基于噪声子空间二阶锥规划求解的宽带波达方向估计算法

现有宽带子空间类方位估计方法需要对庞大的空时联合采样相关矩阵进行特征分解运算以获得好的估计性能,计算复杂度高.提出一种基于噪声子空间二阶锥规划求解、计算有效的宽带波达方向估计算法.该算法将宽带信号低秩模型的噪声子空间估计转换为凸最优理论中的二阶锥规划问题,实现宽带源方位估计,整个过程不需要估计样本协方差矩阵,不需要矩阵特征值分解或奇异值分解,运算量低.给出算法的理论分析、实现步骤.统计性能比较表明该算法分辨门限低、方位估计精度高.千岛湖湖试结果证明该算法在实际声纳阵系统中可有效实现宽带源波达方向估计.     

有色噪声背景下多径信号的二维DOA和极化参数同时估计算法

基于有色噪声背景下的电磁矢量传感器阵列,提出一种宽带多径循环平稳信号的二维波达方向和极化参数的同时估计算法。该算法充分利用信号的循环平稳特性,不仅解决了宽带多径信号的二维波达方向估计问题,而且具有选择估计信号波达方向的能力。该方法能够抑制有色噪声和宽带干扰的影响。计算机仿真验证了所提方法的有效性。     

高阶声场传感器阵列超分辨方位估计方法研究

为了提高水声阵列在尺度受限情况下的方位估计性能,本文提出利用高阶声场传感器组成新型阵列的思路。高阶声场传感器基于相位模态理论,通过圆环孔径上多个声压传感器的接收信号提取高阶信息,从而以更简单易实现的物理结构获得与矢量传感器相似的多维信号结构,在此基础上构建高阶声场传感器阵列的信号模型,利用MUSIC方法进行超分辨方位估计性能的仿真分析,发现高阶声场传感器阵列能够获得比相同条件下矢量传感器阵列更好的方位估计精度和分辨能力。     

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.     

加权信号张量子空间拟合算法

提出了一种基于三阶张量高阶奇异值分解的声矢量阵列加权信号张量子空间拟合算法. 首先对声矢量阵接收信号进行三阶张量建模, 并通过高阶奇异值分解得到信号张量子空间, 从而结合加权信号子空间拟合算法进行空间方位谱估计. 由于基于高阶奇异值分解得到的信号张量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, 因此具有更高的方位估计精度. 理论和仿真结果表明: 该方法在低信噪比、等强度不相关信号和强相关信号条件下仍具有良好的目标分辩能力和稳定性, 工程应用价值较高.     

智能天线中平面阵列的波达方向估计的研究

研究智能天线中平面阵列的波达方向估计．以等距线阵为基础,把每一线阵作为平面阵列的一个子线阵,信号在不同子线阵上形成的波达方向估计就构成平面阵列的波达方向估计．提出采用MUSIC算法来实现平面阵列波达方向估计的方法．阵元数目的增加,很大程度上提高了方向估计的准确性．文中模拟了现实的无线环境,在相同噪声情况下,讨论不同数目的入射信号对平面阵列的波达方向估计的影响,并在不同噪声情况下,通过多次实验得到噪声与入射角度分辨率的关系．     

麦克风阵列二维方向估计聚焦算法研究

聚焦算法是解决宽带信号方向(DOA)估计问题的重要算法。常规的宽带聚焦算法需要进行预估计和多次迭代,算法的计算复杂度较高。该文根据宽带聚焦算法的思想,结合语音信号的特点,以各频率点的频域相关矩阵和聚焦点的相关矩阵的均方误差最小为最优化准则,提出了一种不需要预估计和迭代的二维宽带聚焦算法。该算法实时性好、计算复杂度低。采用八元均匀圆环麦克风阵列,仿真验证了该算法的良好二维DOA估计性能。     

基于恒虚警的信号检测迭代算法

提出了在信号检测中利用恒虚警估计噪声特性的迭代算法,该算法能够在信噪比达到一定值的情况下,比较准确地检测出中频信号包含的有用信号的数量及其中心频率。算法的基本思想在于在未知情况下估计信号中噪声统计特性,利用估计的噪声统计特性将信号和噪声分离,从而获得实际信号的数量、带宽、中心频率等基本参数。仿真结果表明该迭代算法计算简便,且具有较好的适应性。     

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.     

基于循环自相关的DOA估计方法研究

为了克服传统信号DOA估计的不足,提高信号的选择性和分辨率,文章给出了基于循环均值阵列信号模型.根据该信号模型,运用最小二乘得到了对源信号方向进行估计的有效算法.该算法利用信号的循环平稳特性去除接收信号中的非循环平稳信号和不同循环频率的循环平稳信号,用循环统计量方法替代传统的二阶统计量方法,得到很好的DOA估计效果.计算机仿真结果证明,该算法在不同角度下具有很好的估计一致性和噪声抑制性.与其他的DOA估计算法相比,计算量较小,同时处理的对象既可以是窄带信号也可以是宽带信号,具有很好的实际应用价值.     

Wideband Direction-of-Arrival Estimation Based on Deep Learning

The performance of traditional high-resolution direction-of-arrival (DOA) estimation methods is sensitive to the inaccurate knowledge on prior information, including the position of ar-ray elements, array gain and phase, and the mutual coupling between the array elements. Learning-based methods are data-driven and are expected to perform better than their model-based counter-parts, since they are insensitive to the array imperfections. This paper presents a learning-based method for DOA estimation of multiple wideband far-field sources. The processing procedure mainly includes two steps. First, a beamspace preprocessing structure which has the property of fre-quency invariant is applied to the array outputs to perform focusing over a wide bandwidth. In the second step, a hierarchical deep neural network is employed to achieve classification. Different from neural networks which are trained through a huge data set containing different angle combinations, our deep neural network can achieve DOA estimation of multiple sources with a small data set, since the classifiers can be trained in different small subregions. Simulation results demonstrate that the proposed method performs well both in generalization and imperfections adaptation.     

一种新的均匀圆阵互耦校正算法

提出了一种估计均匀圆阵互耦系数的算法. 该算法首先将包含互耦系数信息的信号子空间向量表示为互耦系数矩阵和理想阵列导引向量的乘积. 然后，对互耦系数矩阵进行变换，进而用一个列向量表示出互耦系数矩阵中的全部独立元素； 并提出了基于最小条件数准则下对矩阵求逆从而给出此列向量的估计. 仿真证明了该方法可以准确估计互耦系数矩阵，并对小误差微扰具有一定稳定性.     

基于二次虚拟扩展的高分辨率波达方向估计方法

为进一步提高天线阵波达方向估计的分辨率,在四阶量多重信号分类方法的基础上,提出一种高分辨率的波达方向估计方法.利用阵列接收数据的四阶矩量进行虚拟阵列扩展,再利用阵列接收数据的共轭进行虚拟阵列扩展,实现二次虚拟扩展;将扩展后的阵列导向矢量和协方差矩阵用于波达方向估计,与原阵列导向矢量和协方差矩阵相比,相当于构造了更多的虚拟阵元,并扩展了阵列的孔径.仿真结果表明:与四阶量多重信号分类等波达方向估计方法相比,所提出的方法在波达方向估计中成功概率更高,均方误差更低,具有更高的分辨率.所提方法通过二次虚拟扩展,构造了更多的虚拟阵元,有效地提高了天线阵波达方向估计的分辨率.     

基于张量域降噪的宽带DOA估计

针对低信噪比条件下远场宽带信号波达方向(DOA)估计精度低的问题,提出了一种基于张量域降噪的宽带DOA估计算法。首先,联合各子频带数据构造张量信号;然后进行高阶奇异值分解,并利用最小描述长度准则分离信号与噪声;其次,改进协方差矩阵拟合算法,利用L1范数对信号功率进行约束,获得L1约束问题模型并求解;最后,对所有窄带估计结果进行融合得到宽带信号DOA。仿真结果表明,该算法可有效地降噪,同时较求根多重信号分类算法和旋转不变子空间参数估计算法,该算法对DOA估计无需预知信源数目,且在低信噪比条件下具有较小的均方根误差。     

用旋转不变技术实现互耦和通道不一致的联合抑制简

The performance of subspace estimation algorithms degrades substantially in the presence of mutual coupling and channel discord by the perturbance of the steering matrix. Classical self-calibration algorithms need multidimensional search, optimization and iteration, and large calculation quantity. In order to avoid these shortcomings, a novel joint calibration algorithm using rotational invariance techniques is proposed in this paper. Two sub-arrays' steering matrix can maintain the rotational invariance property in the presence of array errors by switching channels and selecting sub-arrays according to the characteristic of the mutual coupling matrix. So, the estimation of signal parameters via rotational invariance techniques (ESPRIT) algorithm is applicable to mutual coupling and channel discord scenarios. The algorithm requires neither searching the spectrum peak nor estimating error parameters, and the calibration of array errors does not need an additional calculation quantity. Simulation results show that the proposed algorithm can restrain mutual coupling and channel discord. The performance of the algorithm is equivalent to the performance of the standard ESPRIT algorithm without errors.     

A Singular Value Thresholding Based Matrix Completion Method for DOA Estimation in Nonuniform Noise

Usually, the problem of direction-of-arrival (DOA) estimation is performed based on the assumption of uniform noise. In many applications, however, the noise across the array may be nonuniform. In this situation, the performance of DOA estimators may be deteriorated greatly if the non-uniformity of noise is ignored. To tackle this problem, we consider the problem of DOA es-timation in the presence of nonuniform noise by leveraging a singular value thresholding (SVT) based matrix completion method. Different from that the traditional SVT method apply fixed threshold, to improve the performance, the proposed method can obtain a more suitable threshold based on careful estimation of the signal-to-noise ratio(SNR) levels. Specifically, we firstly employ an SVT-based matrix completion method to estimate the noise-free covariance matrix. On this basis, the signal and noise subspaces are obtained from the eigendecomposition of the noise-free cov-ariance matrix. Finally, traditional subspace-based DOA estimation approaches can be directly ap-plied to determine the DOAs. Numerical simulations are performed to demonstrate the effective-ness of the proposed method.     

一种新的近场源参数估计的子空间方法

提出了一种新的近场源到达方向和距离的联合估计算法．基于阵列接收数据的高阶累积量,构造了两个适当的矩阵束,它们的广义特征值的相位给出到达方向和距离的估计,同时其特征值的幅度实现二维参数配对．该算法的参数估计有闭式解,不需要复杂的谱峰搜索和参数配对算法．由于算法使用了四阶累积量,所以适用于任意结构的加性高斯噪声环境．计算机仿真实验证实了所给算法的有效性．     

近场声源方位和距离联合估计算法

为提高近场麦克风阵列的声源定位精确度,对基于麦克风阵列的声源定位技术进行研究。详细分析了近场信号传播模型,并结合窄带子空间算法,对宽带ISM（Incoherent Signal-Subspace Method）算法进行改进,提出一种近场子空间声源方位和距离联合估计算法。该算法根据短时信号的频率特性,在特定频率上对信号应用子空间算法进行方向距离联合估计并对结果进行叠加,从而得到最终结果。该算法在相关信源和混响条件下均能得到较好的DOA（Direction-of-Arrival）估计效果。计算机仿真验证了算法的有效性。