On the Direction of Arrival (DoA) Estimation for a Switched-Beam Antenna System Using Neural Networks

A generic direction of arrival (DoA) estimation methodology is presented that is based on neural networks (NNs) and designed for a switched-beam system (SBS). The method incorporates the benefits of NNs and SBSs to achieve DoA estimation in a less complex and expensive way compared to the corresponding widely known super resolution algorithms. The proposed technique is step-by-step developed and thoroughly studied and explained, especially in terms of the beam pattern structure and the neuro-computational procedures. Emphasis is given on the direct sequence code division multiple access (DS-CDMA) applications, and particularly the Universal Mobile Telecommunication System (UMTS). Extensive simulations are realized for each step of the method, demonstrating its performance. It is shown that a properly trained NN can accurately find the signal of interest (SoI) angle of arrival at the presence of a varying number of mobile users and a varying SoI to interference ratio. The proposed NN-SBS DoA estimation method can be applied to current cellular communications base stations, promoting the wider use of smart antenna beamforming.      

阵列误差影响下的RBF神经网络波达方向估计

针对阵列误差(阵元间互耦、通道失配)影响下波达方向估计问题,提出一种新型的基于径向基神经网络侦察测向系统。这种系统采用直接数据域补偿算法对输入数据进行误差补偿,从而获得正确的基函数中心。在无需对RBF神经网络测向系统作任何改进的情况下,可获得对波达方向的准确估计。为了减少输入,利用信号协方差矩阵的对称性以及对角线元素不包含信号方向信息的特点,仅考虑协方差矩阵中的上三角部分元素作为网络输入。给出了应用该方法的具体步骤。仿真实验表明,基于这种RBF网络的侦察测向系统达到了很高的精度。     

累量域虚拟阵列二维波达方向估计算法

利用空间四阶累量的孔径扩展性质,构造了一种新的累量域虚拟阵列波达方向矩阵。由累量域虚拟阵列波达方向矩阵非零特征值的幅值和相位即可分别估计出信号源的方位角和俯仰角。本算法阵元利用率高,阵列布置灵活,由于采用了累量,通过适当布置阵列可压制任意分布噪声,获得较好的估计效果。     

矢量阵元阵列对Chirp信号极化和到达角的联合估计

针对LFM信号,利用分数阶傅里叶变换构造了一种新的空间极化时频分布:提出了基于L型矢量阵元阵列的二维到达角和极化联合估计算法。理论分析和仿真实验结果都表明,在低信噪比下该方法比已有的极化和到达角联合估计算法具有更好的性能。     

基于RBF神经网络的相关干涉仪测向方法

提出了一种新的基于径向基(RBF)神经网络的相关干涉仪测向方法,实现了自组织学习选取中心、正交最小二乘法及基于遗传算法的进化优选算法等训练方法,经训练后的RBF神经网络可用于多源信号波达角(DOA)估计。仿真结果表明,在一定范围内,该方法对信道噪声不敏感,测向精度与传统相关干涉仪相当,且测向处理时间和测向设备的存储量大大降低。     

一种基于余弦函数的相位干涉仪阵列DOA估计算法

该文针对相位干涉仪阵列估计波达角过程中的相位差模糊问题,提出一种基于余弦函数的波达角估计算法,并分析了该算法的估计值唯一性条件,该条件比相位差解模糊算法的唯一性条件更宽松。不同情况下的仿真结果表明,只要阵列的基线距离满足估计值唯一性条件,采用该算法能够有效进行高精度的波达角估计。     

均匀线阵互耦矩阵非Toeplitz条件下的DOA估计

理想条件下,均匀线阵的互耦矩阵可用一带状、对称Toeplitz矩阵进行建模。然而实测数据表明,均匀线阵的互耦矩阵具有对称性,但不具有Toeplitz性,此时仍按理想情况建模,会导致DOA估计不准甚至完全失效。基于RBF神经网络,提出了互耦矩阵非Toeplitz条件下的DOA估计方法。算法利用了信号协方差矩阵的对称性和对角线元素不含信号DOA信息的特点,取协方差矩阵的上三角的元素作为网络输入,不仅减少了网络的输入数,同时还提高了与阵列法线夹角60°外的DOA估计精度。实验仿真结果验证了算法的有效性。     

增益幅度不一致条件下波达方向估计方法

在各阵元增益不一致条件下,模型误差导致波达方向(DOA)估计性能恶化.Weiss等研究了一种对增益幅度误差不敏感的一维搜索估计方法,但存在DOA估计的模糊性问题.本文在增益幅度未知条件下,提出了一种新的基于广义特征值分解的DOA估计方法,并给出了模糊性问题分析、解模糊性方法及仿真实验结果.     

基于分层神经网络的宽频段DOA估计方法

该文提出了一种采用智能识别技术解决宽段来波方位估计的新方法。提取已知来波方位信号的协方差矩阵的上三角部分作为样本特征,然后构建区域估计和方位估计的分层模型,实现对未知来波方位的精确估计。所提出的分层方法降低了模型构造的复杂度,实现了宽频段来波方位估计。给出了应用该方法的具体步骤。仿真实验结果表明,该方法具有很高的测向精度,具有广阔的应用前景。     

互质阵中基于降维求根的波达角估计算法

该文提出互质阵中基于降维求根的波达角(DOA)估计算法。互质阵包含两个稀疏均匀线性子阵,拥有互质的阵元间距和阵元数目。该算法基于子阵间的互协方差,利用较长子阵中的旋转不变性扩展较短子阵的虚拟孔径。然后通过矩阵分块构造噪声子空间,并将来自两个子阵的2维参数估计问题降维为1维求根问题,获得自动配对的2维模糊参数估计。最后由这2维模糊参数可恢复出两组参数,根据互质性从两组参数估计的交集中可以获得无模糊的高分辨率DOA估计。相比互质阵中的联合多重信号分类(MUSIC)算法和联合旋转不变技术(ESPRIT)算法,该算法无需特征分解,复杂度低,但可获得更精确的DOA估计,处理更多的信源,并且对色噪声有更强的鲁棒性。多个仿真结果均验证了所提算法的有效性。     

不同阵列流形下的二维DOA估计性能

研究了几种不同二维阵列流形,通过一个统一的模型,仿真分析了简单的二维阵列、均匀方阵、均匀圆阵、随机方阵和半圆阵的到达方向（DOA）估计性能。从仿真结果可以得出,均匀方阵的DOA估计性能较好,均匀圆阵相位易于控制,半圆阵与圆阵的DOA估计性能差别很小,但是半圆阵减少了大量的阵元数。     

适用于二维阵列的无格稀疏波达方向估计算法

针对现有的适用于2维阵列的无格稀疏波达方向(DOA)估计方法性能不足的问题,该文提出一种新的方法。对2维阵列,从原子L0范数出发,证明其值等于一个以矩阵秩为目标函数的半定规划(SDP)问题的最优解。对该矩阵使用第1类有限阶贝塞尔函数近似表达,构造新的秩优化SDP问题。根据低秩矩阵恢复理论,对该SDP问题的目标函数使用log-det函数方法平滑替代,然后使用优化最小(MM)算法求解,最后通过(半)正定Toeplitz矩阵的范德蒙分解方法实现无格DOA估计。在MM算法求解模型时,使用样本协方差矩阵构造初始优化问题,减少算法迭代。仿真实验结果表明,相较于基于网格的MUSIC和其他无格DOA估计方法,该文方法具有更好的均方根误差(RMSE)性能与对相邻源的分辨能力;在快拍数充足且信噪比(SNR)较高时,适当的第1类贝塞尔函数阶数选择可以实现与较大阶数接近的RMSE性能,同时能减少运行时间。

     

增益相位误差下基于部分校准嵌套阵列的DOA估计

现有的波达方向（Direction of Arrival,DOA）估计方法大多依赖于阵列导向矩阵的精确无偏条件,而实际工程中由于时钟偏移、阵元位置偏差的存在导致该条件往往难以满足.为匹配阵列实际接收条件,本文基于部分校准嵌套阵列,提出了一种增益相位误差下的DOA估计新方法.该方法首先利用连乘子函数和简单的代数运算完成初始增益相位误差估计,然后通过协方差矩阵向量化和稀疏表示理论构建具有连续自由度的稀疏表示向量模型,最后考虑有效样本的影响,在初始增益相位误差估计的基础上应用稀疏总体最小均方（Sparse total least squares,STLS）算法完成波达方向估计.本文所提方法不仅对阵列增益相位误差不敏感,而且可依靠嵌套阵列高自由度特性和STLS算法的抗扰动特性获得改进的分辨率和估计精度,计算机仿真结果验证了所提算法的有效性.     

基于Hopfield神经网络的多传感器通信系统资源分配

无线传感器网络(WSN)主要通过许多传感器以自组织与多跳的方式组成无线网络,以协作地感知、采集、处理和传输具体范围内被感知对象的信息,在此基础上,最后将其传输至网络所有者。     

基于四阶循环累积量的DOA估计方法

提出了一种新的波达方向估计算法,该算法构造了一个“谱相关DOA矩阵”,并基于此矩阵进行DOA估计。理论分析表明,通过谱相关矩阵的特征值分解,就可以得到源信号的DOA,该方法不需要进行谱峰搜索,同时利用循环平稳特性,可以有效抑制平稳噪声和滤除与信号循环频率不同的干扰信号,从而大大提高了算法的检测能力。另外还给出了相干信号DOA解决方法。     

极化敏感阵列到达方向估计方法的FPGA实现

针对将传统的复数多重信号分类(MUSIC)算法直接嵌入现场可编程门阵列(FPGA)将消耗大量硬件资源和计算时间的问题,该文提出基于极化敏感阵列的实数化的MUSIC算法的FPGA实现方案。利用圆形分布极化敏感阵列的中心对称特性,提出一种实数化预处理方法,该方法直接对接收信号做线性变换,从而简化极化MUSIC算法的后续计算。该FPGA方案通过协方差矩阵模块并行计算、特征值分解模块采用多级清扫的并行Jacobi算法、多尺度谱峰搜索和各个模块的流水线工作来减少算法耗时。试验结果表明,与复数极化MUSIC算法相比,该方案大大降低了硬件资源消耗和时间消耗。     

采用Radon-Wigner变换的二维波达方向估计

针对宽带多线性调频信号2维波达方向(2-D DOA)估计精度低的问题,该文提出了一种基于Radon-Wigner变换(RWT)的2-D DOA估计方法。该方法利用RWT在多目标环境下能够有效抑制交叉项干扰和噪声,具有很好的时频汇聚性特点,通过峰值搜索确定目标个数并重构信号阵列,最后利用MUSIC空间谱分析方法实现了对多个LFM信号的2-D DOA估计。仿真实验表明,基于RWT的DOA估计方法能对非平稳信号进行有效的2-D DOA估计。     

基于相位干涉仪阵列多组解模糊的波达角估计算法研究

该文针对利用相位干涉仪估计波达角过程中的相位模糊的问题,提出了一种利用多个相邻阵元之间的相位差以及它们的间距比进行多组解模糊的方法,并且分析了这种方法得到正确波达角估计值的条件。仿真试验验证了上述结论的正确性。     

Multi-Source DOA Estimation Using an Acoustic Vector Sensor Array Under a Spatial Sparse Representation Framework

This paper investigates the estimation of the two-dimensional direction of arrival (2D-DOA) of sound sources using an acoustic vector sensor array (AVSA) within a spatial sparse representation (SSR) framework (AVS-SSR-DOA). SSR-DOA estimation methods rely on a pre-defined grid of possible source DOAs and essentially suffer from the grid-effect problem: Reducing the size of the grid spacing leads to increased computational complexity. In this paper, we propose a two-step approach to tackle the grid-effect problem. Specifically, omnidirectional sensor array-based SSR-DOA estimation firstly provides initial low-cost DOA estimates using a coarse grid spacing. Secondly, a closed-form solution is derived by exploring the unique subarray manifold matrix correlation and subarray signal correlation of the AVSA, which allows for DOA estimates between the pre-defined angles of the grid and potentially achieves higher DOA estimation accuracy. To further alleviate the estimation bias due to noise and sparse representation model errors, line-fitting (LF) techniques and subspace techniques (ST) are employed to develop two novel DOA estimation algorithms, referred to as AVS-SSR-LF and AVS-SSR-ST, respectively. Extensive simulations validate the effectiveness of the proposed algorithms when estimating the DOAs of multiple sound sources. The proposed AVS-SSR-ST algorithm achieves high DOA estimation accuracy and is robust to various noise levels and source separation angles.     

增益幅度不一致条件下的SRI算法

阵元增益不一致导致ESPRIT算法的波达方向(DOA)估计性能恶化.本文提出了一种新的利用子空间旋转不变性(SRI)的DOA估计算法,将DOA信息包含于矩阵的特征值估计中,但对增益幅度误差不敏感.由于未利用增益幅度信息,DOA估计结果可能存在模糊性,本文给出了解模糊方法及仿真实验结果.