基于压缩感知的相关干涉仪测向算法

针对相关干涉仪测向系统,提出了一种基于压缩感知的测向算法.该算法将相关干涉仪的测量矢量分解为以测向数据库为基底的含有噪声的稀疏表示,采用再加权的l₁范数凸优化算法,迭代更新加权矢量,以逼近最优的l₀范数.所提算法和传统的计算相关系数最大值方法相比,额外利用了辐射源信号在空域上的稀疏性,可以对同频多信号进行测向.采用计算机仿真对所提算法的性能进行了验证.     

基于相关比幅测向的圆阵干涉仪解模糊算法

针对比幅测向精度较低而干涉仪测向相位易模糊这一问题,提出了一种基于多波束比幅测向的圆阵相关干涉仪解模糊改进算法,实现对小型无人机方位的快速估计。首先,根据目标无人机的图传信号特征值建立离线数据库,利用改进的多波束相关比幅法对无人机来波方向进行粗略测量,通过二次插值法对“栅栏效应”造成的估计偏差进行一定修正;然后,将修正后的角度测量值对干涉仪实测相位差进行解模糊;最后,利用无模糊的相位差通过相关运算实现来波方向的精确估计。该算法将相关运算运用在比幅测向中,有效提高了干涉仪解模糊概率。与传统的比幅测向法和干涉仪测向法相比,该算法只需3组天线就能完成测向功能,其测向精度提高至2°以内,并且该算法对天线一致性要求低,实时性高,可实际应用于圆形阵列测向体制,实现对无人机的快速测向。     

基于稀疏恢复的循环平稳信号DOA估计

基于信号稀疏恢复的思想,提出了一种新的循环非相关平稳信号DOA估计算法.首先,对阵列的二阶循环互相关矩阵矢量化,并将感兴趣的空间划分成若干段以构造过完备的方向矩阵,从而得到基于Khatri-Rao积的稀疏模型;其次,利用凸优化技术对稀疏模型进行优化求解,并根据恢复得到的稀疏信号中非零元素的位置估计出高精度的DOA值.与传统的循环互相关算法比较,本文算法具有更高的DOA估计精度,同时也适用于信号个数多于阵元个数的场合.理论分析和仿真实验结果都验证了算法的有效性.     

基于相邻一维线阵干涉仪阵面的测向补偿算法研究

干涉仪具有测向精度高、结构简单的优点.为了解决一维线阵干涉仪有俯仰的入射信号测量存在偏差的问题,提出了一种基于相邻阵面一维干涉仪测向补偿算法,并通过仿真和试验验证了该方法的正确性和有效性.     

基于虚拟阵列变换的干涉仪测向算法

针对宽带测向中的相位模糊问题,提出了一种基于虚拟阵列变换的干涉仪测向算法.该算法利用实际阵列的相位差作矢量运算,从而获得新的相位差,将新的相位差作为虚拟阵列相邻阵元的相位差,由此求得入射信号的方位角和俯仰角估计.经过虚拟阵列变换所获得的虚拟阵列半径较原阵列半径缩小了,从而使得系统的无模糊频段得到了扩展,为解相位模糊提供了一种新的途径.仿真结果验证了虚拟阵列变换的正确性及基于该变换的干涉仪测向算法的有效性.     

基于GPU的宽带信号干涉仪测向算法实现

在应用干涉仪算法测向时，需要对多个接收信号进行逐一处理，而且测向精度往往与本地样本库数据量正相关，因此当需对大量信号进行高精度测向时，常规的计算平台难以保证算法的实时性。针对以上问题，提出一种优化的干涉仪算法，能够在降低样本库数据量的同时保持较高的测向精度，并探索了一种基于GPU并行计算的算法实现方式。经计算机仿真验证，基于GPU实现的优化算法，可将执行速度提升至CPU平台的十余倍。     

基于RBF神经网络的相关干涉仪测向方法

提出了一种新的基于径向基(RBF)神经网络的相关干涉仪测向方法,实现了自组织学习选取中心、正交最小二乘法及基于遗传算法的进化优选算法等训练方法,经训练后的RBF神经网络可用于多源信号波达角(DOA)估计。仿真结果表明,在一定范围内,该方法对信道噪声不敏感,测向精度与传统相关干涉仪相当,且测向处理时间和测向设备的存储量大大降低。     

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR)。首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计。数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR (SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度。     

基于大潜深耐压天线罩模型的四面阵干涉仪测向算法

基于大潜深耐压实心厚壁柱状天线罩模型，提出一种四面阵干涉仪测向算法，推导了该模型下干涉仪相位差及信号入射角度的相关计算公式。该算法可以解决天线罩插入相位移不均匀性引入的相位误差问题。最后通过计算机仿真验证了所提算法的有效性，能够很好地解决经典干涉仪算法在实心壁天线罩模型下带来的阵元相位差严重失真以及测向误差大的问题。     

窄带信号波达方向估计仿真实验

波达方向估计是阵列信号处理一个重要的研究分支,广泛地应用于军事及民用领域.基于空域信号自身具备的稀疏性,压缩感知理论为窄带信号波达方向估计提供了一种新的思路.通过本文设计的仿真实验,学生可以建立远场窄带测向模型,并对基于块稀疏算法的窄带测向和相干非相干信号块稀疏混合测向仿真.     

四阶累积量稀疏表示的DOA估计方法

针对现有稀疏重构DOA估计算法不能抑制噪声项以及在高斯色噪声背景下不再适用的问题,本文提出了基于四阶累积量稀疏重构的DOA估计方法。首先,利用接收数据的四阶累积量构建了稀疏表示模型,该模型抑制了噪声项;其次对四阶累计量矩阵进行奇异值分解,化简了稀疏表示模型,通过奇异值分解,不仅减小了数据规模,而且进一步抑制了噪声。对于稀疏表示模型的求解,先利用信号子空间与噪声子空间的正交特性选取权值矢量,然后利用加权l1范数法对模型求解实现DOA估计。理论分析和仿真实验表明本文算法在高斯白噪声和色噪声背景下均适用;能够处理非相干和相干信号,且在低信噪比条件下,对相干信号有更高的估计精度;较之同类的稀疏重构算法,本文算法具有较低的算法复杂度和更高的角度分辨力。      

数字化宽带测向系统中的概率解模糊算法

为了进一步提高干涉仪的测向精度,增强对宽带信号的适应能力和扩展系统的工作频率范围,以实现数字化宽带测向系统,提出了概率解模糊模型和基于最大后验概率的快速算法.仿真结果表明,该算法解模糊速度快,解模糊能力强,误解模糊概率低,可广泛运用于干涉仪等需要解相位差模糊的领域.     

协方差矩阵稀疏表示在网格失配波达方向估计中的应用

该文利用了入射信号在空域的稀疏性,将波达方向（DOA）估计问题描述为在网格划分的空间协方差矩阵稀疏表示模型,并将其松弛为一个凸问题,从而提出了一种网格匹配下的交替迭代方法（AIEGM）。传统的基于稀疏重构的波达方向估计算法由于其模型的局限性,一旦入射角不在预先设定的离散化网格上,就会造成估计性能的急剧恶化。针对这个问题,该算法可以在离散化网格比较粗糙的前提下,通过交替迭代的方法求解一系列基追踪去噪（BPDN）问题,对于不在网格上的真实角度估计值进行修正,从而达到更精确的波达方向估计。仿真结果证明了AIEGM算法的有效性。      

基于二阶锥规划的相干信号深零陷自适应波束形成

针对常规自适应波束形成算法在强相干干扰情况下零陷深度不够、甚至干扰抑制失效的问题,提出了一种基于二阶锥规划的相干信号深零陷自适应波束形成算法。该算法首先对接收数据协方差矩阵进行Toeplitz重构,使其包含信号和干扰的所有方位信息。然后重构了干扰加噪声协方差矩阵。接着在保证期望方向波束无失真前提下,约束主瓣宽度和旁瓣电平,使得波束形成器干扰和噪声的输出功率最小。最后将该问题转化为凸优化中的二阶锥规划问题,并使用凸优化工具箱进行快速求解。仿真结果验证了该算法的有效性。     

低信噪比下相关干涉仪测向处理方法

针对在低信噪比条件下相关干涉仪测向来波方位角估计误差较大甚至有时失效的问题,提出一种基于相位差矢量累积的相关干涉仪测向处理方法。与直接使用相位差的常规相关干涉仪测向不同,该方法首先利用多次测量的相位差和信号幅度构造复数矢量,然后对这些矢量进行累积运算,再与天线的阵列流形进行拟合。此方法通过提高相位差的测量精度和稳定度从而达到即使在低信噪比条件下也可以得到较高测向准确度,具有算法简单、性能稳健的特点。最后通过仿真分析,对文中提出的方法给予验证。     

基于虚拟阵列的二维稀疏阵列相干源DOA估计

波达方向DOA估计是雷达阵列信号处理的一个重要方向,传统的MUSIC算法对均匀阵列条件下独立信号源的估计有很强的适应性,但实际的雷达工作中,稀疏布阵下多相干源测角是一个经常出现的应用场景。文中针对二维稀疏阵列的相干源测角,提出了一种基于虚拟阵列的相干源DOA估计方法。该方法利用虚拟阵列内插的方法,将一个任意二维稀疏阵列内插为一个均匀面阵,再通过二维空间平滑方法对相干源进行测角,能够同时获得信号的方位角和俯仰角信息。稀疏面阵和稀疏圆阵的仿真实验结果表明,该方法可以有效的解决二维稀疏阵列的相干源测角问题。     

Near-field time-frequency localization method using sparse representation

This paper presents a novel near-field source localization method based on the time-frequency sparse model.Firstly,the method converts the time domain data of array output into time-frequency domain by time-frequency transform;then constructs sparse localization model by utilizing the specially selected time-frequency points,and finally the greedy algorithms are chosen to solve the sparse problem to localize the source.When the coherent sources exist,we propose an additional iterative selection procedure to improve the estimation performance.The proposed method is suitable for uncorrelated and coherent sources,moreover,the improved estimation accuracy and the robustness to low signal to noise ratio(SNR) are achieved.Simulations results verify the efficiency of the proposed algorithm.