非圆信号的二维相干测向新方法

传统的二维相干测向算法都是针对圆信号提出的,且要求大快拍数和较多阵元数,在低信噪比时估计性能较差.通过充分利用非圆信号的特点和L型阵列的结构优势,提出了一种非圆信号的二维解相干新方法.该方法利用阵列接收信号数据及其共轭信号数据,重新构造阵列接收数据矩阵,有效地扩展了阵列孔径;同时,提出了一种修正的空间平滑技术进行解相干,最后采用ESPRIT算法实现相干信号的二维DOA估计.所提方法具有阵列利用率高的优点,能够有效弥补传统二维测向算法阵列利用率低的缺点,提高了ESPRIT算法在低信噪比时的估计性能.实验仿真结果表明,所提方法能够有效实现二维相干信号估计并且估计性能优良.     

2-D DOA estimation of coexisting uncorrelated and coherent signals

The common two dimensional (2-D) direction of arrival (DOA) estimation algorithms for coexisting uncorrelated and coherent signals are based on the complex array structure, such as the uniform rectangular array, so the computational complexity is high and the array aperture is not utilized efficiently. By taking advantage of the L-shape array and adopting an efficient method to eliminate the Gaussian noise, a new 2-D DOA estimation method is proposed. Firstly, the DOAs of the uncorrelated signals are estimated and the influence of the coherent signals is eliminated by utilizing its characteristics. Then, the data covariance matrix containing the coherent information only is obtained by exploiting the Toeplitz property of the uncorrelated signals, and the DOAs of the coherent signals are estimated by the direction finding method based on the compressed sensing theory. Theoretical analysis and simulation results show that the proposed method has a small computational load, high array aperture as well as excellent estimation performance.     

Matrix reconstruction high accuracy DOA estimation algorithm on the Nested array

For the nested array, the covariance matrix of the receiving data is pulled into a column vector by using the Khatri-Rao product, which is equivalent receiving data turned into the single snapshot. In the case of the covariance matrix being vectored, a new matrix reconstruction is presented to build up the rank of the new covariance matrix and the ESPRIT algorithm of an improved matrix reconstruction is proposed in this paper. The covariance matrix on the virtual array will be restored and more matrices can be reconstructed by using this approach.Then, the DOA estimation is obtained based on the ESPRIT algorithm of matrix reconstruction. Simulation results demonstrate that the proposed method achieves accurate DOA estimation when the number of targets is larger than that of array elements.     

一种特殊阵列实现DOA估计的方法

提出了一种基于特殊阵列形式实现DOA估计的方法,在均匀线性阵列（Uniform Linear Array,ULA）上增加一个阵元,将阵元放在特定的位置,得到一组特殊的阵元组合,打破了均匀线阵中导向矢量的周期性,成功地避免了角度估计模糊.此外,该方法在同等硬件资源的条件下,得到了更多阵元组合,可以获得更高的阵列方位分辨率.提出了一种适用于新阵列结构的矩阵分块空间平滑算法,利用其导向矢量的局部周期性将其数据协方差矩阵分块空间平滑后,重新组合得到修正后的数据协方差矩阵,实现了相干信号源的DOA估计.     

适于相干信号DOA估计的改进矩阵差分方法

提出一种适用于色噪声背景下窄带信号的波达方向估计方法. 假设未知色噪声协方差矩阵具有对称的Toeplitz结构,利用线性变换改变阵列协方差矩阵,并与阵列协方差相减,理论上消除了噪声对算法估计性能的影响. 新差分算法适用于信号不相干或仅有2个信号相干的波达方向估计. 当相干信号多于2个时,通过与空间平滑算法结合,拓展了算法的应用范围. 与传统差分算法相比,新算法避免了“伪”波达方向估计,降低了计算复杂度. 仿真实验结果表明,新算法具有优越的估计性能.     

一种用于矩形阵列的二维波达方向估计方法

针对现有使用均匀矩形阵列或稀疏矩形阵列的二维无格波达方向估计方法的性能欠佳的问题,提出一种基于二阶特普利茨矩阵重构和二维旋转不变参数估计技术的无格波达方向估计方法。使用均匀矩形阵列或稀疏矩形阵列,对其接收信号的协方差矩阵进行二阶特普利茨结构表达,通过log-det稀疏测度与正定约束构造约束优化问题,并使用优化最小算法求解,最后通过二维旋转不变参数估计技术估计源的二维波达方向,即方位角与俯仰角。这种方法需要多次求解半定规划问题,计算复杂度相对较高,但能获得更好的波达方向估计性能。在仿真实验中,这种方法在均匀矩形阵列或稀疏矩形阵列条件下均有非常低的均方根误差,接近克拉美罗界,证明了其良好的波达方向估计性能。     

DOA estimation of coexisted noncoherent and coherent signals via sparse representation of cleaned array covariance matrix

A new direction finding method is presented to deal with coexisted noncoherent and coherent signals without smoothing operation. First the direction-of-arrival (DOA) estimation task is herein reformulated as a sparse reconstruction problem of the cleaned array covariance matrix, which is processed to eliminate the affection of the noise. Then by using the block of matrices, the information of DOAs which we pursuit are implied in the sparse coefficient matrix. Finally, the sparse reconstruction problem is solved by the improved M-FOCUSS method, which is applied to the situation of block of matrices. This method outperforms its data domain counterpart in terms of noise suppression, and has a better performance in DOA estimation than the customary spatial smoothing technique. Simulation results verify the efficacy of the proposed method.     

基于改进3D-ESPRIT算法的三维GTD模型参数估计

三维旋转不变子空间（3D-ESPRIT）算法估计三维几何绕射理论（GTD）的散射中心模型时,参数精度不高,噪声鲁棒性较差,为此,提出一种改进的3D-ESPRIT算法.通过构建原始回波数据的共轭矩阵、对协方差矩阵叠加、取平均、平方处理,可提高对目标原始回波数据的利用率,并增大信号特征值与噪声特征值之间的差距,增大了信噪比,从而提高参数的估计精度.基于不同算法估计得到的三维GTD模型参数,比较了不同算法估计的参数均方差.仿真结果表明,改进算法的参数估计性能及噪声鲁棒性均优于经典3D-ESPRIT算法和改进的免配对3D-ESPRIT算法.     

非平稳噪声下稀疏表示的DOA估计算法

为提高非平稳噪声下远场非相干窄带信号波达方向（DOA）的估计精度,提出了一种基于稀疏重构的DOA估计算法.采用类协方差差分算法构造差分矩阵,抑制非平稳噪声的影响;基于类旋转不变子空间参数估计算法基本原理构造稀疏表示模型与权函数;利用加权l₁范数对模型求解,实现DOA估计.仿真结果表明,与传统的协方差差分算法、噪声协方差矩阵估计算法、秩迹最小化算法以及稀疏重构算法相比,所提算法不仅能较好地抑制非平稳噪声的影响,而且在低信噪比、低快拍数情况下具有较强的稳健性和较高的估计精度.     

基于均匀面阵的相干信号源二维DOA估计新方法

相干信号源的来波方向(Direction of Arrival,DOA)估计问题一直是阵列信号处理技术的一个研究热点。现实环境中的信号源多为相干的,针对此问题提出一种改进的相干信号源二维DOA估计算法。通过对接收信号协方差矩阵进行矩阵重构处理,将采样数据协方差矩阵的秩恢复到等于信号源的个数;对重构的协方差矩阵进行特征分解,构造出信号子空间矩阵和噪声子空间矩阵,将两个子空间矩阵联合构造出新的空间谱函数;基于新的空间谱函数进行二维谱峰搜索,即可估计出多个入射信号的二维DOA。使用计算机软件进行仿真验证,仿真结果表明了所提方法的有效性。     

利用空间平滑的协方差秩最小化DOA估计方法

针对传统波达方向角估计算法在相干信号及非均匀噪声下估计精度差、分辨率低的问题,基于空间平滑方法,提出一种接收信号协方差矩阵秩最小化波达方向估计方法．在传统空间平滑方法的基础上,所提算法将接收信号协方差矩阵分别左右乘交换矩阵以得到空间后向平滑协方差矩阵;而后基于平滑矩阵的低秩性,将协方差矩阵重构为无噪声协方差矩阵;最后利用传统MUSIC算法实现波达方向估计．仿真结果表明,与传统MUSIC算法、基于矩阵补全理论的MUSIC算法和秩迹最小化算法相比,所提算法能较好地抑制非均匀噪声影响,且在相干条件下具有较好的波达方向估计性能．     

基于正交直线阵列的二维相干源测向方法

针对特殊阵列,提出了一种二维相干信号波达方向估计新方法,此方法只需2个正交直线阵就可估计不同用户的二维DOA。而且利用其中的一个直线阵来组合两个线阵分别估计的一维DOA,在空间平滑法基础上通过构造新的协方差矩阵,进一步去除了信源间的相干性。并分析了相乘系数对DOA的估计性能的影响,最后通过仿真结果分析了该方法的性能。     

无需信源数目的声矢量阵相干源方位估计算法

针对相干源方位估计问题,本文在PVFS（Particle Velocity Field Smoothing）算法的基础上,提出一种新的算法。该算法通过对PVFS算法构造出的协方差矩阵进行特征值分解,利用得到的特征值及特征向量构造新的噪声子空间,然后运用子空间原理实现相干源的方位估计。该算法无需已知相干源的信源数目且不会损失阵列孔径,具有较好的相干源方位估计性能,计算机仿真结果验证了本文算法的有效性。     

一种改进的二维扩展DOA估计方法

经典的DOA估计方法对目标信号源的分布特性非常敏感,导致DOA估计性能严重恶化,为了降低信源扩展对算法性能的影响,该文利用圆阵协方差矩阵的特点,直接由接收信号协方差矩阵的两条次对角线元计算分布式目标到达角,并提出了两种到达角估计方法,即直接由协方差矩阵的两条次对角线得到两维到达角的闭合解,和另一种利用两条次对角线构造最小二乘方程来估计分布源的两维到达角.计算机仿真结果表明,它们对均匀圆阵小角度扩展信号DOA估计具有良好的性能.     

基于改进MUSIC算法的二维DOA估计方法

提出了一种改进的二维MUSIC算法,该算法通过重构阵列接收数据协方差矩阵来降低入射信号源间的相关性,抑制信号子空间向噪声子空间的扩散,从而解决用MUSIC算法估计相干信号源到达方向(DOA)时的漏估计问题.该方法不仅对相关信号源的DOA估计有好的特性,也可以提高非相关信号源的DOA估计特性,而且计算量也没有大的增加.仿真试验证明了改进算法的有效性.     

基于实值信号子空间的虚拟阵列解相干算法

针对存在相干信源时,传统的DOA估计算法失效问题,提出一种基于实值特征子空间的虚拟阵列解相干算法.该算法根据虚拟阵列变换的思想,利用阵列接收数据构造虚拟子阵,实现对信号的解相干处理,并将协方差矩阵从复数域变换为实数域,获得一个实值信号子空间,最后利用实数域ESPRIT (Unitary ESPRIT)估计信号波达方向.该方法避免了阵列孔径损失,保持了阵列的空间分辨率,估计精度高,利用个阵元可估计个信源,且引入实数域处理和无需空间谱搜索,运算量小.计算机仿真验证了该方法的有效性和优越性.     

矢量重构解相干的波达方向估计新方法

针对相干信号波达方向(Direction of Arrival, DOA)估计问题,提出一种新的矢量重构解相干方法——变参考阵元数据互相关矢量重构算法。算法依次改变阵列参考阵元,求得所有阵元接收数据与对应参考阵元接收数据之间的互相关信息,并以此作为重构矩阵的列矢量构造一个等效协方差矩阵,然后基于MUSIC和ESPRIT算法,估计相干信号的波达方向。数学推导和理论分析表明,重构的矩阵能对相干信号完全解相干。算法不损失阵列孔径,在低信噪比和少量快拍数据条件下,估计性能要优于Toeplitz矩阵重构算法和前后向空间平滑算法。     

非均匀噪声环境下基于矩阵补全的DOA估计方法

针对传统的信号波达方向（DOA）估计算法无法适用于实际应用中非均匀噪声、数据不完整等情况的问题,提出了一种结合矩阵补全理论和最大似然交替投影算法的DOA估计方法。在背景噪声为非均匀噪声的情况下,该方法通过对只有部分元素已知的阵列协方差矩阵进行矩阵补全,将稀疏矩阵重构为无噪声协方差矩阵,然后利用最大似然交替投影算法实现对DOA的估计。实验仿真表明:该DOA估计方法能够有效恢复不完整数据并抑制非均匀噪声的影响,而且在低信噪比条件下,仍具有较好的DOA估计性能。     

DOA Estimation Method Using Sparse Repres-entation with Orthogonal Projection

In order to reduce the effect of noises on DOA estimation, this paper proposes a direc-tion-of-arrival (DOA) estimation method using sparse representation with orthogonal projection (OPSR). The OPSR method obtains a new covariance matrix by projecting the covariance matrix of the array data to the signal subspace, leading to the elimination of the noise subspace. After-wards, based on the new covariance matrix after the orthogonal projection, a new sparse representa-tion model is established and employed for DOA estimation. Simulation results demonstrate that compared to other methods, the OPSR method has higher angle resolution and better DOA estima-tion performance in the cases of few snapshots and low SNRs.     

基于延时相关预处理的MUSIC算法

针对MUSIC算法的分辨力受信噪比、快拍数及阵元数等因素限制的问题,利用各阵元接收数据的延时相关函数重新构造协方差矩阵,提出了基于延时相关预处理的MUSIC算法.根据阵元间的延时相关函数与原阵列流型及信号延时相关函数的关系,推导了4个与原阵列流型相同（共轭）的延时相关函数矩阵,分别对各矩阵求协方差并按规则求和得到新的协方差矩阵,之后对协方差矩阵进行特征分解,根据信号子空间处理稳健性高和噪声子空间处理估计精度高的特点构造谱函数进行谱峰搜索,实现DOA估计.通过仿真实验验证了本文算法的可行性和有效性.