内插阵列变换扩展传播算子算法

扩展传播算子(EPM)算法是首先对数据进行扩展,再利用传播算子(PM)方法进行测向的一种算法,该算法充分利用了非圆信号的特点,分辨力和估计精度优于未充分利用非圆信号信息的经典高分辨算法。但是在实际信号测向中,由于阵元位置误差的存在,算法的估计性能会受到一定的影响。因此提出一种基于内插阵列变换的扩展传播算子(VIA-EPM)算法,该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分块并得出扩展传播算子,进而得出算法的空间谱函数。仿真实验表明:在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EPM算法相当的估计性能,保持了阵列扩展能力以及高估计精度,在低信噪比情况下,基于扩展协方差矩阵的VIA-EPM算法的分辨力以及估计精度均要优于基于扩展数据矩阵的VIA-EPM算法。     

互质阵列DOA估计性能综合分析北大核心CSCD

互质阵列是近年来兴起的新型阵列,能显著提高阵列自由度,处理信源数大于阵元数时的波达方向(DOA)估计,且能提高角度分辨率和测角精度。文中根据互质阵物理阵元和虚拟阵元特点,结合多重信号分类(MUSIC)算法提出适用于互质阵基于物理阵列和虚拟阵列的DOA估计方法。该方法以非相干信号源为研究对象,利用互质阵列建立信号接收模型,基于物理阵列的DOA估计方法根据互质阵物理阵元位置特点推导其导向矢量,然后根据导向矢量计算回波信号数据和信号协方差矩阵,最后利用MUSIC算法进行DOA估计。基于虚拟阵列的DOA估计方法根据其虚拟阵元数据特点在向量化协方差矩阵并去冗余后选取连续虚拟阵元接收数据,然后对新协方差矩阵进行一维Toeplitz平滑重构,最后利用MUSIC算法或求根MUSIC算法进行DOA估计。与等阵元数的均匀线阵进行对比,仿真实验验证了互质阵列DOA估计性能的优越性。     

基于互质阵列重构的高维波达方向估计算法

针对角度估计中现有算法估计信源数少的问题,提出了一种基于互质阵列重构的高维波达方向估计算法,实现了有限物理阵元条件下多重信号角度的超分辨估计.该方法首先对接收信号协方差矩阵进行列向量化处理,建立虚拟阵列模型,然后在此基础上重构虚拟阵列流型,拟合出缺失的虚拟阵元响应,最后引入空域平滑的思想,实现角度的超分辨估计.对本文算法的复杂度和阵列自由度进行理论分析.仿真结果表明,所提方法在相同物理阵元数条件下阵列自由度高于连续空域平滑检测算法和迭代内插检测算法,相比于迭代内插检测算法,以较小的复杂度代价获得了性能的较大提高.     

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。      

基于阵列内插的双基地互质MIMO雷达角度联合估计方法北大核心CSCD

针对互质阵列形成的差分共阵(DCA)存在空洞导致虚拟阵列不连续的问题,提出了一种基于阵列内插形成无孔互质阵的双基地多输入多输出雷达测向方法。首先,推导阵列内插的位置与形成的DCA填补空洞的位置,并推导出自由度闭合式;其次,分别在发射阵列和接收阵列将子阵列内插,形成连续的虚拟发射阵列和虚拟接收阵列;然后,利用选择矩阵使等效虚拟信号向量在虚拟发射阵列和虚拟接收阵列中平滑移动得到空间平滑矩阵;最后,利用空间平滑矩阵进行空间谱估计,并通过多重信号分类算法实现角度自动匹配。     

基于协方差矩阵加权截断核范数的DOA估计

针对互质阵列通过差联合处理得到具有高自由度的虚拟阵列存在空洞位置,导致子空间类算法不适用、阵元利用率不足等问题,文中提出了一种基于加权截断核范数的协方差矩阵重构的波达方向(DOA)估计算法。该算法首先根据虚拟域信号表达式和空洞位置构建待填充矩阵;然后,利用最小化加权截断核范数实现阵列插值;最后,迭代重构接收信号协方差矩阵得到角度功率谱估计。仿真结果表明：所提算法可快速准确地实现DOA参数估计,相比基于最小化核范数和截断核函数正则化的DOA估计算法,该算法具有良好的鲁棒性,在快拍数小和信噪比低的情况下均具有较高的估计精度。     

基于双频虚拟互质阵列的均匀稀疏阵列DOA估计算法

提出了一种利用双频工作模式解决均匀稀疏阵列波达方向角(DOA)估计的方法。对一个物理均匀稀疏阵列,引入一个合适的额外工作频率,通过优选阵元数量及阵元间距,构建一个虚拟稀疏阵列,使得虚拟阵元间距与相邻真实均匀稀疏阵列的阵元间距成互质关系;物理均匀稀疏阵列与虚拟阵列组合形成一个自由度更高的虚拟互质阵列,将两个频率的接收信号对应合并后进行相关处理,得到虚拟互质阵列的阵列流形相关矩阵;基于相关间隔与差协同阵阵元位置的一一对应关系,对虚拟相关矩阵进行矩阵增广实现DOA估计,能够获得更高的自由度,突破物理阵元数目对最大可分辨信源数目的限制。基于MUSIC 算法的仿真结果验证了算法的可行性。     

均匀圆阵DOA估计的一种酉变换方法

针对基于均匀圆阵的子空间类DOA估计算法包含大量复数运算、硬件实现复杂的问题,提出了阵元空间中的一种酉变换方法。该方法利用阵列的中心对称性将协方差矩阵和导向矢量分别转化为实对称阵和实矢量,从而大大降低了硬件实现复杂度。基于该酉变换的MUSIC算法在性能上优于传统的MUSIC算法和均匀圆阵模式空间酉MUSIC算法。     

一种DOA估计的快速子空间算法

MUSIC算法是一种属于特征结构的子空间超分辨方法，该算法性能优良，但需要估计协方差矩阵并对其进行特征分解，运算量大，很费计算时间。本文对波这方向估计问题进行了研究并提出了一种采取降维处理的快速子空间算法，该算法利用阵列协方差矩阵的一个子矩阵快速得到信号子空问，无需特征分解，且无需估计整个协方差矩阵，只需估计该子矩阵，故快速算法运算复杂度远低于MUSlC算法，而性能损失并不太大。理论分析和计算机仿真结果表明此方法是有效的。     

二阶共轭增强MUSIC算法

提出了二阶共轭增强MUSIC(SO-CAM)算法,利用阵列输出的非零时延互相关函数及其共轭形成伪阵列输出,从而得到伪协方差矩阵,对其进行特征分解,利用信号子空间与噪声子空间的正交性,搜索得到的空间谱函数的极大值点对应的角度就是波达方向。仿真实验表明,新算法可对多于阵元数的信号进行测向,其测角精度和分辨力优于MUISC算法,与MUSIC-like算法性能相当。     

互质MIMO雷达的非圆信号降维DOA估计方法北大核心CSCD

针对传统互质阵列波达方向估计方法存在的自由度低、阵列孔径小、相位模糊等问题,提出了一种基于互质MIMO雷达的非圆信号降维波达方向(Direction of Arrival, DOA)估计方法。该方法结合了互质阵列与MIMO雷达的优点,利用非圆信号特性对阵列进行扩展,重构接收信号矩阵,然后进行降维处理,并利用噪声特征值的幂级数对噪声子空间进行修正,进一步提高算法精度。最后推导了文中方法的无相位模糊问题。仿真实验表明,文中方法能够有效避免相位模糊,大大提高自由度并扩大阵列孔径,与传统MUSIC算法以及互质阵列MUSIC算法相比,在估计成功率、DOA估计精度等方面均具有更好的性能。     

Estimation of direction-of-arrivals based on the array manifold space

In this paper, a high resolution technique for estimating DOAs of spatially close source signals is presented. It is observed that the array manifold over a sector of interest is rank deficient and the dimension of the array manifold space, which is the range space of the array manifold, is less than the number of sensors in the array. The true signal subspace is a subspace in the array manifold space. A novel technique is provided that searches for the signal subspace in this array manifold space. The resulting estimated signal subspace has minimum principal angles with the data signal subspace generated by eigen-decomposing the covariance matrix of the array data vector. It is proved that the proposed estimator is asymptotically consistent and the estimated signal subspace is closer to the true signal subspace than the data signal subspace formed by MUSIC. The proposed novel technique has better performance than the MUSIC algorithm. Its performance is comparable to MLE and MD-MUSIC yet it requires only one-dimensional searches and is computationally much less intense. Simulation results are presented to show the effectiveness of the proposed technique, and comparisons with MUSIC, MLE, and MD-MUSIC algorithms are also included.This research was supported by TRIO and NSERC.     

非圆信号多级维纳滤波MUSIC测向算法

为降低非圆信号的MUSIC(记为NC-MUSIC)测向算法的计算量,提出了基于多级维纳滤波的NC-MUSIC算法.首先,该算法将非圆信号特性用于多级维纳滤波算法,构造出扩展阵列输出矩阵,利用多级维纳滤波的递推特性求出信号子空间,而不需要估计样本协方差矩阵和对其特征值分解;其次,为了进一步降低算法的计算量,推导出信号子空间的谱峰一维搜索公式进行非圆信号谱峰搜索的计算,快速估算出目标的方位值.仿真结果和计算复杂度分析表明,新算法不但在均方根误差性能上与其他快速算法相似,均接近于NC-MUSIC算法,具有良好的估计性能,而且降低了NC-MUSIC算法的计算最,使其计算复杂度小于非圆信号扩展传播算子快速测向算法的计算复杂度.证实了新算法快速有效的估计性能.     

Source localization using recursively applied and projected (RAP)MUSIC

A new method for source localization is described that is based on a modification of the well-known MUSIC algorithm. In classical MUSIC, the array manifold vector is projected onto an estimate of the signal subspace. Errors in the estimate of the signal subspace can make localization of multiple sources difficult. Recursively applied and projected (RAP) MUSIC uses each successively located source to form an intermediate array gain matrix and projects both the array manifold and the signal subspace estimate into its orthogonal complement. The MUSIC projection to find the next source is then performed in this reduced subspace. Special assumptions about the array manifold structure, such as Vandermonde or shift invariance, are not required. Using the metric of principal angles, we describe a general form of the RAP-MUSIC algorithm for the case of diversely polarized sources. Through a uniform linear array simulation with two highly correlated sources, we demonstrate the improved Monte Carlo error performance of RAP-MUSIC relative to MUSIC and two other sequential subspace methods: S and IES-MUSIC. We then demonstrate the more general utility of this algorithm for multidimensional array manifolds in a magnetoencephalography (MEG) source localization simulation     

极化域一空域动态联合谱估计

研究了极化域-空域联合谱的动态更新问题,给出了MUSIC联合谱的自适应递推估计算法。利用指数窗法对阵列协方差矩阵作秩-1更新;然后在矩阵扰动理论基础上,利用矩阵特征分解二阶修正方法更新特征值和特征向量;针对最小特征值重合情形仅对信号子空间进行递推更新,根据更新了的信号子空间得到动态联合谱;最后仿真结果验证了该方法的可靠性。     

一种适用于小样本的迭代多重信号分类算法

当样本数不足时,由采样协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得多重信号分类(MUSIC)算法目标角度(DOA)估计性能下降。为了解决这个问题,该文提出了一种迭代算法通过校正信号子空间来提高MUSIC算法性能。该方法首先利用采样协方差矩阵特征分解得到的噪声子空间粗略估计目标角度;其次基于信源的稀疏性和导向矢量的低秩特性,由上一步得到的目标角度以及其邻域角度对应的导向矢量构造一个新的信号子空间;最后通过解一个优化问题来校正信号子空间。仿真结果表明,该算法有效地提高了子空间估计精度。基于新的信号子空间实现MUSIC DOA估计可以使得性能得到改善,且在低样本数下改善尤为明显。     

基于时间反转的MIMO雷达实值MUSIC算法

针对时间反转(TR)多输入多输出(MIMO)雷达多重信号分类(MUSIC)算法计算量庞大的问题,提出一种基于时间反转的MIMO雷达实值MUSIC算法。首先,通过采用降维思想对TR MIMO回波信号进行降维处理,来减少计算量;然后,为将协方差矩阵转化到实数域,构造酉变换矩阵进行实值变换;最后,分解出实值协方差矩阵的噪声子空间,构造谱函数估计信号波达角。相对于传统的MUSIC算法,该算法借助实值变换剔除了复数运算,极大地降低了计算量,而且不需要空间平滑降低阵列孔径就具有解相干的能力。仿真结果证实了算法的正确性。     

基于非圆信号的二维测向算法

提出了一种基于窄带非圆信号的二维测向算法,利用非圆信号的椭圆协方差矩阵非零特性将阵列有效阵元数和孔径同时扩展,提高多信号检测的能力。进一步通过利用L阵的几何性质和两子阵间的互相关来滤除噪声,提高角度估计精度,并采用快速算法获得信号方位角和俯仰角。最后计算机仿真结果验证了该方法由于利用非圆信号特性比传统测向算法的估计性能更高。     

基于噪声子空间特征值重构的DOA估计算法

该文针对非等功率信号波达方向(DOA)估计问题,提出一种基于噪声子空间特征值重构(Eigenvalue Reconstruction of Noise Subspace, ERNS)的超分辨算法。算法对接收信号自相关矩阵进行特征值分解,通过重构噪声空间特征值以及引入虚拟信源来构造新的接收信号自相关矩阵,对该矩阵进行特征值分解得到新的噪声空间特征值。当虚拟信源与实际信源入射方向相同时,新噪声空间特征值与重构后噪声空间特征值保持不变,利用这一特性来估计信源入射方向。该文给出算法的原理及实现步骤,并通过仿真进行原理验证与性能分析,仿真结果表明与其他子空间算法和MUSIC 算法相比,ERNS算法能够提高弱信号估计成功的概率。