一种基于加权TOPS的宽带DOA估计新方法

针对投影子空间正交性测试（Test of orthogonality of projected subspaces,TOPS）对宽带信号波达方向估计（Direction?of?arrival, DOA）存在角度分辨率较低,且易出现伪峰的问题,提出了一种加权TOPS的宽带DOA估计新方法。该方法通过最大化各频率点信号子空间与噪声子空间特征值区分度选择参考频点,同时利用信号子空间投影代替其零空间投影;然后利用正交频率子空间测试法（Test of orthogonality of frequency subspaces, TOFS）对平方TOPS法的判定矩阵进行加权修正;最后对判定矩阵求迹实现宽带DOA估计,避免了奇异值分解。与现有的TOPS法、平方TOPS以及TOFS相比,该方法提高DOA估计精度,能够有效剔除伪峰,降低了算法复杂度,且对间隔相近信源DOA估计分辨率更高。仿真实验结果验证了该方法的有效性。     

一种新的宽带DOA估计自聚焦算法

具有较高精度的宽带信号波达方向（DOA）快速估计算法是其实用化所要解决的重要问题。提出了一种新的相干子空间（CSM）类宽带DOA估计自聚焦算法。算法利用子空间投影变换将信号分离后分别处理,通过不断更新聚焦方向实现自聚焦。与已有算法相比,不受DOA初始值的影响,有更小的聚焦误差;不同目标在聚焦矩阵更新过程中无需再做奇异值分解,有较低的实时计算量。仿真实验表明,算法以较小的计算代价实现了近乎最优的聚焦性能,有较高的DOA估计精度。     

一种改进的信号子空间聚焦宽带DOA估计算法

信号子空间聚焦（FSS）算法可实现宽带相干信号的波达方向（DOA）估计,但其在短快拍条件下存在估计精度差、分辨率低的问题。提出一种改进的信号子空间聚焦（MFSS）算法。根据波长间隔与阵元间距的匹配度选取最佳参考频点及子频带,通过Hankel矩阵奇异值分解重构子频带的协方差矩阵,并利用信号子空间聚焦法构造聚焦协方差矩阵,使用Root-正交传播算子实现DOA估计。实验结果表明,相比FSS、MTOPS、LR-MUSIC算法,MFSS算法复杂度较低,能够有效提高估计精度和速度。     

基于Krylov子空间的测向算法

提出一种基于Krylov子空间的信号波达方向估计算法,搜索信号可能入射角度,通过测试所构造的Krylov子空间与信号子空间的等价性来判断信号的DOA,算法用多级维纳滤波实现子空间分解。仿真实验表明,算法在低信噪比条件下对相邻信号有良好的谱分辨率和估计性能。     

改进Geese算法对信号的DOA估计

针对传统的空间谱估计算法对相干源的波达方向（DOA）估计会失效的问题,该文在利用信号子空间特征向量生成广义特征值（Generalized Eigenvalues utilizing Signal subspace Eigenveetors,Geese）算法基础上,结合空间平滑技术对接受数据进行预处理,提出一种改进的Geese算法。该算法由于不需方向搜索且只利用信号子空间,大大降低了计算复杂性。计算机仿真结果表明,与Geese算法相比,该改进算法既能够有效地估计出独立信号源的DOA,也能有效地估计出相干信号源和相隔比较近的低信噪比信号源的DOA。对于独立源的估计,在相同条件下,估计性能也要优于经典的空间谱估计算法（ESPRIT算法和MUSIC算法）,从而证明该算法的合理性。     

非均匀线阵的宽带波达方向估计

研究了基于非均匀线阵的宽带DOA估计问题和非均匀线阵的阵形。对宽带相干信号子空间算法（CSM）和修正MUSIC算法（MMUSIC）的基本原理作了简单介绍。基于修正MUSIC算法和CSM算法,提出了一种适合非均匀线阵的宽带DOA估计算法。仿真结果表明提出算法在非均匀线阵对称布阵方式下取得很好的效果,提高了DOA估计性能。     

基于改进MUSIC算法的宽带信号DOA估计

现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时,存在DOA估计结果偏差大、运算复杂度高等问题,难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率,提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征,利用S变换处理阵列接收信号,得到多分辨的时频谱矩阵,同时构建时频域的阵列信号数据模型,结合信号功率谱矩阵呈联合对角化结构的特点,设计基于S变换的子空间谱估计公式。在此基础上,通过谱峰搜索进行DOA估计,实现多源宽带信号的声源定位。仿真结果表明,在信噪比范围为-15～10 dB的条件下,该算法的估计成功率始终保持在90%以上,相比TCT、CS＿TCT、CWT＿MUSIC算法,其具有较优的估计性能,并且无需预估信号源数。     

基于子空间拟合波达方向估计方法研究

传统波达方向(DOA)估计方法由于受阵列尺寸的限制,对处于同一波束内的多个信号源无法得到正确的估计.为此提出了基于子空间拟合的信号到达方位角(DOA)估计算法--信号子空间拟合算法和噪声子空间拟合算法.算法通过对接收数据的子空间与实际信号导向矢量组成的子空间的拟合,来构造信号功率谱尖峰,从而估计目标信号的到达方位角.仿真实验对两种算法的性能进行了分析,分析表明基于噪声子空间拟合算法能突破空域瑞利限的限制,具有空间分辨率高、稳定性好的估计性能.信号子空间拟合算法只有在阵元数较大时,才能正确分辨距离较近的信号源,但具有对环境噪声不敏感的特点.     

一种针对单快拍DOA估计的子空间搜索近似消息传递算法

压缩感知（Compressed sensing,CS）技术应用于单快拍波达方向（Direction of arrival,DOA）估计中可以实现相关信号的超分辨估计,但会遇到感知矩阵高相干性以及对噪声敏感的问题.本文提出一种基于近似消息传递的子空间搜索算法以解决上述问题.该算法首先通过近似消息传递算法得到一个粗解,随后利用该粗解划分子空间,最后在子空间中寻找精确解.仿真结果验证了所提算法的有效性.文章最后通过理论分析了该算法性能并讨论了算法在信号数未知时的扩展应用.     

基于子空间跟踪的ESPRIT空间谱估计算法

在实际中接收天线与辐射源之间通常存在相对运动,此时传统的高分辨算法性能将严重下降,针对上述问题提出一种自适应信号波达方向即DOA估计算法。新算法以快速稳定的信号子空间跟踪算法为基础,结合ESPRIT算法实现DOA估计,不需要特征值分解,计算复杂度小。仿真实验显示新算法比基于幂迭代的动目标DOA估计算法具有更好的估计性能。     

非圆信号与圆信号共存下的快速方位估计算法*

针对非圆信号和圆信号共存时,信号的波达方向估计算法运算量较大的问题,提出了一种可同时估计非圆信号和圆信号DOA的快速算法。首先,利用观测数据及其复共轭构造中心复共轭对称矩阵,通过双映射定理可将该矩阵转换为实矩阵;然后,利用多级维纳滤波,无需计算阵列协方差矩阵及对其进行特征分解,仅通过对接收的实数据矩阵递推可快速求出观测数据的信号子空间;最后,利用酉ESPRIT算法的实值性,不必谱峰搜索,在保证DOA估计精度的同时可大大降低算法的计算复杂度。仿真结果验证了算法的有效性。     

基于稀疏表示和约束优化的波达方向估计方法

对于噪声环境中信号源的波达方向(DOA)估计,传统的多信号分类(MUSIC)算法只对不相干信号有效,且所需较多样本。针对此问题,将进行DOA估计的搜索范围看作冗余字典,从而待估计的DOA成为该冗余字典中的某些元素,可以由冗余字典对其进行稀疏表示;其次,利用单次快拍数据,应用二阶锥(SOC)约束优化的方法对该稀疏表示问题进行描述,并进而转化为标准的二阶锥形式,采用有效的优化工具SeDuMi来实现DOA的估计。仿真结果表明,与现有的子空间方法相比,该方法只需单拍数据即可得到较好的估计结果,且无需对信源个数有先验知识,同时适用于相干和非相干信号。     

Optimized DOA estimation for an array antenna

Abstract—In this paper, we propose a Direction-of-Arrival (DOA) estimation technique that allows application of the signal subspace method. In the case when interference signals are coherent to the desired signals, the performance of the subspace method is reduced remarkably. As a solution to this problem, the spatial smoothing method has been proposed and applied. With the orthogonal element in the weighted spatial smoothing method being the calculation process to realize the MUSIC method, which is the most frequently used subspace, it becomes more complex. In order to solve this problem, we maximize the performance of DOA estimation by assigning a weight vector, which is directly orthogonal to the signal subspace. In this paper we compare the efficiency of the proposed algorithm with a modified spatial smoothing method via simulation results. The text was submitted by the authors in English.     

一种实用的盲波束形成和DOA估计方法

基于子空间分解的原理对相关文献的方法进行了改进.用平均时间延迟协方差矩阵的奇异值分解代替传感器数据矩阵的奇异值分解,大大地提高了运算速度,使模型和算法能更有效地应用于实际情况.同时仿真实验和海上实测数据结果表明,该方法能很好地实现方位估计和信号恢复,而且性能更佳.     

基于主分量分析的宽带DOA估计自聚焦算法

提出了一种基于主分量分析(PCA)的CSM类宽带DOA估计自聚焦算法,利用子空间投影变换将信号分离后应用PCA算法快速估计信号DOA,通过不断更新聚焦方向实现自聚焦.与已有算法相比,该算法不受DOA初始值的影响,有更好的聚焦精度.聚焦矩阵更新过程中无需再做奇异值分解,用PCA迭代算法替代特征分解过程,计算量小.仿真实验结果表明,该算法以较小的计算代价实现了较好的估计精度.     

Bounded non-linear covariance based ESPRIT method for noncircular signals in presence of impulsive noise

Among the most important approaches in the study of DOA estimation, ESPRIT-like methods have received considerable attentions and have been widely applied in practical applications. Although many of the latest approaches have considered various performance requirements, the robustness to impulsive noise warrants further investigation. Inspired by the idea of bounded non-linear covariance (BNC), a novel subspace based method for DOA estimation is proposed in this paper. Named NC-BNC-ESPRIT, this method uses the BNC matrix to create a signal subspace of extended array outputs and it can handle the DOA estimation for noncircular (NC) signals in presence of impulsive noise. Simulation experiments and theoretical analysis are provided to verify this methods' superiority over existing approaches and proof of its robustness is provided in the appendix.