基于张量分解的子空间频率估计及应用

为了提高短时序列的频率估计精度,提出一种基于张量分解的适用于多通道接收数据的子空间高分辨率的频率估计算法。该方法将接收到的多通道采样信号按照一定的形式构建三维数据结构,利用子空间的移不变性,采用张量的高阶奇异值分解直接对数据进行频率估计。仿真表明在低信噪比的情况下,基于张量分解的频率估计算法性能要优于基于矩阵奇异值分解的频率估计算法,将此算法应用于目标轨迹测量中,可以获得高精度的目标轨迹参数。     

一种基于Toeplitz矩阵重构的相干信源DOA估计算法

提出一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

利用两次奇异值分解实现二维ESPRIT参量配对

本文主要讲述了一种ESPRIT的改进算法，该算法利用两次奇异值及一次SCHUR分解从而实现对ESPRIT各维估计参量的配对。该方法采用了二排均匀直线阵并附加一阵元，以此来对阵列进行两次子阵分解。利用子阵信号数据矩阵中包含的信号空间的旋转不变性质，借助于矩阵束方法求解出信号的二维到达角，仿真结果证实了该算法的有效性。     

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。     

基于互相关抽样分解的分布式非圆信号DOA快速估计

在非相干分布式非圆信号波达方向(DOA)估计中,针对利用信号非圆特性后输出矩阵维数扩展带来的较大运算量问题,该文提出一种基于互相关抽样分解的DOA快速估计算法。该算法仅需要从子阵间的扩展互相关矩阵中抽样出少量行元素和列元素,构成两个低维子矩阵,进而通过低秩近似分解便可快速地同时求出左右奇异矢量,即分别对应两个子阵的信号子空间,避免了计算整个互相关矩阵及其奇异值分解运算;最后利用两个子阵信号子空间的旋转不变性通过最小二乘得到DOA估计。仿真分析表明,当行列抽样数大于信源数的两倍时,所提算法与直接基于互相关矩阵奇异值分解的非相干分布式非圆信号DOA估计算法性能相近,但复杂度得到了大幅度降低;而相比于传统的低复杂度非相干分布源DOA估计算法,所提算法利用信号非圆特性具有更高的估计性能。     

双平行线阵的快速一维DOA估计

针对传统子空间算法需要进行特征值分解或奇异值分解等复杂计算的问题,提出一种双平行线阵（Double Parallel Linear Array,DPLA）的快速一维波达方向（Direction of Arrival,DOA）估计算法。算法通过处理互协方差矩阵的第一列元素构造出等效的噪声子空间,再通过求根MUSIC（Multiple Signal Classification）算法得到DOA估计,有效避开了特征值分解或奇异值分解,降低了计算复杂度,提高了运算速度。仿真结果表明,该算法在提高了估计精度的同时减少了估计时间。     

线性电磁矢量阵列的空时极化平滑算法及相干源多参数估计

该文提出了一种基于线性电磁矢量阵列的空时极化平滑算法(STPSA),解决了相干信源的频率,2维波达方向和极化参数的联合估计问题。该算法通过对不同子阵和矢量传感器不同传感单元的测量数据及其相应延迟数据进行平滑,实现解相干预处理并抑制噪声干扰,然后利用传播算子方法得到相应的参数估计。与目前的算法相比,该文提出的算法能够同时实现相干信源的多个参数联合估计;无需通过奇异值或特征值分解提取信号/噪声子空间,也无须进行参数搜索,有较低的运算量;另外,算法能够通过增加相邻阵元的间隔来扩展阵列的有效孔径,改善估计性能,且无须进行参数去模糊处理。仿真结果验证了算法的有效性。     

基于累量的近场源快速定位算法

本文提出了一种基于累量的近场源参数快速估计方法。具体地,本文首先构造了一个累量矩阵,对其进行奇异值分解后,利用得到的右奇异向量和左奇异向量分别使用类Root-MUSIC方法得到了近场波达方向和距离估计的闭式解。该方法利用高阶累量矩阵,减少了阵列孔径损失,提高了能分辨的最大信源数,而且与其他基于高阶累积量的方法相比,该方法在近场的波达方向与距离的估计过程中只需要构造一个累量矩阵和进行一次奇异值分解,并且使用闭式解完全避免了峰值搜索,大大降低了运算量,同时还提高了估计的分辨概率和精度。此外,该方法在几乎没有增加额外计算量的情况下可以推广到混合场源的情况。仿真结果表明,该算法的分辨率和精度都有较大的优越性。      

基于电磁矢量阵列孔径扩展方法的相干目标DOA估计

该文采用均匀且稀疏分布的电磁矢量矩形阵列,针对相干目标提出了一种有效的2维波达角(DOA)估计算法,该算法通过增加相邻阵元的间隔来扩展阵列的有效孔径,从而提高算法的DOA估计性能。论文首先结合极化平滑算法和传播算子方法得到存在相位周期性模糊的方向余弦估计。为了解决模糊性问题,论文通过协方差矩阵平滑提出一种新的解相干预处理算法,由该算法得到的信号子空间包含矢量阵元的导向矢量,且不存在相位模糊,利用此特点实现去模糊处理,得到目标的DOA估计。仿真结果表明,与基于ESPRIT的孔径扩展算法相比,提出的算法能够实现相干目标的DOA估计,同时无需特征值或奇异值分解,有更低的运算量。     

声矢量阵张量分解MUSIC算法

矢量水听器同时、共点测量声场中的声压和振速分量,因此相对于声压水听器能够获取更多的声场信息,多重信号分类算法(MUSIC)是一种具有高分辩能力的方位估计算法,本文对声矢量阵接收信号三阶张量建模,并通过高阶奇异值分解得到信号张量子空间,从而结合MUSIC算法对声源进行方位估计。基于三阶张量奇异值分解得到的信号子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声,并且体现了多维数据之间的关联关系,因此方位估计精度更高。计算机仿真结果表明:矢量阵张量分解MUSIC算法性能优于传统矢量阵MUSIC方法。      

柱面共形阵列高性能低复杂度DOA估计算法

针对柱面共形阵列的波达方向(DOA)估计问题,从信号子空间的角度分析了在阵元遮挡下应用多重信号分类(MUSIC)算法的性能缺陷。在此基础上提出通过偏置常数的方法克服经典MUSIC算法的阵元遮挡问题。进一步提出一种基于数据自适应子阵分割的快速DOA估计算法,该方法先利用稀疏采样的偏置MUSIC算法进行DOA预估,依此确定所需要的子阵及二维搜索区域,确定MUSIC算法的搜索范围,进而得到高精确度的DOA估计。利用子阵分割的方法进行DOA估计,避免了经典MUSIC算法因阵元遮挡导致运算量大、精确度低等问题。仿真结果表明,该方法能大幅度降低运算复杂度,同时提高DOA估计精确度。     

一种水下多目标方位、频率、距离联合估计新方法

本文提出了一种可在单次回波内同时完成多目标方位、频率、距离(时延)三维参数联合估计的高分辨新方法,它借用ESPRIT方法的思路构造两个空间子阵,通过对其自相关矩阵和互相关矩阵的广义特征分解,用特征值估计多目标方位,用特征向量估计多目标回波的频率,再用估计得到的频率去修正包络时延向量进而得到目标时延估计.三维参数的配对由特征向量和特征值的对应关系自动完成.计算机仿真结果表明,该方法在较低的信噪比条件下可以实现三维参数的高分辨联合估计,而且无需额外的配对算法.作者还进行了多目标三维参数联合估计的消声水池实验,也取得了较好的结果,表明该方法对阵列误差有较好的稳健性,具有良好的工程应用前景.     

分布式嵌套阵列及其DOA估计

提出了一种分布式嵌套阵列天线结构,由两个相互独立的四级嵌套子阵构成。两个子阵间存在一个基线长度,且满足一定条件。对该阵列天线接收到的信号进行高阶累积量和Khatri-Rao积运算可以得到三个完全相同的均匀直线阵列天线结构。针对新得到的阵列天线结构,使用基于空间平滑技术的双尺度酉旋转不变子空间( ESPRIT)波达方向( DOA)估计算法对信号进行DOA估计。该方法可以有效地提高阵列天线的自由度,进而达到提高估计精度的目地。仿真结果证明了基于所提出阵列天线结构的DOA估计方法的有效性。     

复合式均匀圆阵提高相关信号DOA估计性能

为使均匀圆阵能进行相关信号的全方位DOA估计及提高系统性能,论文利用基于自适应天线 理论方向图综合技术的子圆阵构成复合式测向均匀圆阵,再运用混合DOA估计方法进行DOA估计。仿 真结果证明复合式测向均匀圆阵在一定程度上使分布区域较广的相关信号的DOA估计成为可能;增加了 可检测的信源数目;提高了系统抗干扰能力及分辨率、使系统判模糊能力增强,稳健性能增加。     

基于空时频协方差矩阵重构的高效跳频信号DOA估计

为了充分利用跳频信号的空域信息来进行信号的DOA估计,在信号空时频分析的基础上,本文提出了一种基于协方差矩阵重构的高效跳频信号DOA估计方法。首先将接收信号的均匀线阵（uniform linear array, ULA）平均划分成2个子阵,分别对每个子阵接收到的信号进行时频分析,在时频域选择有效跳,构造每跳的空时频矩阵（spatial time-frequency distribution, STFD）,然后求得2个子阵的互协方差矩阵。将2个子阵的互协方差矩阵进行重构运算得到等效的信号子空间,最后构造空间谱多项式求根估计出信号的DOA。仿真结果表明该方法相比于以往改进类子空间算法能够有效提高估计精度和降低算法复杂度。      

DOA estimation with double L-shaped array based on Hadamard product and joint diagonalization in the presence of sensor gain-phase errors

A method with double L-shaped array for direction-of-arrival (DOA) estimation in the presence of sensor gain-phase errors is presented. The reason for choosing double L-shaped array is that the shared elements between sub-arrays are the most and rotation invariant property can be applied for this array. The proposed method is introduced as follows. (1) If the number of signal is one, first the gain errors are estimated and removed with the diagonal of the covariance matrix of the array output. Then the array is rotated by an unknown angle and DOA can be estimated with the relationship between signal subspace and steering vector of signal. (2) If signals are more than one, the method for eliminating gain errors is the same with the previous case, and then the phase errors are removed by the Hadamard product of the (cross) covariance matrix and its conjugate. After the errors are eliminated, the DOAs can be estimated by rotation invariant property and orthogonal joint diagonalization for the Hadamard product. This method requires neither calibrated sources nor multidimensional parameter search, and its performance is independent of the phase errors. Simulation results demonstrate the effectiveness of the proposed method.

     

基于有限新息率的正交偶极子阵列信号参数估计算法

为解决极化敏感阵列波达方向(DOA)估计中压缩感知类算法的网格失配问题,该文提出一种基于有限新息率(FRI)的正交偶极子阵列无网格信号参数估计算法。首先,利用均匀正交偶极子线阵中不同极化指向天线的两个子阵,求取其自相关矩阵之和,并通过协方差拟合准则恢复出满足Toeplitz结构的协方差矩阵。然后,利用该协方差矩阵构建FRI信号重构模型,求解以重构结果为系数的多项式的零点,就可以得到入射信号DOA参数的估计结果。最后,根据已估计出的DOA参数以及两个子阵的自相关矩阵和互相关矩阵,利用最小二乘法计算得到入射信号的极化参数估计结果。仿真实验表明,该算法与子空间类和压缩感知类算法相比,具有更高的估计精度及更好的角度分辨力。     

共形阵列天线信源方位与极化状态的联合估计算法

 针对共形天线阵列流形的特点,提出了共形阵列天线信源方位与极化状态的联合估计算法.算法的方位估计不需要信源极化状态的任何信息,估计精度高、分辨力强,在完成信源方位估计的同时,还可以精确的估计出信源的极化状态,不需要参数配对,实现了共形阵列天线信源方位与极化状态的联合估计.算法仅需要二维参数搜索,计算量比已有的联合估计算法小,且适用于任意共形载体,具有广泛的应用范围.对算法参数估计的理论性能进行了分析推导,给出了参数估计的CRB(Cramer-Rao Bound),并通过Monte-Carlo仿真实验验证了理论分析的正确性与算法的有效性.     

基于STFT的相干宽带调频信号2-D到达角估计

宽带调频信号(FM)作为具有宽频带和时变方向向量的非平稳信号,其到达角的估计具有较大的难度。该文利用短时傅里叶变换(STFT)和宽带调频信号的时频聚焦性建立了新颖的空间时频分布方程,并利用矩形平面阵数据的分维结构和基于矩形平面子阵堆栈的奇异值分解法估计了相干宽带FM信号的2-D到达角。理论分析和仿真实验表明了算法的可行性。     

基于L型和差嵌套阵的二维波达方向估计

针对传统L型均匀阵列二维波达方向（Direction of Arrival,DOA）估计中可估计信源数目受限于阵元数、分辨率低等问题,提出了一种新的L型和差嵌套阵列结构。该L型阵列的两个子阵布置相同,是非均匀的稀疏阵,通过阵元位置之间的差分、求和操作达到虚拟扩展阵元数目的效果,从而提升阵列的自由度。采用该阵列进行二维DOA估计时,两个子阵分别先进行一维的DOA估计,再采用PSCM（Pair-matching Signal Covariance Matrices）算法进行一维角度配对。每个子阵进行一维波达方向估计时,先采用VCAM（Vectorized Conjugate Augmented MUSIC）算法生成非均匀稀疏阵的求和求差协方差矩阵,再采用矩阵重构的方法恢复协方差矩阵的秩,最后对协方差矩阵采用MUSIC（Multiple Signal Classification）算法进行DOA估计。实验仿真表明,本阵列有着更高的自由度和估计精度。