基于协方差矩阵Toeplitz重构的MUSIC算法的波达方位估计方法

针对传统波达方向（Direction of Arrival, DOA）估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题，文章提出了一种基于协方差矩阵托普利兹（Toeplitz）矩阵重构的多重信号分类（Multiple Signal Classification, MUSIC）算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵，并利用新协方差矩阵构造Toeplitz矩阵，然后对其进行特征值分解，得到Toeplitz矩阵的噪声子空间，利用噪声子空间求出信号空间谱，通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径，增加了可估计相干信号的数量，提升了方位估计的性能，提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明，文中方法可估计出更多的相干信号，而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。     

基于空时相关阵联合对角化的子空间DOA估计

为提高空间相关噪声场中的目标方位估计性能,提出一种基于空时相关阵联合块对角化的子空间方位估计算法.具体利用Jacobi旋转矩阵法对一组空时相关阵联合近似对角化,用联合对角化特征向量矩阵和特征值修正MUSIC(Multiple Signal Classification)等子空间算法.理论和仿真结果表明,在非相关噪声场中,基于联合对角化的子空间算法性能与常规子空间算法基本一致;而在相关噪声场中,联合对角化特征向量法能显著减小方位估计方差,提高估计性能.     

基于协方差扩展PM算法的波达方向估计

针对基于传播算子方法(Propagator Method, PM)的水听器阵波达方向(Direction of Arrival, DOA)估计在低信噪比或者小快拍数时性能变差的问题,文章提出一种改进的基于PM算法的水听器阵方位估计方法。该方法利用信号子空间的旋转不变性特征对协方差矩阵进行扩展和重构,通过分块协方差矩阵的子矩阵得到传播算子矩阵。通过传播算子矩阵构造扩展噪声子空间,然后利用信号子空间与噪声子空间的正交性估计空间谱。仿真实验和湖上实验的结果表明：相较于传统PM方位估计算法,文中算法在低信噪比或者小快拍情况下具有较好的方位估计性能,在信噪比为0 dB时,文中方法比传统PM算法均方根误差减少0.6°;在快拍数为150时,比传统PM算法的均方根误差减少0.1°。     

协方差矩阵的相关法Toeplitz改进算法

提出一种基于均匀线形阵列的相关Toeplitz矩阵构造方法,建立了两种Toeplitz矩阵的构造方式,结合子空间法形成一种相干信源方位估计的高分辨方法。具体将接收阵列各阵元与参考阵元输出信号做相关,获得一组相关向量,应用相关Toeplitz矩阵构造算法构造阵列输出的Toeplitz矩阵,从而得到去相干的相应接收阵列的协方差矩阵,最后再应用高分辨子空间估计方法完成相干信源方位估计。仿真结果表明：所采用的相关Toeplitz矩阵构造算法达到了很好的去相干效果,并将Toeplitz近似化方法改进成为无偏估计方法,显著提高了相干信源方位估计的精度,并使Toeplitz矩阵构造的计算量减少到原方法的1/M。     

基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。     

矢量水听器阵时频MUSIC算法研究

时频MUSIC算法利用信号的时频分布构造空间时频分布矩阵,并用该矩阵代替传统的相关矩阵进行DOA估计,可以有效抑制噪声和干扰,提高算法的稳健性。时频子空间算法突破了传统子空间算法中阵元数对估计信号个数的限制,时频点包含了信号的时频空三维信息,通过时频点的选择可直接确定信号的频率从而确定阵列流型矩阵。对于宽带信号,在进行方位估计时避免了频域搜索,减少了运算量。将时频MUSIC算法应用于二维矢量水听器垂直线阵中,充分利用矢量水听器的标、矢量信息和信号的时、频信息进行宽带信号的二维波达方位估计。仿真研究验证了算法的有效性。     

基于协方差矩阵拟合的宽带无网格波达角估计

宽带波达角(Direction of Arrival,DOA)估计是声呐系统阵列信号处理中一个重要的研究方向。文章提出了一种基于相干子空间的改进稀疏与参数方法(Coherent Signal-subspace based Modified Sparse and Parameter Approach,C-MSPA),以实现高精度和高空间方位分辨能力的宽带DOA估计。算法利用聚焦矩阵将各子带上的采样协方差矩阵投影至聚焦频率上。完成聚焦后,文章基于频率选择的范德蒙分解理论对协方差矩阵拟合准则进行改进,使重构的协方差矩阵中包含的DOA信息严格限制在聚焦区域内,最终对重构的协方差矩阵进行范德蒙分解,得到DOA估计值。所提出的算法无需选取正则参数,同时避免了基不匹配问题。仿真和湖上实测数据分析结果表明,所提出的方法实现了高空间方位分辨能力且提高了DOA估计精度。     

基于样本协方差矩阵谱分离特性的波达方向估计方法

小快拍条件下利用样本协方差矩阵代替统计协方差矩阵会带来较大误差,导致传统DOA估计算法不能准确估计目标方位。通过分析发现在不同阵元数与快拍数之比情况下,不管相干源还是独立源,样本协方差矩阵都具有明显的谱分离特性,在此基础上提出了采用小快拍的主特征空间目标波达方向估计方法,该方法利用导向向量与噪声子空间正交,且与信号子空间平行的特性,使用导向向量与主特征空间相乘再取反余弦构造出目标DOA估计幅度。仿真与水池实验中阵元数与样本数之比为1时依然可以准确将多个目标分辨出;海试数据验证中,阵元数与样本数之比也同样为1时,两个相邻目标可以正确分辨,而MUSIC算法则有伪目标出现。     

非一致性噪声条件下的特征空间波束形成

由于水声环境的复杂性,阵列的噪声分布可能是非一致性的。当阵元噪声功率各不相同时,阵列协方差矩阵特征分解得到的特征子空间与真实目标的特征子空间之间存在误差,导致特征子空间波束形成算法的性能衰减。文章提出了一种新的非一致性噪声条件下特征子空间的估计方法,将阵列协方差矩阵对角线置0,进行特征分解估计的特征子空间将不受阵元噪声非一致性的影响。将该方法应用到特征空间波束形成算法,提高了非一致性噪声条件下特征空间波束形成算法的方位分辨能力。仿真和实验结果验证了所提方法的可行性和有效性。     

振速轴向不一致下矢量传感器阵列方位估计方法EI北大核心CSCD

针对振速轴向不一致时矢量传感器阵列的方位估计精度不高问题,提出了一种两步加权交替迭代自适应方法(two-step weighted alternating iterative approach,TWAIA)。在矢量传感器阵列稀疏信号模型中引入轴向角度偏差参数,并把重构的干扰加噪声协方差矩阵作为加权项,基于加权协方差矩阵拟合和加权最小二乘分别构建了关于稀疏信号功率和轴向偏差矩阵的代价函数。首先固定轴向偏差矩阵,采用正则化加权稀疏协方差矩阵拟合方法估计稀疏信号功率;然后固定稀疏信号功率,采用正则化加权最小二乘估计轴向偏差矩阵,并根据轴向偏差在矩阵中的分布特性,重构期望的轴向偏差矩阵,以此交替的方式迭代更新稀疏信号功率和轴向偏差矩阵,直到被估计的稀疏信号功率相较于前一次的迭代值不再变化为止。最终通过对估计的稀疏信号功率谱峰搜索即可实现声源的波达方向估计。仿真结果表明,相较于现有方位估计方法,提出的TWAIA提高了振速轴向不一致时矢量传感器阵列的方位估计精度。     

一种适用于低信噪比条件的DOA估计方法

波达方向（Direction of Arrival,DOA）估计技术是信号处理中一个非常活跃的研究领域。但是无论传统的波束形成技术还是现代谱估计技术均适应于高信噪比的环境,当信噪比较低时,这些方法的波达方向（DOA）估计性能急剧下降。根据信号在时间上的强相关性和噪声在时间的弱相关性,提出了一种协方差矩阵的重构方法,该方法能够明显地提高协方差矩阵的信噪比。将新的协方差矩阵应用到最小方差无畸变响应（Minimum Variance Distortionless Re-sponse,MVDR）算法进行DOA估计,改善了传统MVDR算法在低信噪比条件下的DOA估计性能。计算机仿真和定向实验均表明在信噪比较低的环境中可以进行高精度的DOA估计。     

基于稀疏信号功率迭代补偿的矢量传感器阵列DOA估计

针对现有稀疏信号功率迭代算法对方位相近目标分辨概率与估计精度较低问题,提出了一种稀疏信号功率迭代补偿的矢量传感器阵列波达方向(Direction of Arrival, DOA)估计方法。基于稀疏信号补偿原理和加权协方差矩阵拟合准则,构建了关于稀疏信号功率与补偿权重的目标函数。推导了稀疏信号功率迭代更新表达式的闭式解。通过对稀疏信号功率进行谱峰搜索获得DOA估计值。理论分析表明,所提算法通过对离散网格点上的信号功率进行补偿提高了方位相近目标的分辨率概率与估计精度。仿真结果表明,相较于经典子空间算法与现有稀疏功率迭代算法,所提算法对方位相近目标具有较高的分辨概率与估计精度。     

基于过估计信源数的宽带弱信号源DOA估计

为改善MUSIC类DOA估计算法检测弱信源的性能,提出了一种利用过估计源个数和频域峰值统计信息检测宽带弱信号源的MUSIC类DOA估计算法(OSM)。该算法放宽了MUSIC类DOA估计算法过于依赖信源个数质量的限制,OSM把过估计的信源个数输入给MUSIC,提高了正确检测弱信源的概率,同时也增加了虚警概率,但虚假峰值随窄带的变化呈无规则分布。由PPNN和MNT把这一频率域信息引入到信源检测,抑制了虚假峰,提高了OSM的检测性能。其最小可检测信噪比较传统的MUSIC类DOA估计算法降低了6dB。当带宽较窄时,若信号平稳性较好,适当增加一次快拍的采样长度,可提高窄带数目,亦增加了OSM的稳定性。海上实验数据处理得到了和理论分析一致的结果,该数据处理结果也初步验证了OSM算法的良好检测性能。     

利用时空平均法改善DOA估计性能

在信号子空间类DOA估计算法中 ,自相关矩阵估计的优劣决定了DOA估计的性能 ,但是常规自相关矩阵估计方法是对阵列输出信号做时间平均。然而对于均匀线列阵这一特殊阵型 ,其阵列输出自相关矩阵的具有To eplitz结构。根据均匀线列阵信号的时空平稳特性 ,本文提出一种时空平均的方法来改善自相关矩阵的估计质量 ,即对阵列的自相关矩阵做时间和空间两次平均 ,从而提高了DOA估计的性参 ;仿真结果表明 :在低信噪比或低快拍数的条件下能够明显提高DOA估计性能     

高分辨方位估计方法的稳健性研究

基于特征分解理论的子空间类高分辨方位估计方法是目前阵列信号处理领域的研究重点。与波束形成法相比，子空间类法的特点为估计精度高和分辨能力强。但是这类高分辨方法对阵列模型失配十分敏感，存在阵列误差时其估计性能明显下降。文章通过仿真和实验深入研究了MUSIC、Johnson和Mini-Norm等子空间类高分辨方位估计方法的稳健性问题，分析了一定信噪比条件下阵列误差对上述三种方法估计结果的影响程度。研究结果表明，MUSIC法和Johnson法的估计性能相当，而Mini—Norm法的稳健性明显高于MUSIC法和Johnson法，分辨能力和估计精度较好，具有良好的工程应用前景。     

矢量线阵MUSIC算法抗空间混叠性能研究

利用矢量线阵可以提高对目标参数估计的性能,探讨了矢量线阵MUSIC算法的抗左右舷模糊性能和抗空间混叠性能。理论研究和外场试验结果表明,矢量线阵消除了声压线阵MUSIC方位谱的左右舷模糊,在阵元个数保持不变的条件下,空间降采样时,矢量线阵MUSIC空间谱不仅提高了方位估计的精度,而且能够抗空间混叠,在相同的条件下．矢量线阵MUSIC空间谱的抗空间混叠性能明显优于矢量阵常规波束形成方法。