一种互耦和相干源条件下的DOA估计方法

空间平滑算法是一种常用的解相干处理方法,而阵元间互耦的存在会导致空间平滑算法失效,从而无法准确估计相干源DOA。针对这个问题,文中提出了一种新的DOA估计方法。该方法基于信号子空间和噪声子空间的正交性原理,利用入射信号源中的独立信号源可以有效估计出互耦矩阵,再通过估计的互耦矩阵对接收数据协方差矩阵进行互耦补偿,克服了互耦对空间平滑算法的影响,从而保证了相干源DOA能准确估计。计算机仿真实验表明了该方法的有效性。     

基于均匀线阵的混合源波达方向估计方法

文中提出了一种基于均匀线阵的混合源波达方向DOA估计的改进方法。该方法首先利用传统MUSIC方法估计出非相干信号源的DOA,然后接收数据协方差矩阵进行差分消除不相关源和噪声的影响,对其进行特殊的空间平滑去相干,从而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。优点是算法在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。仿真结果表明此方法的估计性能优于空间差分平滑算法。     

非均匀噪声条件下的互质阵列欠定DOA估计方法

针对基于互质阵列的欠定DOA估计方法在非均匀噪声条件下性能下降的问题,该文提出一种基于协方差矩阵重构和矩阵填充的鲁棒DOA估计方法。首先,将接收数据协方差矩阵分解,得到包含非均匀噪声项的对角阵;然后,选取对角线元素中的最小值,替换其余对角线元素,进而得到重构后的数据协方差矩阵;最后,对重构后的协方差矩阵进行扩展和矩阵填充,结合子空间方法进行DOA估计。理论分析和仿真结果表明,相对于现有方法,该文方法有效地抑制了非均匀噪声的影响,有更好的DOA估计性能。     

非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

未知信源数目的DOA估计方法

针对信源数目未知情况下的DOA估计问题,该文提出了两种基于稀疏表示的DOA估计方法。一种是基于阵列协方差矩阵特征向量稀疏表示的DOA估计方法,首先证明了阵列协方差矩阵的最大特征向量是所有信号导向矢量的线性组合,然后利用阵列协方差矩阵的最大特征向量建立稀疏模型进行DOA估计;另一种是基于阵列协方差矩阵高阶幂稀疏表示的DOA估计方法,根据信号特征值大于噪声特征值的特性,通过对协方差矩阵的高阶幂逼近信号子空间,利用协方差矩阵的高阶幂的列向量建立DOA估计的稀疏模型进行DOA估计。理论分析和仿真实验验证,两种方法都不需要进行信号源数目的估计,具有较高的精度、较好的分辨力,对相干信号也具有优越的适应能力。     

基于累积量的互耦误差下相干信号DOA估计

在高斯色噪声和阵列互耦误差背景下,针对相干信号源和非相干信号源并存的问题,提出了一种准确估计信号源到达角(DOA)的算法。首先,采用辅助阵元法将互耦误差从阵列流形中分离;然后结合空间平滑技术和四阶累积量构建平滑矩阵,实现对高斯噪声的抑制和对信号的解相干;最后使用ESPRIT算法获得信号源的来波方向。仿真结果表明,文中算法有效解决了阵列互耦和信源相干的影响,在高斯白噪声和高斯色噪声环境下均能精确地估计DOA。     

基于虚拟孔径扩展的非均匀稀疏阵DOA估计

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵DOA估计算法。该算法首先对非均匀稀疏阵接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算得到新的协方差矩阵;然后利用任意阵列下的空间平滑算法恢复新协方差矩阵的秩;最后通过对新协方差矩阵进行特征值分解实现DOA估计。与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。仿真结果证明了算法的有效性。     

互质阵列DOA估计性能综合分析北大核心CSCD

互质阵列是近年来兴起的新型阵列,能显著提高阵列自由度,处理信源数大于阵元数时的波达方向(DOA)估计,且能提高角度分辨率和测角精度。文中根据互质阵物理阵元和虚拟阵元特点,结合多重信号分类(MUSIC)算法提出适用于互质阵基于物理阵列和虚拟阵列的DOA估计方法。该方法以非相干信号源为研究对象,利用互质阵列建立信号接收模型,基于物理阵列的DOA估计方法根据互质阵物理阵元位置特点推导其导向矢量,然后根据导向矢量计算回波信号数据和信号协方差矩阵,最后利用MUSIC算法进行DOA估计。基于虚拟阵列的DOA估计方法根据其虚拟阵元数据特点在向量化协方差矩阵并去冗余后选取连续虚拟阵元接收数据,然后对新协方差矩阵进行一维Toeplitz平滑重构,最后利用MUSIC算法或求根MUSIC算法进行DOA估计。与等阵元数的均匀线阵进行对比,仿真实验验证了互质阵列DOA估计性能的优越性。     

基于高阶累积量虚拟阵列扩展的DOA估计

该文提出了一种基于高阶累积量虚拟阵列扩展的DOA估计新方法。该方法基于高阶累积量孔径扩展的性质,由实际阵元的坐标与方向矢量直接计算出虚拟阵元的坐标与方向矢量,利用两种阵元的坐标之间的关系构造四阶或六阶协方差矩阵,运用MUSIC方法对非高斯独立信号源进行DOA估计。该方法在任意阵列的情况下,对非高斯独立信号源进行一维与二维DOA估计,均能准确地估计出多于实际阵元数目的方向角与仰角。实验表明,该方法简单、有效地扩展了阵列孔径,提高了阵列的空间分辨能力,有效地抑制了高斯噪声的干扰,降低了高阶累积量协方差矩阵的计算量。     

一种空间非均匀噪声环境下的DOA估计

针对空间非均匀噪声环境下的DOA(波达方向)估计问题,在中心对称分布的非均匀线性阵列上应用改进的恢复噪声协方差算法[6]得到一种新的DOA估计方法。由于非均匀阵列的阵列孔径更大,因此该方法可以估计空间相距更近的独立信号,另外该方法使用了平滑预处理技术,因此可以估计包含一对相干信号的信源,且所需的分辨信噪比门限更低。利用仿真实验验证了该方法的有效性。     

非均匀噪声下的多阵列频域数据直接定位算法

实际多阵列无源定位系统中,多个阵列分散分布以及单个阵列各阵元之间的差异会造成接收噪声功率分布不均匀,进而导致直接定位算法精度下降。针对上述问题,本文提出了一种非均匀高斯白噪声场中的多阵列频域数据直接定位算法。该算法首先利用阵列输出协方差矩阵对噪声协方差矩阵进行估计,再用估计结果预白化阵列输出协方差矩阵,从而减弱了非均匀噪声对直接定位算法的影响。仿真表明在非均匀噪声下该算法的定位精度较传统的直接定位算法更高,且能较为准确的估计各阵列噪声协方差矩阵。      

空间非平稳噪声下的宽带DOA估计算法

投影子空间正交性测试(TOPS)法是利用子空间的正交性实现宽带信号DOA估计,而在空间非平稳噪声环境下子空间的正交性条件不再满足,尤其是在低信噪比或低快拍条件下子空间估计将出现较大误差,TOPS算法性能将急剧下降。针对该问题,提出了一种空间非平稳噪声下宽带DOA估计算法。该算法首先通过构造特殊对角矩阵将噪声从数据协方差矩阵中剔除,从而克服非平稳噪声对DOA估计的影响;然后利用平方TOPS法实现宽带信号DOA估计,消除了传统TOPS算法中的伪峰。该算法适用于空间非平稳噪声背景及低信噪比环境,提高了对角度相近目标的分辨性能;仿真实验表明了该算法的有效性。     

Spatiotemporal EEG/MEG source analysis based on a parametric noise covariance model

A method is described to incorporate the spatiotemporal noise covariance matrix into a spatiotemporal source analysis. The essential feature is that the estimation problem is split into two parts. First, a model is fitted to the observed noise covariance matrix. This model is a Kronecker product of a spatial and a temporal matrix. The spatial matrix models the spatial covariances by a function dependent on sensor distance. The temporal matrix models the temporal covariances as lag dependent. In the second part, sources are estimated given this noise model, which can be done very efficiently due to the Kronecker formulation. An application to real electroencephalogram (EEG) data shows that the noise model fits the data very well. Simulation results show that the resulting source estimates are more precise than those obtained from a standard analysis neglecting the noise covariance. In addition, the estimated standard errors of the source parameter estimates are far more precise than those obtained from a standard analysis. Finally, the source parameter standard errors are used to investigate the effects of temporal sampling. It is shown that increasing the sampling by a factor x, decreases the standard errors of all source parameters with the square root of x.     

非均匀噪声环境下宽带近场源定位的两种改进方法

研究了宽带近场信号源基于最大似然方法和相关信号子空间方法在非均匀噪声下的被动定位算法，并进行了比较。这两种算法均可在传感器任意分布的情况下有效地进行信号源定位。最大似然法采用了迭代的方法来估计噪声的协方差矩。而信号子空间法给出了聚焦阵构造的新方法。仿真试验证明了方法的有效性和稳健性。     

空间非平稳噪声下圆阵的DOA估计

提出了空间非平稳噪声环境下基于圆阵的DOA估计算法.针对噪声为空间非平稳的情况,通过有效估计的加性色噪声相关矩阵对阵列数据相关矩阵进行预白化处理,克服了空间非平稳噪声对空间谱估计的影响误差,进而实现了非平稳噪声环境下圆阵DOA的精确估计,计算机仿真结果证实了该算法的正确性和有效性.     

基于因子分析的信源数与噪声估计

 空间色噪声环境下的信源数估计是阵列信号处理研究的热点之一.本文引入因子分析(Factor Analysis)模型模拟阵列接收协方差矩阵,在色噪声条件下提出了基于最小均方准则求解构成协方差矩阵的因子,进而构造统计量判断信源数量并完成空间色噪声的估计.通过计算机仿真对比已有的其他方法,验证了本文提出方法的有效性和优越性.     

空间色噪声背景下双基地多输入多输出雷达低仰角估计方法

针对多径效应的影响,该文提出一种空间色噪声背景下双基地多输入多输出(MIMO)雷达低仰角估计方法。首先对双基地MIMO雷达中低仰角目标的多径环境进行建模,同时考虑发射和接收端的镜面反射信号,并用空间色噪声模拟漫反射。然后利用协方差矩阵求差方法消除未知色噪声的影响,在发射端和接收端进行空间平滑对多径信号解相干,即进行空间差分平滑处理。最后利用酉变换旋转不变技术(ESPRIT)算法估计目标的发射角(DOD)和接收角(DOA)。该文指出特殊情况下空间差分平滑协方差矩阵缺秩的问题,并提出一种修正的空间差分平滑方法。该算法对阵元数要求不高,适用于未知噪声背景及低信噪比环境,并且解决DOD与DOA联合估计的角度兼并问题。仿真实验表明了所提算法的有效性。     

基于协方差差分的近场源定位参量估计

提出一种基于空间差分技术的近场源方位角和距离联合估计新算法.算法利用平稳噪声协方差矩阵关于主对角线对称的特点,构造近场源定位模型下的空间差分矩阵.推导并证明了该矩阵的谱分解特性,以此为基础确定噪声子空间,借助谱峰搜索实现定位参量估计.算法通过对消噪声分量有效降低了未知平稳噪声对定位精度的影响,同时避免了应用差分技术解决信源定位时出现的伪峰问题.均方根误差的仿真结果证明了算法的有效性.