二维多源测向的实时处理算法及实现

研究用二维MUSIC算法，解决阵列处理二维多源测向的快速实现问题。利用阵列流形具有的对称性，减少阵列流形和空间谱的计算量。在判定出信号源个数后，有选择地使用信号子空间或噪声子空间去计算空间谱，进一步减少计算量。采用2片ADI公司的高性能DSP芯片（ADSP21160），用并行处理方法实现了二维多源测向的实时处理。     

MUSIC算法中谱线改进处理的研究

MUSIC算法,即多信号分类算法,常用于同频信号测向系统,主要利用信号分量相对应的信号子空间和信号分量正交的噪声子空间的正交性来对信源进行估计计算。在实际测向过程中,信号子空间和噪声子空间并不能实现完全正交,并且测试环境引入噪声干扰,对测向结果都构成影响。基于以上问题,对MUSIC算法进行了改进,加入了两种谱线改进算法,分别是谱线增强算法和谱二阶算法;通过对信号进行谱线增强,提高信号的信噪比,并在信号测向过程中加入二阶导数识别算法、提高信号测向角度识别率等方法,能够有效提高信号的信噪比和抗干扰性,增强了测向算法的识别率和精准度。     

阵列信号DOA估计MUSIC算法的DSP实现

阐述了阵列信号处理中广泛采用的用于来波方向(DOA)估计的多信号分类(MUSIC)算法原理及基于信息论准则的信源数目判别方法;介绍了数字信号处理器(DSP)ADSP21160的性能特点,给出了基于该DSP实现该测向算法的数字信号处理模块硬件系统组成框图及系统各部分功能;重点介绍了基于ADSP21160的系统初始化设置及采用MUSIC算法实现DOA估计的程序设计方法与过程,并给出该软件实现的程序流程.     

基于均匀圆阵的循环平稳信号源方位估计

传统的测向算法只利用了信号的空间特性而没有利用其时间特性，而Gardner等人对循环平稳特性用于阵列测向的研究仅限于均匀线阵。文中提出一种利用均匀圆阵列估计循环平稳信号到达角的方法——Cyclic-RMUSIC算法，并与传统MUSIC算法进行了比较。仿真结果表明：该算法具有信号选择能力及抑制干扰、噪声的能力。此外，由于该算法利用了Root—MUSIC技术，在提高分辨性能的同时，极大地提高了计算效率。     

一种对修正MUSIC算法的改进测向方法

在相干信号存在的情况下,MUSIC算法失效,修正MUSIC算法却适用。但是,在角度间隔很小的情况下,修正MUSIC算法的测向性能会下降甚至失效。对修正MUSIC算法作出改进,通过利用接收信号的互相关矩阵信息,提高整个数据自相关矩阵的信息利用率。在角度间隔很近的情况下,该方法比修正MUSIC方法有更好的测向性能。最后,给...     

基于盲源分离的同频信号测向算法研究

信号测向系统中,常用MUSIC算法进行同频信号测向处理。但是由于实际使用过程中信号子空间和噪声子空间并不能实现完全正交,使得MUSIC算法的准确度和稳定性大幅度削弱。基于这个问题,将盲源分离算法引入到同频信号测向系统中,利用盲源分离算法,对信号进行处理,分离出每个信源的空间信息,单独进行测向处理。能够在信号子空间和噪声子空间正交性不理想的情况下,保证测向系统的抗干扰性能,提高系统的准确度和稳定性。     

空间谱估计测向系统设计

空间谱估计测向是一种以多元天线阵结合现代数字信号处理为基础的新型测向技术。针对空间谱估计中的典型算法——MUSIC算法,在研究超分辨测向系统的构成、工作原理和硬件实现方案的基础上．提出了一种实现MUSIC算法的并行处理方案。     

加权最小二乘法和MUSIC法联合测向技术研究

针对传统相位干涉仪测向法精度不高和MUSIC算法空间谱峰搜索耗时长的问题,提出了一种基于加权最小二乘法和MUSIC算法相结合的均匀圆阵测向技术。首先根据阵列短基线组求解相位模糊,并通过引入中间变量将相位差测量方程转化为线性方程组,然后运用加权最小二乘法对其进行求解,并利用信号到达角与中间变量的关系得到信号到达角初始估计,最后MUSIC算法依据信号到达角初始估计进行空间谱峰搜索,得到高精度信号到达角估计。仿真实验对比了所提方法与现有相位干涉仪及MUSIC算法的角度估计精度和耗时,证实了所提方法的正确性和有效性。     

L型阵列天线的测频测角实现研究

基于构建的FPGA协同DSP(FPGA+DSP)异构系统提出了一种L型阵列天线的测频和测角实现方案,研究了谱峰搜索多重信号分类(MUSIC)算法和酉矩阵求根MUSIC算法的实现。2种算法的实测数据试验结果表明,谱峰搜索MUSIC算法实现简单,但处理精度受限于频域和空域的搜索精度。在同一精度量级时,酉矩阵求根MUSIC算法的处理时间只有谱峰搜索MUSIC算法的62.6%,且可以避免多维搜索,还对宽带信号具有一定的分辨率,具有较好的工程鲁棒性。     

一种解耦合二维MUSIC算法研究

针对目前多信号环境中信号的测频测向问题,利用非均匀时延,解开频率和信号到达角之间存在的耦合,在此基础上实现了解耦合的二维MUSIC算法。可同时测量信号频率和到达角,计算量小,并保持了MUSIC算法测量精度高的特点。仿真结果证明了该方法的有效性。     

柱面共形阵列高性能低复杂度DOA估计算法

针对柱面共形阵列的波达方向(DOA)估计问题,从信号子空间的角度分析了在阵元遮挡下应用多重信号分类(MUSIC)算法的性能缺陷。在此基础上提出通过偏置常数的方法克服经典MUSIC算法的阵元遮挡问题。进一步提出一种基于数据自适应子阵分割的快速DOA估计算法,该方法先利用稀疏采样的偏置MUSIC算法进行DOA预估,依此确定所需要的子阵及二维搜索区域,确定MUSIC算法的搜索范围,进而得到高精确度的DOA估计。利用子阵分割的方法进行DOA估计,避免了经典MUSIC算法因阵元遮挡导致运算量大、精确度低等问题。仿真结果表明,该方法能大幅度降低运算复杂度,同时提高DOA估计精确度。     

基于均圆阵的扩展循环 MUSIC 算法简

将循环平稳理论引入到均匀圆阵的波达方向估计中,提出了一种基于圆阵的扩展循环MUSIC算法。同时利用信号的循环相关阵和循环共轭相关阵的信息,有效抑制了同频带内干扰和噪声的影响,实现了感兴趣信号与干扰信号的有效分离。仿真实验结果表明,所提算法具有较高的波达方向估计精度和较好的多信号分辨能力,且突破了经典MUSIC算法关于信源数不能超过阵元数的限制。     

TST-MUSIC for joint DOA-delay estimation

A multiple signal classification (MUSIC)-based approach known as the time-space-time MUSIC (TST-MUSIC) is proposed to jointly estimate the directions of arrival (DOAs) and the propagation delays of a wireless multiray channel. The MUSIC algorithm for the DOA estimation is referred to as the spatial-MUSIC (S-MUSIC) algorithm. On the other hand, the temporal-MUSIC (T-MUSIC), which estimates the propagation delays, is introduced as well. Making use of the space-time characteristics of the multiray channel, the proposed algorithm-in a tree structure-combines the techniques of temporal filtering and of spatial beamforming with three one-dimensional (1-D) MUSIC algorithms, i.e., one S-MUSIC and two T-MUSIC algorithms. The incoming rays are thus grouped, isolated, and estimated. At the same time, the pairing of the estimated DOAs and delays is automatically determined. Furthermore, the proposed approach can resolve the incoming rays with very close DOAs or delays, and the number of antennas required by the TST-MUSIC algorithm can be made less than that of the incoming rays     

基于数据共轭重排的修正二维MUSIC算法分析

在阐述二维MUSIC算法基本原理的基础上,通过将接收数据共轭重排的再利用、构造相关矩阵,提出一种基于正交阵列的修正二维MUSIC算法。在快拍次数有限时,此算法可以明显改善信号的波达方向估计性能,特别是相干信号波达方向(DOA)的估计性能,计算机仿真结果证明了该改进算法的有效性和可行性。     

Superresolution techniques for time-domain measurements with anetwork analyzer

Superresolution techniques for time delay estimation are proposed and applied to frequency-domain data measured with a network analyzer. A MUSIC (multiple signal classification) algorithm preprocessed by spatial smoothing is used. The spatial smoothing preprocessing is performed to destroy signal coherence, and the decorrelation performance is examined in detail. The expression which gives an individual response is given. Using this expression, it is possible to eliminate unwanted signals that appear as ripples in the frequency domain. Experimental results show that the frequency bandwidth required by the MUSIC algorithm to resolve distinct time-domain responses and eliminate unwanted signals is much narrower than that required by the FFT (fast Fourier transform). Thus, the MUSIC algorithm is applicable to the time-domain measurements with the network analyzer and has much higher resolution capability than the conventional FFT techniques. The MUSIC algorithm is one of the most promising methods of enhancing the accuracy of measurement for narrowband devices such as antennas     

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.     

阵列天线阵元位置误差的一种有源校正方法

针对等间距直线阵，在子空间基本原理的基础上结合遗传算法，提出了天线阵元位置误差的一种有源校正方法。其优点在于只需要一个校正信号源，而信号源的方向也不必准确已知，所以更加易于工程应用。由于充分利用了遗传算法的全局寻优特性，该方法收敛速度更快，而且适用于任意阵列形式。计算机模拟结果表明，采用该方法完成误差校正后，用MUSIC算法能实现对信号DOA较为准确的估计。     

一种基于逐次搜索的快速MUSIC方法

MUSIC方法是一种经典的阵列波达方向(DOA)估计子空间方法,在高信噪比时,该方法有很好的性能,但随信噪比的降低,算法性能下降很快,特别是其分辨概率下降很快。其主要原因是低信噪比和DOA相邻较近时,信号源之间的空间相关性较强。逐次消除空间相关性并逐次搜索DOA的改进MUSIC方法,提高了分辨概率。为降低运算量,采用多级维纳滤波代替特征值分解过程。文中方法具有一般性,适合于基于子空间方法的一大类DOA估计。仿真结果证明了方法的有效性。     

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。     

MEMS矢量水听器阵列方位估计的对比研究

基于新型微机电系统(MEMS)仿生矢量水听器,首先利用计算机仿真对比分析了阵列空间谱估计4种相关算法(包括MUSIC算法、Capon最小方差法、空间平滑算法和MMUSIC算法)的优劣性.其次在对比分析的基础上,考虑实际操作的可行性和信号处理的准确性,选取定向精度较高,分辨能力较强的MUSIC算法处理不相干信号源,选取MMUSIC算法处理相干信号源.通过仿真验证和实验分析,结果表明,该MEMS矢量水听器阵列定向精度均在5°以内,具有较好的定向能力.