子空间盲信噪比估计算法研究

信号子空间维数估计是影响子空间信噪比估计算法性能的重要因素。针对利用最小描述长度(MDL)准则估计维数时,只能在有限信噪比范围内实现精确估计这一情况,采用噪声功率(NP)法与加权平均信息(WIC)准则以及归一化比值法对信号子空间维数进行估计,改善了原算法在低信噪比时估计性能变差的问题。仿真结果显示在加性高斯白噪声信道条件下,实际信噪比在-10~10 d B范围内时,噪声功率(NP)法以及加权平均信息(WIC)准则比原方法有显著的优势。     

空间非平稳噪声下的宽带DOA估计算法

投影子空间正交性测试(TOPS)法是利用子空间的正交性实现宽带信号DOA估计,而在空间非平稳噪声环境下子空间的正交性条件不再满足,尤其是在低信噪比或低快拍条件下子空间估计将出现较大误差,TOPS算法性能将急剧下降。针对该问题,提出了一种空间非平稳噪声下宽带DOA估计算法。该算法首先通过构造特殊对角矩阵将噪声从数据协方差矩阵中剔除,从而克服非平稳噪声对DOA估计的影响;然后利用平方TOPS法实现宽带信号DOA估计,消除了传统TOPS算法中的伪峰。该算法适用于空间非平稳噪声背景及低信噪比环境,提高了对角度相近目标的分辨性能;仿真实验表明了该算法的有效性。     

基于噪声子空间奇异值的信号分量数目估计

针对现有信号分量数目估计方法在低信噪比时估计性能差的问题,该文提出了基于噪声子空间奇异值恒虚警检测方法估计信号分量数目。通过对Hankel矩阵奇异值与噪声能量之间关系的研究,利用高斯白噪声包络平方服从指数分布的特点,在虚警率一定的条件下,获得噪声子空间奇异值检测门限。仿真结果显示该方法在低信噪比时有效。     

基于噪声空间加权重构的相干信号DOA估计

针对传统相干信号DOA估计算法在低信噪比、少快拍数以及阵列通道幅相误差下存在的角度分辨力差和测角性能不稳定问题,本文提出一种基于噪声空间加权重构的相干信号DOA估计算法。该算法首先利用共轭重构对阵列接收信号协方差矩阵作解相干处理;然后在信源大致方位内对导向矢量作定积分,计算积分矢量与整个噪声子空间正交基矢量的交空间基矢量,并以此对噪声子空间进行加权;最后运用加权重构后的噪声子空间建立算法空间谱函数,谱峰搜索估计得目标的DOA。计算机仿真结果表明,本文所提算法易实现低信噪比、少快拍数以及通道幅相误差下相干信号的DOA估计。     

基于TOEPLITZ重构的压缩感知嵌套阵列DOA估计

针对传统稀疏阵列波达方向（DOA）估计算法在小快拍数、低信噪比和多信源数等条件下的估计精度不高的问题,提出了一种基于TOEPLITZ重构的压缩感知嵌套阵列DOA估计方法。首先利用TOEPLITZ重构方法将虚拟阵列的输出信号向量构建成满秩协方差矩阵,然后利用信号在空间域的稀疏性,将阵列协方差矩阵进行稀疏表示,通过噪声子空间和信号子空间的正交关系构建权值向量,对稀疏向量进行加权约束,最后通过求解最优化方程获取入射信源的DOA估计。仿真结果表明,本文方法比传统稀疏阵列DOA估计算法在低信噪比、小快拍数和多信源数下具有更好的DOA估计性能。     

基于TLS的改进子空间投影算法

针对经典MUSIC算法在信源相干、低信噪比、小快拍数等非理想环境下性能失效的问题,提出了一种改进的基于TLS的加权子空间投影算法。首先对阵列接收的数据协方差矩阵进行重构处理,以达到解相干目的;其次充分利用子空间信息,基于总体最小二乘拟合方法对特征值进行拟合修正,基于修正MUSIC算法思想,利用校正后的噪声特征值和信号特征值分别对噪声子空间和信号子空间进行加权处理,得到改进后的噪声子空间和信号子空间,并将两者结合得到新的空间谱函数;最后进行谱峰搜索,完成信号源的波达方向估计。仿真结果表明,改进后的算法既适用于相干信号环境,在低信噪比、小快拍数及信号入射角度间隔较小的情况下,又能有效估计出信源的波达方向。     

非理想条件下基于矢量水听器阵列的一种快速方位估计算法

为了实现少快拍、低信噪比(SNR)条件下的水下目标快速方位估计,该文建立矢量水听器阵列方位估计稀疏表示模型。利用实值转化技术将复数方向矩阵转化到实数域,以便利用平滑L0算法对稀疏信号矩阵进行重构从而得到方位估计结果。该文改进平滑L0算法,利用收敛性更好的复合反比例函数(CIPF)函数作为平滑函数以及提出促稀疏加权的方法,该方法通过加权的方式修正噪声条件下L2范数作为迭代初始值偏离稀疏解较远的问题来促进算法快速收敛于稀疏解。通过仿真验证了该文提出的基于实值转换的促稀疏加权平滑L0算法在少快拍、低信噪比的条件下可以实现优于传统子空间类算法的性能,并且在保证性能的同时,显著提高方位估计的速度。     

非理想条件下基于矢量水听器阵列的一种快速方位估计算法

为了实现少快拍、低信噪比(SNR)条件下的水下目标快速方位估计,该文建立矢量水听器阵列方位估计稀疏表示模型.利用实值转化技术将复数方向矩阵转化到实数域,以便利用平滑L0算法对稀疏信号矩阵进行重构从而得到方位估计结果.该文改进平滑L0算法,利用收敛性更好的复合反比例函数(CIPF)函数作为平滑函数以及提出促稀疏加权的方法,该方法通过加权的方式修正噪声条件下L2范数作为迭代初始值偏离稀疏解较远的问题来促进算法快速收敛于稀疏解.通过仿真验证了该文提出的基于实值转换的促稀疏加权平滑L0算法在少快拍、低信噪比的条件下可以实现优于传统子空间类算法的性能,并且在保证性能的同时,显著提高方位估计的速度.     

一种基于Toeplitz矩阵重构的相干信源DOA估计算法

提出一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

基于互相关协方差矩阵的改进多重信号分类高分辨波达方位估计方法

针对经典高分辨波达方位(DOA)估计方法在低信噪比下分辨性能较差的问题,该文提出一种适用于主动探测系统的基于互相关矩阵的改进多重信号分类(MUSIC)高分辨方位估计方法(I-MUSIC)。该方法首先利用主动声呐发射信号已知的特性,将发射信号与阵元接收信号进行互相关,利用互相关序列形成新的空域协方差矩阵,再进行特征分解。理论分析表明,互相关处理在抑制噪声的同时保留了阵元之间的相位信息,可以得到比MUSIC方法更准确的子空间划分,进而提高低信噪比方位估计性能。在此基础上,提出一种基于相关时间门限的改进MUSIC高分辨方位估计(T-MUSIC)方法,通过对互相关序列设置时间门限进一步提高方位估计信噪比。仿真结果表明,与MUSIC方法相比,I-MUSIC与T-MUSIC可以分别使低信噪比时的估计性能提高3 dB和6 dB,相应平均估计误差分别为原方法的77%和53%。在阵元间接收噪声存在相关性时,T-MUSIC与I-MUSIC方法相比可获得8 dB的估计增益,估计性能更优。I-MUSIC与T-MUSIC应用于多目标主动探测,可大幅提高探测系统在低信噪比下的方位估计性能。     

A covariance matrix shrinkage method with Toeplitz rectified target for DOA estimation under the uniform linear array

A covariance matrix shrinkage method is proposed to make an improvement of the direction of arrival (DOA) estimation under a uniform linear array in a scenario where the number of sensors is large and the sample size is relatively small. The main contribution is that we provide a shrinkage target with Toeplitz structure and deduce a closed-form estimation of the shrinkage coefficient. The closed-form and the expectation of the shrinkage coefficient estimate are calculated based on the unbiased and consistent estimates of the trace and moments of a Wishart distributed covariance matrix. The statistical property of the shrinkage coefficient estimate is discussed through theoretical analysis and simulations, which demonstrate the shrinkage coefficient estimate can ensure that the proposed covariance matrix estimate is a good compromise between the sample covariance matrix (SCM) and the target. The root-mean-square-error (RMSE) simulations of DOA estimation show that the proposed method can improve the multiple signal classification (MUSIC) DOA estimation performance in the case of low signal-to-noise ratio (SNR) with small sample size, and also can provide a satisfactory performance at high SNR.     

基于噪声子空间特征值重构的DOA估计算法

该文针对非等功率信号波达方向(DOA)估计问题,提出一种基于噪声子空间特征值重构(Eigenvalue Reconstruction of Noise Subspace, ERNS)的超分辨算法。算法对接收信号自相关矩阵进行特征值分解,通过重构噪声空间特征值以及引入虚拟信源来构造新的接收信号自相关矩阵,对该矩阵进行特征值分解得到新的噪声空间特征值。当虚拟信源与实际信源入射方向相同时,新噪声空间特征值与重构后噪声空间特征值保持不变,利用这一特性来估计信源入射方向。该文给出算法的原理及实现步骤,并通过仿真进行原理验证与性能分析,仿真结果表明与其他子空间算法和MUSIC 算法相比,ERNS算法能够提高弱信号估计成功的概率。     

A New Approach for Estimating the Number of Sources Under the Coexistence of Circular and Various Noncircular Sources

Estimation of source number is a fundamental problem of direction-of-arrival (DOA) estimation. In the problem of DOA estimation under the coexistence of circular and various noncircular signals, the source number should be estimated in order to distinguish the signal subspace from the noise subspace. Thus, a new method for source number estimation is proposed in this paper. Using the approach of k-means clustering, the projections of a one-dimensional reduced covariance matrix are divided into two categories. Then the signal subspace and the noise subspace are separated by the optimal classification boundary of those two categories so as to obtain the equivalent source number. Simulation results show that the proposed method has relatively better performance even in low SNR or in a colored noise environment.     

基于块Hankel矩阵构造的双基地MIMO雷达相干多目标定位

该文提出了一种相干多目标情况下双基地MIMO雷达的收发角度估计方法。利用接收协方差矩阵中的元素构造块Hankel矩阵,该矩阵的秩等于目标的总个数,而与目标源的相干性无关,并通过奇异值分解获取信号子空间,最后运用ESPRIT算法估计出目标的发射角和接收角。仿真结果表明:本文算法能有效地估计出相干目标的收发角,且实现自动配对;相对于2维空间平滑算法,在低信噪比和低快拍数情况下,具有更好的估计性能。     

低信噪比下相干信号的DOA估计的白噪声滤除方法

在波达方向估计中,“相干”和“信噪比”一直引人关注。相干会使多重信号分类等算法失效,究其原因就是信源协方差矩阵的秩亏缺。低信噪比使阵列协方差矩阵的主次特征值区分困难,造成信号和噪声的子空间划分错误。针对相干,人们往往都是从“解相干”的角度出发,通过各种手段使信源的协方差矩阵能够满秩,但并未对秩亏缺特性加以利用。基于此,本文给出了一种在低信噪比下对相干源的波达方向估计的噪声消除方法,在仅有加性白噪声的环境下,利用相干信号协方差矩阵不能满秩的特点,通过求解方程组,用求的值代替估计的协方差矩阵的相关对角元素（即对角加载处理）,置换被噪声污染的对角元素,进而可以滤除掉白噪声的影响。仿真结果证实了方法的有效性。      

一种新颖的DOA估计算法

子空间类波达方向(Direction Of Arrival, DOA)估计算法的关键在于得到高质量的信号子空间估计。该文利用矩阵伪逆的双正交性,针对源信号不相关而其本身是色信号的情况,给出了一种新颖的DOA估计算法,它不需要知道噪声统计特性。该算法利用一组空时相关矩阵的结构化信息,能稳健而精确地估计出信号子空间,从而得到DOA的精确估计。仿真实验证实了所给算法的有效性。     

基于矩阵补全的二阶统计量重构DOA估计方法

该文针对传统波达方向角(DOA)估计算法在非均匀噪声下角度估计精度差及分辨率低的问题,基于矩阵补全理论,提出一种二阶统计量域下加权L1(MC-WLOSRSS)稀疏重构DOA估计算法。首先,基于矩阵补全方法,引入弹性正则化因子将接收信号协方差矩阵重构为无噪声协方差矩阵;而后在二阶统计量域下通过矩阵求和平均将无噪声协方差矩阵多矢量问题转化为单矢量问题;最后利用稀疏重构加权L1范数实现DOA参数估计。数值仿真表明,与传统MUSIC, IL1-SRACV, L1-SVD子空间算法及稀疏重构加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好DOA估计性能,且在低信噪比条件下,亦具有较高估计精度和分辨力。     

非均匀噪声条件下的互质阵列欠定DOA估计方法

针对基于互质阵列的欠定DOA估计方法在非均匀噪声条件下性能下降的问题,该文提出一种基于协方差矩阵重构和矩阵填充的鲁棒DOA估计方法。首先,将接收数据协方差矩阵分解,得到包含非均匀噪声项的对角阵;然后,选取对角线元素中的最小值,替换其余对角线元素,进而得到重构后的数据协方差矩阵;最后,对重构后的协方差矩阵进行扩展和矩阵填充,结合子空间方法进行DOA估计。理论分析和仿真结果表明,相对于现有方法,该文方法有效地抑制了非均匀噪声的影响,有更好的DOA估计性能。