低复杂度MIMO雷达波达方向的估计方法研究

为了降低MIMO雷达的运算复杂度,研究了基于对回波信号降维处理算法和基于子空间重构的信号子空间重构（SsR）算法的两类波达方向（DOA）估计方法．通过对5种算法的对比和仿真分析可知：RD—ESPRIT算法相比其他空间谱搜索算法,对降维矩阵的选择较敏感,更强调降维后阵列流型的旋转不变性;RD-求根算法、RD—MUSIC算法和RD—Capon算法则有更好的角度估计性能;RD-ESPRIT算法和RD-求根算法运算量相比其他三种算法低一到两个数量级;RD—ESPRIT算法运算复杂度最小．     

二维面阵子空间重构快速估计方法

针对当前进行二维面阵高精度波达方向估计时计算复杂度较高的问题,提出了一种适用于二维面阵的高精度低计算复杂度的快速估计方法。这种方法首先利用面阵子阵间的旋转不变关系完成二维角度预估;然后将预估角度作为先验信息,利用子阵的信号子空间重构面阵的信号子空间,并进行梯度搜索,实现对二维角度的精确估计。其中,利用子阵的信号子空间对面阵的信号子空间进行重构,有效地降低了进行子空间估计时的计算复杂度;采用梯度搜索的办法进行局部搜索,使得搜索时的计算复杂度大幅下降,获得了与经典二维MUSIC算法一致的估计精度。计算机仿真结果验证了所提算法的有效性。     

相干/同向信号波达方向与多普勒频率的联合估计

针对相干/同向信号波达方向(DOA)与多普勒频率的联合估计问题,提出了一种基于特征空间的修正二维MUSIC联合估计算法。首先,建立包含DOA和多普勒频率信息的广义阵列信号模型,通过共轭重构对阵列接收信号的协方差矩阵进行修正,使其有效适用于相干/同向信号下DOA与多普勒频率的联合估计。同时,在二维MUSIC算法的基础上,提出了一种基于特征空间的DOA与多普勒频率联合估计算法,该算法充分利用了信号子空间和噪声子空间的信息,并且可以对源信号功率进行估计。对该算法加以修正后同样可以应用于相干/同向信号的DOA与多普勒频率联合估计,且可以得到比修正二维MUSIC算法更好的估计效果。最后,通过仿真试验验证了本文算法的有效性。     

DS_CDMA系统中的DOA估计算法研究

DS-CDMA系统中,智能天线方向图的形成必须依赖于对移动台的到达方向估计.为精确估计来波方向,首先分析研究了适用于DS-CDMA系统的DOA估计的传统算法:MUSIC算法和ESPRIT算法.这两种算法基于子空间分解,运算量大,不易于实时实现.提出使用两种基于MUSIC算法和ESPRIT算法的改进算法进行DOA估计,计算量大大降低.通过模拟实验证明,在CDMA系统多径信号环境下,两种改进算法易于实时实现.     

平行因子技术在波达方向估计中的应用研究

基于PARAFAC技术,结合最小二乘误差准则,对三维数学模型进行求解来估计波达方向。该方法不需要进行常规MUSIC算法的谱峰搜索和ESPRIT算法的广义奇异值分解过程,对噪声形式没有严格限制。计算机仿真结果验证了该算法的可行性。     

基于传播算子的二维ESPRIT算法

为了提高经典参数估计旋转不变法(Estimation of signal parameters via rotational Invariance Technique,ESPRIT)处理数据的效率,提出基于传播算子的二维虚拟ESPRIT的改进算法。该算法通过构造一组虚拟阵列得到新的虚拟接收数据,利用传播算子将这组新数据与真实阵列得到的数据进行数据重构,从而得到噪声子空间避免特征值分解,最终可估计出用户的二维波达方向估计。理论分析表明,该方法的波达方向估计性能优于传统的ESPRIT方法,且降低了运算量,提高了阵列的利用率和算法的抗干扰能力,最后由计算机仿真实验证明此方法的有效性。     

基于特征空间MUSIC算法的相干信号波达方向空间平滑估计

为了高效、准确地估计相干信号的波达方向(DOA),提出了一种基于特征空间多重信号分类(MUSIC)算法的空间平滑估计方法。首先对相干信号进行空间平滑处理,然后对其应用特征空间MUSIC算法进行DOA的精确估计,使其最大限度地利用信号子空间和噪声子空间的信息。本文方法并不影响非相关信号存在时DOA的估计,且还可以对信号源功率进行有效的估计,以提高对小能量信号的成功估计概率。与传统空间平滑算法及修正MUSIC算法相比,本文方法具有更低的信噪比门限和更高的估计精度及分辨力。最后的仿真实验验证了本文方法的有效性和鲁棒性。     

基于实值信号子空间的虚拟阵列解相干算法

针对存在相干信源时,传统的DOA估计算法失效问题,提出一种基于实值特征子空间的虚拟阵列解相干算法.该算法根据虚拟阵列变换的思想,利用阵列接收数据构造虚拟子阵,实现对信号的解相干处理,并将协方差矩阵从复数域变换为实数域,获得一个实值信号子空间,最后利用实数域ESPRIT (Unitary ESPRIT)估计信号波达方向.该方法避免了阵列孔径损失,保持了阵列的空间分辨率,估计精度高,利用个阵元可估计个信源,且引入实数域处理和无需空间谱搜索,运算量小.计算机仿真验证了该方法的有效性和优越性.     

Y形阵列宽带信号二维来波方向估计

利用Y形阵列结构的特点,提出一种宽带信号二维来波方向的估计方法.该方法在相干信号子空间法的基础上,通过采用流型矩阵展开的方式获得聚焦矩阵,并针对聚焦后的协方差矩阵,利用基于子阵的ESPRIT算法和二维MUSIC算法进行联合估计,从而提高了测向精度且减小了谱峰搜索的范围.理论分析和计算机仿真实验表明,该方法对于非相干信号源和相干信号源都具有较好的估计效果,并具有较低的计算量.     

信源数目估计误差影响下的修正二维MUSIC算法分析

针对信源数目过估计下二维MUSIC算法会出现虚假信号和欠估计下某些谱峰消失的问题, 通过将降维技术与一维噪声子空间算法相结合,提出一种基于正交阵列结构的修正二维MUSIC算法．该算法将复杂的二维处理问题转化为3个简单的一维问题,通过组合3个并行的均匀线阵分别估计出一维波达方向进行空间测向．仿真结果表明该算法在未知信源数目的情况下,仍能正确判断出信号的来波方向．     

矢量重构解相干的波达方向估计新方法

针对相干信号波达方向(Direction of Arrival, DOA)估计问题,提出一种新的矢量重构解相干方法——变参考阵元数据互相关矢量重构算法。算法依次改变阵列参考阵元,求得所有阵元接收数据与对应参考阵元接收数据之间的互相关信息,并以此作为重构矩阵的列矢量构造一个等效协方差矩阵,然后基于MUSIC和ESPRIT算法,估计相干信号的波达方向。数学推导和理论分析表明,重构的矩阵能对相干信号完全解相干。算法不损失阵列孔径,在低信噪比和少量快拍数据条件下,估计性能要优于Toeplitz矩阵重构算法和前后向空间平滑算法。     

基于四阶累积量的子空间测向方法研究

研究了四阶累积量在子空间测向中的几种应用,包括四阶累积量用于色高斯噪声抑制、阵列扩展及提高算法对模型误差的稳健性等几个方面,提出了四阶MUSIC和四阶ESPRIT测向方法,并用计算机模拟验证了文中的有关结论。     

基于Unitary ESPRIT的双基地MIMO雷达目标定位算法

针对双基地MIMO雷达目标定位问题,提出一种基于Unitary ESPRIT的双基地MIMO雷达目标定位算法.该算法利用MIMO雷达发射阵列和接收阵列的相位延迟特性对接收数据矩阵进行重构,使协方差矩阵为Centro-Hermitian矩阵,然后通过酉变换将协方差矩阵从复数域变换为实数域,最后利用Unitary ESPRIT算法实现目标的DOD和DOA估计,且DOD和DOA自动配对.与传统的ESPRIT算法相比,该方法有效地增加接收数据信息,提高了目标角度估计性能,且所有的特征值分解及矩阵计算均在实数域进行,大大降低了运算复杂度.仿真结果验证了该算法的有效性.     

基于矢量传感器的高分辨频率估计算法研究

基于子空间分解的ESPRIT算法常用在阵列处理中对目标进行DOA估计．如果将空间的位移变成时间的延迟，单个矢量传感器可以实现高分辨率的频率估计．将ESPRIT与矢量传感器相结合，研究了高分辨率频率估计算法，建立了矢量传感器的数据模型，推导了矢量传感器的空时阵列流形，通过对协方差矩阵进行子空间分解，求得目标信号的频率估计值．仿真计算研究了不同信噪比、采样频率和数据长度条件下该算法的性能．结果表明基于矢量传感器的算法比基于声压传感器的算法具有更高的频率估计精确度．     

一种阵元位置误差条件下的DOA估计方法

针对存在阵元位置误差时多重信号分类(MUSIC)算法的信号波达方向(DOA)估计性能严重下降的问题,结合微粒群(PSO)算法,提出了一种在阵元位置误差情况下的DOA估计方法.该方法首先根据MUSIC算法原理拟合校准目标函数,然后运用PSO算法对函数进行寻优,再校准误差矩阵,最后利用MUSIC算法进行DOA估计.通过不同的参数设置条件下仿真结果比较,选择估计性能最好的一组作为PSO算法的关键参数设置,并对比了校准前后MUSIC算法的DOA估计性能.仿真结果表明:本文方法能够有效改善MUSIC算法的角度分辨能力.     

OFDM信号的DOA估计

通过分析研究了在 OFDM的频率选择性多径衰落的信号环境下进行 DOA估计的方法 ,针对于正交频分复用 (OFDM)信号的 DOA估计 ,提出了利用 OFDM信号的共轭循环相关等特性 ,对输出信号矩阵进行零点预处理 ,采用 ESPRIT和 MUSIC方法估计信号的 DOA.理论分析和计算机仿真实验均表明了这种方法的有效性     

提高二维DOA估计分辨率的改进MUSIC算法

针对经典二维多重信号分类(Multiple Signal Classification, MUSIC)算法在低信噪比和小快拍数情况下,分辨率受阵列孔径限制的问题,提出了一种改进的基于MUSIC算法的二维测向算法．该方法利用MUSIC谱函数极大值点处对方位角和仰角的二阶偏导数小于零的特性,通过对方位角和仰角求二阶偏导,构造了新的空间谱函数．对新的空间谱函数进行谱峰搜索,其负向谱峰所对应的角度就是目标的波达方向 (Direction Of Arrival, DOA)估计．理论分析和仿真结果表明,在低信噪比、小快拍数下,该方法对相近信源有更高的角度分辨率和更低的均方根误差,并且可适用于任何阵型．     

用旋转不变技术实现互耦和通道不一致的联合抑制简

The performance of subspace estimation algorithms degrades substantially in the presence of mutual coupling and channel discord by the perturbance of the steering matrix. Classical self-calibration algorithms need multidimensional search, optimization and iteration, and large calculation quantity. In order to avoid these shortcomings, a novel joint calibration algorithm using rotational invariance techniques is proposed in this paper. Two sub-arrays' steering matrix can maintain the rotational invariance property in the presence of array errors by switching channels and selecting sub-arrays according to the characteristic of the mutual coupling matrix. So, the estimation of signal parameters via rotational invariance techniques (ESPRIT) algorithm is applicable to mutual coupling and channel discord scenarios. The algorithm requires neither searching the spectrum peak nor estimating error parameters, and the calibration of array errors does not need an additional calculation quantity. Simulation results show that the proposed algorithm can restrain mutual coupling and channel discord. The performance of the algorithm is equivalent to the performance of the standard ESPRIT algorithm without errors.     

A Time-Frequency Associated MUSIC Algorithm Research on Human Target Detection by Through-Wall Radar

In this paper, a time-frequency associated multiple signal classification (MUSIC) algorithm which is suitable for through-wall detection is proposed. The technology of detecting human targets by through-wall radar can be used to monitor the status and the location information of human targets behind the wall. However, the detection is out of order when classical MUSIC algorithm is applied to estimate the direction of arrival. In order to solve the problem, a time-frequency associated MUSIC algorithm suitable for through-wall detection and based on S-band stepped frequency continuous wave (SFCW) radar is researched. By associating inverse fast Fourier transform (IFFT) algorithm with MUSIC algorithm, the power enhancement of the target signal is completed according to the distance calculation results in the time domain. Then convert the signal to the frequency domain for direction of arrival (DOA) estimation. The simulations of two-dimensional human target detection in free space and the processing of measured data are completed. By comparing the processing results of the two algorithms on the measured data, accuracy of DOA estimation of proposed algorithm is more than 75%, which is 50% higher than classical MUSIC algorithm. It is verified that the distance and angle of human target can be effectively detected via proposed algorithm.     

MUSIC法的有限域单向快速频率搜索

快速傅里叶变换(FFT)算法在应用中速度快,精度较低,而MUSIC法精度高,实时性差。该文通过分析两者联合谐波频率估计的可能性,提出利用FFT算法对谐波频率进行预估计,用二分法将频域划分为有限个细小的频率区间,根据可能的有效频率选取有效区间,再通过MUSIC方法在有限的搜索区间进行频率细化,并在细化的过程中采用趋向谱幅值增大的单向搜索。通过仿真研究,该方法能有效提高信号的处理速度,加强MUSIC算法的应用。