Estimating the bearings of near-field cyclostationary signals

By exploiting favorable characteristics of a uniform linear array (ULA), the far-field approximation (FFA) method reduces the deterioration of most high-resolution bearing estimation techniques due to the invalidity of the planar wavefront assumption when near-field sources exist. We first present a new technique that provides better performance than existing bearing estimation techniques for cyclostationary signals. Then, the proposed technique incorporating with the FFA method is proposed to estimate signal bearings in the presence of near-field sources without revising the planar wavefront assumption. Several simulation examples confirm the theoretical work and show the effectiveness of the proposed technique     

基于介质顶阵的到达角估计

由于介质顶对来波的发散作用,到达平面阵的波是非平面波。本文研究基于介质顶阵的到达角(DOA)估计方法。通过对采样协方差矩阵进行远场近似(FFA)处理,用高分辨特征结构技术(MUSIc算法)进行DOA估计,得到了比较好的结果。计算机模拟结果证实了该方法的有效性。     

基于矩阵差分的远场和近场混合源定位方法

混合源定位在无源雷达中发挥着重要作用.针对均匀圆阵下基于相位差方法的定位精度较低的问题,该文提出基于矩阵差分的远场和近场混合源定位方法.首先,利用二维多重信号(2-D MUSIC)分类方法估计出远场源的方位角和俯仰角;随后,利用协方差矩阵差分方法提取出近场源差分矩阵,通过改进的类旋转不变估计信号参数(ESPRIT-li...     

稀疏重构混合源参数估计方法

针对近远场混合源定位问题,本文提出了一种基于稀疏信号重构的信源参数估计算法。该算法首先通过对接收信号的协方差矩阵进行稀疏重构估计出远场信源参数,接着采用协方差分离技术将近场源和远场源分离,最后利用均匀线阵的对称性和稀疏信号重构估计近场信源参数。该算法避免了二维谱峰搜索和近场源参数配对,也无需构造高阶累积量,降低了计算复杂度。仿真结果表明,该算法的空间分辨能力和混合源参数估计精度均高于基于子空间的混合源参数估计方法。      

基于频域模型的宽带信号子空间谱估计方法

宽带阵列信号是频率的函数,因此其阵列流型及协方差矩阵都随频率变化.本文基于宽带信号的频域模型,通过分析宽带阵列信号协方差矩阵的特征分解结构,证明了宽带阵列信号噪声子空间不随频率变化的特性,并根据这一特性,提出了基于频域模型的宽带子空间谱估计(SSEFD)方法.应用K.Buckley的BASS-ALE方法解决了该方法用于均匀线阵时存在的频率-方位模糊问题.计算机仿真结果验证了SSEFD方法的有效性,与H.Wang的CSS方法的统计性比较表明,新方法具有更高的估计精度.     

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。     

Bearing estimation without calibration for randomly perturbedarrays

The bearing estimation problem of linearly periodic arrays with the presence of sensor position errors is discussed. Conventional approaches for solving this problem generally consist of two steps: calibrating sensor locations and then performing bearing estimation based on the calibrated sensor locations. Approaches to carrying out bearing estimation based on the Toeplitz and eigenstructure reconstruction of the covariance matrix without the need for calibration are proposed. The Toeplitz approximation method (TAM) and a modification of it (MTAM) are used to reconstruct a matrix with Toeplitz structure. To further enhance the capabilities of the TAM and MTAM, an iterative algorithm incorporating with the TAM (ITAM) and the MTAM (IMTAM) is proposed to iteratively reconstruct both the Toeplitz and the desired eigenstructure from the observed covariance matrix. Computer simulations show that the MTAM is more effective than the TAM. Moreover, the iterative methods are superior to the noniterative ones at the price of computations     

Bearing estimations with mutual coupling present

Estimating angles of arrival of radiation sources using an antenna array with mutual coupling between elements is investigated. The presence of mutual coupling distorts phase vectors of radiation sources and the eigenstructure of the covariance matrix. Two approaches are proposed to counteract that distortion so that eigenstructure methods can perform well. The method described first eliminates the distortion of the signal component of the the covariance matrix and then applies spatial smoothing to decorrelate the coherence between sources. Computers simulation results show that this method successfully counteracts mutual coupling     

基于深度展开ISTA网络的混合源定位方法

针对嵌套阵列下近场和远场混合源定位问题,本文通过构建和训练深度展开迭代收缩阈值算法（Iterative Shrinkage Thresholding Algorithm,ISTA）网络实现混合源的波达方向（direction of arrival,DOA）和距离参数估计。首先考虑到近场源协方差矩阵具有Hermitian矩阵形式,远场源协方差矩阵具有Hermitian和Toeplitz矩阵形式,通过将混合源协方差矩阵进行差分可以得到近场源差分向量,其中近场源差分向量转换到实数域,可以显著降低深度展开ISTA网络的计算复杂度。接着将不同参数下的近场源差分向量和近场源真实空间谱进行配对作为训练样本,对近场源深度展开ISTA网络进行训练,其中深度展开ISTA网络的隐藏层对应模型驱动ISTA方法的迭代步骤。然后利用估计出的近场源DOA和距离参数,通过子空间差分方法得到远场源协方差向量。最后将不同参数下的远场源协方差向量和远场源真实空间谱进行配对作为训练样本,对远场源深度展开ISTA网络进行训练,其中远场源协方差向量同样转换到实数域。在深度展开ISTA网络的训练过程中,损失函数只与重构误差和网络输...     

时空欠采样线性调频信号参数及其二维到达角联合估计

针对宽频段(2-18GHz)内非平稳来波信号的参数估计和测向问题,提出一种时空欠采样线性调频信号参数与二维到达角联合估计方法。该方法首先用时域解线调方法估计调频斜率,然后在分数阶傅里叶变换(FRFT)域进行滤波,实现信号提取。利用参考阵元及其延时通道进行无模糊初始频率估计,通过构建FRFT波束空间阵列模型实现无模糊测向。数值仿真表明,该方法能够实现宽频段内多个线性调频信号的参数和二维到达角精确估计,在低信噪比下仍有较好的估计性能。     

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。     

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。     

阵元失效下基于Khatri-Rao积的高分辨测向方法

在雷达、声呐、深空通信等实际应用中,阵元的失效会造成检测性能下降,虚警率增加;在目标方位估计中,阵元失效会造成采样协方差矩阵的秩亏问题,使得基于子空间类的传统目标方位估计方法失效。针对存在阵元失效的均匀线列阵的目标方位估计问题,提出了一种基于Khatri-Rao(KR)积处理的阵列自由度恢复方法以及Toeplitz矩阵数据重构的高分辨DOA估计方法。首先对有损伤的阵列采样协方差矩阵进行KR积处理,将产生的冗余项进行平均处理, 处理后的阵列模型将重构阵列自由度,并将阵列孔径扩展为之前的2倍。该阵列模型等效为一确定噪声下的单快拍的相干源估计, 采用基于Toeplitz矩阵数据重构的方法来去相干,重构协方差,最后采用MUSIC方法进行方位估计。数值仿真表明该方法能有效解决均匀线列阵阵元失效下的自由度损失问题,提高阵列的目标方位估计性能,而且具有计算量小的优点。     

A subspace rotation-based technique for estimating 2-D arrivalangles using nonlinear array configurations

This paper presents a subspace rotation based method to estimate 2-D direction-of-arrival (DOA) angles of narrowband signals radiated by far-field sources using planar and volume arrays. The new approach automatically pairs 2-D DOA angles by computing them directly from the normalized eigenvectors of a newly derived signal space matrix (SSM). This eliminates the constraint on subarray spacing and the need for a search procedure. Other advantages include adjustability in the accuracy of the DOA angles and maximum detectability of the master array     

相干源二维波达方向估计

本文分析了平面阵接收信号的协方差矩阵，发现它可分解为一个广义对称矩阵与一个非广义对称矩阵之和，利用信号协方差矩阵的这一结构特征，重点研究了相干源二维波达方向（DOA）估计．该方法通过构造一个差矩阵，求出其本特征值对应的任一特征向量，利用谱函数估计相干源二维DOA．简要分析了二维DOA估计的分维处理。     

非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

Estimation of directions of arrival of multiple scattered sources

We consider the problem of estimating the directions of arrival (DOA) of multiple sources in the presence of local scattering. This problem is encountered in wireless communications due to the presence of scatterers in the vicinity of the mobile or when the signals propagate through a random inhomogeneous medium. Assuming a uniform linear array (ULA), we develop DOA estimation algorithms based on covariance matching applied to a reduced-size statistic obtained from the sample covariance matrix after redundancy averaging. Next, a computationally efficient estimator based on AR modelling of the coherence loss function is derived. A theoretical expression for the asymptotic covariance matrix of this estimator is derived. Finally, the corresponding Cramer-Rao bounds (CRBs) are derived. Despite its simplicity, the AR-based estimator is shown to possess performance that is nearly as good as that of the covariance matching method     

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。     

用于测向测速的二维谱估计方法

雷达应用领域中的一个重要问题是测向测速,精确地测定多普勒频率和方位角能够实现对目标回波信号的高分辨率处理,从而进行目标跟踪。本文提出一种超分辨的二维谱估计方法,它利用的是阵列处理技术,对天线接收数据进行本征分析,将信号数据张成一个空间并对其进行分解,根据正交原理分割成信号子空间和噪声子空间,构造出噪声本征矢量,利用信号子空间与噪声子空间的正交性,在空间谱上形成极值点,从而达到对方向和速度的二维高分辨率估计。该方法应用于相控阵雷达信号检测,可以精确地测定多普勒频率和方位角度,提取多个空间运动目标的二维信息。文章的最后给出了计算机模拟成像结果,验证了算法的有效性。     

均匀圆阵二维波达角估计的Cramer-Rao界

均匀圆阵(UCA)是一种应用广泛的具有二位波达角估计能力的平面阵列。为了从理论上分析不同阵列参数下到达波方位角(AOA)、仰角估计精度,推导了均匀圆阵二维波达角估计的性能界,以此为基础分析了阵列孔径、阵元个数、快拍数以及来波仰角高低与到达角估计精度的关系,并通过对UCA-MUSIC算法计算机仿真验证了推导结果的正确性。研究结果为波达角估计类算法提供了可供参考的性能下界,圆阵设计时也不再需要大量的Monte Carlo仿真试验确定阵列参数,可直接从估计精度表达式中获得。