signals in nonuniform noise

Spatial smoothing techniques have been widely used to estimate the directions-of-arrival (DOAs) of coherent signals. However, in general these techniques are derived under the condition of uniform white noise and, therefore, their performance may be significantly deteriorated when nonuniform noise occurs. This motivates us to develop new methods for DOA estimation of coherent signals in nonuniform noise in this paper. In our methods, the noise covariance matrix is first directly or iteratively calculated from the array covariance matrix. Then, the noise component in the array covariance matrix is eliminated to achieve a noise-free array covariance matrix. By mitigating the effect of noise nonuniformity, conventional spatial smoothing techniques developed for uniform white noise can thus be employed to reconstruct a full-rank signal covariance matrix, which enables us to apply the subspace-based DOA estimation methods effectively. Simulation results demonstrate the effectiveness of the proposed methods.     

非均匀线阵的宽带波达方向估计

研究了基于非均匀线阵的宽带DOA估计问题和非均匀线阵的阵形。对宽带相干信号子空间算法（CSM）和修正MUSIC算法（MMUSIC）的基本原理作了简单介绍。基于修正MUSIC算法和CSM算法,提出了一种适合非均匀线阵的宽带DOA估计算法。仿真结果表明提出算法在非均匀线阵对称布阵方式下取得很好的效果,提高了DOA估计性能。     

虚拟阵列Khatri-Rao积与子空间联合稀疏表示的DOA估计方法

利用目标信号在空域分布的稀疏性,该文提出了一种基于虚拟阵列Khatri-Rao(KR)积与信号子空间联合稀疏表示的单快拍DOA估计方法;该方法利用单次快拍的采样数据,构造出双向虚拟阵列数据,并对虚拟阵列数据的协方差矩阵进行KR积变换处理,然后对向量化后的数据进行顺序重构,利用重构矩阵的大奇异值对应的左奇异向量为估计信号子空间;最后,利用凸优化工具箱对稀疏模型进行二阶凸规划的优化求解,得到高精度的DOA估计值;仿真实验验证了算法的有效性,在低信噪比下比传统MUSIC和OMP算法具有更高的估计精度。