高精度低复杂度的无线定位新方法

针对高精度的无线定位算法普遍存在运算量较大的问题,提出了一种二维波束空间矩阵束算法进行波达时间（TOA）和波达方向（DOA）联合估计,能够以较低的复杂度准确定位目标。该算法先通过离散傅里叶变换（DFT）波束形成矩阵将阵元空间的接收数据复数矩阵变换成波束空间的降维实数矩阵,使得运算量大幅度降低;再通过奇异值分解和求矩阵对的广义特征值估计视距信号TOA和DOA,从而确定目标位置。Matlab仿真实验结果证明,这种定位方法的均方根误差最好达到0.4m,运算量不到阵元空间对应算法的1/4,是一种高精度低复杂度的无线定位方法,尤其适用于资源有限的特殊环境（如战场、地震灾区、偏远山区等）中的无线网络定位。     

基于TOA-DOA联合估计的无线定位新方法

针对典型高精度的波达时间 波达方向（Time of arrival direction of arrival, TOA-DOA）联合估计算法 多重信号分类算法运算量巨大的问题,提出了有效降低其复杂度的新方法并将其应用于无线定位。该方法首先通过分离接收信号矢量来分别估计TOA和DOA,以降低信号自相关矩阵的维数,从而降低对其进行特征值分解运算的复杂度,再利用离散傅立叶变换简化空间谱运算,同时采用多个空间谱相加的方法提高估计精度,从而利用一个基站就可以准确快速定位目标。运算量分析证明了新方法的复杂度较低,更易于在实时硬件系统上实现;Matlab仿真实验证明,新方法的估计精度与JADE-MUSIC相当,具有良好的定位性能。     

基于SVD的二维子空间拟合DOA估计

改进传统子空间拟合波达方向(DOA)估计方法,以快拍数据矩阵的奇异值分解代替接收数据协方差矩阵的特征值分解,用奇异值和奇异值矢量进行信源数估计,避免协方差矩阵估计,减少运算量和矩阵估计误差。根据已有子空间拟合的一维修正变化投影(MVP)算法原理,推导出二维MVP算法实现步骤,对基于均匀圆阵的接收信号进行二维DOA估计。     

基于内插阵列变换的扩展传播算子实值算法

针对内插阵列变换(VIA)思想在非圆信号波达方向(DOA)估计算法中的应用问题,提出一种基于内插阵列变换的扩展传播算子实值算法——VIA-EPM实值算法。利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实阵列输出转换为虚拟阵列输出,再根据信号源为实数的特点,分别求取虚拟阵列输出的实部和虚部,将其串联组合,扩展阵列输出的维数,通过对扩展阵列输出矩阵进行分块并得出扩展传播算子,进而得到一种传播算子(PM)类的DOA估计算法。仿真实验表明：存在阵元位置误差的情况下,VIA-EPM实值算法通过对阵元位置校准数据进行内插阵列变换,取得与阵元位置校准的扩展传播算子实值算法(EPM实值算法)相当的估计性能,保持了阵列扩展能力、高估计精度以及高分辨力;并且在二维阵元位置误差情况下,其估计性能明显优于阵元位置未校准的EPM实值算法。结合VIA-EPM实值算法的计算复杂度分析可以看出：它同时获得了内插阵列变换技术以及信号非圆特性的优势;与复运算相比,其复杂度也相对降低。     

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。     

一种新的DOA估计的高分辨率算法

波达方向估计（DOA）在阵列信号处理中非常重要,而传统算法如多重信号分类算法（MUSIC）需要对阵列接收数据的协方差矩阵进行特征分解,并在全空域进行谱峰搜索,运算量巨大,尤其是二维DOA估计算法还存在稳健性较差的问题。提出了一种基于最小互熵谱分析的DOA算法,该算法只需要一次较少阵元的阵列采样（快拍）数据即可得到具有高分辨率的谱分析结果。进一步采用倒谱法,通过逆FFT变换提高了最小交叉熵谱分析算法的收敛速度。数值仿真结果表明,该算法较常规空间谱估计方法有更高的分辨力和更小的运算量,能够对阵列信号进行实时处理。算法不依赖于预先估计的信源数目,具有较好的宽容性,较高的分辨力以及极低的旁瓣电平。     

基于遗传算法的宽带目标波束空间DOA估计

提出一种基于遗传算法的宽带目标到达方位(DOA)估计新方法,该方法首先通过傅立叶变换方法设计频域恒定束宽转换矩阵,并使用该矩阵将阵元空间的数据转换到波束空间,同时,利用宽带波束空间遗传算法进行DOA估计。计算机仿真表明:在低信噪比条件下该算法相比于CSS类子空间算法、CSS类最大似然算法和阵元空间遗传算法有更高的分辨概率,更小的均方误差。     

基于矩阵重构的非等功率相干信号DOA估计

针对功率相差较大和角度相隔较小的相干信号的波达方向(DOA)估计问题，提出一种基于Toeplitz矩阵重构的不变噪声子空间算法。对各个阵元的接收数据与参考阵元接收数据的相关函数进行排列，构造满秩的Toeplitz矩阵；引入虚拟信源优化Toeplitz矩阵，利用其不变噪声子空间特性估计信号波达方向。仿真结果表明该算法可以准确估计出功率相差40 dB、角度相邻2°的相干信号DOA,较空间平滑类算法具有更高的成功率与更强的分辨率。     

基于子空间拟合波达方向估计方法研究

传统波达方向(DOA)估计方法由于受阵列尺寸的限制,对处于同一波束内的多个信号源无法得到正确的估计.为此提出了基于子空间拟合的信号到达方位角(DOA)估计算法--信号子空间拟合算法和噪声子空间拟合算法.算法通过对接收数据的子空间与实际信号导向矢量组成的子空间的拟合,来构造信号功率谱尖峰,从而估计目标信号的到达方位角.仿真实验对两种算法的性能进行了分析,分析表明基于噪声子空间拟合算法能突破空域瑞利限的限制,具有空间分辨率高、稳定性好的估计性能.信号子空间拟合算法只有在阵元数较大时,才能正确分辨距离较近的信号源,但具有对环境噪声不敏感的特点.     

基于频域ICA的波达方向估计方法

为降低阵元数目和提高相干多径入射信号的波达方向(DOA)估计精度。提出了一种基于频域独立分量分析与波束零点形成相结合的DOA估计方法。该方法综合利用阵列结构信息和目标信号的统计独立特性,与常规算法相比,降低了算法对阵元数目和精度的依赖,并能实现对相干多径入射信号的DOA估计。计算机仿真结果表明,该算法具有少阵元、收敛快、误差小的特点。     

基于自适应滤波算法的信号处理研究

通过接收到的回波信号,波达方向定位技术(DOA)可以获取目标的距离信息和方位信息.传统的基于子空间分解的DOA估计方法需要对空间协方差矩阵进行特征值分解(EVD),方法计算量大并且难以实现实时应用;基于固定步长最小均方差(FSS-LMS)算法的DOA估计方法可以有效降低计算量,为此,文章提出了一种基于可变步长最小均方差...     

一种改进的信号子空间聚焦宽带DOA估计算法

信号子空间聚焦（FSS）算法可实现宽带相干信号的波达方向（DOA）估计,但其在短快拍条件下存在估计精度差、分辨率低的问题。提出一种改进的信号子空间聚焦（MFSS）算法。根据波长间隔与阵元间距的匹配度选取最佳参考频点及子频带,通过Hankel矩阵奇异值分解重构子频带的协方差矩阵,并利用信号子空间聚焦法构造聚焦协方差矩阵,使用Root-正交传播算子实现DOA估计。实验结果表明,相比FSS、MTOPS、LR-MUSIC算法,MFSS算法复杂度较低,能够有效提高估计精度和速度。     

多重信号分类算法在共形阵列天线中的应用

在天线信号优化设计中,传统的共形阵列天线的信号波达方向(DOA)估计采用了波束扫描技术,需要大量的阵元才能获得较高分辨率,对于有限的阵列孔DOA估计来说,上述技术的分辨率会受到瑞利限制.而多重信号分类(MUSIC)算法,由于充分利用了噪声子空间和信号子空间的正交性,构造了空间谱函数,可以通过谱峰值的搜索来达到DOA估计.对MU-SIC及改进算法进行分析,并且分别在均匀线阵,柱面阵列和锥面阵列天线模型下进行了仿真,结果表明,阵列的排列方式对波达方向的估计性能具有重要的影响.     

基于FFT的子孔径MUSIC波达方向估计

针对现 有的很多波达方向估计算法涉及到数据协方差矩阵的估计及其特征分解,甚至是求逆,导致 运算复杂度高的问题,提出了基于快速傅里叶变换的子孔径MUSIC波达方向估计算法 。首先将等距线阵的接收数据矢量均匀划分为4个子矢量,然后对各个子矢量分别求FFT。将 FFT的结果相干积累,并找到最大峰值点。最后,利用子矢量FFT的结果中与最大峰值点对应 的数据构造新的降维矢量,借助MUSIC算法进行波达方向估计。该方法避免了直接接收数据 的协方差矩阵估计和特征分解,有效地降低了运算量和计算复杂度,在阵元数和快拍数都较 多的情况下优越性尤为明显。计算机仿真验证了所提方法的有效性和优越性。     

一种改进的卫星空时DOA矩阵算法

提出一种改进的基于信号空时特征结构的高分辨二维波达方向(DOA)估计方法——时空DOA矩阵方法。该方法在保持原时空DOA矩阵方法无需二维谱峰搜索和参数配对等优点的基础上,通过构造X轴上的平移不变子阵列,产生2个DOA矩阵,利用这2个DOA矩阵的角度兼并曲线的差异,解决了原时空DOA矩阵方法的角度兼并问题。由于2个子阵可以重复利用阵元,该方法基本无冗余阵元和孔径损失。仿真结果证明了该方法的有效性。     

一种相干分布式信号二维DOA快速估计方法

基于L型线阵,提出了一种估计相干分布源二维波达方向(DOA)的快速算法。通过对两组平移子阵的广义方向矢量做泰勒近似获得关于分布源中心DOA的两个旋转不变矩阵,利用传播算子法求解旋转不变矩阵从而估计出分布源的中心DOA。该算法避免了常规子空间算法中的谱峰搜索和对高维样本协方差矩阵做特征分解,显著降低了计算量。算法在小角度扩展情形下有优异的估计性能,且低信噪比时的估计性能优于一维交替搜索算法。此外,算法无需知道分布源的角分布形式,是一种盲估计。仿真结果验证了算法的有效性。     

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.     

非圆传播算子DOA估计算法

传播算子方法(Propagator method,PM)是一种常用的波达方向估计算法,但传统PM算法在阵元数较小时估计精度较低.本文针对非圆信号,提出了一种非圆传播算子DOA估计算法.该算法首先对接收信号进行扩展,而后对扩展信号进行子阵划分,最后利用PM方法获得非圆传播算子.算法将信号的非圆特性与传统PM算法相结合,既具有传统PM算法无需计算协方差函数的特点,又去除了峰值搜索过程,减小了算法运算量.同时非圆特性的引入,使算法估计精度有了大幅度提高.通过计算量分析说明了算法的计算复杂度较小,并通过仿真验证了算法的有效性.     

基于神经网络的宽带相干DOA估计方法的改进

相干信号子空间处理方法(CSM)是一种通过构造聚焦(focusing)矩阵来估计宽带 相干源波达方向(DOA)的有效方法.基于逆传播(Back-propagation)学习算法.对神经网 络实现聚焦过程的方法进行了网络结构及模式的改进,使网络可以在未知波达方向个数时完 成聚焦过程;同时,使学习空间从D(DOA个数)维降为1维,大大地简化了学习过程,加速了 网络的收敛过程.     

非圆信号与圆信号共存下的快速方位估计算法*

针对非圆信号和圆信号共存时,信号的波达方向估计算法运算量较大的问题,提出了一种可同时估计非圆信号和圆信号DOA的快速算法。首先,利用观测数据及其复共轭构造中心复共轭对称矩阵,通过双映射定理可将该矩阵转换为实矩阵;然后,利用多级维纳滤波,无需计算阵列协方差矩阵及对其进行特征分解,仅通过对接收的实数据矩阵递推可快速求出观测数据的信号子空间;最后,利用酉ESPRIT算法的实值性,不必谱峰搜索,在保证DOA估计精度的同时可大大降低算法的计算复杂度。仿真结果验证了算法的有效性。