适用于二维阵列的无格稀疏波达方向估计算法

针对现有的适用于2维阵列的无格稀疏波达方向(DOA)估计方法性能不足的问题,该文提出一种新的方法。对2维阵列,从原子L0范数出发,证明其值等于一个以矩阵秩为目标函数的半定规划(SDP)问题的最优解。对该矩阵使用第1类有限阶贝塞尔函数近似表达,构造新的秩优化SDP问题。根据低秩矩阵恢复理论,对该SDP问题的目标函数使用log-det函数方法平滑替代,然后使用优化最小(MM)算法求解,最后通过(半)正定Toeplitz矩阵的范德蒙分解方法实现无格DOA估计。在MM算法求解模型时,使用样本协方差矩阵构造初始优化问题,减少算法迭代。仿真实验结果表明,相较于基于网格的MUSIC和其他无格DOA估计方法,该文方法具有更好的均方根误差(RMSE)性能与对相邻源的分辨能力;在快拍数充足且信噪比(SNR)较高时,适当的第1类贝塞尔函数阶数选择可以实现与较大阶数接近的RMSE性能,同时能减少运行时间。

     

低比特量化阵列快速无网格化DOA估计方法

针对如何在低比特量化下实现高精度无网格化到达角(DOA)估计的问题,提出了一种基于原子范数最小化的快速DOA估计算法。该方法首先建立阵列接收信号低比特量化前后数据一致性的关系模型,然后采用原子范数最小化实现无网格化DOA估计,因此可将低比特量化下的无网格化DOA估计问题转化为求解量化数据与未量化数据的失配度和相应的原子范数联合最小化问题。为了高效求解该优化问题,该算法采用加速近端梯度技术,通过迭代地执行动量梯度下降和近端投影使得问题收敛。相比于传统基于特征子空间的算法,文中提出的算法在快拍数不足的情况下也同样适用。仿真结果表明：文中所提算法兼具估计的准确性和计算的高效性。     

随机测量条件下的循环自相关函数无网格估计

利用循环平稳特性对通信信号进行参数估计是一种常用的处理方法。由于通信信号在循环频率域具有稀疏特性,可以利用随机测量有效降低采样处理的数据量,减轻硬件负荷,并基于压缩采样值进行信号参数估计。然而,在稀疏建模时通常将连续的信号参数空间划分为有限数量的均匀网格,引起基不匹配问题,使得信号在某个假定的离散变换基(傅里叶基、小波基等)下并不稀疏,从而严重影响信号参数估计精确度。为解决这个问题,本文利用原子范数描述循环频率域的连续性和稀疏性,提出一种随机测量条件下的高精确度循环自相关函数无网格估计方法。仿真实验表明,这种无网格估计方法能够有效降低循环自相关函数的估计误差。     

基于ANM的非均匀圆阵二维DOA估计

传统的基于原子范数最小化（Atomic Norm Minimization, ANM）的波达方向（Direction of Arrival, DOA）估计算法无法直接应用于不满足范德蒙德结构的非均匀圆阵,针对这一问题提出了一种基于虚拟阵列变换的改进方法。以某非均匀圆阵作原始阵列为例,首先通过虚拟阵列变换处理原始阵列接收的数据,使其转换为虚拟的均匀L阵接收数据,将非均匀圆阵上的DOA估计问题转化为两个均匀线阵上的DOA估计问题,再利用基于ANM的DOA估计算法与L型阵的二维角度关系还原出方位角和俯仰角。通过仿真与实测实验验证了所提算法应用于非均匀圆阵的可行性,并分析其DOA估计结果,证明其拥有较高的估计精度。     

无源单通道阵列快速DOA估计算法

针对现有无源单通道阵列DOA估计算法复杂度较高,实时性较差的问题,提出一种适用于单通道阵列的快速DOA估计算法。该算法将常规多通道阵列的空间FFT算法引入单通道阵列信号处理中,将通道切换时间带入FFT运算,构建了新的变换核函数,利用该核函数可直接对单通道阵列的采样信号进行空间FFT变换,基于此提出了适用于单通道阵列的SAA—FFT算法。理论分析与仿真实验证明了该算法的有效性。     

适用于WCDMA通信系统的DOA估计方法

针对WCDMA通信系统的多用户多径传播环境，丈中提出了一种高精度的DOA估计方法。该算法通过计算已知的参考序列与其发生相位偏移后的序列．之间的相位偏移进行DOA估计。该方法在估计之前进行了干扰抑制，因此能够有效地减少同信道干扰。此外，与传统的基于特征值分解的估计方法相比，文中方法不受信源数小于阵元数的影响，因此具有计算复杂度低，精度高的特点。仿真结果证明了这一点。     

基于任意麦克风阵列的声源二维DOA估计算法研究

对基于麦克风阵列的声源定位技术进行了研究,分析了基于麦克风阵列的远场信号模型,并结合子空间的方法推导出了声源二维(水平角和俯仰角)DOA估计——2D-MUSIC算法,该算法适用于任意拓扑结构的麦克风阵列。利用MATLAB仿真工具,对几种典型阵列结构进行了对比分析,提出了2种新型的三维麦克风阵列:均匀球面阵和三维均匀直线阵。仿真结果表明,提出的DOA估计算法在二维的均匀圆阵、三维的均匀球面阵和三维均匀直线阵中,均能得到较好的DOA估计效果。     

一种基于迭代自适应的离网格DOA估计方法

针对真实信源位置与字典网格不匹配导致波达角估计(DOA)误差过大的问题,该文提出一种基于修正迭代自适应(IAA)功率谱算法的离网格(Off-Grid)DOA估计方法(OGIAA)。该方法首先通过修正IAA方法得到信号功率谱,读出功率峰值的对应网格角度作为粗估计结果,再利用平方误差代价函数,将代价函数2阶泰勒展开并最小化得到初始偏移量,最后交替优化功率分量和偏移量,实现高精度的离网格DOA估计。理论分析和仿真结果表明,该方法实现过程简单,无正则化参数影响,能准确估计出偏移网格的信源角度,在高阵列自由度的非均匀阵列上也同样具备高估计精度。     

基于虚拟阵列的非圆信号DOA估计

针对传统的子空间类波达方向（Direction of Arrival,DOA）估计算法只适用于入射信号个数少于天线数的局限性,利用现代通信系统中常用的非圆信号实值特性,提出了一种虚拟阵列多重信号分类法（Virtual Array Based Multiple Signal Classification,VA-MUSIC）。该方法通过对阵列输出信号进行共轭重构和合并,获得虚拟阵列来增加阵列的有效孔径。更进一步,结合空间平滑技术有效地解决了相干信号的DOA估计问题。与传统的MUSIC算法相比,新算法不仅可以增加最大可估计信源数,而且在DOA估计精度、信号源角分辨能力等方面均有明显的优势。计算机仿真验证了该算法的有效性和优越性。     

可重构智能表面辅助的毫米波信道估计算法

针对可重构智能表面(RIS)辅助的毫米波通信中信道状态信息难以获取问题,该文给RIS的部分器件配备射频链,以分开估计基站(BS)/用户(UE)到RIS之间的信道。根据该结构,提出一种低复杂度的信道估计算法。该算法首先采用解耦原子范数最小化(ANM)方法将信道的离开角和到达角的2维角度估计问题转化为两个1维的角度估计的半正定规划(SDP)问题;其次,利用交替方向乘子算法(ADMM)对该SDP问题进行求解,采用动量梯度下降法对信道矩阵参数进行更新以避免矩阵求逆运算,并通过对迭代步长和信道矩阵参数的联合优化以获得更加精准的信道估计值;最后利用信号的2维角度和信道矩阵参数得到路径增益估计。仿真结果表明,该算法达到了优良的信道估计性能,且在确保信道估计性能的系统参数设置下,该算法的复杂度较低。     

基于改进单纯形算法的DOA估计

利用最大似然估计获得信号的来波方向，其统计性能要比其他算法优越，但由于该方法需要对多维参数进行优化，从而导致较大的计算量，针对该问题文中提出基于改进单纯形算法的来波方向（DOA）估计。首先利用阵列输出的协方差矩阵对来波方向进行粗略估计，并以该估计值为重心构造初始单纯形，由于待估计的参数都有一定的取值范围，所以文中通过定义罚函数，将有约束的优化问题转化为无约束的优化问题，最后结合罚函数和改进单纯形算法进行DOA估计，计算机仿真结果验证了该方法的正确性和有效性。     

一种基于Bessel函数的宽带DOA估计方法

提出了一种基于Bessel函数的宽带相干信号子空间DOA(Direction-of-Arrival)估计方法,新方法不需要角度预估,避免了角度预估误差对DOA估计结果的影响。仿真结果证明了方法的有效性。     

强约束优化降维MUSIC二维DOA估计

该文针对2维DOA估计运算量大的问题,提出一种改进的降维MUSIC(MRD-MUSIC)算法。MRD-MUSIC算法利用二次优化方法将2维DOA估计分解为两级1维DOA估计,从而大大降低了运算量。其中采用对优化函数直接求导的方式求解问题函数,使方向向量得到了较强约束,因此求解结果更加接近最优解。仿真实验验证了算法的正确性,角度估计运算效率高,无角度配对过程,且具有较高的成功率与精确度。     

一种快速DOA估计算法

MUSIC算法需要将天线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。该算法具有很高的分辨力、估计精度及稳定性,但是运算量巨大,难以实时实现。通过对等距线阵特点及MUSIC算法的研究,提出了一种无需特征分解和在全空域进行谱峰搜索的快速算法,算法采取降维处理的方法快速估计信号子空间,然后根据基于阵列一次快拍的FFT算法粗略估计的局域信号空间进行谱峰搜索,从而有效降低了算法的计算量,理论分析和计算机仿真结果证明了该算法的有效性。     

一种DOA估计的快速子空间算法

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，但需要估计协方差矩阵并对其进行特征分解，运算量大，很费计算时间。本文对波这方向估计问题进行了研究并提出了一种采取降维处理的快速子空间算法，该算法利用阵列协方差矩阵的一个子矩阵快速得到信号子空问，无需特征分解，且无需估计整个协方差矩阵，只需估计该子矩阵，故快速算法运算复杂度远低于MUSlC算法，而性能损失并不太大。理论分析和计算机仿真结果表明此方法是有效的。     

基于DOA矩阵法的矢量传感器阵列二维波达方向估计

DOA矩阵法是一种二维波达方向估计方法,该方法具有分辩率较高、计算量较少的特点。该文将DOA矩阵法扩展至矢量传感器阵列的波达方向估计,推导出相应的计算公式,分析了算法计算复杂度。算法分析表明,相对于ESPRIT算法,DOA矩阵法计算复杂度大大降低。Monte Carlo仿真结果表明,与ESPRIT算法相比,DOA矩阵法估计的均方根偏差和均方根标准方差相对大一些,所需的最低快拍数也增加。     

均匀圆阵多宽带LFM信号的二维DOA估计

针对均匀圆阵（UCA）,根据不同线性调频（LFM）信号在对应阶次上的分数阶傅里叶变换（FRFT）域具有能量聚集性的特点,将不同时频特性LFM信号在FRFT域分离成一系列平稳单频信号,构造出FRFT域上新的空时频分布模型数据,结合MUSIC算法,提出了一种新的均匀圆阵多宽带LFM信号的二维DOA估计。通过仿真实验验证了该方法的有效性。     

适用任意阵列的变换域二维波达角快速估计算法

 MUSIC(Multiple Signal Classification)算法是波达角(the Direction of Arrival,DOA)估计的经典算法之一,但其在二维DOA估计中因需进行二维谱峰搜索而计算量十分巨大.为降低MUSIC算法的计算量,本文在引入变换域DOA概念的基础上提出了一种能够适用于任意阵列结构的二维DOA快速估计算法,即变换域MUSIC(transformed domain-MUSIC,TD-MUSIC)算法.理论分析和仿真实验表明:该算法不但将空间谱峰搜索的范围减小一半而且具有更低维度的噪声子空间,因而其计算量远小于 MUSIC算法.同时,新算法具有比MUSIC更高的空间分辨率.