基于SVD的二维子空间拟合DOA估计

改进传统子空间拟合波达方向(DOA)估计方法,以快拍数据矩阵的奇异值分解代替接收数据协方差矩阵的特征值分解,用奇异值和奇异值矢量进行信源数估计,避免协方差矩阵估计,减少运算量和矩阵估计误差。根据已有子空间拟合的一维修正变化投影(MVP)算法原理,推导出二维MVP算法实现步骤,对基于均匀圆阵的接收信号进行二维DOA估计。     

基于迭代自适应方法的近场源二维参数联合估计

针对近场源波达方向（DOA）和距离的联合估计问题，提出一种近场迭代自适应算法（NF-IAA）。首先通过划分二维网格表示出近场区域内信源所有可能的位置，每个位置都看作存在一个潜在的信源入射到阵列上，表示出阵列输出的数据模型；然后通过循环迭代利用上一次谱估计的结果构建信号的协方差矩阵，将协方差矩阵的逆作为加权矩阵估计出每个位置对应的潜在信源能量；最后绘制出三维能量谱图，由于只有真实存在的信源能量不为0，因此谱峰对应的位置即为真实存在信源的位置。仿真实验表明在10个快拍条件下，NF-IAA的DOA分辨概率达到了90%，而二维多重信号分类（2D-MUSIC）算法只有40%；当快拍数降至2时，2D-MUSIC算法已经失效，而NF-IAA仍然能很好地分辨出3个入射信源并且准确地估计出位置参数。随着快拍数和信噪比（SNR）的增加，NF-IAA的估计性能一直优于2D-MUSIC。实验结果表明，NF-IAA具备少快拍条件下高精度、高分辨地估计近场源二维位置参数的能力。     

一种改进的信号子空间聚焦宽带DOA估计算法

信号子空间聚焦（FSS）算法可实现宽带相干信号的波达方向（DOA）估计,但其在短快拍条件下存在估计精度差、分辨率低的问题。提出一种改进的信号子空间聚焦（MFSS）算法。根据波长间隔与阵元间距的匹配度选取最佳参考频点及子频带,通过Hankel矩阵奇异值分解重构子频带的协方差矩阵,并利用信号子空间聚焦法构造聚焦协方差矩阵,使用Root-正交传播算子实现DOA估计。实验结果表明,相比FSS、MTOPS、LR-MUSIC算法,MFSS算法复杂度较低,能够有效提高估计精度和速度。     

基于稀疏表示的OFDM信号的DOA估计

针对正交频分复用（OFDM）, 宽带信号波达方向(DOA)估计问题, 提出一种基于宽带信号协方差矩阵稀疏表示的DOA估计方法。该方法是在协方差矩阵主对角线下对左下角三角形元素按各条对角线取平均值后形成一个新的向量, 然后将该向量写成冗余字典形式。在冗余字典下对信号进行稀疏性约束形成二阶锥约束优化问题, 再用工具箱SeDuMi来实现DOA估计。理论分析和仿真结果表明, 该方法在低信噪比和少快拍数下分辨率很高, 是一种有效的宽带信号DOA估计算法, 此方法优于基于高阶累积量算法和宽带聚焦算法的DOA估计方法。     

基于加权特征投影的信源数估计方法

考虑到色噪声或低快条件下噪声特征值发散,导致基于特征分解的信源数估计方法得到的信号判据值和噪声判据值区分不明显,提出了一种基于加权特征投影的信源数估计方法;首先,为了使该方法可适用于低信噪比条件,对阵列接收数据的协方差矩阵进行降噪处理,并利用降噪后协方差矩阵所有特征值和特征向量构造了一个用来区分信号和噪声的加权空间矩阵;然后,将降噪后的协方差矩阵在该加权空间矩阵上投影,从而增大了信号判据值与噪声判据值的差异;最后,结合幂函数的缩放性构建了判决函数,进而实现信源数估计;通过理论分析和实验验证,该方法不仅适用于白噪声和色噪声条件,而且在低快拍和低信噪比条件下优势明显,在快拍数为10,信噪比分别为0 dB的白噪声和6 dB的色噪声条件下,该方法的成功检测概率均达到90％以上,同时该算法在信源数较多时效果鲁棒.     

基于协方差矩阵降维稀疏表示的二维波达方向估计

针对稀疏重构下二维波达方向（2D-DOA）估计存在计算量大的问题,提出一种基于协方差矩阵降维稀疏表示的二维波达方向估计方法。首先引入空间角构造流形矢量矩阵冗余字典,将方位角和俯仰角组合从二维空间映射到一维空间,降低了字典的长度和求解复杂度,并且能自动实现俯仰角和方位角配对;其次改进了样本协方差矩阵的稀疏表示模型,对该模型进行了降维处理;然后由协方差矩阵稀疏重构的残差约束特性得到约束残差项置信区间,避免采用正则化方法导致参数选取困难;最后通过凸优化包实现了二维波达方向的估计。仿真实验表明,待选取的协方差矩阵列数达到某个阈值（在只有两个入射信号情况下该值为3）时,可准确实现入射信号角的估计;当信噪比（SNR）较小（<5dB）时,该方法估计精度优于基于空间角的特征矢量算法;低快拍数（<100）下该方法估计精度略低于特征矢量法,但小间隔角度下估计精度与后者相当。     

基于直接数据域方法的快速波达方向估计算法

提出一种基于直接数据域方法的快速波达方向估计算法,该法仅采用阵元输出电压的极少数快拍数据即完成对相干与非相干入射信号的波达方向估计.首先根据直接数据域最小二乘思想构造矩阵方程,采用共轭梯度法求得各观察方向的输出功率,然后得到方向谱.最后利用输出功率粗估和方向谱细估,从而确定入射信号的波达方向.它无需构造协方差矩阵及进行矩阵求逆,又避免了复杂度较高的广义特征值分解.仿真结果证实了算法的估计性能以及相对传统算法所体现出的优越性.     

单快拍二维波达方向估计算法

在双平行均匀线阵的基础上,提出了一种利用单快拍数据进行二维波达方向估计的算法.该算法利用单次快拍数据构造出两个具有特定关系的矩阵,再构造一个波达方向矩阵,根据该矩阵的特征值和特征向量,可以估计出入射信号的二维波达方向.该算法无需多项式搜索和参数的配对过程,计算量小,且不论信号源的相关性如何都同样适用.因此,该算法适合于瞬时信号和快速运动信号的波达方向估计.     

估计相干与非相干信源的ESPRIT方法研究

在目前信号波达方向（Direction-Of-Arrival,DOA）估计中,常规ESPRIT算法是一种速度快、精度高的常用算法,但对于低信噪比下混合信号（同时含有相干与非相干信号）,常规ESPRIT算法难以估计出它们的DOA。结合解相干MUSIC和常规ESPRIT算法的优点,提出了一种新的估计相干与非相干信源的ESPRIT方法,新方法充分利用数据协方差矩阵的自相关和互相关信息来重构含有信号方位数据的新矩阵,再从它的特征值中解得信号的到达角。计算机仿真结果验证该方法在混合信号估计中的优越性和可靠性。     

基于FFT的子孔径MUSIC波达方向估计

针对现 有的很多波达方向估计算法涉及到数据协方差矩阵的估计及其特征分解,甚至是求逆,导致 运算复杂度高的问题,提出了基于快速傅里叶变换的子孔径MUSIC波达方向估计算法 。首先将等距线阵的接收数据矢量均匀划分为4个子矢量,然后对各个子矢量分别求FFT。将 FFT的结果相干积累,并找到最大峰值点。最后,利用子矢量FFT的结果中与最大峰值点对应 的数据构造新的降维矢量,借助MUSIC算法进行波达方向估计。该方法避免了直接接收数据 的协方差矩阵估计和特征分解,有效地降低了运算量和计算复杂度,在阵元数和快拍数都较 多的情况下优越性尤为明显。计算机仿真验证了所提方法的有效性和优越性。     

一种对称噪声环境下DOA估计的新方法

研究水下目标优化估算精度问题。在满足对称分布的海洋环境噪声中进行波达方向(DOA)估计的方法对于解决水下目标感知问题有重要意义。由于水下存在的海洋噪声等识别目标难度大,提出了一种重构数据协方差矩阵实部的DOA估计。通过消除数据协方差矩阵实部来降低对称噪声的影响,然后对协方差矩阵实部进行重新构造,恢复损失的目标信息,实现精确DOA估计。与传统方法的比较,方法能够有效降低对称噪声影响,避免双边谱的出现,提高了估计精度。仿真结果表明,方法性能优良,对于海洋环境中DOA估计的研究提供了参考。     

基于最小冗余线阵的二维DOA估计方法

针对传感器阵列二维DOA估计中阵元数较多且阵元利用率较低的问题,提出了一种低阵元冗余的二维DOA估计方法.该方法通过在最小冗余线阵基础上添加两个导向阵元的方法,将最小冗余线阵的应用拓展到二维DOA估计.同时该方法利用多个时延的阵元输出共轭循环相关函数构造"伪数据阵",在时空域中等效出两个具有旋转不变性的平行子阵,进而运用DOA矩阵法估计信号二维DOA.该方法不仅避免了最优时延选择问题,继承了DOA矩阵法无需谱峰搜索且无需二维角度参数配对等优点.还用较少的阵元获得了较大的阵列有效孔径.仿真结果表明,该方法与CCDM算法相比具有更好的低信噪比适应能力和稳健性.     

α稳定分布噪声下的空间时频DOA估计

当信号中存在α稳定分布噪声时,传统空间时频多重信号分类(STF-MUSIC)算法的空间波达方向(DOA)估计性能会降低甚至失效。为此,利用分数低阶矩(FLOM)代替二阶协方差矩阵,定义分数低阶矩空间时频分布矩阵(FLOM-STFDM)。对FLOM-STFDM进行特征分解,得到适用于稳定分布噪声环境的空间时频TF-FLOM-MUSIC算法,分析该算法的信噪比及误差估计,并给出算法实现步骤。仿真结果表明,TF-FLOM-MUSIC算法可有效降低DOA估计的均方误差,提高估计的分辨率和平滑性。     

Bounded non-linear covariance based ESPRIT method for noncircular signals in presence of impulsive noise

Among the most important approaches in the study of DOA estimation, ESPRIT-like methods have received considerable attentions and have been widely applied in practical applications. Although many of the latest approaches have considered various performance requirements, the robustness to impulsive noise warrants further investigation. Inspired by the idea of bounded non-linear covariance (BNC), a novel subspace based method for DOA estimation is proposed in this paper. Named NC-BNC-ESPRIT, this method uses the BNC matrix to create a signal subspace of extended array outputs and it can handle the DOA estimation for noncircular (NC) signals in presence of impulsive noise. Simulation experiments and theoretical analysis are provided to verify this methods' superiority over existing approaches and proof of its robustness is provided in the appendix.     

改进相关干涉仪算法在DOA估计中的应用

相关干涉仪算法（Correlation Interferometer Algorithm,CIA）是波达方位（Direction Of Arrival,DOA）估计中常用的算法,但是阵列的长短基线导致了该算法在测向中存在基线镜像对称和相位模糊问题.针对以上问题,本文提出了一种基于象限分类的改进相关干涉仪算法.首先,将信号到达各阵元的时间差转化为相位差,同时将得到的相位差与360°作比,记录得到的整数和余数.然后对余数进行象限分类,之后用传统的相关干涉仪算法求解得到信号的初始估计值,最后根据逆运算求解信号的最终估计值.实验仿真表明,该算法不仅解决了基线镜像对称和相位模糊问题,而且提高了信号估计的精度,降低了计算复杂度,提高了测向的实时性.因此在波达方位估计上具有很高的参考价值.     

Covariance sparsity-aware DOA estimation for nonuniform noise

This paper reformulates the problem of direction-of-arrival (DOA) estimation for unknown nonuniform noise by exploiting a sparse representation of the array covariance vectors. In the proposed covariance sparsity-aware DOA estimator, the unknown noise variances can be eliminated by a linear transformation, and DOA estimation is reduced to a sparse reconstruction problem with nonnegativity constraint. The proposed method not only obtains an extended-aperture array with increased degrees of freedom which enables us to handle more sources than sensors, but also provides superiority in performance and robustness against nonuniform noise. Numerical examples under different conditions demonstrate the effectiveness of the proposed method.     

基于改进块稀疏贝叶斯学习算法的波达方向估计

针对传统的基于稀疏表示的DOA估计算法单纯利用信号的空域稀疏性,导致在低信噪比时稀疏性能变差,影响信号稀疏重构效果的问题,使用分块稀疏理论对信号进行稀疏分解。随着目标增多及作战任务改变,DOA估计往往呈现目标群测向的特点,为了能够更好地利用信号的结构特征和统计特征,提出了基于空时联合的块稀疏DOA估计算法,使用块稀疏理论挖掘信号的内部结构,充分利用了信号的块内稀疏性和块间相关性,提高稀疏重构性能,进而对DOA估计效果有很大的提升。仿真实验表明,相比于经典的DOA方法,本方法有更好的估计效果。     

单基地MIMO雷达中相干目标的波达角和多普勒频率快速联合估计算法

针对单基地MIMO中相干目标的波达角（Direction-of-arrival,DOA）和多普勒频率联合估计问题,提出了一种降维-前向平滑-传播算子算法（Reduced dimension-forward spatial smoothing-propagator method,RD-FSS-PM）。该算法首先通过对接收信号进行降维变换以降低复杂度,继而利用前向平滑技术（Forward spatial smoothing,FSS）实现解相干,最后通过传播算子算法（Propagator method,PM）实现了对相干目标的波达角和多普勒频率联合估计,且无需额外配对。与传统的FSS-PM算法相比,所提算法波达角估计性能提升,多普勒频率估计性能接近而复杂度大大降低。本文同时分析了算法的理论均方误差（Mean squared error,MSE）和单基地MIMO雷达中波达角和多普勒频率联合估计问题的克拉美罗界（Cramer-Rao bound,CRB）。最后提供了详尽的仿真实验以验证算法的性能。     

一种强干扰环境下的离格稀疏贝叶斯DOA估计方法

强干扰的环境下,基于传感器阵列的波达方向(Direction of arrival,DOA)估计是阵列信号处理中的重要问题。虽然对于网格点目标现有方法的DOA估计精度较高,但对于离格点目标现有方法的DOA估计性能会严重下降。本文提出一种离格情况下的DOA估计方法,首先设计一种鲁棒的正交零陷矩阵滤波法(Robust orthogonal matrix filter with nulling,ROMFN),它结合了正交零陷滤波法(Orthogonal matrix filter with nulling,OMFN)和最差性能下的鲁棒自适应波束形成,在对离格点目标达到滤波效果的同时只需设计较少的网格点。此外,新的矩阵滤波法保留了高斯白噪声的特性,避免了噪声白化的预处理过程。其次基于离格点稀疏贝叶斯推断(Off-grid sparse Bayesian inference,OGSBI)和ROMFN,形成一种强干扰下DOA估计的新方法。与现有方法相比,仿真结果表明该方法可以在不同的网格间距、不同的信噪比和干噪比下获得更高的估计精度。     

基于稀疏化LS-SVM的宽频段波达方向估计

天线阵列的宽频段测向特性十分复杂,使采用智能学习的方法对波达方向进行估计时,面临着一个海量数据的复杂学习问题.采用LS-SVM建立来波方位估计模型,对LS-SVM的支持向量进行稀疏化,利用支持度高的支持向量作为训练样本,并通过二次学习获取了天线阵列的复杂测向能力,实现了宽频段波达方向的估计.实验结果表明,用稀疏化的支持向量进行二次学习,能显著提高来波方位估计的精度,在宽频段来波方位估计中有巨大的应用价值.