一种稀疏表示的二维DOA降维估计新算法

提出了一种基于空间锥角降维的二维DOA稀疏分解估计新方法,解决了利用稀疏表示方法进行二维DOA估计时计算复杂度大的问题.根据L阵列的结构特性,引入空间锥角表示信号的二维DOA信息,构造空间锥角冗余字典,通过稀疏正则化求解实现空间锥角的估计,然后利用求解得到功率实现L阵列中两个子阵之间的空间锥角配对,从而达到对多来波的二维DOA估计的目的,其避免了方位角和俯仰角组合而造成冗余字典庞大的问题,极大地减少了稀疏分解的计算量.仿真和实测数据结果均验证了该方法的有效性和优越性,为进一步的工程应用奠定了基础.     

单快拍数据的分布式二维阵列测角方法研究

该文针对2维阵列波达方向估计问题,提出一种基于单快拍数据的分布式2维DOA估计算法。该算法首先利用每个子阵单元的单快拍数据进行2维Hankle矩阵构造;然后基于2维状态空间平衡法分别获得方位角和俯仰角子阵单元内DOA估计与子阵单元间DOA估计;最后通过解模糊算法获得方位角和俯仰角高精度无模糊DOA估计。该算法较好地解决了子阵单元内DOA估计和子阵单元间DOA估计之间的配对问题以及俯仰角和方位角之间配对问题,充分利用分布式阵列扩展阵列物理孔径特性;同时该算法可直接对相干信号和非相干信号进行处理。计算机仿真结果验证了所提算法的有效性。     

基于均匀圆阵相干信源的二维DOA估计

随着通信技术的不断发展,信号传输环境变得日益复杂。针对多径传播形成的高度相关和相干信号测向问题,提出了一种基于均匀圆阵相干信源的二维DOA估计方法。该方法利用均匀圆阵轴向虚拟平移解相干,通过去噪后利用虚拟子阵的自协方差矩阵和互协方差矩阵构造波达方向矩阵,利用该矩阵特征分解估计信号的俯仰角;然后将平滑后的自协方差矩阵与波束空间变换矩阵相乘,使圆阵的导向矢量具备范德蒙结构,最后用求根MUSIC算法估计出信号的方位角,完成了相干信号的二维DOA估计。该方法无需二维谱峰搜索,方位角和俯仰角自动配对,计算量小,分辨率高。仿真实验证明了所提方法的正确性。     

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。     

基于稀疏表示的双平行线阵二维DOA估计

为了对空域目标的方位角和俯仰角进行有效估计,提出一种基于稀疏表示的双平行线阵二维DOA估计方法。首先需构建包含目标方位角和俯仰角信息的2个空间复合角;然后利用稀疏表示技术求解其中的一个空间复合角,以此作为前提条件,另一个空间复合角就可以解耦为一维波达方向(DOA)估计问题,利用矩阵运算可以求解出来;最后根据已求解的2个空间复合角对方位角和俯仰角进行配对求解。与现有算法相比较,所提方法受快拍数的影响较小,在信噪比较高、角度间隔较大的情况下,具有良好的性能。     

一种互耦条件下多径信号的2D DOA估计方法

在均匀圆阵的阵列结构下,提出了一种互耦条件下相干多径信号的2D DOA估计方法,该方法基于RARE降秩理论,首先对多径相干源进行去相干处理,并对与俯仰角相关的互耦矩阵进行补偿,然后将圆阵导向矢量转换成新的波束空间阵列流型,同时将俯仰角与方位角变量构造到两个独立的函数中去,实现在互耦未知的情况下用求根的方法估计出方位角,再根据俯仰角向量函数与噪声零空间的关系通过1D参数搜索得到俯仰角的估计,最后再与方位角配对,得到2DDOA估计结果.整个估计过程仅需要1D参数搜索,不需要预先知道空间信源个数及相关性,俯仰角与方位角能正确配对,克服了RARE算法中2D DOA伪估计问题,没有孔径损失,计算量较RARE算法增加不大.仿真结果验证所提方法的有效性.     

最小冗余线阵的ES-DOA估计算法研究

采用最小冗余线阵可以显著增大天线的阵列孔径,但其相关矩阵不是Toeplitz矩阵,致使空间平滑解相干等方法失效,限制其在相干信号环境下的使用。结合信号功率估计,采用基于特征空间DOA估计算法,使得在较低信噪比情况下的DOA估计具有很高的精度。该算法同时采用了前后向空间平滑技术,不用减小阵列孔径就可以实现信号去相干。将该算法应用于最小冗余线阵,提高了阵列的DOA估计性能,且不影响阵列孔径。仿真结果证实了该算法的具有较高的精度和较强的鲁棒性。      

基于压缩感知的宽频段二维DOA估计算法

针对2维DOA估计问题,该文提出一种基于压缩感知(CS)的宽频段2维DOA估计算法,能够同时得到多个窄带信号的中心频率、方位角和俯仰角。首先利用方位向和俯仰向的空间频率分别建立过完备稀疏字典,然后通过对阵列接收数据的压缩采样得到空间频率的高分辨估计,最后通过空域滤波实现中心频率、方位角和俯仰角之间的匹配。理论分析表明,该算法具有较高的估计精度与分辨力,对信噪比(SNR)要求不高,无需多维搜索过程,且经过压缩采样降低了运算量。仿真结果验证了算法的正确性与有效性。     

基于MUSIC算法的L型阵列MIMO雷达降维DOA估计

该文提出一种基于MUSIC算法的L型阵列多输入多输出雷达降维波达方向(DOA)估计算法。该算法首先针对L型阵列导向矢量的结构,构造出一个降维矩阵,将回波信号转换到低维空间。然后利用二次优化方法将2维DOA估计分解为两个1维DOA估计。最后利用MUSIC空间谱估计其中1维角度,并利用求得的角度回代谱函数,对另1维角度进行求根估计。该算法将2维空间谱搜索降为1维搜索,极大地降低了运算复杂度。理论分析和仿真结果验证了该算法的准确性和可行性。     

利用空间时频分布实现宽带FM信号2-D到达角估计

提出了一种新的宽带FM信号二维到达角估计方法。本算法将L型天一阵两个臂的空间时频分布矩阵分别进行相干信号子空间平滑处理，并用子窨 方法实现方位和俯仰角估计，计算机仿真证实了算法的有效性。     

Double-constraint flexible tree search-based orthogonal matching pursuit for DOA estimation using dynamic sensor arrays

Greedy algorithms have leveraged sparse signal models for parameter estimation purposes in applications including bearing estimation and direction-of-arrival (DOA) estimation. A dictionary whose elements correspond to observations for a sampling of the angle space is used for sparse approximation of the received signals; the resulting sparse coefficient vector’s support identifies the DOA estimates. Increasing the angle space sampling resolution provides better sparse approximations for arbitrary observations, while the resulting high dictionary coherence hampers the performance of standard sparse approximation, preventing accurate DOA estimation. To alleviate this shortcoming, in the each iteration, we use the structured sparsity model that keeps high coherent and close spacing dictionary elements. Besides, the proposed approach allows exploitation of the array orientation diversity (achievable via array dynamics) in the compressive sensing framework to address challenging array signal processing problems such as left-right ambiguity and poor estimation performance. And the simulation results show that our proposed algorithm can offer significantly improved performance in single-snapshot scenario with multiple sources.     

一种新的基于稀疏表示的宽带信号DOA估计方法

该文提出一种基于稀疏表示的宽带信号波达方向(DOA)估计方法,解决稀疏表示方法在宽带信号DOA估计中由于基矩阵维数过大而使算法存储量和重构计算量大的问题。用单一频点的基矩阵代替频率和角度联合构建的基矩阵,使基矩阵的列数仅相当于一个频点处冗余基矩阵的列数,大大降低了稀疏重构方法的存储量和计算量。该方法首先对各频点的频域数据进行聚焦处理,将不同频率的数据堆叠到参考频率上并建立参考频率处的基矩阵,然后建立聚焦后的稀疏表示模型进行DOA估计,并采用奇异值分解进一步降低算法的运算量,最后给出残差门限的选择方法。该算法不仅适用于非相关信号,也可直接处理相关信号而不需要任何的去相关运算,且具有高的检测概率和估计精度,仿真实验和分析验证了该方法的有效性。     

基于稀疏表示的多输入多输出雷达多目标定位

针对双基地多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达目标定位问题,提出一种基于稀疏表示的双基地MIMO雷达多目标定位方法.利用点目标所在的二维角度空间构造冗余字典; 通过对接收信号的协方差矩阵进行特征分解,从中选取不同数目的特征向量在该冗余字典下稀疏表示,构建以特征向量为观测信号的多重测量向量(Multiple Measurement Vectors,MMV)模型,提取的特征向量在充分包含目标的角度信息的前提下,降低了直接以接收信号为观测信号的矩阵维数,形成低维稀疏线性模型; 最后,通过特征向量的稀疏重构,得到目标的角度估计.与现有算法相比,该算法对特征向量的稀疏重构降低了重构原始接受信号的计算复杂度,且在低信噪比和低快拍下仍有较好的估计性能,仿真实验验证了算法的有效性.     

Multiple Emitters Localization by UAV with Nested Linear Array: System Scheme and 2D-DOA Estimation Algorithm

Unmanned Aerial Vehicle(UAV)equipped with uniform linear array has been applied to multiple emitters localization.Meanwhile,nested linear array enables to enhance localization resolution and achieve under-determined Direction of Arrival(DOA)estimation.In this paper,we propose a new system structure for emitters localization that combines the UAV with nested linear array,which is capable of significantly increasing the positioning accuracy of interested targets.Specifically,a localization scheme is designed to obtain the paired two-dimensional DOA(2D-DOA,i.e.azimuth and elevation angles)estimates of emitters by nested linear array with UAV.Furthermore,we propose an improved DOA estimation algorithm for emitters localization that utilizes Discrete Fourier Transform(DFT)method to obtain coarse DOA estimates,subsequently,achieve the fine DOA estimates by sparse representation.The proposed algorithm has lower computational complexity because the coarse DOA estimates enable to shrink the range of over-complete dictionary of sparse representation.In addition,compared to traditional uniform linear array,improved 2D-DOA estimation performance of emitters can be obtained with a nested linear array.Extensive simulation results testify the effectiveness of the proposed method.     

基于空频域稀疏表示的宽频段DOA估计

该文提出一种基于空频域稀疏表示的宽频段波达方向(DOA)估计方法,解决稀疏表示方法在宽带接收机对窄带信号的频率和角度估计中的难题。用空间频率代替频率和方位角的 2 维组合构建过完备字典,字典的长度仅相当于窄带信号DOA估计的字典长度,却能覆盖整个无模糊频段,大大降低了稀疏分解的计算量。该方法首先在频域估计信号的准确频率,根据频域峰值的位置构建频域峰值协方差矩阵。对频域峰值协方差矩阵进行特征分解,利用主特征向量建立稀疏模型估计信号的DOA。算法在低信噪比下具有较高的估计精度,仿真实验和分析验证了该文方法的正确性和有效性。     

A Bistatic MIMO Radar Angle Estimation Method for Coherent Sources in Impulse Noise Background

In order to solve the angle estimation problem of coherent sources in the impulse noise background, an algorithm based on infinite norm normalization preprocessing and sparse representation (INN-SR) is proposed. First, an infinite norm normalization preprocessing method is used to reduce the impact of the impact noise. Then the sparse decomposition method is used to construct the restoration dictionary to estimate the DOA and DOD. Finally, accurate matching of target DOA and DOD is achieved based on maximum likelihood method. The algorithm does not need to know the number of sources and can also work well for coherent sources.

     

基于核Fisher判别字典学习的稀疏表示分类

在基于稀疏表示分类的模式识别中,字典学习(DL) 可以为稀疏表示获得更为精简的数据表示。最近的基于Fisher判别的字典学习(FDDL)可以学 习到更加判别的稀疏字典,使得稀疏表示分类具有很强的识别性能。核空间变换可以学习到 非线性结构信息,这对判别分类非常有用。为了充分利用 核空间特性以学习更加判别的稀疏字典来提升最终的识别性能,在FDDL的基础上,提出了两 种核化的稀疏表示DL方法。首先原始训练数据被投影到高维核空间,进行基于Fisher 判别的核稀 疏表示DLFDKDL;其次在稀疏系数上附加核Fisher约束,进行基于核Fisher判别的核稀疏表 示DL(KFDKDL),使得所学习的字典具有更强的判别能力。在多个公开的图像数据库上的稀疏 表示分类实验结果验证了所提出的FDKDL和KFDKDL方法的有效性。