冲击噪声背景下相干信源DOA估计方法研究

研究了冲击噪声环境下相干信源波达方向(DOA)估计问题.在对称α稳定分布冲击噪声假设下,基于共变和分数低阶矩的MUSIC(即ROC-MUSIC和FLOM-MUSIC)方法不能用于相干信源DOA估计.本文首次将空间平滑思想应用于共变系数矩阵和分数低阶矩矩阵中,定义了新的前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵,提出了两种新的适用于冲击噪声环境的相干信源DOA估计方法:基于前后向平滑共变系数矩阵的空间平滑(ROC-SS)算法和基于前后向平滑分数低阶矩矩阵的空间平滑(FLOM-SS)算法.理论分析表明,可以通过前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵的特征分解来估计噪声子空间,从而实现对相干信源的DOA估计.论文还对提出的ROC-SS算法和FLOM-SS算法进行了性能对比分析.计算机仿真结果证明了ROC-SS算法和FLOM-SS算法的有效性和正确性.     

α稳态分布噪声下单基MIMO雷达DOA估计

MIMO雷达实际中的噪声通常是没有二阶以上的矩的α稳态分布冲击噪声,基于二阶或更高阶累积量的常用角度估计算法很难实现目标DOA估计。为此,提出了一种基于FLOM-RC-MUSIC算法的MIMO雷达DOA方法,通过利用匹配滤波后数据先进行降维处理,减小了算法的运算复杂度,再构造分数低阶协方差矩阵实现对冲击噪声的有效抑制,弥补了传统的处理算法不适用于冲击噪声的缺陷,增强了噪声子空间估计算法的稳健性。     

一种对称α稳定噪声中的DOA估计新方法

本文研究了对称α稳定(SαS)噪声环境中窄带信号源的DOA估计问题。SαS过程能很好地描述许多具有冲激特性的信号和噪声,但其二阶和高阶统计量不存在。利用SαS过程的性质,提出了一种基于数据矩阵加权的子空间类DOA估计新方法。该方法与分数低阶矩法作了比较,仿真结果显示了所给算法的优越性。     

冲击噪声环境下的快速实值算法

在冲击噪声环境中,包括MUSIC、ESPRIT和MNM在内的传统DOA算法估计性能急剧下降甚至失效,因此出现了一些基于分数低阶矩的稳健性算法,例如ROC-MUSIC和FLOM-MUSIC等。虽然在冲击噪声环境下,这些稳健性算法具有很好的工作性能,但是这些算法需要进行计算量较大的复数特征分解,从而不适宜实现DOA的快速有效估计。为了解决这一问题,提出了一种快速实值算法(FRA),由于该算法可在实数域工作并且不需要进行特征分解,所以它的计算量远小于现有算法,在同等条件下更有利于快速地估计DOA。计算机仿真证明该算法具有优良的DOA估计性能,适宜在冲击噪声环境下应用。     

基于Screened Ratio原理的冲击噪声环境下DOA估计算法

该文提出了一种冲击噪声环境中DOA估计的算法。算法首先根据Screened ratio原理构造阵列信号的相关矩阵,然后利用MUSIC算法实现DOA估计。与基于分数低阶矩(FLOM)的算法相比,该文算法不需要选择FLOM参数p。计算机仿真表明该文算法在冲击噪声环境下具有更佳的稳定性和估计精度。     

小波包去噪在循环平稳信号DOA估计中的应用

基于信号循环平稳特性的到达方向(DOA)估计算法在噪声成分过大或噪声本身具有循环平稳特性的情况下,性能会迅速下降,为提高算法的估计性能,提出了利用小波包去噪与广义谱相关子空间算法相结合的方法估计信号DOA,通过仿真分析证明该方法提高了估计精度,降低了估计误差,达到了与理论分析相一致的目的.     

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。     

冲击噪声背景下相干信号源的DOA估计方法

针对冲击噪声背景下相干信号源的波达方向(Direction of Arrival,DOA)估计问题,提出一种基于时延分数低阶矩的分组解相干算法——FLOM-TDD(Fractional Lower Order Moment Time Delay Decorrelation)。首先基于两个时延不同的分数低阶矩矩阵,利用DOA矩阵方法得到每组相干源的广义导向矢量;然后根据多径衰减的特征,对每组相干源进行时域解相干,得到相干源的波达方向估计。该方法适用于冲击噪声背景下的波达方向估计而且可以估计大于阵元数目的相干源,计算机仿真分析验证了算法的性能优势。     

非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

基于传播算子的声学矢量传感器阵列 扩展孔径二维DOA估计算法

 本文提出一种基于传播算子的声学矢量传感器阵列扩展孔径二维DOA估计算法.首先,利用传播算子方法得到一组高精度模糊的DOA估计值;然后,利用声学矢量传感器的特点得到另一组低精度无模糊的DOA估计值;最后,利用无模糊估计值对模糊估计值进行解模糊处理,得到高精度无模糊的DOA估计值.提出的算法无需进行特征值分解或奇异值分解进行信号子空间/噪声子空间的估计.与基于ESPRIT的算法相比,提出的算法的计算量约为信号个数与声学矢量传感器个数的四倍之比.计算机仿真结果表明在信噪比不是很低时,提出的算法与基于ESPRIT的算法具有相当的估计性能.     

脉冲噪声下基于广义类相关熵的DOA估计新方法

针对基于分数低阶统计量波达方向估计方法的局限性,受相关熵概念的启发,本文提出广义类相关熵（GCAS）的概念和相应的波达方向估计新方法。计算机仿真结果表明,在Alpha稳定分布噪声环境下,本文提出的基于GCAS的MUSIC波达方向估计方法比基于分数低阶统计量的MUSIC方法在抗噪声特性和多源信号分辨特性等方面具有更好的性能。      

脉冲噪声下多伯努利滤波的单声矢量DOA跟踪

针对单声矢量传感器(Acoustic vector sensor, AVS)脉冲噪声环境下的多声源波达方向(Direction of arrival, DOA)跟踪问题,利用α稳定分布能更好地建模脉冲噪声的性质,提出α稳定分布下的多伯努利DOA跟踪算法。由于α稳定分布不具有有限协方差,该算法采用分数低阶距(Fractional Lower Order Moment, FLOM)代替协方差矩阵,对FLOM进行特征分解构造噪声子空间,生成FLOM MUSIC空间谱函数作为多伯努利滤波器的伪似然函数,并对其指数加权,改善了传统似然函数的发散和平坦问题,使得粒子的重采样更有效。该算法的优点是不需要预先知道声源个数,利用先验信息和当前量测信息可以直接对当前声源进行跟踪。仿真结果表明,该算法能有效跟踪脉冲噪声环境下单一AVS声源的数目和状态。      

脉冲噪声下基于分数低阶矩的MQAM信号载频与符号率联合估计

针对传统MQAM信号载频与符号率估计算法在脉冲噪声下性能不佳甚至失效的问题,该文结合分数低阶矩与共变理论,推导了MQAM的分数低阶循环谱密度函数,并分析了升余弦脉冲成型条件下的MQAM信号循环谱特征。将分数低阶矩引入离散频域平滑谱(DFSM)估计。提出了一种基于分数低阶矩的MQAM载波频率与符号率联合参数估计算法,采用相邻谱切面求平均的方法,有效的避免了由于分辨率不足造成估计误差。仿真实验结果表明,与二阶DFSM循环谱估计算法相比,本文算法不仅能够抑制脉冲噪声的影响,而且在较为恶劣的噪声条件下均能有效的估计MQAM信号的载频与符号率,具有更好的抗干扰能力与适用性,适用于不同调制阶数的MQAM信号。      

Novel Direction Findings for Cyclostationary Signals in Impulsive Noise Environments

We consider the problem of direction-of-arrival (DOA) estimation for cyclostationary signals in impulsive noise modeled as a complex symmetric α-stable (SαS) process. Since the DOA estimation based on second-order cyclic statistics degrades seriously in an α-stable distribution noise environment, we define a novel pth-order cyclic correlation by fusing the fractional lower order statistics and second-order cyclic correlation. After briefly introducing the statistical characteristics of pth-order cyclic correlation and building the extended data model, we first propose a novel extended pth-order cyclic MUSIC algorithm (EX-POC-MUSIC) by exploiting both pth-order cyclic correlation and pth-order cyclic conjugate correlation. The algorithm allows us to select desired signals and to ignore interference in the communication system. Second, in order to increase the resolution capabilities and the noise robustness significantly, an improved EX-POC-MUSIC algorithm called the extended pth-order cyclic Root-MUSIC (EX-POC-RMUSIC) algorithm is also presented. This algorithm has all the merits of the EX-POC-MUSIC algorithm, and it is also a fast DOA estimation algorithm because it avoids spatial spectrum searching. Under some conditions, both proposed algorithms are able to handle more sources than the number of sensors. Simulation results strongly verify the effectiveness of the two algorithms.     

基于时频子空间分解的宽带线性调频信号DOA估计

针对具有时变方向向量的宽带线性调频信号,该文建立了基于短时Wigner-Ville分布(WVD)的空间时频分布矩阵,通过对各个空间时频矩阵的特征分解获得对应的信号子空间和噪声子空间,给出了基于时频子空间投影实现多个时频点综合估计信号DOA的算法。利用空间时频分布的前后向平滑解决了具有相同时频特性信号的均匀线阵DOA估计问题。算法不需要聚汇和插值等复杂的矩阵变换,精度较高,计算简便.仿真实验显示该算法性能显著优越于基于矩阵插值的宽带调频信号DOA估计算法.     

Robust maximum likelihood bearing estimation in contaminatedGaussian noise

A robust maximum likelihood (ML) direction-of-arrival (DOA) estimation method that is insensitive to outliers and distributional uncertainties in Gaussian noise is presented. The algorithm has been shown to perform much better than the Gaussian ML algorithm when the underlying noise distribution deviates even slightly from Gaussian while still performing almost as well in pure Gaussian noise. As with the Gaussian ML estimation, it is still capable of handling correlated signals as well as single snapshot cases. Performance of the algorithm is analyzed using the unique resolution test procedure which determines whether a DOA estimation algorithm, at a given confidence level, can resolve two dominant sources with very close DOAs     

SαS分布噪声环境下高分辨率二维DOA估计算法及快速实现

本文设计出一种针对脉冲噪声的二维鲁棒高分辨率波达方向（DOA,Direction of Arrival）估计算法,以解决雷达、声纳等无线通信领域中脉冲噪声环境下IAA（Iterative Adaptive Approach）无法准确估计出DOA的问题.该算法中,用最小p阶范数代替WLS（Weighted Least Squares）作为最优化求解的代价函数.此外,根据Toeplitz-Block-Toeplitz（TBT）矩阵性质和FFT简化计算过程,提出该算法的快速实现方法,提高算法的计算效率.该算法在对称α-稳定（SαS,Symmetric Alpha-Stable）分布噪声环境下建模,仿真结果表明：与CRCO-MUSIC（CoRrentropy based COrrelation-MUltiple Signal Classification）算法和MUSIC-FLOM（MUltiple Signal Classification-Fractional Lower-Order Moment）算法相比,二维lp-IAA算法可以在低信噪比、单快拍条件下有效分辨出相邻多目标信号;快速算法可以在保证高分辨率的前提下,算法平均运算时间降低至原来的约1/40.     

针对相干信号DOA估计的改进MUSIC算法

针对相干信号波达方向(Direction of Arrival, DOA)估计,提出了一种改进的多重信号分类(Multiple Signal Classification, MUSIC)算法。首先,利用信号协方差矩阵的两个最大特征值所对应的特征向量,构造出两个Toeplitz矩阵;然后,利用前后向空间平滑思想得到这两个矩阵的无偏估计并求和;最后,利用MUSIC算法从中估计出相干信号DOA。和已有方法相比,该方法无需损失阵列孔径且具有更优的DOA估计性能。