近场源距离、频率及到达角联合估计算法

本文提出了一种近场源距离、频率及到达角(DOA)三维参数联合估计算法.该算法不需谱峰搜索且各参数自动配对.由于算法使用了四阶累积量,所以适用于任意加性高斯噪声环境.     

基于联合对角化的近场源三维参数估计

提出了一种基于联合对角化的近场源频率、到达角(DOA)和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于白化后的接收数据构造一组高阶累积量矩阵,利用联合对角化方法来得到高阶累积量矩阵的对角结构信息以及对角化矩阵来分别估计阵列流形和信号源的频率,进而由阵列导向矢量结合对应的信号源频率联合估计信号源的到达方向和距离。与基于高阶累积量的类ESPRIT方法相比,算法可以提高阵元利用率,具有更好的估计效果,同时不需要谱峰搜索且各参数自动配对,计算机仿真结果验证了该方法的有效性。     

基于联合对角化的近场源三维参数估计

提出了一种基于联合对角化的近场源频率、到达角（DOA）和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于白化后的接收数据构造一组高阶累积量矩阵,利用联合对角化方法来得到高阶累积量矩阵的对角结构信息以及对角化矩阵来分别估计阵列流形和信号源的频率,进而由阵列导向矢量结合对应的信号源频率联合估计信号源的到达方向和距离。与基于高阶累积量的类 ESPRIT方法相比,算法可以提高阵元利用率,具有更好的估计效果,同时不需要谱峰搜索且各参数自动配对,计算机仿真结果验证了该方法的有效性。     

基于高阶累积量的近场通信波达方向估计算法

通过对近场通信波达方向准确估计,提高目标信源的定位能力.传统方法中对近场源通信信源的波达方向估计采用多普勒估计方法,由于近场通信的空间信源为窄带信号,多普勒估计会导致DOA估计频谱失真.提出一种基于高阶累积量的近场通信波达方向估计算法.采用均匀间隔线列阵构建近场通信的信号模型,进行近场源目标特征构建,提取近场源通信信号的斜度和峰度等特征,采用高阶累积量特征提取方法,分别求得对应近场通信信源的方位角、频率和距离三维参数,使得每个信源的参数自动配对,提高了近场通信DOA波达方向估计的效率和精度,实现近场源通信信号的波达方向估计算法改进.仿真实验结果表明,采用该方法进行近场方法波达方向估计的精度较高,对信源方位的定位准确,性能优越于传统方法,在近场通信中具有较好的应用价值.     

一种新的近场源三维参数联合估计方法

提出了一种新的近场源频率、波达方向和距离的三维参数联合估计算法.基于阵列接收数据的高阶累积量,构造了三个适当的矩阵束,它们的广义特征值的相位给出频率、到达方向和距离的估计,同时其特征值的幅度实现三维参数的自动配对.该算法的参数估计有闭式解,无需复杂的搜索过程,且其参数自动配对.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.     

一种新的近场源三维参数联合估计算法

本文研究近场源距离、频率和到达角(DOA)三维参数的联合估计问题，并提出一种计算有效的新算法。该算法利用特征值及相应的特征矢量估计信号参数，不需要谱峰搜索且各参数自动配对。此外，新算法使用四阶累积量，因此适用于任意的加性高斯噪声环境。计算机仿真证实了所提算法的有效性。     

改进的近场源距离、方位联合估计算法

提出了一种无需参数配对的近场源距离、方位联合估计算法。该算法通过对构造的阵列输出信号四阶累积量矩阵,进行一定的变换构造处理得到一个新的矩阵,利用其相应的特征值及特征向量估计出二维参数。与ESPRIT-Like方法相比,文中算法参数估计结果能自动配对,而无需再进行配对过程。计算机仿真结果证实了提出方法的有效性。     

一种基于平行因子分析的近场源定位新方法

本文提出了一种基于平行因子分析的近场窄带信源频率、距离及二维到达角联合估计新算法.首先给出一种新的十字阵列;然后结合Toeplitz矩阵的结构特点,选择特定序号阵元输出计算的高阶累积量巧妙构造5个Toeplitz矩阵;接着在高阶累积量域构造平行因子分析模型,分析了该模型低秩分解的唯一性,并从其分解得到的矩阵中联合估计信源参数.与现有方法相比,该算法有效降低了阵列的孔径损失,无须参数配对.仿真结果表明该算法是有效的.     

一种基于高阶累积量的近场源四维参数联合估计算法

本文提出了一种新的多个近场窄带信源距离、频率及二维到达角四维参数联合估计算法.首先基于特定序号阵元输出计算的高阶累积量构造4个矩阵,接着结合这些矩阵的结构特点构造3个新的矩阵,然后基于新构造矩阵分解得到的特征值和特征向量联合估计信源参数.与现有的方法相比,本文给出的方法有效提高了阵列孔径利用率,参数自动配对.仿真结果表明该算法是有效的.     

基于双电磁矢量传感器的近场源多参数估计

基于双电磁矢量传感器(EVSs),提出一种新的近场源频率、波达方向(DOA)、距离和极化参数联合估计方法.该方法首先计算近场源的频率以及其在两个电磁矢量传感器处的二维DOA和极化参数,然后利用几何方法或搜索方法,得到近场源的距离估计.该方法仅需要两个电磁矢量传感器,节约了阵列孔径,适合于阵列孔径有限的场合.估计过程中仅需一次互相关以及特征分解等简单的运算,且各参数自动配对,节省了运算量.实验结果验证了该方法的有效性.     

基于联合对角化的近场源参数估计

该文提出了一种基于联合对角化的近场源信号到达方向和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于阵列接收数据的高阶累积量矩阵的对角结构信息利用联合对角化方法估计近场信号的阵列方向矩阵,从而由阵列导向矢量联合估计信号源的到达方向和距离。与高阶ESPRIT方法相比,该方法能够提高阵元利用效率,同时不需要参数配对算法。计算机仿真实验证实了所给算法的有效性。     

一种无须参数配对的近场源定位新算法

本文提出了一种适用于高斯白噪声环境的近场窄带信源定位新算法.该算法利用阵元输出计算的3个二阶统计量矩阵在二阶统计量域构造平行因子分析模型,分析了该模型低秩分解的唯一性,并从其分解得到的多个矩阵中联合估计信源距离、频率及到达角.该算法无须参数配对,无须谱峰搜索,计算简单.仿真结果表明该算法是有效的.     

基于四阶累积量的近远场源多参数联合估计算法

该文提出了一种新的基于四阶累积量的信源多参数联合估计方法,可实现信源频率、方位及距离的联合估计。该算法无需峰值搜索,适用于任意高斯噪声环境,可有效降低阵列孔径损失。算法中,通过选取特定序号阵元上的输出构造四阶累积量矩阵,有效地避免了因同时存在远场源时而出现的矩阵降秩现象,因而该算法适用于近场、远场或混合信源的参数估计。仿真结果验证了提出方法的有效性。     

一种基于二阶统计量的近场源三维参数估计方法

该文研究近场源的距离、角度和频率的三维参数估计问题。提出了一种仅需利用二阶统计量和相应的配对程序就能直接估计出参数的新方法。该方法无需谱峰搜索,同时避免应用四阶累积量,减轻了算法的计算量。仿真实验证明了该算法的有效性。     

无需参数配对的近场源距离、方位、频率联合估计算法

 本文提出了一种无需参数配对的近场源距离、方位、频率联合估计算法。通过对构造的阵列输出信号四阶累量矩阵进行一定的变换构造处理得到一个新的矩阵,利用其相应的特征值及特征向量估计出三维参数,无需谱峰搜索,算法适于任意高斯噪声环境。与现有算法相比,本文算法参数估计结果能自动配对,而无需再进行配对过程。最后,计算机仿真结果证实了提出方法的有效性。     

基于深度展开ISTA网络的混合源定位方法

针对嵌套阵列下近场和远场混合源定位问题,本文通过构建和训练深度展开迭代收缩阈值算法（Iterative Shrinkage Thresholding Algorithm,ISTA）网络实现混合源的波达方向（direction of arrival,DOA）和距离参数估计。首先考虑到近场源协方差矩阵具有Hermitian矩阵形式,远场源协方差矩阵具有Hermitian和Toeplitz矩阵形式,通过将混合源协方差矩阵进行差分可以得到近场源差分向量,其中近场源差分向量转换到实数域,可以显著降低深度展开ISTA网络的计算复杂度。接着将不同参数下的近场源差分向量和近场源真实空间谱进行配对作为训练样本,对近场源深度展开ISTA网络进行训练,其中深度展开ISTA网络的隐藏层对应模型驱动ISTA方法的迭代步骤。然后利用估计出的近场源DOA和距离参数,通过子空间差分方法得到远场源协方差向量。最后将不同参数下的远场源协方差向量和远场源真实空间谱进行配对作为训练样本,对远场源深度展开ISTA网络进行训练,其中远场源协方差向量同样转换到实数域。在深度展开ISTA网络的训练过程中,损失函数只与重构误差和网络输...     

基于均匀圆阵的近场源三维参数估计

基于均匀圆阵,提出一种近场源距离-方位角-俯仰角联合估计算法。利用阵元观测数据,构造一组高阶累积量矩阵,通过矩阵联合对角化技术得到阵列流形矩阵的估计。根据阵列流形矩阵的估计以及近场和远场条件下方位角相同的结论,获得方位角的估计。利用阵列流形矩阵和方位角的估计,得到距离和俯仰角的估计。该方法无需二维频域峰值搜索或参数配对。计算机仿真验证了算法的有效性。     

基于重加权?1范数惩罚的远近场混合源定位算法

现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况。为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法。该算法利用阵列协方差矩阵反对角线元素和重加权l1范数惩罚获得所有信源的到达角（Direction Of Arrival, DOA）估计。在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计。从理论角度分析了重加权l1范数惩罚算法的重构性能。本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度。计算机仿真结果验证了所提算法的有效性。     

相干多径环境下信号空间特征及波达方向估计

以均匀直线阵和四阶累积量为基础,提出了一种新的空间特征盲估计算法.该算法首先利用阵列输出四阶累积量构造了一种空间特征矩阵,对其作特征分解可以得到各用户的空间特征估计.然后,在空间特征估计基础上,结合前向/共轭后向空间平滑技术进行了多径波达方向(Direction of Arrival,DOA)估计.该方法突破了传统MUSIC、ESPRIT等算法的局限,可以利用M阵元估计2M2/3个DOA,且各DOA与信源自动配对.该算法不依赖于信号具体特征,适用于任意加性高斯噪声(如有色噪声)环境.理论分析和仿真结果说明了算法的有效性和鲁棒性.     

一种新的基于二阶统计量的的近场源定位算法

该文提出了一种基于二阶统计量的近场窄带信源频率、距离及到达角三维参数联合估计新算法。该算法首先基于特定序号阵元输出计算的二阶统计量构造3个矩阵,接着结合这些矩阵的结构特点构造2个新的矩阵,然后利用其特征值和特征向量估计信源参数。与现有基于二阶统计量的算法相比,该文算法节省1个阵元,且仅需计算3个二阶统计量矩阵,此外参数自动配对。仿真结果表明该算法是有效的。