一种自动匹配的分布式非圆信号二维DOA快速估计方法

在相干分布式非圆信号2维波达方向(DOA)估计中,针对利用非圆特性后维数扩展带来的较大复杂度问题,且现有的低复杂度算法均需要额外的参数匹配,该文提出一种基于互相关传播算子的自动匹配2维DOA快速估计算法。该算法考虑L型阵列,在建立相干分布式非圆信号扩展阵列模型的基础上,首先证明了L阵中两个子阵的广义方向矢量(GSV)均具有近似旋转不变特性,然后通过阵列输出信号的互相关运算消除了额外噪声,最终利用子阵GSV的近似旋转不变关系通过传播算子方法得到中心方位角与俯仰角估计。理论分析和仿真实验表明,所提算法无须谱峰搜索和协方差矩阵特征分解运算,具有较低的计算复杂度,并且能够实现2维DOA估计的自动匹配;同时,相比于现有的相干分布式非圆信号传播算子算法,所提算法以较小的复杂度代价获得了性能的较大提升。     

六角形阵列相干信号二维DOA估计

提出了一种基于扩展重构相关矩阵去相干的二维DOA估计算法。针对六角形阵列的结构特点,首先对各个阵元的接收数据求其共轭矩阵来扩展阵列,扩展后的阵列分为3个六角形子阵列,以此为基础,求得各子阵列的自相关矩阵及互相关矩阵来扩展重构相关矩阵,从而实现解相干的目的,最后利用二维MUSIC算法进行DOA估计。该算法在不减少阵列有效孔径的前提下,增加了可估计相干源数目,并且能够得到较好的估计性能。最后,通过计算机仿真证实了该算法的有效性。      

基于均匀圆阵相干信源的二维DOA估计

随着通信技术的不断发展,信号传输环境变得日益复杂。针对多径传播形成的高度相关和相干信号测向问题,提出了一种基于均匀圆阵相干信源的二维DOA估计方法。该方法利用均匀圆阵轴向虚拟平移解相干,通过去噪后利用虚拟子阵的自协方差矩阵和互协方差矩阵构造波达方向矩阵,利用该矩阵特征分解估计信号的俯仰角;然后将平滑后的自协方差矩阵与波束空间变换矩阵相乘,使圆阵的导向矢量具备范德蒙结构,最后用求根MUSIC算法估计出信号的方位角,完成了相干信号的二维DOA估计。该方法无需二维谱峰搜索,方位角和俯仰角自动配对,计算量小,分辨率高。仿真实验证明了所提方法的正确性。     

互质阵中基于降维求根的波达角估计算法

该文提出互质阵中基于降维求根的波达角(DOA)估计算法。互质阵包含两个稀疏均匀线性子阵,拥有互质的阵元间距和阵元数目。该算法基于子阵间的互协方差,利用较长子阵中的旋转不变性扩展较短子阵的虚拟孔径。然后通过矩阵分块构造噪声子空间,并将来自两个子阵的2维参数估计问题降维为1维求根问题,获得自动配对的2维模糊参数估计。最后由这2维模糊参数可恢复出两组参数,根据互质性从两组参数估计的交集中可以获得无模糊的高分辨率DOA估计。相比互质阵中的联合多重信号分类(MUSIC)算法和联合旋转不变技术(ESPRIT)算法,该算法无需特征分解,复杂度低,但可获得更精确的DOA估计,处理更多的信源,并且对色噪声有更强的鲁棒性。多个仿真结果均验证了所提算法的有效性。     

单快拍数据的分布式阵列DOA估计

该文针对分布式阵列相干信号单次快拍波达方向估计问题,提出一种基于状态空间平衡法的1维波达角估计算法。该算法首先直接利用单快拍数据以分布式阵列每个子阵单元进行Hankle矩阵构造,然后采用状态空间平衡法,分别获得低精度无模糊的子阵单元内DOA估计和高精度有模糊的子阵单元间DOA估计,最后结合配对和解模糊算法获得高精度无模糊DOA估计。该算法不受信号形式限制,可同时对相干信号和非相干信号进行处理,能充分利用分布式阵列扩展阵列物理孔径特性,获得较高的DOA估计精度。计算机仿真结果验证了所提算法的有效性。     

基于实值传播算子的非圆信号DOA估计求根算法

为有效降低非圆信号DOA(direction of arrival)估计算法的计算量,本文提出一种非圆信号DOA估计快速算法,借助实值扩展传播算子和多项式求根方法来降低计算量。首先利用信号非圆特性构造出实值的扩展阵列输出矩阵及扩展协方差矩阵,然后使用扩展传播算子方法代替扩展协方差矩阵的特征分解得到噪声子空间,再利用均匀线阵的多项式求根方法获得目标的DOA估计值。对算法的性能仿真和计算复杂度分析表明,新算法的均方根误差性能与Euler-root-MUSIC、NC-root-MUSIC等快速算法相近,但其计算复杂度小于上述非圆信号DOA估计快速算法。优良的性能和较低的计算量使新算法具有良好的实用价值。      

单快拍数据的分布式二维阵列测角方法研究

该文针对2维阵列波达方向估计问题,提出一种基于单快拍数据的分布式2维DOA估计算法。该算法首先利用每个子阵单元的单快拍数据进行2维Hankle矩阵构造;然后基于2维状态空间平衡法分别获得方位角和俯仰角子阵单元内DOA估计与子阵单元间DOA估计;最后通过解模糊算法获得方位角和俯仰角高精度无模糊DOA估计。该算法较好地解决了子阵单元内DOA估计和子阵单元间DOA估计之间的配对问题以及俯仰角和方位角之间配对问题,充分利用分布式阵列扩展阵列物理孔径特性;同时该算法可直接对相干信号和非相干信号进行处理。计算机仿真结果验证了所提算法的有效性。     

基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法。该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)获得自动匹配的2维角度估计。相比于传统的2维DOA估计方法,所提算法更好地利用了阵列接收数据信息,能识别更多的入射信号,分辨能力高,不需要进行2维线性搜索或者角度参数匹配,在低信噪比 (SNR)和小快拍情况下也有很好的估计效果。实验仿真结果验证了提出算法的有效性和可靠性。     

基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法.该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)获得自动匹配的2维角度估计.相比于传统的2维DOA估计方法,所提算法更好地利用了阵列接收数据信息,能识别更多的入射信号,分辨能力高,不需要进行2维线性搜索或者角度参数匹配,在低信噪比(SNR)和小快拍情况下也有很好的估计效果.实验仿真结果验证了提出算法的有效性和可靠性.     

基于电磁矢量阵列孔径扩展方法的相干目标DOA估计

该文采用均匀且稀疏分布的电磁矢量矩形阵列,针对相干目标提出了一种有效的2维波达角(DOA)估计算法,该算法通过增加相邻阵元的间隔来扩展阵列的有效孔径,从而提高算法的DOA估计性能。论文首先结合极化平滑算法和传播算子方法得到存在相位周期性模糊的方向余弦估计。为了解决模糊性问题,论文通过协方差矩阵平滑提出一种新的解相干预处理算法,由该算法得到的信号子空间包含矢量阵元的导向矢量,且不存在相位模糊,利用此特点实现去模糊处理,得到目标的DOA估计。仿真结果表明,与基于ESPRIT的孔径扩展算法相比,提出的算法能够实现相干目标的DOA估计,同时无需特征值或奇异值分解,有更低的运算量。     

混合信源波达方向估计算法

本文针对非相干混合点信源和分布式信源,提出了一种基于对称均匀线阵的波达方向估计算法。该算法利用点信源和分布式信源协方差矩阵结构的不同,采用空间差分技术将两种信源分离。对于点信源,采用传统MUSIC算法估计其波达方向;对于分布式信源,利用信号子空间的旋转不变性来估计其波达方向。该算法不仅消除了点信源对分布式信源的影响,也无需估计分布参数,大大降低了计算复杂度。且采用2N+1个阵元的对称均匀线阵可估计出 2N 个混合信源,其中分布式信源最多为 N 个,有效减小了阵列的孔径损失。仿真结果表明该算法的性能优于广义特征值分解的算法。      

基于非圆信号的MUSIC算法性能研究

传统DOA估计算法不能处理多于阵元数的信号源,而且估计精度也不能满足一些高估计精度的场合,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。依据非圆信号的DOA估计数学模型,研究了基于非圆信号的MUSIC算法。通过软件仿真,将基于非圆信号的MUSIC算法的各项性能进行了仿真。结果表明,该算法的估计性能比传统MUSIC算法有了明显的提高。     

基于协方差匹配SLO算法的MIMO雷达DOA估计

利用加权平滑l0范数(Smoothed l0, SL0)算法估计MIMO雷达目标DOA时,需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型,并利用信号和噪声子空间的正交性来构造加权向量。然而当存在相干信源时,MIMO雷达协方差矩阵的秩将退化,这会使得稀疏重构模型的误差较大以及无法正确区分信号和噪声子空间,导致加权SL0算法的DOA估计性能恶化。针对上述问题提出了一种基于协方差匹配SL0算法的MIMO雷达DOA估计方法。该方法利用协方差匹配准则重构出一个满秩的协方差矩阵,恢复MIMO雷达协方差矩阵的Toeplitz特性,并利用协方差逆矩阵的高阶幂来近似噪声子空间从而计算加权向量。仿真分析表明,该方法能够在无需预知信源数目的情况下有效地完成对相干信号的DOA估计。     

一种宽带相干信源的无网格超分辨DOA估计方法

由于无网格（grid-less）稀疏重构方法的波达方向（direction of arrival,DOA）估计数学模型为单快拍形式,因此该方法只有在噪声电平趋近于零时才具有优越的性能.为了提高grid-less方法在信噪比（signal-to-noise ratio,SNR）较低时宽带相干信源的估计性能,提出了一种多快拍grid-less DOA估计方法.首先,对多快拍阵列观测矢量实施奇异值分解（singular value decomposition,SVD）获得观测矩阵的时域信号子空间,通过观测矩阵到时域信号子空间的投影实现观测矩阵的降噪;然后,为了不增加多快拍计算复杂度,将降噪后观测矩阵的列向量加权累加处理得到单快拍形式;最后,从理论上证明了本文提出的GL-SVD方法求解的模型是凸的,能够实现宽带信号DOA的精确重构.仿真结果表明,该方法在低SNR以及宽带相干信源情况下的估计精度都高于L₁范数最小化奇异值分解（L₁-norm minimum singular value decomposition,L₁-SVD）和离格稀疏贝叶斯推断奇异值分解（off-grid sparse Bayesian inference singular value decomposition,OGSBI-SVD）,且在较小角度间隔的情况下具有更高的估计概率和分辨率.     

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.     

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。     

多子阵互耦影响下的非圆信号自校正算法

针对多子阵互耦影响下的非圆信号波达方向(Direction-Of-Arrival,DOA)估计问题,给出了一种针对最大非圆率信号的互耦自校正算法.该算法利用均匀线阵互耦矩阵的带状、对称Toeplitz性和多子阵互耦矩阵的块状对角特性,能够与传统的互耦秩减估计器一样避免多维搜索和迭代运算.并且通过结合信号的非圆特性来扩展数据模型,使得其估计精度较传统的互耦秩减估计算法有明显提升,可分辨信源数也有所增加.对该算法的理论性能进行研究,分析了其对未知参数的可辨识性必要条件,并基于最大非圆率信号模型给出了相应的克拉美罗界(Cramér-Rao Bound,CRB).仿真结果表明,该算法较传统的互耦秩减估计算法在低信噪比、小快拍数下有更强的鲁棒性.     

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。     

基于噪声子空间解析形式的快速DOA估计算法

该文针对特殊的信号环境各辐射源信号均值相等且不为零,利用均匀线阵导向矢量的Vandermonde结构,推导出了噪声子空间的解析形式,并以此为基础提出了利用均匀线阵和稀疏平面阵的1维和2维DOA估计快速算法。该算法不需要计算接收数据的协方差矩阵,也不需要任何矩阵分解,因此计算量远小于传统的超分辨DOA估计,而且无论信号之间是否具有相干性,该方法有相同的估计性能。仿真实验表明,在噪声均值为零且快拍数足够的条件下,该方法的估计性能整体上与Root-MUSIC算法相当,而在信噪比较低时性能优于后者。