基于MUSIC算法的球面共形阵DOA估计

由于球面共形天线阵所具有的特殊性质,使得其利用经典MUSIC算法进行DOA估计时,导向矢量与噪声子空间不正交,算法性能受到较大影响。在考虑各阵元接收某信号强度不一致的同时,根据子阵内阵元相似度高这一特点,对基于子阵分割的有向阵元MUSIC算法在球面共形阵上进行了DOA估计仿真实验,结果表明:该方法应用于球面共形阵,可以快速准确地估计出多个信号的DOA。     

一种对称α稳定分布噪声环境下DOA估计新算法

脉冲噪声环境下波达方向(DOA)估计是阵列信号处理领域一个新兴研究方向。针对α稳定分布噪声环境下经典MUSIC算法性能退化的问题,提出了一种新的基于非线性压缩核函数(NCCF)的DOA估计算法。该算法利用基于NCCF的有界矩阵代替了MUSIC的协方差矩阵,通过对有界矩阵进行特征分解确定信号子空间和噪声子空间,借用MUSIC谱估计公式进行谱峰搜索,得到DOA的估计值。仿真结果表明,NCCF-MUSIC算法运算复杂度较低,相比于基于分数低阶统计量(FLOS)的MUSIC方法和基于广义类相关熵(GCAS)的MUSIC算法,该方法具有更好的准确度和稳定性。     

互质阵列DOA估计性能综合分析北大核心CSCD

互质阵列是近年来兴起的新型阵列,能显著提高阵列自由度,处理信源数大于阵元数时的波达方向(DOA)估计,且能提高角度分辨率和测角精度。文中根据互质阵物理阵元和虚拟阵元特点,结合多重信号分类(MUSIC)算法提出适用于互质阵基于物理阵列和虚拟阵列的DOA估计方法。该方法以非相干信号源为研究对象,利用互质阵列建立信号接收模型,基于物理阵列的DOA估计方法根据互质阵物理阵元位置特点推导其导向矢量,然后根据导向矢量计算回波信号数据和信号协方差矩阵,最后利用MUSIC算法进行DOA估计。基于虚拟阵列的DOA估计方法根据其虚拟阵元数据特点在向量化协方差矩阵并去冗余后选取连续虚拟阵元接收数据,然后对新协方差矩阵进行一维Toeplitz平滑重构,最后利用MUSIC算法或求根MUSIC算法进行DOA估计。与等阵元数的均匀线阵进行对比,仿真实验验证了互质阵列DOA估计性能的优越性。     

基于矢量传感器MIMO雷达的DOD DOA和极化联合估计算法

该文研究了一种基于多输入多输出(MIMO)电磁矢量传感器阵列雷达目标波离角(DOD),波达角(DOA)和极化联合估计问题。提出一种新型矢量阵MIMO雷达系统模型,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器。在此基础上,该文提出4维MUSIC, ESPRIT和迭代1维MUSIC 3种联合参数估计算法。其中迭代1维MUSIC算法首先利用矢量传感器的内在结构特点获得目标DOA预估计,随后采用MUSIC算法对DOD和DOA分别进行1维搜索获得目标角度的高精度估计,最后给出一种基于ESPRIT的目标极化估计算法。迭代1维MUSIC算法可用于不规则阵列,对接收阵列约束较少,无需2维搜索及多维搜索,还可以利用矢量阵特点扩展阵列孔径提高DOA估计精度。此外,论文还推导了DOD, DOA和极化联合估计的CRB。仿真实验表明,与前两种算法相比,迭代1维MUSIC算法具有与CRB更接近的估计精度。     

基于Laplace先验的Bayes压缩感知波达方向估计

基于多任务贝叶斯压缩感知(BCS)理论,该文提出一种使用Laplace先验的目标到达角(DOA)估计算法。该算法利用阵元输出为观测值,将DOA估计转化为Laplace先验约束下的BCS求解稀疏信号问题,使用Laplace先验获得比传统BCS更好的稀疏性。该算法不需要信源个数的先验信息和进行特征值分解,能够适应相干信源场景,仿真结果表明该算法具有比传统BCS方法和经典MUSIC算法更好的DOA估计性能。     

基于降维处理的MUSIC二维DOA估计算法

针对 MUSIC(多重信号分类法)估计方法实现二维 DOA(波达方向)估计的计算量大且遍历搜索耗时的问题,给出了一种基于降维处理的 MUSIC 算法。该算法无需进行二维谱峰值搜索。该算法利用二次优化方法将二维 DOA 估计分解为一维 DOA 估计,先通过一维 MUSIC 估计获得信号与 x 轴夹角,再利用最小二乘算法估计获得信号与 y 轴夹角。最后利用角度关系式得到信号的二维 DOA 估计值。该算法的复杂和搜索范围都大大降低,仿真表明,该算法具有较好的角度估计效果。     

基于非均匀采样的信号频率和到达角联合估计

利用阵列中每个阵元有不同采样频率的非均匀采样特性,可以等效得到时变的虚拟非均匀线阵,然后采用经典的子空间法中的MUSIC测向法,通过网格搜索实现对信号频率和DOA联合估计;并且通过合理设置各阵元间的采样率,有效提高空间谱估计的分辨率和精度,还可避免测向角度模糊。该算法采用网格搜索法,明显减少了计算量。计算机仿真结果证明该方法的有效性和正确性。     

均匀圆阵DOA估计的一种酉变换方法

针对基于均匀圆阵的子空间类DOA估计算法包含大量复数运算、硬件实现复杂的问题,提出了阵元空间中的一种酉变换方法。该方法利用阵列的中心对称性将协方差矩阵和导向矢量分别转化为实对称阵和实矢量,从而大大降低了硬件实现复杂度。基于该酉变换的MUSIC算法在性能上优于传统的MUSIC算法和均匀圆阵模式空间酉MUSIC算法。     

一种基于非一致响应圆阵的DOA估计改进算法

由于传统波达方向(DOA)估计算法对接收天线阵列的阵元一致性要求高,即幅度和相位响应要求一致,在工程应用中受到较大限制。针对该问题,结合均匀圆阵的特点,通过引入阵元幅度和相位不一致因子对传统MUSIC算法的模型加以改进,提出了一种改进的MUSIC算法。该算法降低了阵元的一致性要求,可通过迭代求解的方法来完成对多个信源来波方向进行估计。仿真和分析结果表明,提出的算法可有效地进行多个目标的DOA估计。     

适用任意阵列的变换域二维波达角快速估计算法

 MUSIC(Multiple Signal Classification)算法是波达角(the Direction of Arrival,DOA)估计的经典算法之一,但其在二维DOA估计中因需进行二维谱峰搜索而计算量十分巨大.为降低MUSIC算法的计算量,本文在引入变换域DOA概念的基础上提出了一种能够适用于任意阵列结构的二维DOA快速估计算法,即变换域MUSIC(transformed domain-MUSIC,TD-MUSIC)算法.理论分析和仿真实验表明:该算法不但将空间谱峰搜索的范围减小一半而且具有更低维度的噪声子空间,因而其计算量远小于 MUSIC算法.同时,新算法具有比MUSIC更高的空间分辨率.     

共形阵列天线信源方位与极化状态的联合估计算法

 针对共形天线阵列流形的特点,提出了共形阵列天线信源方位与极化状态的联合估计算法.算法的方位估计不需要信源极化状态的任何信息,估计精度高、分辨力强,在完成信源方位估计的同时,还可以精确的估计出信源的极化状态,不需要参数配对,实现了共形阵列天线信源方位与极化状态的联合估计.算法仅需要二维参数搜索,计算量比已有的联合估计算法小,且适用于任意共形载体,具有广泛的应用范围.对算法参数估计的理论性能进行了分析推导,给出了参数估计的CRB(Cramer-Rao Bound),并通过Monte-Carlo仿真实验验证了理论分析的正确性与算法的有效性.     

一种DOA估计的快速子空间算法

MUSIC算法是一种属于特征结构的子空间超分辨方法，该算法性能优良，但需要估计协方差矩阵并对其进行特征分解，运算量大，很费计算时间。本文对波这方向估计问题进行了研究并提出了一种采取降维处理的快速子空间算法，该算法利用阵列协方差矩阵的一个子矩阵快速得到信号子空问，无需特征分解，且无需估计整个协方差矩阵，只需估计该子矩阵，故快速算法运算复杂度远低于MUSlC算法，而性能损失并不太大。理论分析和计算机仿真结果表明此方法是有效的。     

共形阵列天线MUSIC算法性能分析

该文在建立了三维共形天线阵列流形的数学模型基础上,将经典高分辨波达方向(DOA)估计方法多重信号分类(MUSIC)算法移植到共形阵列天线中;详细分析推导了MUSIC算法在共形阵列天线 (锥面阵列、柱面阵列、球面阵列)中的估计方差、克拉美-罗界(CRB);通过计算机仿真试验对比MUSIC算法在面阵(均匀线阵、均匀圆阵)与共形阵列中的性能函数以及估计方差,给出了MUSIC 算法在不同阵列形式中DOA估计性能的评估与比较,仿真结果显示MUSIC算法在不同阵列形式中的估计性能均随阵元个数以及信噪比的增加而变好,验证了理论分析的正确性。     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

基于贪婪算法的高分辨信号源DOA估计

确定辐射源的来波方向(DOA)是阵列信号处理的重要研究内容,已经广泛应用于雷达、声纳和无线通信等领域。本文研究了远场窄带信号源的DOA高分辨估计问题。利用信号来波方向在空域具有稀疏性的特点,建立了远场窄带信号源的稀疏表示模型。根据协方差矩阵的特征值分解和贪婪匹配追踪算法原理提出了一种基于特征值分解的多重正交匹配追踪算法（EIG MOMP）。首先,利用特征值分解对阵列接收数据进行降维处理。这一降维操作使得问题转化为了一个具有多重观测向量（MMV）的欠定方程求解问题。接着利用MOMP算法对降维后的数据进行处理,最终得到信号的DOA估计值。该算法实现了在低信噪比下远场窄带信号源的高分辨DOA估计,并具有较低的运算复杂度。将本文提出的算法与传统的Capon算法、多重信号分类算法（MUSIC）以及正交匹配追踪算法（OMP）进行了对比。结果证明,该算法在低信噪比下能取得较好的DOA估计效果,可以针对任意的相干信号源,并且具有高分辨率的优点。      

Blind DOA and polarization estimation for polarization-sensitive array using dimension reduction MUSIC

A novel blind direction-of-arrival (DOA) and polarization estimation algorithm for polarization-sensitive uniform linear array using dimension reduction multiple signal classification (MUSIC) is proposed in this paper. The proposed algorithm utilizes the signal subspace to obtain an initial estimation of DOA, then estimates more accurate DOA through a one-dimensional (1-D) local searching according to the initial estimation of DOA, and finally obtains polarization parameter estimation via the estimated polarization steering vectors. The proposed algorithm, which only requires a one-dimension local searching, can avoid the high computational cost within multi-dimensional MUSIC algorithm. The simulation results reveal that the proposed algorithm has better DOA and polarization estimation performance than both estimation of signal parameters via rotational invariance technique algorithm and trilinear decomposition algorithm. Furthermore, the proposed algorithm can be suitable for irregular array geometry, obtain automatically paired multi-dimensional parameter estimation, and avoid multi-dimensional searching. Simulation results verify the effectiveness of the proposed algorithm.     

基于空时频协方差矩阵重构的高效跳频信号DOA估计

为了充分利用跳频信号的空域信息来进行信号的DOA估计,在信号空时频分析的基础上,本文提出了一种基于协方差矩阵重构的高效跳频信号DOA估计方法。首先将接收信号的均匀线阵（uniform linear array, ULA）平均划分成2个子阵,分别对每个子阵接收到的信号进行时频分析,在时频域选择有效跳,构造每跳的空时频矩阵（spatial time-frequency distribution, STFD）,然后求得2个子阵的互协方差矩阵。将2个子阵的互协方差矩阵进行重构运算得到等效的信号子空间,最后构造空间谱多项式求根估计出信号的DOA。仿真结果表明该方法相比于以往改进类子空间算法能够有效提高估计精度和降低算法复杂度。      

互质MIMO雷达的非圆信号降维DOA估计方法北大核心CSCD

针对传统互质阵列波达方向估计方法存在的自由度低、阵列孔径小、相位模糊等问题,提出了一种基于互质MIMO雷达的非圆信号降维波达方向(Direction of Arrival, DOA)估计方法。该方法结合了互质阵列与MIMO雷达的优点,利用非圆信号特性对阵列进行扩展,重构接收信号矩阵,然后进行降维处理,并利用噪声特征值的幂级数对噪声子空间进行修正,进一步提高算法精度。最后推导了文中方法的无相位模糊问题。仿真实验表明,文中方法能够有效避免相位模糊,大大提高自由度并扩大阵列孔径,与传统MUSIC算法以及互质阵列MUSIC算法相比,在估计成功率、DOA估计精度等方面均具有更好的性能。     

Performance of radial-basis function networks for direction ofarrival estimation with antenna arrays

The problem of direction of arrival (DOA) estimation of mobile users using linear antenna arrays is addressed. To reduce the computational complexity of superresolution algorithms, e.g. multiple signal classification (MUSIC), the DOA problem is approached as a mapping which can be modeled using a suitable artificial neural network trained with input output pairs. This paper discusses the application of a three-layer radial-basis function neural network (RBFNN), which can learn multiple source-direction findings of a six-element array. The network weights are modified using the normalized cumulative delta rule. The performance of this network is compared to that of the MUSIC algorithm for both uncorrelated and correlated signals. It is also shown that the RBFNN substantially reduced the CPU time for the DOA estimation computations     

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。