阵列幅相误差背景下MUSIC算法的DSP实现

针对空间谱估计算法在实际应用中的误差问题,讨论了在存在阵列幅相误差背景下,多重信号分类法（MUSIC：MUltiple SIgnal Classification）测向算法在DSP（Digital Signal Processor）上实现的一种方法。通过设置方位精确的辅助阵元对幅相误差进行校正,辅助阵元的方位信息为误差参数的计算提供了必要的信息量,然后利用MUSIC算法进行波达方向估计,同时利用TI公司高速DSP芯片（TMS320C6713）实现了在阵列幅相误差背景下的MUSIC测向方法。仿真结果证明了该方法的有效性。     

基于神经网络的直接定位互耦与幅相差校正

在直接定位方法中,阵元通道不一致导致的幅相误差和实际工程中不可避免的阵元互耦效应,都会使得多重信号分类(MUSIC)定位算法性能大大降低。在短波单站定位的场景下,分别对这两种阵列误差造成的相位误差和幅度误差进行分析,证明相位特征对直接定位精度的重要性,进而建立一个增强阵列相位特征的神经网络,从而在利用协方差矩阵进行空间谱估计时,降低因畸变相位特征造成的定位误差。实验结果表明,提出的方法大大提高了阵列存在互耦和幅相差的情况下,MUSIC定位算法的精度。     

非圆信号多级维纳滤波DOA估计求根算法

针对非圆信号DOA估计的计算量问题, 运用多级维纳滤波和信号子空间的多项式求根方法, 提出了一种快速算法. 首先利用非圆信号特性构造出扩展阵列输出矩阵, 然后不需进行协方差矩阵的生成和分解, 利用多级维纳滤波求出信号子空间, 针对均匀线阵推导出信号子空间多项式求根方法, 得出目标的DOA估计值. 新算法的均方根误差性能与非圆信号求根MUSIC算法、非圆信号ESPRIT算法、非圆信号扩展传播算子算法等快速算法相仿, 但是计算量小于已有的算法, 特别是在阵元数较多的情况下算法的实时性优势更加明显.     

基于自编码器的阵列时变幅相误差校正算法

随着阵列天线在各类移动平台上的广泛应用,时变幅相误差成为影响阵列信号处理技术工程化应用的重要因素。针对当前时变幅相误差无法有效校正的问题,结合自编码器思想,提出一种基于深度学习的阵列时变幅相误差校正算法。算法充分利用自编码器网络的数据特征提取与重构能力,设计了针对通道时变幅相误差校正的深度学习网络,给出了不含时变幅相误差数据(无扰数据)与含时变幅相误差数据(扰动数据)双驱动下的学习机制,基于期望输出与理想模型均方误差最小化原则,完成了对阵列流形隐匿特征提取,实现了阵列时变幅相误差的有效校正。仿真实验表明,所提算法可有效实现各通道时变幅相误差校正,在通道存在±80%随机时变幅度误差以及±5°随机时变相位误差时,幅度与相位误差校正后的均方差分别在0.5%和1.5%以内,当信噪比大于等于0 dB时,校正后数据的MUSIC算法测向精度与无误差数据基本一致,验证了所提算法的有效性。     

基于辅助阵元的宽带相干信源DOA估计快速算法

针对阵列互耦误差存在的情况,基于宽带信号互耦模型,提出一种基于辅助阵元和传播算子的宽带信号处理算法.该算法在互耦矩阵未知的情况下,利用辅助阵元可以直接对宽带信号进行聚焦,并且在构造聚焦矩阵和获得噪声子空间时利用传播算子不需要进行特征值分解,因而极大地降低了运算量.仿真结果表明了存在阵列模型误差时本算法的有效性和稳健性.     

基于阵列误差校正的波束域方位估计算法实验研究

针对阵列误差的存在会导致波束域高分辨方位估计算法性能下降的问题,给出了一种基于阵列误差校正的波束域处理方法。该方法利用单个校正源,根据实际测量数据,在获取基阵实测阵列流形的基础上,实现了对阵列误差的校正,进而利用波束域MUSIC算法估计出信号的方位。实验结果验证了基于实测阵列流形的阵列误差校正方法可以有效增强波束域高分辨算法对阵列误差的稳健性。     

基于CIES-CA的水声阵列多目标方位估计技术

为了使用较少阵元数的水声阵列实现多目标方位估计,本文针对基于子阵间距压缩的互质阵列进行研究分析.利用子空间分类算法与虚拟阵元法,在考虑阵列误差的情况下分析多目标方位估计性能.通过数值验证,在低信噪比、高阵列误差的情况下,基于子阵压缩的互质阵性能明显优于均匀直线阵与原型互质阵,且压缩倍数越大性能越高.     

麦克风阵列幅度相位误差有源校正方法

实际麦克风阵列与假设阵列模型之间存在误差,导致麦克风阵列的语音定位和增强算法性能严重下降.该文提出了一种新的麦克风阵列误差有源校正方法.它假设麦克风阵列不存在位置误差,空间中放置一个位置精确已知的声源,通过对接收信号进行离散傅里叶变换,估计出各阵元的幅度,相位误差.该方法避开了估计协方差矩阵以及特征分解,以较小的运算量得到了较好的校正效果,适合工程应用.计算机仿真验证了该方法的有效性.     

一种宽带信号方位估计算法

为了削弱宽带信号方位估计算法在不同程度上受到阵元数目、预角度估计、多次求逆矩阵、多次特征值分解或奇异值分解等因素的制约,提出了一种在传感器阵列存在误差的情况下,采用统计方法的宽带信号方位估计算法.该算法先将传感器阵列接收的宽带信号转换到频率域内;在考虑阵列互耦的情况下,采用统计的方法,推导出阵列流形与噪声子空间正交的结论;最后,利用统计结果和窄带方位估计的方法对宽带信号进行方法估计.仿真试验表明,统计方法计算宽带信号方位具有较好的分辨率和噪声不敏感性,对于任意阵列形式具较低的计算复杂度.采用统计方法求取宽带信号方位具有较高的测向精度和和系统鲁棒性.     

极化敏感阵列取向误差校正

针对实际应用的场合中阵元存在取向误差而必须校正的问题,本文基于极化敏感阵列的到达角(DOA)和极化参数估计算法提出了Taylor近似迭代估计方法,即对阵元进行多次一阶Taylor展开估计校正,得到阵列取向误差矩阵。仿真结果表明:该方法得到的校正矩阵对数据校正后DOA和极化参数估计值与信号真实值吻合得很好。