互质线阵中一种基于共轭增广的DOA估计算法

论文开展互质线阵下的空间谱估计研究。通过利用信号二阶统计量的共轭增广特性,提出互质阵下基于共轭增广的酉旋转不变性进行信号参数估计 (Conjugate augmented unitary estimation of signal parameters via rotational invariance technique, CA-UESPRIT)波达方向(Direction of arrival, DOA)估计算法。该算法先利用不同时长间隔下接收信号的二阶统计量,构造共轭增广虚拟阵列以扩展阵列孔径和提高空间自由度。然后采用基于互质特性的联合UESPRIT算法实现DOA估计。相比于传统互质线阵下的联合UESPRIT算法,CA-UESPRIT算法DOA估计性能更优。此外,通过酉变换可以将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了复杂度的同时保证了测向精度。仿真结果证实了所提算法的有效性。     

基于移位内插互质阵列高分辨DOA估计

针对互质阵列现有算法中可估计信源数少,自由度仍低的问题.提出一种新的虚拟域波达方向(DOA)估计算法.首先,对一般互质阵列改进形成移位互质阵列,通过差集数组形成虚拟阵列,增加了阵元个数,提高了阵列自由度;其次,通过虚拟阵元内插对虚拟域中缺失孔洞进行填充,形成连续虚拟阵列;最后,通过最小化原子范数的设计和内插虚拟阵列协方...     

基于ResNet的和差共阵DOA估计

传统互质阵列的差分共阵存在“空洞”,即缺少一些虚拟阵列元素。论文采用和差共阵形成更大尺寸的连续虚拟阵列,保留了传统的互质阵列配置,同时,将残差网络（ResNet）应用于到达方向（DOA）估计算法。论文采用的算法先将和差共阵输出的空间平滑矩阵处理后,得到特征数据,然后输入到ResNet中,将DOA估计转变为特征数据和DOA之间的非线性映射关系。通过ResNet对信号分类来实现DOA估计,相比于传统的互质阵列,基于ResNet的和差共阵DOA估计算法具有更强的准确性和适应性。     

MIMO阵列中基于PM和降维变换的高效DOA估计算法

在这篇论文中,我们讨论MIMO阵列中的高效DOA估计方法。由于PM算法不需要对互相关矩阵进行特征值分解,也不需要对接收的数据进行奇异值分解,因此它的计算量可以显著的变小。因此MIMO阵列中基于PM算法和降维变换的DOA估计方法被提出了,而且这种提出的算法比PM算法有更低的计算复杂度。这种算法在没有频谱搜索的情况下效果很好。此外,它比PM算法的角度估计性能稍好。DOA估计中的估计误差的方差和克拉美罗界也可以导出。仿真结果验证了提出的算法的有效性。     

基于遗传算法的均匀圆阵DOA估计研究

用遗传算法对均匀圆阵进行目标的方位角估计,引入确定性最大似然准则确定遗传算法中的适应度函数,利用模式空间变换方法将均匀圆阵转换为虚拟线阵.通过计算机仿真验证算法在低信噪比的情况下有很好的收敛性和稳定性.     

基于低管秩张量分解的互质阵列自适应波束成形算法

互质阵列因其大阵列孔径和高自由度特性在波束成形领域受到广泛关注.为了充分利用该特性,近年来学者们提出了基于孔洞填充的算法,有效提高了互质阵列波束成形的性能.然而,这些算法存在计算量大、噪声鲁棒性弱等缺点,难以适应复杂多变的实际环境.为此,本文利用张量的多维结构在参数估计上的性能优势,提出了一种基于低管秩张量分解的互质阵列自适应波束成形算法.首先将互质阵列的多采样虚拟信号矩阵重排为张量形式,利用其低管秩特性补全缺失的互相关信息;然后从补全后的张量数据中提取信号参数,并与目标先验进行匹配,最终得到波束成形权矢量.本算法分别利用ADMM和Tucker分解提高了张量补全和分解的运算效率;所设计的目标匹配方案也有效控制了算法误差.仿真结果展示了本算法在性能和计算复杂度相对于现有方法的优势,尤其是在低信噪比和少采样数的情况下.     

电磁矢量互质阵中基于降维Capon的DOA和极化估计算法

将传统电磁矢量均匀阵列推广为电磁矢量互质阵列,突破了阵元间距不大于半波长的限制。提出了电磁矢量互质阵列中基于降维Capon的波达方向（Direction of arrival,DOA）和极化联合估计算法。该算法无需假设已知极化信息,且只需一维搜索,避免了多维搜索,可实现DOA和极化参数自动配对;与相同阵元数的均匀阵列相比,明显提高了角度估计性能,并拓展了天线孔径,具有相对较高的自由度,且降低了运算复杂度。相同阵列及参数条件下,本文算法的角度估计性能优于ESPRIT算法和三线性分解算法。     

基于FRFT的均匀圆阵DOA估计

针对广泛应用于第三代移动通信系统中的均匀圆阵,将分数阶Fourier变换的时频特性和分数阶Fourier域波束形成技术相结合,给出一种多分量LFM信号的波达方向估计算法。与其他方法相比,该算法在一定程度上提高了精确度。仿真验证了在多径和多普勒频移存在的复杂信道中算法的有效性。     

稀疏互质阵列的迭代加权l_1范数约束来波方向估计

在阵元数确定的情况下,稀疏互质阵列能增大阵列孔径。为利用阵列的互质关系形成具有更多自由度的互质差合成阵列,采用稀疏重构方法,提出一种迭代加权l_1范数约束波达方向(DOA)估计算法。通过矢量化对稀疏互质阵列进行孔径扩展,进而在相应的过完备基下获得观测模型的l_0范数约束稀疏重构,再用加权l_1范数约束代替l_0范数约束重构方法,采用多次迭代运算求取最优解实现DOA估计。实验结果表明,该算法能够更好地利用稀疏互质阵列的阵列孔径,提高测向精度,并且通过迭代运算来弥合l_1范数约束与l_0范数约束之间的差别,克服传统l_1范数约束类算法存在估计偏差的缺点。     

基于互质阵的循环平稳信号低复杂度欠定DOA估计算法

针对现有大多数循环平稳信号DOA估计算法复杂度较高、估计精度低无法实现对有用信号的欠定估计问题,提出了一种基于互质阵的循环平稳信号低复杂度、欠定DOA估计算法.算法的主要思想是利用互质阵良好的稀疏特性,通过矢量化处理构造虚拟阵列模型,扩展阵列孔径,实现阵列自由度的提升.首先,算法构造了互质阵输出的循环自相关矩阵,然后进行矢量化处理得到最大连续虚拟阵元部分,给出其谱峰搜索的表达式.最后,为降低计算复杂度,对算法进行改进,应用多项式求根的方法直接求解DOA估计值.仿真结果表明,所提算法能实现对有用信号的欠定估计,计算复杂度较低,且相比于大多数的循环平稳信号DOA估计算法,所提算法估计自由度和估计精度有了进一步的提升.     

面阵中基于传播算子的二维DOA估计算法

考虑面阵中的二维波达方向（DOA）估计问题,提出了一种基于传播算子（PM）的二维DOA估计算法。该算法利用4个子面阵接收数据的互相关矩阵构造新的数据矩阵,利用线性运算代替特征分解得到旋转不变关系矩阵,由该关系矩阵得到方位角与俯仰角的参数估计。所提算法的波达方向估计性能优于传统的面阵二维ESPRIT算法,且降低了计算复杂度,提高了阵列接收数据的利用率和算法的抗干扰能力。算法可以实现二维角度的自动配对。仿真实验证明了算法的有效性。     

基于阵列单通道的信源数目和DOA联合估计方法

基于阵列单通道系统,提出了一种新的宽带信号高分辨参数估计方法。利用带通信号的重构理论,建立了新的阵列单通道时域空间谱估计模型。而后推导了信源数目和时延的联合后验概率密度函数。运用改进的混合可逆跳转马尔科夫链蒙特卡罗（Reversible Jump Markov Chain Monte Carlo,RJMCMC）方法实现了信源数目和波达方向（Direction Of Arrival,DOA）联合估计。模型构建不受信号相关性限制。仿真结果证实了方法的正确性和估计性能的提高。     

DOA estimation based on the difference and sum coarray for coprime arrays

In this paper, we construct a novel coarray named as the difference and sum (diff–sum) coarray by exploiting an improved Conjugate Augmented MUSIC (CAM) estimator, which utilizes both the temporal information and the spatial information. The diff–sum coarray is the union of the difference coarray and the sum coarray. When taking the coprime array as the array model, we find that the elements of the sum coarray can fill up all the holes in the difference coarray. Besides, the sum coarray contains bonus uniform linear array (ULA) segments which extend the consecutive range of the difference coarray. As a result, the consecutive lags of the diff–sum coarray are much more than those of the difference coarray. For analysis, we derive the hole locations and consecutive ranges of the difference set and the sum set, discuss the complementarity of the two sets, and provide the analytical expression of the diff–sum virtual aperture. Simulations verify the effectivity of the improved method and show the high DOF of the diff–sum coarray.     

基于完美抽样的阵列单通道DOA估计方法

提出了一种新的基于接收通道轮流采样的阵列单通道波达方向估计算法.该算法通过射频开关控制接收通道轮流对各阵元进行采样建立新的阵列单通道窄带信号频域空间谱估计模型,基于该模型推导了来波方向的后验概率密度函数,结合马尔科夫链蒙特卡洛方法(MCMC),提出一种新的完美抽样策略,实现了波达方向(DOA)的估计.仿真实验结果表明,该方法参数估计性能好,分辨率高,不但保持了原贝叶斯最大后验概率估计方法的优越性能,而且收敛速度更快.     

基于CS理论的LFM信号DOA估计

针对常用LFM（linear frequency modulated）信号DOA（direction of arrival）估计算法采样数据量大,在低信噪比情况下估计效果不理想的问题,提出一种基于CS（compressed sensing或compressive sampling）理论的LFM信号DOA估计新方法。实验仿真验证了CS理论的基本原理及运用其进行LFM信号DOA估计的可行性。     

基于声矢量阵小样本数据的DOA估计研究

根据水下目标在其到达方位(DOA)搜索空间的稀疏性,采用稀疏分解理论实现了小样本、低信噪比条件下的声矢量阵DOA估计。通过分析,构造出基于声矢量阵阵列流型形式的过完备原子库,并采用正交匹配追踪算法得到目标的DOA估计。通过仿真,基于稀疏分解的声矢量阵DOA估计算法对单快拍数据进行处理,即可得到比较准确的DOA估计结果。对湖试数据进行了处理,验证了算法的有效性和优越性。