基于四阶累积量的空域矩阵滤波DOA估计算法

空域矩阵滤波器通过保持空域通带内的信号,抑制空域阻带内的干扰与噪声来提高DOA(Direction Of Arrival)估计的精度.本文使用二阶锥规划(Second-order Cone Programming)方法设计空域矩阵滤波器,利用滤波后数据的四阶累积量进行信号源到达角估计,以消除空域矩阵滤波作用时产生的色噪声的影响,从而提高信号源DOA估计的性能.此外,通过滑动空域矩阵滤波器的通带,还使得阵列具有估计多于阵元数目信号源到达角的能力.计算机仿真结果验证了算法的有效性.     

极化域-空域联合谱估计精度研究

研究了极化域-空域联合谱估计的精度问题。用克拉美-劳限(CRB)来衡量信号到达角和极化角的估计精度;利用Fisher信息矩阵求逆导出信号到达角和极化角CRB的解析表达式,得出采样点数和阵元数目对估计精度的影响; 通过单个信号源和两个信号源情形下的研究,得出估计精度与信号源位置、信噪比、信干比、信号特征参量之间的关系。     

抑制信号失配和非平稳干扰的鲁棒性自适应波束形成

本文针对信号失配和非平稳干扰问题,提出了一种鲁棒性较强的自适应波束形成方法.该方法通过考虑信号估计误差,在传统的线性约束最小方差的代价函数中引进信号协方差矩阵的估计误差并加入额外的波达角估计误差约束,通过一种高效的新型支持向量机训练算法计算权值;仿真结果表明该方法具有更好的鲁棒性.提高了波束形成器抑制信号估计失配和干扰非平稳性的能力.     

一种短数据阵列信号波达方向估计方法

针对传统子空间类算法在短数据测向的不足,提出一种基于稀疏信号描述的非参数最小均方迭代的幅度相位估计算法。该算法首先运用DAS波束形成对信号到达角进行初步估计,然后用最小均方误差准则及幅度相位估计算法( APES)对协方差矩阵进行迭代更新直至收敛。该方法能够在快拍数较少条件下进行DOA估计,且不需要估计信号源个数。理论分析和仿真实验表明其相对传统子空间类算法有较高的估计精度和分辨率。     

基于单分量提取的卷积盲分离算法

针对卷积盲分离问题,利用源信号之间相互独立的性质,提出一种基于单分量提取的联合块对角化算法依次估计各源信号对应的传输信道,以实现源信号分离.利用白化后观测数据相关矩阵的酉正交块对角化结构,改进最小二乘代价函数,将原函数中关于传输矩阵的四次函数转换为一组相互独立的子代价函数.每个子代价函数为三组待定参数的二次函数,用于估计一个独立信号块到达接收阵的子混迭矩阵.提出单分量提取的联合块对角化算法,交替估计各子代价函数中的三组待定参数,得到子信道混迭矩阵的估计,实现源信号的分离.实验结果表明,与经典的类Jacobi算法相比,所提算法收敛步骤大约减少20步,且收敛性能提高至少3dB,可快速有效地解决卷积盲分离问题.     

基于联合对角化的近场源参数估计

该文提出了一种基于联合对角化的近场源信号到达方向和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于阵列接收数据的高阶累积量矩阵的对角结构信息利用联合对角化方法估计近场信号的阵列方向矩阵,从而由阵列导向矢量联合估计信号源的到达方向和距离。与高阶ESPRIT方法相比,该方法能够提高阵元利用效率,同时不需要参数配对算法。计算机仿真实验证实了所给算法的有效性。     

基于最小方差谱估计的循环平稳信号 到达角估计方法

文章提出了基于最小方差谱估计的多循环频率到达角估计方法.通过对指数函数进行Jacobi-Anger展开,将目标方向矩阵近似分解为两个独立矩阵相乘的形式,并构造相应的变换矩阵,将多个不同循环频率处阵列输出信号循环相关函数矩阵进行叠加,再利用最小方差谱估计方法实现对目标到达角的估计.新方法克服了已有基于信号循环平稳特性估计方法只利用信号单个循环频率信息的不足.仿真结果证实了新方法的有效性,同时也证实该方法确实具有较单循环频率SC-SSF方法和传统宽带聚焦方法更好的估计性能.     

基于联合对角化的近场源三维参数估计

提出了一种基于联合对角化的近场源频率、到达角(DOA)和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于白化后的接收数据构造一组高阶累积量矩阵,利用联合对角化方法来得到高阶累积量矩阵的对角结构信息以及对角化矩阵来分别估计阵列流形和信号源的频率,进而由阵列导向矢量结合对应的信号源频率联合估计信号源的到达方向和距离。与基于高阶累积量的类ESPRIT方法相比,算法可以提高阵元利用率,具有更好的估计效果,同时不需要谱峰搜索且各参数自动配对,计算机仿真结果验证了该方法的有效性。     

基于联合对角化的近场源三维参数估计

提出了一种基于联合对角化的近场源频率、到达角（DOA）和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于白化后的接收数据构造一组高阶累积量矩阵,利用联合对角化方法来得到高阶累积量矩阵的对角结构信息以及对角化矩阵来分别估计阵列流形和信号源的频率,进而由阵列导向矢量结合对应的信号源频率联合估计信号源的到达方向和距离。与基于高阶累积量的类 ESPRIT方法相比,算法可以提高阵元利用率,具有更好的估计效果,同时不需要谱峰搜索且各参数自动配对,计算机仿真结果验证了该方法的有效性。     

估计信号到达角的一种快速算法

通过充分考虑相干信号源以及其回波的各个特性,本文首先提出了适合其特性的信号模型,并以此为基础对信号的某些特性进行深入分析,进而提出了基于FFT的对阵列信号到达角进行估计的快速算法.模拟仿真结果表明,在多个相干信源的前提下.本文提出的对信号到达角进行快速估计的算法是切实可行的,尤其适合在低信噪比和实时场合下使用.     

宽带聚焦数字波束形成技术

分析了宽带信号波束形成研究的应用背景，并概述其国内外研究现状以及所提出方法的基本思路和应用范围。根据最近提出的频率域频率不变波束形成技术需要进行方位角初次估计和进行多次奇异值分解的问题，提出了在任意传感器阵列存在误差和互耦的情况下，基于摄动方法的宽带信号方位估计算法。该方法在考虑阵列位置、增益和相位测量误差和阵元之间存在互耦的情况下，提出了聚焦矩阵的摄动算法；最后，利用聚焦求和窄带方位估计的方法对宽带信号进行方位估计。     

Comparative Analysis of ML-PSO DOA Estimation with Conventional Techniques in Varied Multipath Channel Environment

In the field of array signal processing, direction of arrival (DOA) estimation is a prime area of research. DOA estimation and adaptive beamforming (ABF) are the main issues in smart antennas, which dynamically find the direction of desired and interfering users and finds the optimum weights for beamforming. There are numerous spectral and eigen structure algorithms for estimating the direction of narrow band sources. However, in a complex multipath channel environment, received signals from different directions are fully or partially correlated, which prevents the applications of high resolution techniques to estimate the direction of incoming signals. Maximum likelihood (ML) is an efficient technique for DOA estimation in a low signal to noise ratio (SNR) and coherent channel environment. In this paper, we use particle swarm optimization (PSO) for estimating ML solution by optimizing complex non linear multimodal function over a high dimensional space in linear arrays. PSO-ML estimator has been compared with conventional DOA estimation techniques in uncorrelated, partially correlated and coherent channel environment. The performance of PSO-ML estimator and conventional algorithms are analyzed in varying partially correlated channel environment. The simulation results demonstrate that PSO based estimator gives superior statistical performance.     

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。      

混合信号情况下信源数与DOA联合估计算法

针对非相关信源与相干信源共存情况,提出了一种基于矩阵重构的信源数与波达方向（direction of arrival,DOA）联合估计算法.该算法首先利用特征值的二阶统计量（second order statistic of eigenvalues,SORTE）法和子空间旋转不变技术（estimated signal parameter via rotational invariance techniques,ESPRIT）实现非相关信源数与DOA估计;然后基于空间差分法消除非相关信号并构造新矩阵,利用构造矩阵进行前向空间平滑,实现对相干信源解相干;最后利用SORTE法检测相干信源数,结合求根多重信号分类（multiple signal classification,MUSIC）算法估计相干信源DOA.与传统的差分平滑方法相比,该算法在可估计信源数与低信噪比情况下DOA估计性能等方面优于传统算法.数值仿真实验结果验证了该算法的有效性.     

An efficient DOA estimation method in multipath environment

An efficient direction of arrival (DOA) estimation method is proposed with uniform linear array (ULA) in multipath environment. By applying a transformation, we can convert a constructed complex matrix to a real one, and then utilize the real matrix combined with our proposed criterion to estimate the DOAs of uncorrelated signals. Afterwards, the contributions of uncorrelated signals are eliminated, and then several new matrices without the information of uncorrelated signals are constructed to resolve the remaining coherent signals. The proposed estimation method overcomes the shortcomings of the existing methods and has satisfactory performance. Simulation results confirm the theoretical analysis and show the effectiveness of the proposed method.     

一种能有效接收相干信号的波束形成技术

在假设事先估计得到不相关干扰信号方向的条件下,本文提出了一种能有效接收相干信号的波束形成方法.该方法首先利用估计得到的不相关干扰信号的方向构造变换矩阵,然后基于变换矩阵估计得到期望信号和相干干扰信号的合成导向矢量,最后利用得到的合成导向矢量和阵列相关矩阵求得波束形成的权矢量.计算机仿真结果证实本文所提方法基本上达到理论上的最优性能,且能快速收敛.     

Two-dimensional direction of arrival estimation in the presence of uncorrelated and coherent signals

In this paper, a novel two-dimensional direction of arrival (2-D DOA) estimation method is proposed based on a new array configuration when uncorrelated and coherent signals coexist. The DOAs of uncorrelated signals are estimated using the non-zero eigenvalues and corresponding eigenvectors of the DOA matrix (DOAM) combined with our proposed criterion. Meanwhile, we can form a new matrix without the information of uncorrelated signals. Then the coherent signals are resolved with the redefined DOAM that is constructed by the smoothed matrices of the new matrix. Simulation results demonstrate the effectiveness and efficiency of the proposed method. Other arrays that contain multiple identical central-symmetric subarrays (e.g. uniform rectangular arrays) can also be applied with our method.     

波束空时分组编码的ICA盲检测方案

理论研究已经证明,结合波束形成和空时分组编码的混合系统与传统的单纯使用波束发射或空时编码的方案相比具有很大的性能提高;传统的译码方案是借助接收端的信道估计来实现的,它需要知道准确的信道状态信息(CSI)。但如果信道估计不易实现,则系统性能将受很大影响。独立分量分析(ICA)作为一种经典的盲信号分离技术可以在不进行信道估计的情况下对发射信号实现有效检测。本文针对接收端的信号结构提出了一种基于ICA的正交检测方案;并通过仿真将新方案与传统方案进行了性能比较。仿真结果表明,新方案具有较好的系统适应性和误码率特性。     

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。     

基于转换矩阵的GPS相干干扰抑制技术

本文首先采用空间平滑技术消除有用的GPS信号与相干干扰信号之间的相关性,然后构造干扰转换矩阵,从而抑制干扰信号,保留有用信号和噪声。最后根据最大输出信噪比原则,获得最佳波束形成器。仿真分析表明该方法可以有效提高输出信号的信号干扰加噪声比,且对信号的DOA估计不敏感。