电磁矢量传感器取向误差自校正方法

采用子空间方法研究了基于发射天线旋转的信号波达方向估计和取向误差自校正方法．利用一个到达方向未知的信号源,将校正过程中信号源发射天线绕z轴和x轴以90°进行两次坐标旋转,待校正电磁矢量传感器阵列分别接收和这3个到达方向有一定关系的发射信号,根据子空间理论并利用坡印廷矢量间的关系估计信号源到达方向和阵列的取向误差矩阵．该方法仅需要一次特征分解,不需要搜索运算和参数配对运算,计算量小,计算精度高．由实验结果可看出,校正后的参数估计值与真实值吻合得很好．     

信号稀疏表示下的空域-极化域参数估计

为提高二维波达方向(DOA)和极化参数的估计精度,利用入射电磁波信号在空域分布的稀疏性,提出了一种基于信号稀疏表示的空域-极化域参数估计新方法。首先,利用基于中心共点的偶极子和磁环对阵列接收到的电场分量和磁场分量,构建了不包含极化参数的新的协方差矩阵。然后,将该协方差矩阵矢量化,得到其矢量形式的稀疏表示模型,并通过稀疏重构算法获得了波达方向估计结果。最后,结合电场数据分量与磁场数据分量的互协方差矩阵,构建包含极化参数的矢量化观测数据模型,并采用全局最小二乘法计算得到入射信号的极化参数估计结果。计算机仿真结果表明,本文算法可以有效地估计入射信号的波达方向和极化参数,具有较高的估计精度和较强的角度分辨能力。     

阵列误差对多参数联合估计性能的影响

建立了频率、二维到达角和极化联合估计的阵列误差信号模型,分析了阵列误差对用ESPEIT算法进行参数估计性能的影响。推导了在阵列误差模型下,频率、二维到达角和极化联合估计算法中各参数估计结果的均方误差。计算机模拟结果证实了分析结果的正确性。     

基于矩阵填充的互质阵列欠定DOA估计方法

为了解决现有基于互质阵列的DOA估计方法舍弃差联合阵列中非均匀虚拟阵元而导致最大可估计信号数损失的问题,提出了一种基于矩阵填充的DOA估计方法。首先,根据差联合阵列与波程差一一对应的特性,构造一个部分元素缺失的Toeplitz化的阵列协方差矩阵,建立了基于矩阵填充的DOA估计模型,并验证了该模型满足零空间性质;然后,根据低秩矩阵填充理论,将DOA估计问题转化为矩阵核范数最小化问题进行求解,通过不定点延续算法将该协方差矩阵中的零元素进行填充恢复为完整协方差矩阵;最后,对协方差矩阵进行奇异值分解,转化为多项式求根,得到DOA的估计。仿真实验结果验证了本文方法的有效性和优越性。实验结果表明,本文方法能够对差联合阵列中的空洞部分进行有效填充,增加了可利用的阵列自由度,提高了可估计信号数,同时能够有效避免传统稀疏重构算法中由于角度域离散化导致的基不匹配问题对估计性能的影响,提高了估计精度和分辨力。     

一种DOA估计中阵列的有源校准新方法

着重研究了DOA估计中由阵元间互耦、通道失配及阵元位置误差的综合影响引起的阵列流形误差的校准问题,通过测量得到的一组校准源的方向向量来估计阵列的校准矩阵和阵元位置．仿真证明此方法的有效性。     

阵列误差对MUSIC算法性能的影响与校正

理论上分析了阵元增益误差和相位误差对基于子空间分解的MUSIC算法进行DOA估计性能的影响，在此基础上给出了一种基于最大似然估计的Toeplitz化通用自校正方法．该方法利用理想阵列协方差矩阵的Toeplitz性质，无需估计误差而可以对其作出补偿．仿真结果表明该方法不但可以减少MUSIC方法对阵列误差的敏感性，而且可以进一步降低其信噪比门限．     

一种存在阵列误差情况下的宽带DOA估计方法

相对于窄带信号,宽带信号阵列模型误差更加复杂和多样。文章首先给出了宽带信号条件下的阵列误差模型,利用四阶累积量估计出各频点上实际的方向矩阵,然后利用总体最小二乘(TLS)算法给出了一种存在阵列误差情况下的聚焦矩阵的求法。仿真结果表明此方法在存在阵列误差时DOA估计精度较高,稳健性好。     

一种面向可重构系统的混合任务调度算法

对于无法应用独立阵列流形误差模型的角度依赖误差,利用矩阵特征分解方法估计出带有误差的阵列流形,在此基础上用修正的MUSIC算法进行DOA估计。仿真及实际数据测试结果均验证,该算法在存在角度依赖误差的阵列中能够准确地估计信号的来向。     

基于单电磁矢量传感器的ESPRIT算法改进

为了充分利用非圆信号共轭相关不为零的特性,提高空间到达角(direction of arrival,DOA)和极化参数估计精度,提出了一种信号DOA和极化参数估计的稳健算法.即构造2个非圆信号的4阶累积量矩阵,引入旋转不变子空间(estimation of signal parameters via rotational invariance techniques,ESPRIT)算法思想,利用这2个矩阵之间的旋转不变特性求出旋转因子,实现信号DOA和极化参数更精确估计.与2阶相域ESPRIT相比,改进的算法适用于任意极化状态的信号,提高估计信号的利用率,同时利用4阶累积量对高斯噪声的抑制性处理相关噪声,使估计信号的精度有了明显提升,并通过仿真结果验证了改进算法的有效性.     

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。     

一种VESPRIT-TSM算法研究

为了提高波达方向(Direction of Arrival,DOA)估计的性能,提出一种虚拟借助旋转不变技术估计信号参数的时空矩阵(Virtual Estimating Signal Parameters via Rotational Invariance Techniques-Time Spatial Matrix,VE-SPRIT-TSM)算法。即利用两行均匀直线阵构造出三组子阵列,并根据由此得到的数据估计用户的二维DOA。理论分析表明,该算法可提高了阵列的利用率,计算误差更小,并能改善DOA的估计性能。计算机仿真实验证明该算法有效。     

基于传播算子的ESPRIT极化参数估计算法

针对极化敏感阵列参数估计过程中需要奇异值和特征值分解,以及低信噪比下估计误差偏大的问题,提出基于传播算子的二维旋转不变子空间(estimation of signal parameters via rotational invariance technique,ESPRIT)算法,改进算法引入非圆信号共轭相关统计信息构造一组新的接收数据,将这组新数据与真实数据重构组合求得噪声子空间;采用ESPRIT算法将信号子空间分块得到旋转不变因子,无须特征值分解和谱峰搜索,实现信号空间到达角(direction of arrival,DOA)和极化角的精确估计.所提算法在参数估计性能上要优于经典算法,在低信噪比情况下均方误差较小,并且可降低计算量,最后由Matlab仿真验证所提算法的有效性.     

麦克风阵列幅度相位误差有源校正方法

实际麦克风阵列与假设阵列模型之间存在误差,导致麦克风阵列的语音定位和增强算法性能严重下降.该文提出了一种新的麦克风阵列误差有源校正方法.它假设麦克风阵列不存在位置误差,空间中放置一个位置精确已知的声源,通过对接收信号进行离散傅里叶变换,估计出各阵元的幅度,相位误差.该方法避开了估计协方差矩阵以及特征分解,以较小的运算量得到了较好的校正效果,适合工程应用.计算机仿真验证了该方法的有效性.     

色噪声条件下基于矩阵补全的互质阵列DOA估计

针对扩展孔径的互质阵列在色噪声条件下波达方向（DOA）估计性能明显下降的问题,提出了一种基于压缩感知的互质阵列DOA估计方法。在背景噪声为色噪声的情况下,将互质阵列接收到的数据协方差矩阵重构为欠定无噪协方差矩阵,并使用Lp范数和截断核范数结合的算法对其进行低秩矩阵恢复,从而有效地抑制了色噪声对DOA估计的影响;此外,采用差分阵方法对去噪处理后的协方差矩阵进行矩阵扩展,使用交替投影算法对矩阵扩展后产生的空洞进行填补,提高DOA估计的精度。仿真实验表明：相比于现有方法,所提方法能有效地恢复数据矩阵并抑制色噪声影响,在信噪比和快拍数相同的情况下DOA估计性能分别提升了15%和7.5%,在角度间隔相同的情况下DOA分辨率也有所提升。     

圆形极化阵列到达角和极化参数估计

为了放宽布阵条件,解决现有方法存在的相位模糊问题,采用旋转不变信号谱估计算法研究了基于均匀圆形极化阵列的信号参数估计.利用子空间理论,并根据导向矢量的特点得到相邻阵元间的相位差估计,消除了相位模糊;利用沿z轴方向放置的电偶极子阵列导向矢量和磁偶极子阵列导向矢量之间的关系,通过矩阵运算给出了信号极化和到达角估计的最小二乘解,该算法不需要搜索运算和参数配对运算,仿真实验结果验证了该算法的有效性.     

一种特殊阵列实现DOA估计的方法

提出了一种基于特殊阵列形式实现DOA估计的方法,在均匀线性阵列（Uniform Linear Array,ULA）上增加一个阵元,将阵元放在特定的位置,得到一组特殊的阵元组合,打破了均匀线阵中导向矢量的周期性,成功地避免了角度估计模糊.此外,该方法在同等硬件资源的条件下,得到了更多阵元组合,可以获得更高的阵列方位分辨率.提出了一种适用于新阵列结构的矩阵分块空间平滑算法,利用其导向矢量的局部周期性将其数据协方差矩阵分块空间平滑后,重新组合得到修正后的数据协方差矩阵,实现了相干信号源的DOA估计.     

阵元位置误差校正Toeplitz预处理算法

MUSIC等为代表的高分辨DOA算法通常以精确已知的理想阵列模型为前提,由于实际天线阵列的位置误差必然存在,因此算法的性能必将受到严重的影响,甚至失效.本文通过深入分析阵列位置误差对阵列接收数据协方差矩阵的影响,提出了一种基于对接收数据协方差矩阵作Toep litz预处理来校正阵列位置误差的方法,同时结合特征值重构方法进行联合迭代运算,以便更加有效地抑制阵列位置误差的影响.理论分析和计算机仿真表明,所提方法能够有效地改善MUSIC算法的稳健性,提高多目标信号的角度分辨能力.     

一种特殊阵列实现DOA估计的方法

提出了一种基于特殊阵列形式实现DOA估计的方法，在均匀线性阵列（ Uniform Linear Array, ULA）上增加一个阵元，将阵元放在特定的位置，得到一组特殊的阵元组合，打破了均匀线阵中导向矢量的周期性，成功地避免了角度估计模糊．此外，该方法在同等硬件资源的条件下，得到了更多阵元组合，可以获得更高的阵列方位分辨率．提出了一种适用于新阵列结构的矩阵分块空间平滑算法，利用其导向矢量的局部周期性将其数据协方差矩阵分块空间平滑后，重新组合得到修正后的数据协方差矩阵，实现了相干信号源的DOA估计.     

基于张量分解的二维互质矢量传感器阵列信号处理

提出了一类二维互质矢量传感器阵列及其张量处理方法,以提高阵列自由度及信号波达角(Direction of arrival,DOA)估计性能。新阵列并非是二维互质标量传感器阵列的简单扩展,而是针对新阵列的高维信号数据,提出了一种新的基于张量代数理论的建模和处理方法。分析表明:针对一个具有4M~2+N~2-1(其中M和N互为质数)个矢量传感器(阵元)的二维互质阵列,利用其接收信号的高维二阶统计量,可将该阵列转换成一个具有(MN+M+N-1)~2个虚拟矢量传感器(阵元)的均匀矩形阵列(Uniform Rectangular Array,URA)。为充分利用增加的阵元数来提高阵列的可辨识性和信号的DOA估计精度,还给出了该URA对应的张量模型及处理方法,并最终借助张量分解实现了信号DOA及极化参数估计。仿真实验证明了新方法的有效性。     

一种均匀线阵的信号分离方法研究

为了进一步改善阵列信号处理中盲源分离算法的分离性能,本文提出了一种基于DOA估计的阵列信号分离方法。该方法的基本思想是利用MUSIC算法实现对阵列信号DOA的预先估计,构建一预估计方向加载矩阵W,使加载后的混合信号在该预估计DOA上的信号能量最大化,最后利用传统的盲源分离算法分离接收到的混合信号,得到原始信号波形。仿真结果表明,该方法分离效果优于直接的盲分离算法,原始信号与分离信号相关系数接近于1,但同时牺牲较大运算量。