一种新的去强相关信号方法的波达方向研究

波达方向估计（DOA估计）是智能天线中实现目标精确定位的关键算法。文中针对DOA估计中相干信号源的问题,提出了一种能有效解相关的关于TOPETIZE矩阵的DOA估计算法。该算法利用了阵列接收数据互相关矢量的内在关系,对噪声子空间进行处理,实现了相干源的完全解相干。该算法不牺牲阵元有效数目,同时能分辨低信噪比信号和强相关信号。仿真结果表明了该算法的有效性。     

电磁矢量阵列的四元数Toeplitz矩阵重构算法

对于电磁矢量阵列的相干信源波达方向估计,针对空间平滑算法解相干时减少阵列有效孔径的问题,提出了一种四元数Toeplitz矩阵重构算法。首先,根据四元数的正交特性建立了信号接收模型,很好地保持了电磁矢量阵列的阵元输出信号两分量间的正交性,同时保证了波达方向角信息和极化信息都能包含在重构矩阵中;然后,在阵列各阵元接收数据与参考阵元接收数据的相关函数基础上,构成Hermitian Toeplitz矩阵,从而实现解相干。该算法与空间平滑算法相比增加了相干信源估计个数,且在低信噪比和入射角度接近时具有更好的估计性能,通过仿真实验得到了验证。     

基于四元数的改进空间平滑解相干算法

针对常规的四元数空间平滑算法解相干时没有充分利用各子阵的互相关信息导致信号波达方向估计分辨率较差的问题,提出了一种基于四元数的改进空间平滑解相干算法。首先,利用四元数的正交结构可以很好地保持极化敏感阵列各阵元两分量输出信号之间固有的正交特性,建立了四元数接收信号模型。然后,在常规的空间平滑算法的基础上推导了改进的空间平滑解相干算法。该算法利用了阵列各子阵接收信号的全部互相关和自相关信息,在信号波达方向相近和信噪比较低的情况下,具有比常规空间平滑算法更优的波达方向估计性能。最后,通过计算机仿真验证了改进算法的有效性。     

相干声波信号DOA单快拍矢量平滑估计与跟踪算法

本文研究了基于声矢量传感器阵列的相干信号波达方向(DOA)估计和跟踪问题.首先,根据中心对称均匀线阵方向矩阵的平移不变特性,提出了一种增强阵列有效孔径的单快拍矢量平滑估计算法(PVFSIA),该算法可以用于相干信号的DOA快速估计.在此基础上,提出了基于迭代的相干信号DOA跟踪算法,该算法无需奇异值分解和矩阵求逆运算,...     

基于相干积累矩阵重构的波达方向估计新方法

针对短时小样本条件下相干信号的波达方向(Direction Of Arrival, DOA)估计问题,该文提出了一种基于相干积累矩阵重构的快速解相干方法。首先利用相干积累技术对阵列接收快拍进行处理,得到累积快拍矢量,提高了数据信噪比。再依据累积快拍矢量的结构特点构造一个非降维等效协方差矩阵,理论分析可知,该矩阵的秩仅与信源个数相等,与信号间相关性无关,即实现了相干信源完全解相干。相较于空间平滑类算法,该方法避免了阵列孔径损失,估计精度高、计算量小。仿真结果验证了算法的有效性。      

高斯噪声背景下多用户波达方向估计与互耦自校正

在高斯噪声背景下,针对互耦条件下的均匀线阵(Uniform Linear Array, ULA),该文提出了一种联合多用户波达方向(Direction Of Arrival, DOA)估计与互耦误差自校正算法。该算法首先利用特征矩阵联合相似对角化(Joint Approximative Diagonalization of Eigen matrix, JADE)方法估计出各用户广义空间特征矢量,然后定义了一个将各用户广义空间特征矢量转换为只与部分阵元相关的转换矩阵,进而在斜投影及前后向空间平滑的基础上,实现了多用户相干信源DOA估计,最后以多用户相干信源DOA及广义空间特征矢量估计值为基础,给出一种互耦自校正方法。仿真结果表明:该算法具有较高的DOA估计精度及DOA估计成功率,而且对高斯白噪声/色噪声背景,阵列互耦误差已知/未知情形,均具有普适性。     

鲁棒的四元数空间平滑算法

本文针对相干信号波达方向(DOA)估计问题,利用简化电磁矢量传感器阵列提出了一种基于四元数模型的空间平滑(Q-SS)算法。首先,根据四元数的正交特性能够很好地描述矢量传感器阵元内部信号分量之间的垂直关系这一特点,将每个阵元的两分量接收数据合成为一个四元数,建立了简化电磁矢量传感器阵列的四元数接收模型,该模型比传统的长矢量模型更适合于矢量传感器阵列的信号处理。在此基础上,利用本文提出的Q-SS算法对相干信号进行预处理,实现了解相干,并对解相干性能进行了分析,然后通过四元数域的ESPRIT算法估计出相干信号的DOA。理论分析表明Q-SS算法比传统的长矢量空间平滑(V-SS)方法有更高的DOA估计精度,具有对矢量传感器内部电场噪声分量解相关的能力,这是V-SS算法所不具备的优势。最后,通过计算机仿真实验比较和分析了所提算法的有效性。      

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。     

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。     

一种利用最大特征矢量的Toeplitz去相干方法

 本文针对相干源的DOA估计问题,利用最大特征值对应的特征矢量(简记为最大特征矢量),提出了一种新的Toeplitz去相干方法.该方法用最大特征矢量构造了一个Toeplitz矩阵来估计相干源的波达方向,实现简单,不损失阵列孔径.相对于常规的去相干算法具有更好的估计性能,特别是在低信噪比情况下,且能估计更多相干源.理论分析和仿真结果均验证了该方法的有效性.     

利用深度学习方法的相干源DOA估计

基于子空间分解的相干信源DOA ( Direction of arrival) 估计算法对阵列有特殊的要求，且估计性能较差，在低信噪比时甚至失效；另外，基于压缩感知的DOA估计算法在高信噪比下可以实现相干源的DOA估计，但计算复杂度较高。针对这些不足，本文基于稀疏表示的阵列接收信号模型，提出一种基于深度学习的相干源DOA估计方法，该方法利用卷积网络和全连接网络构造了深度学习网络，并通过选择合适的训练策略，对网络进行了有效训练，利用训练好的深度学习网络能够对相干源进行有效的DOA估计。仿真实验表明，与现有的相干源DOA估计算法相比，本文提出的方法适合于任意阵列结构，在时间复杂度上有着明显的优势，在估计性能上优于平滑解相干和L1-SVD（Sigular Value Decomposition）算法，略差于OGSBI（Off-Grid Sparse Bayesian Inference）算法。      

Nested planar array: configuration design,optimal array and DOA estimation

Nested array enables to enhance localisation resolution and achieve under-determined direction of arrival (DOA) estimation. In this paper, we improve the traditional nested planar array to achieve more degrees of freedom (DOFs) and better angle estimation performance. The closed-form expressions for sensor positions of the improved array are given and the optimal array configuration for largest available DOFs is derived. Meanwhile, a computationally efficient DOA estimation algorithm is proposed. Specifically, we utilise two dimensional Discrete Fourier Transform (2D DFT) method to obtain the coarse DOA estimates; Subsequently, we achieve the fine DOA estimates by 2D spatial smoothing multiple signals classification (SS-MUSIC) algorithm. The proposed algorithm enjoys the same estimation accuracy as SS-MUSIC algorithm but with lower complexity because the coarse DOA estimates enable to shrink the range of spectral search. In addition, estimation of the number of signals is not required by 2D DFT method. Extensive simulation results testify the effectiveness of the proposed algorithm.     

双基地分布式阵列MIMO雷达的DOA和DOD估计方法

结合分布式阵列和双基地多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达的特点, 提出了一种新的双基地分布式阵列MIMO雷达的接收角(Direction of Arrival, DOA)和发射角(Direction of Departure, DOD)估计方法.根据发射阵列和接收阵列的空域旋转不变特性, 利用旋转不变估计技术(Estimation of Signal Parameters via Rotational Invariance Techniques, ESPRIT)获取无模糊DOA粗估计和高精度周期性模糊的DOA、DOD精估计; 再利用无模糊DOA粗估计、目标的双基地距离信息以及双基地MIMO雷达的几何特点, 解除DOA、DOD精估计的周期性模糊, 得到高精度且无模糊的DOA和DOD估计.最后, 根据ESPRIT算法原理和估计误差的概率统计特性进行算法的性能分析, 给出算法基线模糊门限的近似计算方法.该算法有效地放宽了发射阵列孔径扩展程度的限制, 从而提高了阵列在大孔径下的角度估计精度, 且能够实现DOA和DOD估计的自动配对.仿真结果验证了所提算法和性能分析方法的有效性.     

基于变换域APSO的任意阵列宽带DOA估计算法

为了提高宽带信号来波方向（Direction-of-arrival, DOA）估计精度并降低计算复杂度, 本文结合已知的发射信号波形, 提出了一种基于变换域加速粒子群最优化（Accelerated Particle Swarm Optimization, APSO）的宽带DOA估计算法, 该算法适用于任意阵列和低采样率情况。首先对阵列接收数据进行匹配滤波以及傅里叶变换处理,其次根据频域宽带阵列数据模型,利用确定性极大似然（Deterministic Maximum Likelihood, DML）准则构建宽带DOA估计的空间谱函数,然后采用变换域APSO算法对空间谱函数进行最大值搜索,搜索结果即为DOA估计值。该算法无需DOA预估计,不依赖空间谱函数的梯度信息,计算复杂度低。仿真实验表明,所提算法具有高估计精度和低计算复杂度,在信噪比为20?dB时,DOA估计均方根误差为0.02°。      

空间任意阵的多宽带信源定位算法性能研究

针对宽带信号非平稳特性,以及常用宽带DOA估计算法要求信源个数是已知的情况,提出一种新的基于空间任意阵的非平稳信号DOA估计算法。首先,通过短时傅里叶变换将信号转为频域表示,然后构造阵列频域数据模型,最后利用短时功率谱矩阵的联合对角化特性实现宽带信号的波达方向估计。本文对提出的算法进行了理论分析,并在常见阵型（如线阵、十字阵）上进行了仿真和性能分析,仿真结果表明该算法可高分辨率地估计出DOA,并且估计误差小。相对于已有的MUSIC谱估计方法,该算法无需进行信源个数估计,更具实用性。      

最小二乘矩阵滤波器在目标方位估计中的应用

雷达声呐目标探测主要依靠多传感器的阵列数据,当前广泛使用的MUSIC算法是一种准确度较高的目标方位估计算法,但在小快拍数、低信噪比、小阵元数条件下,性能会受到较大影响.矩阵滤波技术用于阵列数据预处理,可有效提高目标方位估计性能.首先,考虑最小二乘矩阵滤波器的设计方案,分析通带中心位置对其性能的影响;其次,利用设计的最小...     

基于斜投影的DOA估计和盲信号识别协同算法

阵列信号处理领域中,经常需要分析阵列接收信号的波达方向(DOA)和波形信息。在缺乏信号先验DOA和波形信息的情况下,提出了一种新的斜投影DOA估计和盲信号识别协同算法,实现对未知阵列接收信号的自适应分析。该算法交替地采用斜投影空域滤波技术将阵列接收信号拆分为单信号群组,在每个单信号群组内进行DOA和波形联合估计。算法适用于主瓣干扰存在的情况,并且在中小快拍数下有较好的估计性能。理论分析和仿真实验证实了文中算法的有效性。     

基于L型阵列酉变换矩阵重构的二维DOA估计

二维空间信号波达方向（DOA）的估计是阵列信号处理的一个关键研究问题。经典的二维 MUSIC算法固然精度高,但此算法需要二维谱峰搜索,运算较为复杂。提出一种用于L型阵列的二维DOA估计算法,通过矩阵重构使得阵列输出矩阵变为中心对称矩阵,再利用酉变换矩阵将其由复值矩阵变为实值矩阵。该方法可以直接得到目标参数,不需要谱峰搜索,使得运算量大大降低。相比于 L 型阵列适用的增广矩阵束（MEMP）算法,该算法可以估计更多信源的DOA,并能获得较高的分辨率。计算机仿真结果表明,该算法具有较高的DOA估计精度。     

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.     

Blind DOA and polarization estimation for polarization-sensitive array using dimension reduction MUSIC

A novel blind direction-of-arrival (DOA) and polarization estimation algorithm for polarization-sensitive uniform linear array using dimension reduction multiple signal classification (MUSIC) is proposed in this paper. The proposed algorithm utilizes the signal subspace to obtain an initial estimation of DOA, then estimates more accurate DOA through a one-dimensional (1-D) local searching according to the initial estimation of DOA, and finally obtains polarization parameter estimation via the estimated polarization steering vectors. The proposed algorithm, which only requires a one-dimension local searching, can avoid the high computational cost within multi-dimensional MUSIC algorithm. The simulation results reveal that the proposed algorithm has better DOA and polarization estimation performance than both estimation of signal parameters via rotational invariance technique algorithm and trilinear decomposition algorithm. Furthermore, the proposed algorithm can be suitable for irregular array geometry, obtain automatically paired multi-dimensional parameter estimation, and avoid multi-dimensional searching. Simulation results verify the effectiveness of the proposed algorithm.