基于高阶累量的盲高分辨DOS估计及其性能分析

本文基于３阶和４阶统计量提出了一种未知阵元增益及相位情况下盲的ＤＯＡ估计方法，方法不需要作谱峰搜索，亦不需要进行ＤＯＡ估计与孟凶误差校正来回迭代运算，可对阵元增益及相位与ＤＯＳ同时精确估计。     

基于四阶累积量的DOA估计方法及其分析

本文提出了一种基于四阶累积量的ＤＯＡ估计方法,同ＭＵＳＩＣ－ｌｉｋｅ方法一样,它也对实际阵列进行了四阶扩展。文章证明了这两种方法对实际阵列口径和阵元数的扩展特性,指出了它们在阵列扩展方面的差别。文章最后采用计算机模拟验证文中结论。     

基于四阶累量的MUSIC算法对阵元误差的稳健性分析

本文分析了基于四阶累量的ＭＵＳＩＣ算法（记作ＦＯＣ－ＭＵＳＩＣ），在实际阵元存在幅相误差时，对波达方向（ＤＯＡ）的估计性能，给出了大样本情况下的估计方差公式，并与基于协方差矩阵的标准ＭＵＳＩＣ算法作了比较。计算机仿真结果表明，本文给出的方差公式与实验仿真结果十分接近。文中还给出了利用高阶累量的方法可获得阵列有效孔径扩展的新解释。     

基于插值圆阵的宽带信号二维空间谱估计

在阵列信号处理中，确定信号的波达方向需要估计信号的二维空间谱。Ｃ．Ｕｓｈａ Ｐａｄｍｉｎｉ等人已证明，圆阵用于估计宽带信号的ＤＯＡ时上有许多好的特性。尤其是在基于圆阵的宽带信号子空间一维ＤＯＡ会计，即使不用延迟抽关也不会出现频率－方向模糊。     

螺量域波达方向估计的稳健性

本文提出了一种用于等矩线阵的四阶累重量域波达方向（ＤＯＡ）估计算法，并着重研究了算法的稳健性（Ｒｏｂｕｓｔｎｅｓｓ）该算法利用了空间累量阵中的所有非冗余量元素，并将相位相同不量元素做平滑处理。Ｔｏｅｐｌｉｔｚ化后形成新的虚拟协方差矩阵，方向估计基于此阵，分析表明，该算法对阵列误差有较强的容差性，加之累量对高斯噪声的自然盲性，因而算法具有稳健性，该算法的另一个特点是可以提供虚拟扩展孔径（扩展近两倍）     

基于最小冗余线阵的共轭循环ESPRIT算法

本文提出了一种基于最小冗余线阵的共轭循环ＥＳＰＲＩＴ算法,理论分析和计算机仿真实验均表明,算法具有良好的ＤＯＡ估计性能,增大了阵列孔径,抗噪能力强,分辨率高,可以用较少的阵元估计更多的信号源方向,计算机仿真实验验证了算法的有效性,并比较了该算法与共轭循环ＥＳＰＲＩＴ算法的ＤＯＡ估计性能。     

基于高阶循环平稳特性的二维波达方向估计算法

本文提出了一种利用虚拟双线性平行阵的循环累量域二维波达方向 （ＤＯＡ）估计算法。该算法构造了一个虚拟ＤＯＡ循环矩阵（ＶＤＯＡ Ｃｙｃｌｉｃ　Ｍａｔｒｉｘ）,井基于此矩阵进行ＤＯＡ估计。理论分析表明,通过对虚拟ＤＯＡ循环矩阵的特征值分解,就可以得到源信号的二维ＤＯＡ估计。同时由于循环累量对高斯噪声的自然盲性和对信号的选择性,该算法具有循环域和累量域ＤＯＡ估计算法的良好性能。该算法的另一特点是可以提供虚拟扩展孔径,提高了ＤＯＡ估计的性能．     

累量域波达方向估计的稳健性

本文提出了一种用于等距线阵的四阶累量域波达方向（ＤＯＡ）估计算法，并着重研究了算法的稳健性（Ｒｏｂｕｓｔｎｅｓｓ）．该算法利用了空间累量阵中的所有非冗余累量元素，并将相位相同的累量元素做平滑处理，Ｔｏｅｐｌｉｔｚ化后形成新的虚拟协方差矩阵，方向估计基于此阵．分析表明，该算法对阵列误差有较强的容差性，加之累量对高斯噪声的自然盲性，因而算法具有稳健性．该算法的另一个特点是可以提供虚拟扩展孔径（扩展近两倍），从而提高了算法的估计性能和分辨能力．仿真实验验证了分析结果，表明了算法良好的性能．     

二维子阵级相控阵空间谱估计方法

目前已提出的空间谱估计方法绝大多数需要已知所有阵元的数字化输出信号,即为基于阵元级的方法.我们对应用于相控阵雷达的二维子阵级空间谱估计方法进行了研究.采用简化的阵列流形,只需精确地确定子阵相位中心与增益,大大降低了对相控阵的校正成本与代价.但其有效的方向估计范围只在子阵的3dB波束宽度内,然而与波束扫描相结合可实现任意空间范围内的方向估计.通过引入加权网络对子阵输出进行后处理,提高了阵列处理的灵活性;构造了基于理想子阵方向图的简化阵列流形,克服了直接简化阵列流形方法的测向范围无法调整的局限性,并能更好地抑制旁瓣源.仿真结果证实了所提出方法的有效性.     

增益相位误差下基于部分校准嵌套阵列的DOA估计

现有的波达方向（Direction of Arrival,DOA）估计方法大多依赖于阵列导向矩阵的精确无偏条件,而实际工程中由于时钟偏移、阵元位置偏差的存在导致该条件往往难以满足.为匹配阵列实际接收条件,本文基于部分校准嵌套阵列,提出了一种增益相位误差下的DOA估计新方法.该方法首先利用连乘子函数和简单的代数运算完成初始增益相位误差估计,然后通过协方差矩阵向量化和稀疏表示理论构建具有连续自由度的稀疏表示向量模型,最后考虑有效样本的影响,在初始增益相位误差估计的基础上应用稀疏总体最小均方（Sparse total least squares,STLS）算法完成波达方向估计.本文所提方法不仅对阵列增益相位误差不敏感,而且可依靠嵌套阵列高自由度特性和STLS算法的抗扰动特性获得改进的分辨率和估计精度,计算机仿真结果验证了所提算法的有效性.     

利用深度学习方法的相干源DOA估计

基于子空间分解的相干信源DOA ( Direction of arrival) 估计算法对阵列有特殊的要求，且估计性能较差，在低信噪比时甚至失效；另外，基于压缩感知的DOA估计算法在高信噪比下可以实现相干源的DOA估计，但计算复杂度较高。针对这些不足，本文基于稀疏表示的阵列接收信号模型，提出一种基于深度学习的相干源DOA估计方法，该方法利用卷积网络和全连接网络构造了深度学习网络，并通过选择合适的训练策略，对网络进行了有效训练，利用训练好的深度学习网络能够对相干源进行有效的DOA估计。仿真实验表明，与现有的相干源DOA估计算法相比，本文提出的方法适合于任意阵列结构，在时间复杂度上有着明显的优势，在估计性能上优于平滑解相干和L1-SVD（Sigular Value Decomposition）算法，略差于OGSBI（Off-Grid Sparse Bayesian Inference）算法。      

Passive localization of mixed sources jointly using MUSIC and sparse signal reconstruction

Source localization for mixed far-field and near-field sources is considered. By constructing the second-order statistics domain data of array which is only related to DOA parameters of mixed sources, we obtain the DOA estimation of all sources using the weighted ℓ₁-norm minimization. And then, we use MUSIC spectral function to distinguish the mixed sources as well as to provide a more accurate DOA estimation of far-field sources. Finally, a mixed overcomplete matrix on the basis of DOA estimation is introduced in the sparse signal representation framework to estimate range parameters. The performance of the proposed method is verified by numerical simulations and is also compared with two existing methods.     

基于双平行线阵的相干分布源二维DOA估计

针对现有相干分布源二维波达方向(DOA)估计算法存在的一些问题,基于双平行均匀线阵提出了一种相干分布源二维DOA估计新算法。利用旋转不变的思想并结合传播算子法来估计相干分布源的二维中心DOA。无需谱搜索和对样本协方差矩阵做特征分解,和传统算法相比,其计算复杂度更低。此外,还给出了详细的参数配对过程,因而能够应用于多源场合。算法在小角度扩展条件下估计性能良好,其性能甚至接近于一维交替搜索算法。算法还是一种对角分布先验知识盲的估计。仿真结果证实了算法的有效性。     

宽带相干信源DOA估计算法

针对现有宽带相干信源DOA估计算法存在的问题,提出了一种解决宽带相干信源空间谱估计的新方法。简述了宽带阵列信号模型以及投影子空间正交性测试(TOPS)方法,并深入分析了TOPS不能适应相干信号的实质。通过将矩阵共轭重构算法引入TOPS算法中,解决了TOPS算法不能处理相干信号的问题。此方法不仅提高了抗相干信号的能力,而且在聚焦中不需要角度的预估计。数值仿真实验结果验证了该方法的有效性。     

Ambiguity-function-based techniques to estimate DOA of broadband chirp signals

Various methods are available to perform direction-of-arrival (DOA) estimation for random sources. However, the work on DOA estimation of deterministic sources, such as broadband chirp signals, is quite limited. This paper proposes two novel methods for broadband chirp DOA estimation (BCD), namely the incoherent broadband chirp DOA estimation (BCD-I) and coherent broadband chirp DOA estimation (BCD-C). The proposed methods exploit the time-frequency structure of the chirp signal via the ambiguity function, which converts the absolute time and frequency of the chirp signal into relative time lag and frequency difference. The algorithms can be applied to arrays of any aperture size and arbitrary chirp rate signals. The signal frequency of the source can be higher than the conventional array design frequency, and the number of sources can be greater than the number of sensors as long as the signals are separable in the ambiguity function plane. These methods can be applied to single or multiple chirps with the same or different chirp rates. The performance analysis shows that our algorithms generally provide improvements in the DOA estimation of the broadband chirp sources.     

宽带信号源数目和DOA快速估计

宽带信号源数目估计与其波达方向（DOA）估计是紧密相连的。文章综合考虑信号源数目和DOA估计,从减少算法的运算量出发,提出了一种新的宽带信号源数目和DOA快速估计方法。该方法首先利用多级维纳滤波器（MSWF）算法来估计信号子空间,避免了特征分解方法估计信号子空间所需要的大运算量;然后基于信号子空间的旋转不变性,提出了一种新的宽带信号源数目估计快速算法;最后利用信号子空间的旋转不变性来估计DOA,避免了谱峰搜索所需要的大运算量。计算机仿真试验验证了此方法的有效性。     

基于虚拟阵列的二维稀疏阵列相干源DOA估计

波达方向DOA估计是雷达阵列信号处理的一个重要方向,传统的MUSIC算法对均匀阵列条件下独立信号源的估计有很强的适应性,但实际的雷达工作中,稀疏布阵下多相干源测角是一个经常出现的应用场景。文中针对二维稀疏阵列的相干源测角,提出了一种基于虚拟阵列的相干源DOA估计方法。该方法利用虚拟阵列内插的方法,将一个任意二维稀疏阵列内插为一个均匀面阵,再通过二维空间平滑方法对相干源进行测角,能够同时获得信号的方位角和俯仰角信息。稀疏面阵和稀疏圆阵的仿真实验结果表明,该方法可以有效的解决二维稀疏阵列的相干源测角问题。     

宽带独立信号和相干信号的DOA估计

当独立信号和相干信号共存时,传统四阶累积量方法无法估计出宽带相干信号的来波方向(DOA),针对这个问题提出了一种新方法。该方法首先通过离散傅里叶变换,将宽带阵列接收数据分解为若干个窄带信号,构造出各个窄带频率处的自相关矩阵,再通过MUSIC(Multiple Signal Classification)算法估计出各个窄带信号的DOA,将各个窄带信号的空间谱相加求平均,通过谱峰搜索得到宽带独立信号的DOA;然后分离出独立信号的信息,构造出一个只包含宽带相干信号信息的矩阵,最后通过稀疏重构的方法估计出相干信号的DOA。计算机仿真结果证明该算法的正确性和有效性。     

一种基于空域滤波的空间临近相干源角度估计方法

相干源常见于存在多径的场景,如何解相干历来是阵列信号处理领域亟待解决的难题之一,特别针对空间临近相干源,其角度估计精度尚有待提高。针对空间临近相干源该文提出一种基于空域滤波的角度估计方法。首先利用空域滤波技术将多个相干源分离,再对滤波分离后的各个信号分别进行角度估计,并通过对滤波器系数和相干源角度的迭代优化提高测角精度。针对非均匀线阵,该方法采用虚拟阵列技术扩展其适用范围。计算机仿真结果表明该方法的测角精度较现有方法更高,信噪比较高时其测角的均方根误差可达克拉美罗界,验证了该方法的有效性和在空间临近相干源场景的优越性。     

Efficiency Evaluation of the Unconditional Maximum Likelihood Estimator for Near‐Field DOA Estimation

In this paper, we address the problem of closely spaced source localization using sensor array processing. In particular, the performance efficiency (measured in terms of the root mean square error) of the unconditional maximum likelihood (UML) algorithm for estimating the direction of arrival (DOA) of near‐field sources is evaluated. Four parameters are considered in this evaluation: angular separation among sources, signal‐to‐noise ratio (SNR), number of snapshots, and number of sources (multiple sources). Simulations are conducted to illustrate the UML performance to compute the DOA of sources in the near‐field. Finally, results are also presented that compare the performance of the UML DOA estimator with the existing multiple signal classification approach. The results show the capability of the UML estimator for estimating the DOA when the angular separation is taken into account as a critical parameter. These results are consistent in both low SNR and multiple‐source scenarios.