一种联合估计近场源四维参数的方法

该文提出了一种近场窄带信源频率、仰角、方位角和距离四维参数的联合估计方法。该方法利用特征值及其相应特征向量和四阶累积量估计信号参数,不需要进行谱峰搜索,并且适用于加性高斯噪声环境。计算机仿真实验证明了该方法的有效性。     

一种新的近场源三维参数联合估计方法

提出了一种新的近场源频率、波达方向和距离的三维参数联合估计算法.基于阵列接收数据的高阶累积量,构造了三个适当的矩阵束,它们的广义特征值的相位给出频率、到达方向和距离的估计,同时其特征值的幅度实现三维参数的自动配对.该算法的参数估计有闭式解,无需复杂的搜索过程,且其参数自动配对.由于算法使用了四阶累积量,所以适用于任意结构的加性高斯噪声环境.计算机仿真实验证实了所给算法的有效性.     

单矢量水听器二维DOA和频率联合估计算法

基于单矢量水听器,利用时延数据构造两个阵形相同的子阵,运用LS-ESPRIT方法,对信号数据矩阵进行特征值分解,提取其特征值和相应的特征向量中包含的频率和角度信息,从而实现单频窄带信号的二维DOA和频率的联合估计。具有较好的估计精度,无需搜索过程并且能够实现三维参数的自动配对。使用MATLAB进行仿真,与基于单矢量水听器的波达方向矩阵法和基于声压阵的LS-ESPRIT方法进行比较,结果表明,该方法具有较好估计性能。     

一种水下多目标方位、频率、距离联合估计新方法

本文提出了一种可在单次回波内同时完成多目标方位、频率、距离(时延)三维参数联合估计的高分辨新方法,它借用ESPRIT方法的思路构造两个空间子阵,通过对其自相关矩阵和互相关矩阵的广义特征分解,用特征值估计多目标方位,用特征向量估计多目标回波的频率,再用估计得到的频率去修正包络时延向量进而得到目标时延估计.三维参数的配对由特征向量和特征值的对应关系自动完成.计算机仿真结果表明,该方法在较低的信噪比条件下可以实现三维参数的高分辨联合估计,而且无需额外的配对算法.作者还进行了多目标三维参数联合估计的消声水池实验,也取得了较好的结果,表明该方法对阵列误差有较好的稳健性,具有良好的工程应用前景.     

一种低均谷比广义PN序列搜索方法

讨论了利用训练序列进行信道估计的精度问题,提出了一种利用频域均谷比衡量信道估计精度的方法,并给出了一种搜索最小均谷比广义PN序列的方法.     

一种基于ESPRIT的改进算法

在目标波达方向估计的众多算法中,ESPRIT算法是一种运算速度较快、估值精度较高的常用算法.在该算法中,利用两个相同平移阵列接收信号的协方差矩阵进行广义特征值分解,进而求出目标波达方向的高分辨率估计,但是由于需要对协方差矩阵进行广义特征值分解运算,大大增加了计算的复杂度,因而不利于在工程应用中实现.本文提出了一种基于ESPRIT的改进算法,不需要对来波信号的协方差矩阵进行广义特征值分解,就可以实现对目标波达方向的高分辨估计,理论分析和仿真结果证明了该改进算法的有效性和可行性.     

基于矩阵束的MIMO雷达低仰角快速估计方法

针对多径效应的影响,提出了一种基于矩阵束的MIMO雷达低仰角快速估计方法。该方法同时考虑了发射多径信号和接收多径信号,采用单样本数信号矢量构造了一个前后向矩阵束,并利用两个酉矩阵对该矩阵束进行降维处理,最后采用广义特征值分解的总体最小二乘法来估计目标角度。算法不需要估计数据协方差矩阵,可在低信噪比和单样本数情况下,有效地克服多径效应,实现同时多目标低仰角估计,相比最大似然算法,避免了谱峰搜索,计算量小。仿真结果验证了该算法的有效性。     

一种估计多信号频率的快速子空间方法

多重信号分类（Multiple Signal Classification,MUSIC）法在估计多信号频率时需要对采样数据序列的自相关矩阵进行特征值分解，并准确划分出信号和噪声子空间，使得其计算量比较大。利用自相关矩阵的Toeplitz特性快速计算其逆矩阵，通过计算逆矩阵的多次幂来逼近噪声子空间，避免了MUSIC法的特征值分解和估计信号个数的过程。在谱峰搜索环节，采用先粗估计频率值再在小区间进行精细搜索的策略，能够避免搜索无用的频率范围。计算量比较分析以及与理论克拉美罗界（Cramer-Rao Bound,CRB）的对比验证结果表明，快速方法性能与MUSIC法相当，能够较好地逼近CRB，且计算量更小，适合实时性要求高的应用场合。     

一种基于高阶累积量的近场源距离、频率和方位联合估计算法

本文提出了一种基于高阶累积量的近场源距离、方位及频率三维参数联合估计方法,该方法利用构造的累积量矩阵的特征分解获得信号子空间,三维参数估计分别由构造的矩阵的特征值直接估计得到,算法计算简单而无需任何搜索且适于任意高斯噪声环境,与现有的方法相比,本文算法由于无需利用阵列的中心对称结构,因而有效的避免了阵列的孔径损失.最后,计算机仿真实验验证了算法的性能.     

基于传播算子的Root-MUSIC算法

传播算子（PM）法不需要进行复杂的特征值分解,减小了计算量,但仅在信噪比较高的情况下才有较好的波达方向估计性能,且谱峰搜索仍需要较大计算量。在此基础上提出了一种改进的算法PM-Root-MUSIC,它不需要特征值分解,同时用多项式求根代替谱峰搜索,大大减少了计算量。理论分析和计算机仿真结果表明此方法是有效的。     

一种快速分布式目标波达方向估计新方法

在现有的分布式目标波达方向估计方法中,绝大部分算法需要一维或二维搜索,而在不需搜索的特征分解类算法中,其DOA估计精度又受快摄数积累的影响。文中在对分布式目标的角信号密度函数进行合理假设基础上,利用波达方向参数在超完备基空间上的稀疏表示,在单次快摄情况下即可给出分布式目标中心波达方向的快速估计,算法在分布式目标快变环境下尤为有效。仿真结果证明了方法的有效性及可行性。     

Fast DOA estimation of incoherently distributed sources by novel propagator

A low-complexity algorithm is presented for the estimation of the nominal direction-of-arrivals (DOAs) of incoherently distributed (ID) sources. The presented algorithm estimates the nominal DOAs of ID sources by a novel propagator method which makes use of the approximate rotational invariance relationship between two closely spaced identical uniform linear arrays. Without any search and the eigendecomposition of the sample covariance matrix, our algorithm can provide lower computational complexity than other known methods. In addition, it can be applied to the multisource scenario with different angular distribution shapes. Simulation results prove the effectiveness of the presented algorithm.     

阵列互耦条件下相干信源DOA估计算法研究

针对阵列互耦条件下相干信源到达方向（DOA）估计的问题,利用均匀线阵互耦矩阵的带状循环特性及对称Toeplitz性,提出了一种基于改进的空间平滑算法的信源DOA估计算法。该算法无需阵元的互耦参数信息,只需一维谱峰搜索,避免了通常多参数联合估计的多维非线性搜索及迭代运算;由于采用改进的空间平滑算法,所以该算法具有很好的统计估计性能。计算机仿真结果验证了该算法的正确性和有效性。     

基于重加权?1范数惩罚的远近场混合源定位算法

现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况。为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法。该算法利用阵列协方差矩阵反对角线元素和重加权l1范数惩罚获得所有信源的到达角（Direction Of Arrival, DOA）估计。在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计。从理论角度分析了重加权l1范数惩罚算法的重构性能。本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度。计算机仿真结果验证了所提算法的有效性。     

Distributed source localization using ESPRIT algorithm

A new algorithm based on ESPRIT is proposed for the estimation of the central angle and angular extension of distributed sources. The central angles are estimated using TLS-ESPRIT for both incoherently distributed (ID) and coherently distributed (CD) sources. For CD sources, the extension width is estimated by constructing a one-dimensional (1-D) distributed source parameter estimator (DSPE) spectrum for each source. For ID sources, the extension widths are estimated using the central moments of the distribution. The algorithm can be used for sources with different angular distributions     

混合信源波达方向估计算法

本文针对非相干混合点信源和分布式信源,提出了一种基于对称均匀线阵的波达方向估计算法。该算法利用点信源和分布式信源协方差矩阵结构的不同,采用空间差分技术将两种信源分离。对于点信源,采用传统MUSIC算法估计其波达方向;对于分布式信源,利用信号子空间的旋转不变性来估计其波达方向。该算法不仅消除了点信源对分布式信源的影响,也无需估计分布参数,大大降低了计算复杂度。且采用2N+1个阵元的对称均匀线阵可估计出 2N 个混合信源,其中分布式信源最多为 N 个,有效减小了阵列的孔径损失。仿真结果表明该算法的性能优于广义特征值分解的算法。      

基于互相关抽样分解的分布式非圆信号DOA快速估计

在非相干分布式非圆信号波达方向(DOA)估计中,针对利用信号非圆特性后输出矩阵维数扩展带来的较大运算量问题,该文提出一种基于互相关抽样分解的DOA快速估计算法。该算法仅需要从子阵间的扩展互相关矩阵中抽样出少量行元素和列元素,构成两个低维子矩阵,进而通过低秩近似分解便可快速地同时求出左右奇异矢量,即分别对应两个子阵的信号子空间,避免了计算整个互相关矩阵及其奇异值分解运算;最后利用两个子阵信号子空间的旋转不变性通过最小二乘得到DOA估计。仿真分析表明,当行列抽样数大于信源数的两倍时,所提算法与直接基于互相关矩阵奇异值分解的非相干分布式非圆信号DOA估计算法性能相近,但复杂度得到了大幅度降低;而相比于传统的低复杂度非相干分布源DOA估计算法,所提算法利用信号非圆特性具有更高的估计性能。     

基于双平行线阵的相干分布源二维DOA估计

针对现有相干分布源二维波达方向(DOA)估计算法存在的一些问题,基于双平行均匀线阵提出了一种相干分布源二维DOA估计新算法。利用旋转不变的思想并结合传播算子法来估计相干分布源的二维中心DOA。无需谱搜索和对样本协方差矩阵做特征分解,和传统算法相比,其计算复杂度更低。此外,还给出了详细的参数配对过程,因而能够应用于多源场合。算法在小角度扩展条件下估计性能良好,其性能甚至接近于一维交替搜索算法。算法还是一种对角分布先验知识盲的估计。仿真结果证实了算法的有效性。     

相干分布源DOA与角度扩展估计求根算法

论文提出了一种具有低复杂度的相干分布源波达方向和角度扩展估计算法。该算法将点源模型中的求根MUSIC算法推广应用至分布源模型。利用空间频率下的相干分布源广义方向矢量可以表示成参数去耦形式的结构特点,并根据相干分布源的角信号密度函数,构造参数估计的多项式求根形式,然后通过交替迭代的求根方法得到分布源的中心波达方向和角度扩展的估计值。该算法参数估计性能与DSPE算法相当,其计算复杂度要远小于DSPE算法,并且适用于不同分布类型的相干分布源同时存在的情况。计算机仿真验证了算法的性能。      

互相关矩阵重排获取信号子空间的二维DOA估计算法

本文提出一种L型阵列的二维子空间DOA估计算法,该算法通过重排阵列接收数据的互相关矩阵获取信号子空间,然后根据信号子空间生成一个二维谱函数,最后通过二维搜索估计信号的来波方向。由于该算法采用二维谱峰搜索,所以不需要对俯仰角和方位角进行配对。与二维MUSIC算法相比,该算法的估计精度略有下降,但该算法不需要对矩阵做特征值分解,计算量降低且易于实现。文中给出了该算法的推导过程和具体实现步骤,并进行了实验仿真,仿真结果说明了算法的有效性。