一种强干扰条件下阵列天线波达方向估计方法

为解决强干扰条件下阵列天线的波达方向估计问题,定义了保向正交性和特征波束的概念,证明了信源同时满足功率差和角度差较大条件时,所对应的特征矢量具有保向正交性,提出了一种基于干扰特征矢量剔除的波达方向估计算法．最后,通过计算机仿真,验证了所提算法在强干扰条件下比干扰阻塞算法有更高的估计性能．     

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．     

多通道阵列相干源波达方向超分辨估计

采用发射阵列分布式布阵、接收阵列密布阵的多通道阵列,提出了一种虚拟子阵积累算法,在获得空间分集增益的同时可以超分辨估计相干源的波达方向.先通过正交信号分选的方法在接收端得到虚拟子阵,然后叠加积累各虚拟子阵接收数据的协方差.该算法利用空间分集克服了目标闪烁,同时具备解相干的能力,且避免阵列物理孔径的损失.理论分析和仿真结果表明,该算法可以有效处理多通道阵列相干源波达方向估计.     

等距离圆线阵波达方向的估计

文章简述了智能天线的基本原理，并对智能天线的工作基础：波达方向估计进行了讨论，通过建模与仿真，用波达方向估计的3种方法：延迟相加、最小方差无畸变响应(Capon)，多重信号分类(Music)，分别对来自不同方向的4个信号利5个信号进入8个阵元的等距离圆天线阵列进行试验，得出了仿真结果和最大分辨率。     

半球共形阵列的两种虚拟变换方式性能对比

共形阵列的空域导向矢量通常不具有Vandermonde结构,使得适用于均匀线阵或面阵的快速高分辨空间谱估计方法不能直接应用于共形阵列中．借鉴阵列流形内插变换思想,分别建立了半球共形阵列到矩形阵列和十字阵列的两种变换关系,对比研究了虚拟矩形阵和虚拟十字阵在波达方向估计、自适应波束形成和运算复杂度方面的性能．理论分析与仿真实验明确了虚拟矩形阵和虚拟十字阵的适用条件,可为共形阵列的工程应用提供参考．     

矢量重构解相干的波达方向估计新方法

针对相干信号波达方向(Direction of Arrival, DOA)估计问题,提出一种新的矢量重构解相干方法——变参考阵元数据互相关矢量重构算法。算法依次改变阵列参考阵元,求得所有阵元接收数据与对应参考阵元接收数据之间的互相关信息,并以此作为重构矩阵的列矢量构造一个等效协方差矩阵,然后基于MUSIC和ESPRIT算法,估计相干信号的波达方向。数学推导和理论分析表明,重构的矩阵能对相干信号完全解相干。算法不损失阵列孔径,在低信噪比和少量快拍数据条件下,估计性能要优于Toeplitz矩阵重构算法和前后向空间平滑算法。     

一种基于L型阵列的二维波达方向估计的新方法

提出了一种在高斯白噪声环境下基于L型阵列的二维DOA估计的新方法。该算法利用阵列结构的特点首先计算3个互相关矩阵,然后用这3个互相关矩阵构造一个特殊的大矩阵,对其进行特征值分解获得信号子空间的估计,进而利用二维ESPR IT方法实现方向角与仰角的估计。该方法不需要谱峰搜索,能够很好地解决参数配对问题。仿真试验表明,该算法估计精度高、计算量小,有一定的实用性。     

基于径向基神经网络的波达方向估计算法

针对传统的波达方向（DOA）估计算法在实际应用中普遍存在计算量较大,无法实时地跟踪期望信号且无法处理信号源数大于天线阵元数的问题,提出了一种在智能天线中基于径向基神经网络的波达方向估计算法.该算法利用神经网络进行多信号源跟踪（MUST）来完成信号源侦测和DOA估计.通过建立神经网络DOA估计算法模型,并对所建立的神经网络进行训练.通过仿真将该算法与传统的DOA估计算法进行比对的结果表明,基于径向基神经网络的波达方向估计算法能够快速准确的检测到信号源,响应时间明显快于传统的算法.     

一种快速波达方向估计算法

提出了一种基于多级维纳滤波的波达方向估计算法．利用均匀等距阵列的互相关向量处于信号子空间内的特点,采用多级维纳滤波得到了一种不需要期望信号和特征分解的信号子空间估计方法,然后采用最小范数求根方法得到波达方向的快速估计．该方法在没有期望信号的环境下能够快速有效估计波达方向,其计算复杂度为O(NLP),这里N为阵元数,L为样本数,P为信源数．最后通过仿真实验验证了该方法的有效性．     

累量域二维波达方向估计方法

提出了一种新的适合任意高斯噪声环境的高分辨二维波达方向(DOA)估计方法——联合对角化4阶累积量-DOA矩阵方法。该方法以阵列的特殊结构为基础,利用四阶累积量构建3个子阵,采用联合对角化技术获得信号的二维角估计,适用于存在一维角度兼并的情况,且无需二维谱峰搜索和参数配对,从而避免了配对算法在低信噪比、小角间距或者复杂的信号传播环境下所带来的弊端。仿真结果证明了该方法的有效性。     

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.     

一种用于矩形阵列的二维波达方向估计方法

针对现有使用均匀矩形阵列或稀疏矩形阵列的二维无格波达方向估计方法的性能欠佳的问题,提出一种基于二阶特普利茨矩阵重构和二维旋转不变参数估计技术的无格波达方向估计方法。使用均匀矩形阵列或稀疏矩形阵列,对其接收信号的协方差矩阵进行二阶特普利茨结构表达,通过log-det稀疏测度与正定约束构造约束优化问题,并使用优化最小算法求解,最后通过二维旋转不变参数估计技术估计源的二维波达方向,即方位角与俯仰角。这种方法需要多次求解半定规划问题,计算复杂度相对较高,但能获得更好的波达方向估计性能。在仿真实验中,这种方法在均匀矩形阵列或稀疏矩形阵列条件下均有非常低的均方根误差,接近克拉美罗界,证明了其良好的波达方向估计性能。     

一种未知信源数的共形阵DOA算法

针对目前绝大多数共形阵波达方向估计算法需要进行信源数估计且波达方向估计性能易受信源数估计误差影响的问题,提出了一种引入虚拟期望信号的未知信源数共形阵波达方向估计算法.在介绍共形阵窄带信号接收模型及自适应波束控制原理的基础上,利用最大信干噪比准则下的最优权矢量对引入虚拟期望信号后的阵列接收数据进行加权处理,以阵列输出的信噪比作为波达方向估计参数,从而实现来波信号的准确估计.整个过程不需要以信源数作为先验知识,避免了波达方向估计过程中信源数的判断环节.对所提算法进行了仿真实验,结果表明,该算法是有效可行的,且其性能要优于MUSIC算法.     

基于粒子群优化算法的相干信源波达方向估计

利用粒子群优化算法和在解决优化问题的优势和广义极大似然测向的优点,提出了一种估计相干信源波达方向的新方法.对于所提出的测向算法,人射的信源可以是独立信源,也可以是多相干信源的混合,对阵列的几何结构也没有任何约束,而且它分辨的信源数还可以大于阵元数.为了有效地对所提出的测向代价函数进行拟合,把高斯异策略引进粒子群算法中,提出了一种可快速多维搜索的随机变异粒子群算法.仿真结果表明:与基于遗传算法的相干信源波达方向估计方法相比,基于粒子群优化算法的波达方向估计在收敛速度和估计精度上都有优势,有很好的可行性和有效性.     

相干分布式目标一维波达方向搜索迭代估计方法

在信号源角分布函数具体的数学形式未知的情况下,基于角分布函数共轭对称性约束条件,提出了一种相干分布式目标一维波达方向搜索迭代估计方法,该方法不用多维参数搜索,并适用于角信号分布函数形式不同的分布式目标同时存在的情况。     

嵌套阵的疏密子阵融合波达方向估计方法

为有效利用嵌套阵包含疏密子阵的几何结构以提高估计性能,本文提出一种在2子阵上分别测向再融合的波达方向估计方法。通过理论分析和实际案例阐明融合嵌套阵的两子阵测向结果可以消除信源角度估计模糊,且不会出现互质阵解模糊时伴随的匹配错误。利用无需谱峰搜索的求根多重信号分类方法在嵌套阵2子阵上求解测向结果,若稀疏子阵间距为N倍半波长,推导出对其复根开N次方可获含模糊角的高精度估计,再结合最小方差准则与精度较低但无模糊的密集子阵测向结果进行融合,最终得到高精度的波达方向估计。与嵌套阵已有算法相比,该算法提高了波达方向估计精度和分辨率,由于无需2子阵协方差降低了计算量,且能够支持嵌套阵的分布式配置。仿真结果验证了所提算法的有效性。     

基于L阵的低计算复杂度二维波达方向估计

针对L阵的二维波达方向估计问题,提出了一种低计算复杂度、高精度的二维波达方向估计算法.首先利用L阵子阵互相关矩阵和均匀线阵导向矢量的共轭交换性质扩展阵列孔径,并构造新的阵列接收数据;然后利用旋转不变子空间算法得到二维角度估计;最后将子阵互相关矩阵对角元素Toeplitz化,在不损失阵列孔径的情况下重构出类阵列自相关矩阵,利用Nystöm方法得到信号子空间估计,进而通过少量角度搜索得到正确的二维角度配对.该算法无须大量角度搜索,具有角度估计精度高、运算量小、所需快拍数少的优点.理论分析和仿真实验结果证明了算法的正确性和有效性.     

基于人工蜂群算法的波达方向和多普勒频率联合估计

将人工蜂群算法应用于似然函数的优化,实现了阵列信号波达方向(DOA)和多普勒频率的联合估计。利用状态空间模型构造包含DOA和多普勒频率信息的广义可观测矩阵,并构造包含该广义可观测矩阵的似然函数,将参数估计问题转化为多维非线性函数优化问题。进而利用人工蜂群算法对似然函数的求解过程进行优化,得到DOA和多普勒频率的估计值。算法保留了最大似然估计的渐近无偏估计性能,降低了似然函数求解的计算量,且参数能够自动配对。     

α和高斯噪声背景下线性极化阵列波达方向和极化参数联合估计的FLOCC-SMN方法

针对α和高斯混合噪声背景下的线性极化阵列波达方向和极化参数估计问题,提出了一种基于分数低阶循环相关的子空间-最小范数方法。该方法针对α稳定分布过程的特点,利用信号的循环平稳特性,克服了传统的基于二阶矩或高阶累积量无法用于α噪声背景的缺点,弥补了分数低阶矩对循环平稳干扰信号抑制能力的不足。所采用的子空间-最小范数方法不仅减少了传统MUSIC方法的计算量,而且有效地抑制了分数低阶循环相关函数的估计误差。仿真结果表明,本文算法对α和高斯混合噪声及循环平稳干扰信号的抑制能力明显优于分数低阶矩方法。