基于稀疏恢复的循环平稳信号DOA估计

基于信号稀疏恢复的思想,提出了一种新的循环非相关平稳信号DOA估计算法.首先,对阵列的二阶循环互相关矩阵矢量化,并将感兴趣的空间划分成若干段以构造过完备的方向矩阵,从而得到基于Khatri-Rao积的稀疏模型;其次,利用凸优化技术对稀疏模型进行优化求解,并根据恢复得到的稀疏信号中非零元素的位置估计出高精度的DOA值.与传统的循环互相关算法比较,本文算法具有更高的DOA估计精度,同时也适用于信号个数多于阵元个数的场合.理论分析和仿真实验结果都验证了算法的有效性.     

循环平稳信号的联合稀疏表示DOA估计

基于联合稀疏表示的思想,本文提出了一种利用二阶循环统计量的循环平稳信号波达方向（DOA）估计算法。首先,对传统的谱相关信号子空间拟合算法进行分析研究;然后,通过在循环域构造过完备的阵列方向矩阵字典,建立了联合稀疏表示模型,从而将循环平稳信号的DOA估计问题转化为联合稀疏矩阵的恢复问题;最后,利用联合Ι_2,0范数逼近法求出联合稀疏矩阵的优化解,并根据优化矩阵中非零行的位置估计出循环平稳信号的DOA。与传统的SCSSF算法相比,所提算法具有更高的DOA估计精度,同时也适用于信号个数多于阵元个数的场合。理论分析和仿真实验结果都表明了算法的有效性。      

基于最小方差谱估计的循环平稳信号 到达角估计方法

文章提出了基于最小方差谱估计的多循环频率到达角估计方法.通过对指数函数进行Jacobi-Anger展开,将目标方向矩阵近似分解为两个独立矩阵相乘的形式,并构造相应的变换矩阵,将多个不同循环频率处阵列输出信号循环相关函数矩阵进行叠加,再利用最小方差谱估计方法实现对目标到达角的估计.新方法克服了已有基于信号循环平稳特性估计方法只利用信号单个循环频率信息的不足.仿真结果证实了新方法的有效性,同时也证实该方法确实具有较单循环频率SC-SSF方法和传统宽带聚焦方法更好的估计性能.     

基于循环平稳特性的源信号到达角估计方法

分析了SC-SSF算法的不足,给出了统一的循环频域阵列信号模型,并推导得到了一般化的基于信号循环平稳特性的源信号到达角估计方法——GSC-SSF算法,该算法克服了SC-SSF算法的不足,具有更好的实用性.仿真试验比较了两种方法的估计性能,仿真结果说明了所给方法的有效性.     

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.     

基于分布式压缩感知的宽带欠定信号DOA估计

为解决基于稀疏阵列的宽带欠定信号到达角(DOA)估计问题,该文提出基于分布式压缩感知(DCS)的宽带DOA估计算法。首先,对稀疏阵列宽带信号处理模型进行理论推导与分析,将宽带信号DOA估计建模成DCS问题;其次,利用经典DCS算法实现稀疏阵列上的宽带欠定信号DOA估计;最后,引入网格失配误差,建立包含网格失配参数的DCS模型,并进行迭代求解,实现对DOA和网格失配参数的联合估计。仿真结果表明,该算法能够实现宽带欠定信号DOA估计,较现有成果而言,在保证测向精度的同时,具备分辨率高、运算速度快的优点。     

一种新的基于稀疏表示的宽带信号DOA估计方法

该文提出一种基于稀疏表示的宽带信号波达方向(DOA)估计方法,解决稀疏表示方法在宽带信号DOA估计中由于基矩阵维数过大而使算法存储量和重构计算量大的问题。用单一频点的基矩阵代替频率和角度联合构建的基矩阵,使基矩阵的列数仅相当于一个频点处冗余基矩阵的列数,大大降低了稀疏重构方法的存储量和计算量。该方法首先对各频点的频域数据进行聚焦处理,将不同频率的数据堆叠到参考频率上并建立参考频率处的基矩阵,然后建立聚焦后的稀疏表示模型进行DOA估计,并采用奇异值分解进一步降低算法的运算量,最后给出残差门限的选择方法。该算法不仅适用于非相关信号,也可直接处理相关信号而不需要任何的去相关运算,且具有高的检测概率和估计精度,仿真实验和分析验证了该方法的有效性。     

低信噪比条件下宽带欠定信号高精度DOA估计

为提高低信噪比条件下宽带欠定信号DOA估计精度,该文提出基于网格失配迭代最小化稀疏学习的宽带DOA估计方法。该方法首先对频域协方差矩阵进行矢量化处理实现虚拟阵列扩展,将欠定信号转换为超定信号。其次利用线性变换滤除含有噪声项的虚拟阵元,并对协方差估计误差进行了白化处理,抑制了信号中的干扰项。最后建立了包含不同频点联合稀疏参数和网格失配参数的贝叶斯层次架构,推导了联合稀疏参数、网格失配参数的最小稀疏表达式并进行了迭代学习。较传统方法,该方法不依赖任何先验信息,更好地抑制了虚拟阵元中的噪声和干扰,降低了网格失配对DOA估计的影响,在低信噪比条件下具有更高的DOA估计精度和分辨率。仿真实验验证了该方法的有效性。     

基于联合稀疏矩阵恢复的DOA估计算法

基于联合稀疏矩阵恢复的思想,提出一种新的窄带信号DOA 估计算法。算法通过对计算得到的各帧阵列协方差矩阵进行矢量化操作,构造伪数据矩阵;然后构建过完备的阵列方向矩阵字典,形成联合稀疏信号模型;接着利用联合l_2,0 逼近法求出联合稀疏矩阵的优化解,由此得到信号DOA 的估计值。由于二阶统计量的矢量化操作扩展了阵列孔径,算法能够分辨多于阵元数的信号,同时适用于窄带短时平稳或平稳信号,且不需要预先估计信号源数。计算机仿真结果证明了算法的有效性。     

窄带通信信号时延估计的循环谱组合切片法

循环时延估计方法只使用单一循环频率进行时延估计,对信号的循环平稳信息利用不充分,且估计性能对循环频率的选择有较大依赖性.针对此问题,研究了利用多循环频率组合进行时延估计的方法,为减小循环谱密度函数估计的计算量并提高时延估计的精度,阐述了利用循环谱切片组合进行时延估计的方法,在不同信噪比的高斯噪声和同频干扰条件下分别进行了仿真实验.仿真结果表明,多循环频率时延估计法较单循环频率时延估计法有更高的估计性能.     

宽带独立信号和相干信号的DOA估计

当独立信号和相干信号共存时,传统四阶累积量方法无法估计出宽带相干信号的来波方向(DOA),针对这个问题提出了一种新方法。该方法首先通过离散傅里叶变换,将宽带阵列接收数据分解为若干个窄带信号,构造出各个窄带频率处的自相关矩阵,再通过MUSIC(Multiple Signal Classification)算法估计出各个窄带信号的DOA,将各个窄带信号的空间谱相加求平均,通过谱峰搜索得到宽带独立信号的DOA;然后分离出独立信号的信息,构造出一个只包含宽带相干信号信息的矩阵,最后通过稀疏重构的方法估计出相干信号的DOA。计算机仿真结果证明该算法的正确性和有效性。     

基于四阶累积量的宽带OFDM信号DOA估计

当宽带OFDM(Orthogonal Frequency Division Multiplexing)独立信号和相干信号共存时,传统四阶累积量方法无法估计出宽带OFDM相干信号的来波方向,针对这个问题提出了一种新算法。该算法首先通过离散傅里叶变换,将宽带阵列接收数据分解为若干个窄带信号,通过四阶累积量方法估计出各个频点处独立信号的来波方向,将各个频点处的独立信号的DOA估计相加求平均即为宽带OFDM独立信号的DOA估计;然后分离出独立信号的信息,构造出一个只包含OFDM相干信号信息的矩阵,最后通过稀疏重构的方法估计出OFDM相干信号的DOA。计算机仿真结果证明该算法适用于非高斯信号和色噪声情况。     

基于多循环频率聚焦的宽带循环平稳信号阵列测向方法

宽带循环平稳信号多个离散循环频率处的信息能否进行综合利用以改善低信噪比条件下的阵列测向性能具有较大的研究价值。该文从阵列观测数据的循环谱相关函数入手,证明了低信噪比条件下不同循环频率处阵列观测数据的谱相关函数估计误差之间相互独立,表明不同循环频率信息之间具有较强的互补性,然后借鉴常规宽带信号频域聚焦思想提出了一种不同循环频率处信息综合利用的有效途径。仿真结果表明,基于多循环频率聚焦的方法能够有效改善低信噪比条件下宽带循环平稳信号的阵列测向性能。     

基于稀疏信号重构的DOA和极化角度估计算法

现有的波达方向(Direction Of Arrival,DOA)和极化参数估计方法大多基于子空间理论.本文从稀疏信号重构角度出发,提出了一种新的DOA和极化角度估计算法.该算法首先构建一个只包含DOA信息的累积量矩阵模型,然后基于加权l?₁范数最小化获得DOA估计.在DOA估计的基础上,进一步通过求和平均运算构建三个包含不同极化信息的累积量向量模型,利用Zhang惩罚进行稀疏性约束,获得近似无偏的极化角度估计.阐述了如何利用极化信息来区分两个入射角度一样的信源信号.计算机仿真结果验证了所提算法的有效性.     

脉冲噪声下基于稀疏表示的韧性DOA估计方法

受相关熵启发,本文提出了一种脉冲噪声下基于稀疏表示的韧性DOA估计新方法.为实现多测量向量下联合稀疏信号的重建,本文提出了一种基于归一化迭代硬阈值的优化算法,讨论了最优步长的选择问题,证明了优化算法的收敛性.仿真结果表明：本文算法能够实现脉冲噪声下多信源的DOA估计,具有比已有算法更高的可分辨概率和估计精度.     

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。     

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。