阵列误差对四阶MUSIC算法到达角估计的影响

子空间算法用于窄带信号到达角估计时，通常认为阵列响应是已知的。然而，在实际中，阵列响应往往偏离正常值，成为角度估计误差的重要来源之一。文中讨论阵列误差对四阶MUSIC算法估计到达角的影响，并与传统二阶MUSIC算法进行比较。结果表明：相同阵列误差时，四阶MUSIC算法的角度估计误差小于二阶MUSIC算法。     

基于均匀圆阵的二维ESPRIT算法研究

在深入研究均匀圆阵扩展阵列流形的基础上，针对某些均匀圆阵的扩展阵列中含有旋转不变性的子阵列组以及中心对称性质，提出了2种基于均匀圆阵的二维ESPRIT算法，第一种算法减少了一次奇异值分解，第二种算法避免了参数配对。仿真结果验证了算法的正确性和有效性，并且在高斯色噪声条件下，其测向性能均优于MUSIC算法和最大似然算法。     

一种基于共轭矩阵的阵列扩展技术

提出了一种新的基于共轭矩阵的阵列扩展技术,该技术可以对阵列的信号子空间进行扩展,从而可以估计更多的信号波达方向(DOA)。该方法首先对接收的阵列信号进行二阶统计量预处理,利用自相关函数的性质获得导向矩阵的共轭矩阵,然后构造出一个新的伪快拍扩展矩阵,通过对该矩阵运用MUSIC-like算法可以比传统的MUSIC-like算法估计出的波达方向个数多50％,理论分析和仿真实验证明了本文结论。     

基于四阶累积量的EM波达方向估计算法

针对低信噪比（signal-to-noise ratio,SNR）下,经典波达方向估计性能下降的问题,提出将信号的四阶累积量与期望最大化（expectation maximization,EM）算法相结合的波达方向估计算法.该方法引入隐含变量进行更新迭代,并求隐含变量的四阶累积量,构造关于待估波达方向的极大似然函数从而求解出信号的波达方向角.仿真结果表明:本文算法能有效地抑制高斯噪声对信号参数估计的影响,同时能利用迭代来提高估计精度.在低SNR时其估计性能优良,具有很好的稳定性和分辨率,有利于高分辨地估计信号的波达方向.     

螺量域波达方向估计的稳健性

本文提出了一种用于等矩线阵的四阶累重量域波达方向（ＤＯＡ）估计算法，并着重研究了算法的稳健性（Ｒｏｂｕｓｔｎｅｓｓ）该算法利用了空间累量阵中的所有非冗余量元素，并将相位相同不量元素做平滑处理。Ｔｏｅｐｌｉｔｚ化后形成新的虚拟协方差矩阵，方向估计基于此阵，分析表明，该算法对阵列误差有较强的容差性，加之累量对高斯噪声的自然盲性，因而算法具有稳健性，该算法的另一个特点是可以提供虚拟扩展孔径（扩展近两倍）     

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。     

加权伪噪声子空间投影的修正MUSIC算法

多重信号分类（multiple signal classification: MUSIC）方法通过计算搜索导向矢量与噪声或信号子空间的距离来估计波达方向,对采样协方差矩阵的依赖性较大。在小快拍或存在强弱临近信号条件下,采样协方差矩阵的估计值与真实值通常存在较大差异,导致估计的噪声或信号子空间发生畸变,严重恶化了MUSIC方法的波达角估计性能。针对该问题,本文提出采用加权伪噪声子空间投影的改进方法（称为wpnMUSIC）。该方法在修正数据相关矩阵的基础上估计与搜索导向矢量对应的伪噪声子空间并利用其在伪噪声子空间的投影值对MUSIC空间谱进行加权处理,在保持子空间处理方法高分辨能力的同时改善了对小快拍和强弱信号的稳健性。理论分析和仿真实验表明本文方法对强弱临近目标的分辨能力优于MUSIC方法。      

MUSIC测向算法的入射方向确定方法

MUSIC(MUltiple SIgnal Classification)等谱峰搜索类算法的计算量主要集中于谱峰搜索过程,加大搜索步长虽可减小计算量,但会引起空间谱的畸变从而造成测向误差。先采用大步长搜索确定谱峰大约位置后再用小步长搜索可以减小测向误差,且增加的计算量较小,但其实时性不佳。文中提出了基于重心估计的入射方向确定方法,利用现有谱峰搜索数据进行后处理,当搜索步长远大于MUSIC测向算法本身的均方根误差(RMSE,Root Mean Square Error)时,可用很小的计算量大大提高测向精度,具有良好的工程应用价值。      

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。     

累量域波达方向估计的稳健性

本文提出了一种用于等距线阵的四阶累量域波达方向（ＤＯＡ）估计算法，并着重研究了算法的稳健性（Ｒｏｂｕｓｔｎｅｓｓ）．该算法利用了空间累量阵中的所有非冗余累量元素，并将相位相同的累量元素做平滑处理，Ｔｏｅｐｌｉｔｚ化后形成新的虚拟协方差矩阵，方向估计基于此阵．分析表明，该算法对阵列误差有较强的容差性，加之累量对高斯噪声的自然盲性，因而算法具有稳健性．该算法的另一个特点是可以提供虚拟扩展孔径（扩展近两倍），从而提高了算法的估计性能和分辨能力．仿真实验验证了分析结果，表明了算法良好的性能．     

再论循环码的周期分布

本文揭示了循环码的周期分布与其对偶码的周期分布的关系，给出了一般循环码及其对偶码内无内周期码字的精确计数公式。     

幅相误差对修正MUSIC算法测向性能的影响与分析

首先阐述了阵列信号处理中广泛采用的修正MUSIC算法原理，并推导了天线阵元幅相误差条件下的修正MUSIC算法，重点分析了阵元幅相误差对修正MUSIC算法测向性能的影响。最后以均匀线阵为例进行了仿真，计算机仿真结果表明，阵元幅相误差严重影响着修正MUSIC算法的测向性能，因此在应用修正MUSIC算法进行来渡方向估计的时候，必须考虑阵元幅相误差的影响。     

一种不考虑信源数目的修正MUSIC算法

分析了信源数目估计误差下的MUSIC算法性能.为了解决信源数目过估计下出现虚假信号和欠估计下谱峰消失的问题,提出了一种改进算法.该算法通过对采样数据的共轭重排再利用,重新构造相关矩阵来改善测向性能.改进的算法不仅能成功运用于非相关信号源和相关信号源,还具有不用考虑信源数目的优点.计算机仿真结果证明了改进算法的正确性和有效性.     

基于内插阵列变换的非圆信号MUSIC算法

针对非圆信号的波达方向(DOA)估计问题,提出一种基于内插阵列变换的非圆信号MUSIC算法(VIA-NC-MUSIC算法)。利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实协方差矩阵变换为虚拟协方差矩阵,再对虚拟协方差矩阵进行奇异值分解(SVD),利用信号子空间与噪声子空间的正交性,得出算法的空间谱函数。仿真实验表明:存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的非圆信号MUSIC算法(NC-MUSIC算法)相当的估计性能,保持了高估计精度、阵列扩展能力等优点。     

基于任意麦克风阵列的近场声源三维定位算法研究

基于麦克风阵列的声源定位技术在通信、语音处理等领域得到广泛的应用。本文从声音传播的基本原理出发,推导出了精确的相对幅度衰减因子,获得了更加准确的信号传播模型。利用该模型并结合子空间算法的思想,提出了适用于任意拓扑结构的麦克风阵列的近场宽带三维声源定位算法。仿真结果表明,该算法在一维均匀直线阵、二维均匀圆阵和三维均匀球面阵中,均能够得到较好的定位效果。     

基于辅助阵元的十字阵阵元位置误差校正方法

文中对基于辅助阵元法的十字阵阵元位置误差校正方法进行了深入研究,在详细分析十字阵阵列模型和阵元位置误差模型的基础上,提出将辅助阵元法用于解决十字阵的阵元位置误差校正问题.仿真结果表明,辅助阵元法可以很好地解决十字阵的阵元位置误差校正问题,且计算量小、估计精度高.     

模型误差对非圆信号测向MUSIC算法性能的影响

近年来,针对非圆信号的测向算法已陆续提出,对这些算法的渐近性能及Cramer-Rao界的分析也已见报道,但仍未涉及模型误差对此类算法影响的分析.本文概括介绍了用于非圆信号测向的MUSIC(Multiple Signal Classification)算法,对其空间谱函数进行一阶泰勒展开,得到了测向误差的表达式,从而求得测向均方误差统计意义上的表达式.仿真实验验证了推导的正确性,并由理论结果分析了模型误差条件下测向误差与角度间隔和非圆相位差的关系.     

修正MUSIC算法对相关信号源的DOA估计性能

本文介绍了用修正ＭＵＳＩＣ算法提高相关信号源ＤＯＡ估计性能的方法。理论分析表明,采用该方法后,可将相关信号源的相关系数平均降低为原来的６３％,因而可改善ＭＵＳＩＣ算法对相关信号源的ＤＯＡ估计性能。且该方法不影响对非相关信号源ＤＯＡ的估计,计算量也无明显增加。计算机仿真实验结果验证了上述理论分析的正确性。     

一种改进的MUSIC方法

多级维纳滤波是一种降维算法,文中将多级维纳滤波引入到多重信号分类(MUSIC)算法中,提出了适合于MUSIC方法的多级维纳滤波器结构。该方法避免了采样数据协方差矩阵的特征值分解,降低了运算量。仿真结果证明了方法的有效性。