基于刚性圆柱上均匀圆阵的声源方位角估计

本文探讨了存在障碍物时均匀圆阵声源方位角估计问题.以环绕在刚性圆柱上的均匀圆阵为阵列模型,分析了刚性圆柱障碍物对圆阵响应的影响,在柱坐标系下对声场分解所得到的特征波束空间,提出了EB-Unitary-ESPRIT算法,实现了声源方位角估计.计算机仿真结果表明,该算法能较好地估计出空间多个声源的方位角,计算量小,估计精度高,并且具有解相关声源的能力,为相关声源方位角估计的实际应用提供了一种解决方案.     

基于改进ESPRIT算法的波达方向估计

把经典的波达方向估计算法应用于均匀圆阵智能天线是一个重要的研究课题。通过预处理技术把均匀圆阵转换成虚拟均匀线阵,为了解决噪声造成信号子空间的扰动问题,提出了两种总体最小二乘ESPRIT（TLS—ESPRIT）;为把ESPRIT算法应用于均匀圆阵,引入了模式空间的ESPRIT算法。通过建立恰当的数学模型,对上述各算法的均匀线阵和均匀圆阵上的性能进行仿真和对比分析。仿真结果证明,两种改进的算法性能均好于基本的ESPRIT算法。     

一种新的波达方向和多普勒频率估计算法

基于均匀圆形阵列,提出了一种同时估计空间非相干信号源方位角、仰角和多普勒频率的快速算法。该方法对均匀圆阵的输出信号进行模式空间转换,使得阵列流形具有类似于均匀线阵的形式,然后通过构造相应的数据矩阵得到传播算子的最小二乘（LS）估计,并由传播算子构造出一个特殊的低维矩阵,其特征值给出多普勒频率估计,特征向量舍有阵列流形的信息。结合模式空间阵列流形的性质,给出了一种DOA估计的总体最小二乘算法,在低信噪比条件下可提高测向精度。该方法不需要谱峰搜索和参数配对,具有运算量小的优点。计算机仿真验证了该方法的有效性。     

加权子空间拟合相干信源二维波达方向估计

对均匀圆阵列(UCA)二维波达方向估计问题,运用相位激励模式波束形成技术,得到圆阵波束空间实值阵列流形。在波束空间内．研究了相干信源子空间分解技术和加权子空间拟合技术。计算机仿真表明,在波束空间内的加权子空间拟合技术具有良好的相干信源二维波达方向估计性能。     

四元数在二维波达方向估计中的应用

基于四元数,本文提出了一种针对双平行阵的二维波达方向估计方法。与复数不同,四元数是一种维数更高的多元数代数。利用四元数代数理论,波达方向估计问题可以以高维的角度来求解。本文将四元数的概念引入到双平行阵接收模型中,建立了双平行阵的四元数接收模型。所提算法利用四元数的不同基之间的共同特性,对四元数子空间与信号方向矢量的正交关系进行解耦,得到仅含方位角信息的方向矢量与四元数子空间的正交表达式,并通过一维搜索估计出方位角。根据得到的方位角,算法进一步估计得到信源的俯仰角。仿真实验验证了本文所提算法的有效性。      

一种新的波达方向估计子空间算法研究

MUSIC算法是一种属于特征结构的子空间超分辨方法。该算法性能优良,但需要进行矩阵特征分解,运算量大。对波达方向估计问题进行了研究并提出了一种新的子空间算法。该算法利用总体最小二乘（TLS）方法取代特征分解得到噪声子空间,运算复杂度低于MUSIC算法,使其实时实现成为可能。总体最小二乘处理减轻了噪声的影响,该算法性能与MUSIC算法相当。理论分析和计算机仿真结果表明此方法是有效的。     

基于深度卷积网络的二维波达方向估计方法

为了提高信号波达方向估计技术的实时性和简便性,设计了一种适用于估计均匀圆阵多信号波达方向的深度卷积网络。由阵列观测数据得到的协方差矩阵被当作是包含实部和虚部两个通道的图像,将其当作是卷积神经网络的输入张量,便可以通过训练网络来提取包含在信号协方差矩阵中的波达方向细微特征,从而实现准确快速地同时对多个入射信号的方向进行估计的目的。仿真结果表明,设计的深度卷积网络能够很好地完成二维信号波达方向估计。相比于现有估计方法,卷积网络给出的结果更加精确,且算法相对稳定。因此,提出的深度卷积网络在多目标方位识别与跟踪领域具有潜在的工程应用价值。     

一种分布式目标波达方向估计方法

本文提出一种在多径情况下,利用广义阵列流形的特点,通过求解矩阵的广义特征值分解,不用进行谱峰搜索或多维参数搜索,直接由广义特征值得到分布式目标波达方向（DOA）估计的方法。该方法的估计性能对信号源的分布特性优于MUSIC方法。     

均匀圆阵DOA估计的一种酉变换方法

针对基于均匀圆阵的子空间类DOA估计算法包含大量复数运算、硬件实现复杂的问题,提出了阵元空间中的一种酉变换方法。该方法利用阵列的中心对称性将协方差矩阵和导向矢量分别转化为实对称阵和实矢量,从而大大降低了硬件实现复杂度。基于该酉变换的MUSIC算法在性能上优于传统的MUSIC算法和均匀圆阵模式空间酉MUSIC算法。     

均匀圆阵二维波达角估计的Cramer-Rao界

均匀圆阵(UCA)是一种应用广泛的具有二位波达角估计能力的平面阵列。为了从理论上分析不同阵列参数下到达波方位角(AOA)、仰角估计精度,推导了均匀圆阵二维波达角估计的性能界,以此为基础分析了阵列孔径、阵元个数、快拍数以及来波仰角高低与到达角估计精度的关系,并通过对UCA-MUSIC算法计算机仿真验证了推导结果的正确性。研究结果为波达角估计类算法提供了可供参考的性能下界,圆阵设计时也不再需要大量的Monte Carlo仿真试验确定阵列参数,可直接从估计精度表达式中获得。     

极化敏感阵列到达方向估计方法的FPGA实现

针对将传统的复数多重信号分类(MUSIC)算法直接嵌入现场可编程门阵列(FPGA)将消耗大量硬件资源和计算时间的问题,该文提出基于极化敏感阵列的实数化的MUSIC算法的FPGA实现方案。利用圆形分布极化敏感阵列的中心对称特性,提出一种实数化预处理方法,该方法直接对接收信号做线性变换,从而简化极化MUSIC算法的后续计算。该FPGA方案通过协方差矩阵模块并行计算、特征值分解模块采用多级清扫的并行Jacobi算法、多尺度谱峰搜索和各个模块的流水线工作来减少算法耗时。试验结果表明,与复数极化MUSIC算法相比,该方案大大降低了硬件资源消耗和时间消耗。     

基于改进的循环互相关MUSIC算法的波达方向估计

给出了基于循环互相关运算的信号模型，根据该信号模型，运用改进的循环互相MUSIC算法得到了对具有循环平稳特性的空间源信号波达方向进行估计的有效方法——ICCC-MUSIC算法；定性的分析和仿真实验均表明该方法具有较好的抑制噪声和选择信号的能力，为利用天线阵列提取具有循环平稳特性的源信号提供了较好的实现方法。     

脉冲噪声下基于广义类相关熵的DOA估计新方法

针对基于分数低阶统计量波达方向估计方法的局限性,受相关熵概念的启发,本文提出广义类相关熵（GCAS）的概念和相应的波达方向估计新方法。计算机仿真结果表明,在Alpha稳定分布噪声环境下,本文提出的基于GCAS的MUSIC波达方向估计方法比基于分数低阶统计量的MUSIC方法在抗噪声特性和多源信号分辨特性等方面具有更好的性能。      

基于L型阵列的MUSIC二维估计算法研究

阵列信号处理利用天线阵列接收空间信号,阵列输出的信号比单个天线输出的信号包含更多的信息,有利于时差、相差和到达角等信息的提取,因此在通信、雷达和电子对抗等领域得到广泛应用。空间谱估计是阵列信号处理的一个重要的研究方向,克服了传统的基于常规波束形成方法的"瑞利限"问题,具有多信号同时测向能力、测向精度高、超分辨能力等等,因此多信号多参量估计已成为许多研究课题的重要研究内容。     

协方差矩阵输入的DOA估计方法

利用支持向量回归机对非线性函数的拟合能力,将波达方向(DOA)估计问题转化为样本的智能学习问题。提取已知信号的协方差矩阵上三角部分作为样本输入特征,构建波达方向估计模型,获取复杂函数的拟合能力,达到对未知信号波达方向估计的目的。仿真实验表明该方法具有很高的估计精度和速度,在低信噪比和通道存在相位误差的情况下具有较强的适应能力,性能优于RBF神经网络法,具有较大的工程应用价值。     

基于具有时序结构的稀疏贝叶斯学习的水声目标 DOA 估计研究

现有的基于CS-MMV（Compressed Sensing-Multiple Measurement Vectors）模型的DOA估计一般都假定信号源为独立同分布（ i．i．d）,算法建立在信号的空间结构上进行分析,而当处理具有时序结构的源信号时表现出性能和鲁棒性差的问题,为此该文提出一种具有时序结构的稀疏贝叶斯学习的DOA算法,该方法通过建立一阶自回归过程（ AR）来描述具有时序结构的水声信号,将信号源的时间结构特性充分应用到DOA估计模型中,然后采用针对多测量矢量的稀疏贝叶斯学习（ Muti-vectors Sparse Bayesian Learning ）算法重构信号空间谱,建立多重测量向量中恢复未知稀疏源的信号的CS（ Compressed Sensing ）模型,最终完成DOA估计．仿真结果表明该方法相对于传统的算法具有更高的空间分辨率和估计精度的特点,且抗干扰能力强．     

对称稳定分布噪声下基于广义相关熵的DOA估计新方法

针对稳定随机变量有限二阶矩不存在的特点,该文定义了一种新的广义相关熵,并从理论上证明了对称稳定分布随机变量广义相关熵的有界性。此外,提出了一种稳定分布噪声下基于最小广义相关熵准则的DOA估计新方法,给出了一种迭代优化算法并通过仿真实验分析了算法的收敛性。仿真结果表明,与现有基于分数低阶矩的FLOM-MUSIC、基于类相关熵的CRCO-MUSIC以及基于lp范数的ACO-MUSIC算法相比,所提方法可以获得更好的估计结果,尤其是在高脉冲性噪声环境下具有更加明显的优势。     

宽带相干信源波达方向估计(DOA)的新算法

辅助方向向量增加(ADVA)聚焦算法是非归一化的,存在聚焦损失。双边相关变换(TCT)聚焦算法是归一化的,不存在聚焦损失,但需要对目标的方位进行预估计。这不仅会使运算复杂,而且得到的聚焦矩阵也只是在预估角度上有最小范数解,在其他方向上则会产生偏离,因此不是稳健的。提出了一种在归一化的条件下,不需要方位预估计的、稳健的聚焦矩阵算法,算法的思想是将整个感兴趣的空间分成组,对每一组在归一化约束的条件下利用奇异值分解法求解最小化问题。通过仿真验证了该算法的有效性。     

信源数估计算法性能比较

经典MUSIC算法的性能直接依赖于信号源数目的估计,过估计和欠估计对MUSIC算法的DOA估计都有影响,尤其欠估计影响更大。基于所设计的均匀圆阵列,分别在高斯白噪声及色噪声情况下,对AIC准则、MDL准则和NMGDE法等信源数估计方法进行了性能比较。仿真结果表明,在白噪声环境下,在一定信噪比及快拍数下,MDL和NMGDE法均有很好地检测概率;而在色噪声环境下,AIC及MDL准则都失效,而NMGDE法却仍有较高地检测概率。     

宽带信号源的波达方向估计新方法

针对信号源数多于天线阵元数的情况,提出了一种新的宽带信号波达方向(DOA)的估计方法.与传统方法一样,首先把宽带信号分解为互不重叠的窄带部分,通过将信号频率的不同等效为阵元间距的不同而得到多个阵列,合理组合这些阵列可以获得一个多阵元的虚拟阵列,对此虚拟阵列的输出运用传统的窄带信号子空间方法即可进行高分辨DOA估计.不需要对阵列输出进行"聚焦"变换及角度预估计,并且利用两个阵元即可对多个宽带信号进行空间谱估计.仿真结果证明了该方法在信号源数多于阵元数情况下的有效性.