基于四元数的改进空间平滑解相干算法

针对常规的四元数空间平滑算法解相干时没有充分利用各子阵的互相关信息导致信号波达方向估计分辨率较差的问题,提出了一种基于四元数的改进空间平滑解相干算法。首先,利用四元数的正交结构可以很好地保持极化敏感阵列各阵元两分量输出信号之间固有的正交特性,建立了四元数接收信号模型。然后,在常规的空间平滑算法的基础上推导了改进的空间平滑解相干算法。该算法利用了阵列各子阵接收信号的全部互相关和自相关信息,在信号波达方向相近和信噪比较低的情况下,具有比常规空间平滑算法更优的波达方向估计性能。最后,通过计算机仿真验证了改进算法的有效性。     

相关噪声环境下相干源2D-DOA估计方法

解决相关噪声环境下相干信源的二维波达方向估计问题,克服最常用的子空间类算法,如MUSIC算法、ESPRIT算法等的不足,将四阶累积量和空间平滑方法相结合,提出了一种新的CSS算法。该算法采用两个平行的均匀线阵作为阵列传感器,通过特殊定义的四阶累积量矩阵对接收空域数据进行平滑处理,实现了相关噪声环境下对相干信源的二维波达方向的估计,并且所估计信源的二维波达方向能够自动配对,最后通过蒙特卡罗实验证明了所提CSS算法2D-DOA性能的有效性。     

相干分布式信源二维波达方向估计算法

针对相干分布式信源二维波达方向估计算法多采用谱峰搜索导致计算复杂度较大的问题,该文提出了一种二维波达方向分离估计算法。该算法通过将积分形式的相干分布式信源方向向量化简为点信源方向向量与实向量的Schur-Hadamard积,对子阵X接收的数据构造二阶统计量;利用传播因子最小二乘估计子阵X与Z,X与W之间的旋转不变矩阵。由二阶统计量与旋转不变矩阵分别估计方位角与仰角,对于接近90的仰角也可给出有效的估计。与传统子空间算法相比,无需任何谱峰搜索和特征值分解,降低了计算复杂度。仿真实验表明了所提算法的有效性。     

基于降维四元旋转不变子空间算法的波达角估计

在四元数模型下,由同点配置正交小磁环短偶极子二维矢量天线组成的均匀线阵在利用传统四元数旋转不变子空间算法(Quaternion Estimation of Signal Parametersvia Rotational Invariance Techniques,Q-ESPRIT)估计极化信号角度时,须提前已知信号方位角或者俯仰角,且存在“四元数模型相干”问题,导致四元数模型正交信息的丢失以及需借助长矢量模型估计入射信号的极化信息.针对上述问题提出了基于互相关矩阵的降维Q-ESPRIT算法,所提算法充分利用了四元数模型的正交性和结构特征,仅通过一次特征分解就可以估计出信号的波达角和极化信息,降低了运算量.最后,通过计算机仿真实验验证了所提算法的有效性.     

电磁矢量阵列的四元数Toeplitz矩阵重构算法

对于电磁矢量阵列的相干信源波达方向估计,针对空间平滑算法解相干时减少阵列有效孔径的问题,提出了一种四元数Toeplitz矩阵重构算法。首先,根据四元数的正交特性建立了信号接收模型,很好地保持了电磁矢量阵列的阵元输出信号两分量间的正交性,同时保证了波达方向角信息和极化信息都能包含在重构矩阵中;然后,在阵列各阵元接收数据与参考阵元接收数据的相关函数基础上,构成Hermitian Toeplitz矩阵,从而实现解相干。该算法与空间平滑算法相比增加了相干信源估计个数,且在低信噪比和入射角度接近时具有更好的估计性能,通过仿真实验得到了验证。     

非圆信号方位、俯仰及初相联合估计

该文利用双平行线阵的阵列结构,提出了用于非圆信号二维方向和初相联合估计的扩展MUSIC(EN-MUSIC)算法。EN-MUSIC算法估计得到的方位角、俯仰角与初相一一对应,自动配对,其可测向信号数大于子阵阵元数,方位及俯仰测角精度与非圆信号二维测向酉ESPRIT(2D-NC-UESPRIT)算法大致相当,优于波达方向矩阵法(DOAM)。     

基于三分量电磁矢量传感器的波达角和极化参数估计

针对传统的降维四元数旋转不变子空间算法(Dimension Reduction Quaternion Estimation of Signal Parameters via Rotational Invariance Techniques, DRQ-ESPRIT)存在“四元数模型相干”和孔径损失问题, 改进了DRQ-ESPRIT算法, 并提出了伪虚拟对称扩展孔径四元数旋转不变子空间算法(Fake Virtual Symmetrical Aperture Expansion Quaternion Estimation of Signal Parameters via Rotational Invariance Techniques, FVSAEQ-ESPRIT).所提算法通过修正极化角度域导向矢量和阵元空间相移矢量的乘法顺序, 解决了“四元数模型相干”问题, 并利用导向矢量的虚拟对称操作和Khatri-Rao子空间方法, 增加了极化敏感阵列的自由度, 提高了波达角(Direction of Arrival, DOA)和极化参数的估计精度.最后, 仿真实验验证了所提算法的有效性.     

鲁棒的四元数空间平滑算法

本文针对相干信号波达方向(DOA)估计问题,利用简化电磁矢量传感器阵列提出了一种基于四元数模型的空间平滑(Q-SS)算法。首先,根据四元数的正交特性能够很好地描述矢量传感器阵元内部信号分量之间的垂直关系这一特点,将每个阵元的两分量接收数据合成为一个四元数,建立了简化电磁矢量传感器阵列的四元数接收模型,该模型比传统的长矢量模型更适合于矢量传感器阵列的信号处理。在此基础上,利用本文提出的Q-SS算法对相干信号进行预处理,实现了解相干,并对解相干性能进行了分析,然后通过四元数域的ESPRIT算法估计出相干信号的DOA。理论分析表明Q-SS算法比传统的长矢量空间平滑(V-SS)方法有更高的DOA估计精度,具有对矢量传感器内部电场噪声分量解相关的能力,这是V-SS算法所不具备的优势。最后,通过计算机仿真实验比较和分析了所提算法的有效性。      

用于非圆信号二维测向的扩展Root-MUSIC算法

利用双平行线阵的阵列结构,提出了用于非圆信号二维测向的扩展root-MUSIC(ERM)算法.ERM算法估计得到的俯仰角与方位角一一对应,自动配对,无需搜索,其可测向信号数大于子阵阵元数,方位测角精度优于同样基于双平|亍线阵的二维测向波达方向矩阵法(DOAM),俯仰测角精度在低信噪比下优于DOAM算法,俯仰角兼并时算法仍有效.     

采用降秩多级维纳滤波器的二维DOA估计快速算法

针对双平行线阵的二维波达方向(DOA)估计问题,为有效降低计算复杂度,提出了一种基于降秩多级维纳滤波器(MSWF)的快速算法。首先利用MSWF的前向递推实现信号子空间的快速估计,无需估计协方差矩阵和特征分解;然后,通过MUSIC算法对方位角和俯仰角的估计进行分维估计,使二维DOA估计退化为两个一维DOA估计问题,且方位角和俯仰角自动配对,进一步降低了运算量。仿真结果表明,该方法的估计精度优于同样基于双平行线阵提出的波达方向矩阵法(DOAM),俯仰角兼并时同样适用,计算复杂度低,适用于实时性要求高的应用背景。     

Subspace extension algorithm for 2D DOA estimation with L-shaped sparse array

A subspace extension algorithm for two-dimensional (2D) direction-of-arrival (DOA) estimation with an L-shaped array is proposed. This L-shaped array is comprised of two orthogonal sparse linear arrays (SLAs). Each SLA consists of two different uniform linear arrays. The cross-correlation matrix of received data is used to construct two extended signal subspaces, by which the azimuth angles and elevation angles can be estimated independently. The procedure used to extend signal subspace only needs a small amount of calculation. Then, an effective pair-matching method is addressed to pair the estimated elevation angles and azimuth angles. Although the signal subspaces are extended, the complexity of the proposed 2D DOA estimation algorithm is lower than many similar algorithms. Simulation results indicate the availability of the proposed pairing-matching method and subspace extension algorithm.     

基于波束域的子空间正交性测试宽带DOA估计方法研究

投影子空间正交性测试(Test of Orthogonality of Projected Subspace:TOPS)算法通过测试宽带信号各频率点上噪声子空间和信号子空间之间的正交性对目标方位进行到达角估计(DOA:direction-of-arrival)。此算法对参考频点上的信号子空间的估计依赖性较大,因此存在较多伪峰,低信噪比条件下性能差等缺点。针对该问题,提出一种基于波束域的宽带DOA估计方法。该方法通过将阵列接收信号转换到波束域,在波束域中利用信号带宽内各频率分量的波束域方向向量与噪声子空间之间的正交关系构造判决向量,根据判决向量搜索空间谱的极大值对应的角度进行DOA估计。该方法不需要进行角度预估,避免了TOPS算法中常出现的伪峰,降低了信噪比分辨门限,减少了计算量,具有较好的估计效果。将该方法分别运用到均匀圆阵和线阵上,通过仿真对比和海试实验数据的处理,证明了本文所提方法的有效性。      

基于NC-MUSIC算法的均匀圆阵DOA估计及性能分析

近年来基于非圆信号的DOA估计算法由于其优良的估计性能,受到越来越多的关注。在接收阵列为均匀圆阵的情况下,对入射信号进行方位角和俯仰角的联合估计。依据非圆信号的DOA估计数学模型及阵列模型,采用NC-MUSIC算法完成对均匀圆阵方位角和俯仰角的联合估计。通过计算机仿真,得出该算法对均匀圆阵方位角和俯仰角的估计是比较准确的,并且通过NC-MUSIC与MUSIC算法仿真性能的分析比较,得出在接收阵列为均匀圆阵的情况下,NC-MUSIC算法也优于MUSIC。     

2D DOA estimation for noncircular sources using L-shaped sparse array

We present an algorithm for two-dimensional (2D) direction-of-arrival (DOA) estimation of noncircular sources using an L-shaped sparse array. An L-shaped sparse array consisting of two co-prime arrays is firstly introduced. Then, the fourth-order-cumulants (FOCs) of received data are used to construct a FOC matrix (FOCM), by which we can get the estimations of elevation angles. With the estimated elevation angles, the azimuth angles can be estimated by a low-complexity signal separation algorithm. During the procedure used for estimating azimuth angles, no any eigenvalue decomposition (EVD), peak search and pair-matching procedure need to be implemented. Although the aperture is extended significantly, the computation complexity of proposed algorithm still is acceptable. Compared with some analogous algorithms, our approach shows more attractive estimation performance. A lot of simulation results prove the advantages of proposed DOA estimation technology.     

Two-Dimensional DOA Estimation by?Cross-Correlation Matrix Stacking

In this paper, we present a novel scheme to improve the two-dimensional (2-D) direction-of-arrival (DOA) estimation performance for narrowband signals impinging on two orthogonal uniform linear arrays (ULAs). The proposed scheme exploits the cross-correlation matrix information between subarray data to construct a stacking matrix and derive an expanded signal subspace representation through the singular value decomposition (SVD). This method enables the alleviation of the effects of additive noise. In particular, 2-D DOA estimation can be achieved by computing two rotation matrices with the same set of eigenvectors obtained by partitioning the expanded signal subspace. The pair matching procedure for elevation and azimuth angles is implemented by permutation test. Simulation results demonstrate that the proposed method performs better than the existing techniques in DOA estimation as well as the detection of successful pair matching.