一种适用于小样本的迭代多重信号分类算法

当样本数不足时,由采样协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得多重信号分类(MUSIC)算法目标角度(DOA)估计性能下降。为了解决这个问题,该文提出了一种迭代算法通过校正信号子空间来提高MUSIC算法性能。该方法首先利用采样协方差矩阵特征分解得到的噪声子空间粗略估计目标角度;其次基于信源的稀疏性和导向矢量的低秩特性,由上一步得到的目标角度以及其邻域角度对应的导向矢量构造一个新的信号子空间;最后通过解一个优化问题来校正信号子空间。仿真结果表明,该算法有效地提高了子空间估计精度。基于新的信号子空间实现MUSIC DOA估计可以使得性能得到改善,且在低样本数下改善尤为明显。     

一种DOA估计的快速子空间算法

MUSIC算法是一种属于特征结构的子空间超分辨方法，该算法性能优良，但需要估计协方差矩阵并对其进行特征分解，运算量大，很费计算时间。本文对波这方向估计问题进行了研究并提出了一种采取降维处理的快速子空间算法，该算法利用阵列协方差矩阵的一个子矩阵快速得到信号子空问，无需特征分解，且无需估计整个协方差矩阵，只需估计该子矩阵，故快速算法运算复杂度远低于MUSlC算法，而性能损失并不太大。理论分析和计算机仿真结果表明此方法是有效的。     

一种用于无线通信DOA估计的改进MUSIC算法研究

MUSIC算法是一种空间谱估计算法,在对宽带信号进行空间谱估计时,该算法需要较长的观测时间来估计协方差矩阵,不利于高速运动目标的定位。提出了基于驾驶协方差矩阵(STCM)的MUSIC算法,该算法首先对每个频带的CSDM进行特征分解,然后利用各频带的噪声子空间求得噪声空间的STCM,进而利用噪声空间的STCM直接得到整个宽带信号的空间谱估计结果。仿真表明该算法在保证高分辨率的同时,需要较短观测时间,适用于较低信噪比、具有较小观测方差。     

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。     

一种快速DOA估计算法

MUSIC算法需要将天线阵列接收数据的协方差矩阵进行特征分解,并在全空域进行谱峰搜索。该算法具有很高的分辨力、估计精度及稳定性,但是运算量巨大,难以实时实现。通过对等距线阵特点及MUSIC算法的研究,提出了一种无需特征分解和在全空域进行谱峰搜索的快速算法,算法采取降维处理的方法快速估计信号子空间,然后根据基于阵列一次快拍的FFT算法粗略估计的局域信号空间进行谱峰搜索,从而有效降低了算法的计算量,理论分析和计算机仿真结果证明了该算法的有效性。     

对称矩阵特征值分解的FPGA实现

针对应用于MUSIC DOA估计的数据协方差矩阵特征值分解的需要,给出一个特征值分解的硬件实现方案,并阐述了基本思想。设计采用基于CORDIC的Jacobi算法实现实对称矩阵特征值分解,并在FPGA上对5×5矩阵进行了硬件仿真,经过理论分析和实验验证,该设计可以计算出全部特征值和特征向量,为MUSIC算法的FPGA实现奠定了基础。     

一种对称α稳定分布噪声环境下DOA估计新算法

脉冲噪声环境下波达方向(DOA)估计是阵列信号处理领域一个新兴研究方向。针对α稳定分布噪声环境下经典MUSIC算法性能退化的问题,提出了一种新的基于非线性压缩核函数(NCCF)的DOA估计算法。该算法利用基于NCCF的有界矩阵代替了MUSIC的协方差矩阵,通过对有界矩阵进行特征分解确定信号子空间和噪声子空间,借用MUSIC谱估计公式进行谱峰搜索,得到DOA的估计值。仿真结果表明,NCCF-MUSIC算法运算复杂度较低,相比于基于分数低阶统计量(FLOS)的MUSIC方法和基于广义类相关熵(GCAS)的MUSIC算法,该方法具有更好的准确度和稳定性。     

基于MUSIC算法对相干信号DOA估计的研究

空间谱估计是阵列信号处理中的一个重要研究课题。针对经典MUSIC算法在入射源相关的情况下测向失败的问题,通过前后向空间平滑MUSIC算法,利用子阵平滑恢复数据协方差矩阵的原理进行解相干,进而对入射源的波达方向（DOA）进行估计。仿真结果证明：前后向空间平滑算法不仅能估计出空间相互独立信号源的波达方向,还能有效分辨出相干信源的到达角度,且具有较高的分辨能力和估计精度。     

估计间隔较近信源的修正MUSIC算法

针对信源间隔比较近情况下波达方向(DOA)估计性能下降的问题,提出一种修正MUSIC(MMUSIC)算法。该算法通过利用协方差矩阵的共轭信息,重构协方差矩阵,再由奇异值分解(SVD),构造低秩矩阵,用这两个矩阵噪声子空间的平均构造空间谱,通过谱峰搜索估计出信源的DOA。相比于经典MUSIC算法和空间平滑类算法,该算法能有效解相干,且不损失阵列孔径,而且提高了在信源间隔比较近且信噪比低条件下DOA分辨能力。计算机仿真验证了该算法的有效性。     

多级维纳滤波在子空间类测向算法中的应用

以MUSIC为代表的子空间类测向算法运算量很大。利用多级维纳滤波的正交分解特性,提出一种快速估计子空间的方法,避免了协方差矩阵的特征值分解,降低该算法的运算复杂度。采用多级维纳滤波的前向递推,将予空间的估计变成一系列的简单运算,提高处理速度．     

基于时间反转的MIMO雷达实值MUSIC算法

针对时间反转(TR)多输入多输出(MIMO)雷达多重信号分类(MUSIC)算法计算量庞大的问题,提出一种基于时间反转的MIMO雷达实值MUSIC算法。首先,通过采用降维思想对TR MIMO回波信号进行降维处理,来减少计算量;然后,为将协方差矩阵转化到实数域,构造酉变换矩阵进行实值变换;最后,分解出实值协方差矩阵的噪声子空间,构造谱函数估计信号波达角。相对于传统的MUSIC算法,该算法借助实值变换剔除了复数运算,极大地降低了计算量,而且不需要空间平滑降低阵列孔径就具有解相干的能力。仿真结果证实了算法的正确性。     

采用降秩多级维纳滤波器的二维DOA估计快速算法

针对双平行线阵的二维波达方向(DOA)估计问题,为有效降低计算复杂度,提出了一种基于降秩多级维纳滤波器(MSWF)的快速算法。首先利用MSWF的前向递推实现信号子空间的快速估计,无需估计协方差矩阵和特征分解;然后,通过MUSIC算法对方位角和俯仰角的估计进行分维估计,使二维DOA估计退化为两个一维DOA估计问题,且方位角和俯仰角自动配对,进一步降低了运算量。仿真结果表明,该方法的估计精度优于同样基于双平行线阵提出的波达方向矩阵法(DOAM),俯仰角兼并时同样适用,计算复杂度低,适用于实时性要求高的应用背景。     

OFDM系统中基于PM的时延估计算法

在正交频分复用(OFDM)系统的超分辨时延估计中,针对多重信号分类(MUSIC)算法的特征分解计算复杂度较高的问题,给出一种基于传播算子(PM)的时延估计算法。对OFDM系统进行信道估计,根据信道估计结果计算协方差矩阵,并利用协方差矩阵计算PM,然后根据PM构造出噪声子空间并将其标准正交化,最后利用伪谱函数进行时延估计。仿真结果和复杂度分析表明,在复杂度大幅度下降的条件下,所提算法与MUSIC性能相当,且逼近克拉美罗界。     

基于逼近噪声子空间的求根时延估计算法

多重信号分类(MUSIC)时延估计算法需要多径数估计,且其特征分解和谱峰搜索的计算复杂度较高。针对此问题,给出了一种基于逼近噪声子空间的求根时延估计算法。该算法利用协方差矩阵逆的高次幂逼近噪声子空间与其自身共轭转置的积,并构造多项式等式,以多项式求根的方式避免谱峰搜索,从而降低了计算复杂度。仿真结果表明,在无需多径数估计和复杂度低于MUSIC算法的条件下,所提算法的性能与MUSIC算法的性能相当,并且逼近克拉美罗界。     

基于特征子空间的快速多径时延测量

提出一种基于特征子空间的快速多径时延测量方法.新方法对参考信号与接收信号的互相关函数做离散傅里叶反变换,将时延测量问题转换成具有低通包络的正弦信号频率估计问题.重构互相关函数的离散傅里叶反变换序列,形成的信号矩阵用于构造低阶协方差矩阵,使新方法的运算量与传统MUSIC算法相比大幅减小.理论分析、仿真结果验证了新方法的正确性,表明新方法以稍微降低时延测量性能为代价换取运算量的大幅减小.     

未知信源数目的DOA估计方法

针对信源数目未知情况下的DOA估计问题,该文提出了两种基于稀疏表示的DOA估计方法。一种是基于阵列协方差矩阵特征向量稀疏表示的DOA估计方法,首先证明了阵列协方差矩阵的最大特征向量是所有信号导向矢量的线性组合,然后利用阵列协方差矩阵的最大特征向量建立稀疏模型进行DOA估计;另一种是基于阵列协方差矩阵高阶幂稀疏表示的DOA估计方法,根据信号特征值大于噪声特征值的特性,通过对协方差矩阵的高阶幂逼近信号子空间,利用协方差矩阵的高阶幂的列向量建立DOA估计的稀疏模型进行DOA估计。理论分析和仿真实验验证,两种方法都不需要进行信号源数目的估计,具有较高的精度、较好的分辨力,对相干信号也具有优越的适应能力。     

High-resolution direction finding: the missing data case

This paper considers the problem of estimating the direction-of-arrival (DOA) of one or more signals using an array of sensors, where some of the sensors fail to work before the measurement is completed. Methods for estimating the array output covariance matrix are discussed. In particular, the maximum-likelihood (ML) estimate of this covariance matrix and its asymptotic accuracy are derived and discussed. Different covariance matrix estimates are used for DOA estimation together with the MUSIC algorithm and with a covariance matching technique. In contrast to MUSIC, the covariance matching technique can utilize information on the estimation accuracy of the array covariance matrix, and it is demonstrated that this yields a significant performance gain     

Novel high-resolution DOA estimation using subspace projection method

The performance of multiple signal classification(MUSIC) algorithm with regard to solving closely spaced direction of arrivals(DOAs) depends strongly upon the signal-to-noise ratio(SNR) and snapshots.In order to solve this problem,a method by reconstructing the spatial spectrum function with both noise subspace and signal subspace is presented in this paper.The key idea is to apply the full information contained in covariance matrix and change the projection weights of steering vector on the noise and signal subspace by their revised eigenvalues,respectively.Comparing with the MUSIC algorithm,it does not increase any computational complexity either,and remarkably,it has the advantages of simultaneously reducing noise and keeping the high-resolution ability under low SNR and small sample sized scenarios.Simulation and experiment results are included to demonstrate the superior performance of the proposed algorithm.