宽带谱相关时空DOA矩阵方法

本文提出了一种新的基于信号时空特征结构的二维DOA估计方法－－宽带谱相关时空DOA矩阵方法。该方法利用信号的循环平稳特性实现了对宽带信号的有效处理,同时通过空时变换将传统的一维空域处理拓展到了二维空间处理,更充分地利用了信号的时域特征,从而大大简化了阵列结构,提高了算法的性能。理论分析与仿真结果表明,该方法既继承了循环平稳方法在谱估计方面的优势,又具有原DOA矩阵方法无需二维谱峰搜索和参数配对的特点。     

循环平稳信号的联合稀疏表示DOA估计

基于联合稀疏表示的思想,本文提出了一种利用二阶循环统计量的循环平稳信号波达方向（DOA）估计算法。首先,对传统的谱相关信号子空间拟合算法进行分析研究;然后,通过在循环域构造过完备的阵列方向矩阵字典,建立了联合稀疏表示模型,从而将循环平稳信号的DOA估计问题转化为联合稀疏矩阵的恢复问题;最后,利用联合Ι_2,0范数逼近法求出联合稀疏矩阵的优化解,并根据优化矩阵中非零行的位置估计出循环平稳信号的DOA。与传统的SCSSF算法相比,所提算法具有更高的DOA估计精度,同时也适用于信号个数多于阵元个数的场合。理论分析和仿真实验结果都表明了算法的有效性。      

小波包去噪在循环平稳信号DOA估计中的应用

基于信号循环平稳特性的到达方向(DOA)估计算法在噪声成分过大或噪声本身具有循环平稳特性的情况下,性能会迅速下降,为提高算法的估计性能,提出了利用小波包去噪与广义谱相关子空间算法相结合的方法估计信号DOA,通过仿真分析证明该方法提高了估计精度,降低了估计误差,达到了与理论分析相一致的目的.     

空间任意阵的多宽带信源定位算法性能研究

针对宽带信号非平稳特性,以及常用宽带DOA估计算法要求信源个数是已知的情况,提出一种新的基于空间任意阵的非平稳信号DOA估计算法。首先,通过短时傅里叶变换将信号转为频域表示,然后构造阵列频域数据模型,最后利用短时功率谱矩阵的联合对角化特性实现宽带信号的波达方向估计。本文对提出的算法进行了理论分析,并在常见阵型（如线阵、十字阵）上进行了仿真和性能分析,仿真结果表明该算法可高分辨率地估计出DOA,并且估计误差小。相对于已有的MUSIC谱估计方法,该算法无需进行信源个数估计,更具实用性。      

一种非平稳信号的DOA估计方法

利用空时频分布(STFD)矩阵估计非平稳信号DOA的关键是选择合适的时频点。用白化后的接收信号矢量构造STFD矩阵,利用该矩阵迹构造判决量来选择时频图的自项,将选择的自项的STFD矩阵平均,然后运用MUSIC算法来估计DOA。仿真证明:本文的方法可以很清晰的选出非平稳信号的自项,运用该自项点的平均STFD矩阵估计的信号DOA更准确。     

基于L型阵列酉变换矩阵重构的二维DOA估计

二维空间信号波达方向（DOA）的估计是阵列信号处理的一个关键研究问题。经典的二维 MUSIC算法固然精度高,但此算法需要二维谱峰搜索,运算较为复杂。提出一种用于L型阵列的二维DOA估计算法,通过矩阵重构使得阵列输出矩阵变为中心对称矩阵,再利用酉变换矩阵将其由复值矩阵变为实值矩阵。该方法可以直接得到目标参数,不需要谱峰搜索,使得运算量大大降低。相比于 L 型阵列适用的增广矩阵束（MEMP）算法,该算法可以估计更多信源的DOA,并能获得较高的分辨率。计算机仿真结果表明,该算法具有较高的DOA估计精度。     

基于循环互相关的二维波达方向估计方法

本文在简化传感器阵列基础上,建立了基于循环互相关的阵列信号模型,并根据该模型,运用波达方向矩阵法提出了一种新的循环平稳源信号二维DOA估计方法.通过利用循环互相关函数建立信号处理模型,使得该方法在继承了一般循环平稳DOA估计方法所具有的优点之外,还具有更好的抑制噪声能力,同时,此方法不仅对窄带信号适用,对宽带信号也同样适用.此外,该方法不需谱峰搜索和二维角度参数配对,具有计算复杂度低的优点.理论分析和仿真结果均说明,本文方法具有较好的噪声抑制能力和信号选择能力.     

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。     

智能天线中时空虚拟DOA矩阵算法与改进

本文主要研究智能天线中二维DOA估计算法.首先研究时空DOA矩阵估计方法,并进行了仿真.然后结合虚拟阵列变换技术对该算法进行有效的改进一时空虚拟DOA矩阵方法.改进后得到的仿真结果证明了该改进算法可以估计超过阵元数的信号,具有较高的分辨性能和较好的稳健性.     

基于三维立体线阵的全方位DOA估计方法

本文基于3D立体线阵以及累量的灵活定义,实现了信号DOA的全方位估计,该算法不依赖于信号的具体结构,并构造了三个累量域DOA矩阵,通过对DOA矩阵的特征分解得到配对特征向量,从而获得信号DOA的全方位估计,该方法避免了2D或1D的谱峰搜索,仿真实验结果表明了这种方法的正确性。     

基于高阶循环平稳特性的二维波达方向估计算法

本文提出了一种利用虚拟双线性平行阵的循环累量域二维波达方向 （ＤＯＡ）估计算法。该算法构造了一个虚拟ＤＯＡ循环矩阵（ＶＤＯＡ Ｃｙｃｌｉｃ　Ｍａｔｒｉｘ）,井基于此矩阵进行ＤＯＡ估计。理论分析表明,通过对虚拟ＤＯＡ循环矩阵的特征值分解,就可以得到源信号的二维ＤＯＡ估计。同时由于循环累量对高斯噪声的自然盲性和对信号的选择性,该算法具有循环域和累量域ＤＯＡ估计算法的良好性能。该算法的另一特点是可以提供虚拟扩展孔径,提高了ＤＯＡ估计的性能．     

基于空间特征的多用户循环累量域波达方向估计算法

本文提出了一种基于空间特征的多用户相干源ＤＯＡ估计算法。该算法构造了循环累量域窨特征矩阵,通过对空间特征矩阵的特征分解估计多用户信号的空间特征,并利用前后向平滑空间特征协方差矩我用户信号的ＤＯＡ。理论分析表明：该算法能估计共信道多用户相干信号的ＤＯＡ,并自动分组。它的另一个特点是具有ＤＯＡ估计的选择性。     

一种基于四阶循环累积量的盲源分离方法

盲源分离是指在没有源信号任何先验知识的情况下,只根据多个接收机的观测信号实现对源信号的恢复。本文基于四阶循环累积量提出了一种简单易行的循环平稳信号的盲源分离方法。针对两个信号混合的情况,该方法首先对观测矩阵进行循环白化,使得观测矩阵的循环自相关阵为单位阵,这样分离矩阵变为酉阵,可用单个参数来表示。之后运用循环统计量的性质找到一个评判函数,求得该参数的最佳值从而确定分离矩阵。本文对BPSK信号和AM信号混合的情况分别进行了仿真实验,通过信号分离的直观图、参数选择以及串音误差的分析表明该方法的有效性,并将其与自然梯度算法,循环自然梯度算法做了比较,表明本算法的优势,尤其是在AM信号的分离中更是如此。文章最后讨论了算法的运行时间。      

混合信号情况下信源数与DOA联合估计算法

针对非相关信源与相干信源共存情况,提出了一种基于矩阵重构的信源数与波达方向（direction of arrival,DOA）联合估计算法.该算法首先利用特征值的二阶统计量（second order statistic of eigenvalues,SORTE）法和子空间旋转不变技术（estimated signal parameter via rotational invariance techniques,ESPRIT）实现非相关信源数与DOA估计;然后基于空间差分法消除非相关信号并构造新矩阵,利用构造矩阵进行前向空间平滑,实现对相干信源解相干;最后利用SORTE法检测相干信源数,结合求根多重信号分类（multiple signal classification,MUSIC）算法估计相干信源DOA.与传统的差分平滑方法相比,该算法在可估计信源数与低信噪比情况下DOA估计性能等方面优于传统算法.数值仿真实验结果验证了该算法的有效性.     

宽带相干信源DOA估计算法

针对现有宽带相干信源DOA估计算法存在的问题,提出了一种解决宽带相干信源空间谱估计的新方法。简述了宽带阵列信号模型以及投影子空间正交性测试(TOPS)方法,并深入分析了TOPS不能适应相干信号的实质。通过将矩阵共轭重构算法引入TOPS算法中,解决了TOPS算法不能处理相干信号的问题。此方法不仅提高了抗相干信号的能力,而且在聚焦中不需要角度的预估计。数值仿真实验结果验证了该方法的有效性。     

Parametric localization of distributed sources

Most array processing algorithms are based on the assumption that the signals are generated by point sources. This is a mathematical constraint that is not satisfied in many applications. In this paper, we consider situations where the sources are distributed in space with a parametric angular cross-correlation kernel. We propose an algorithm that estimates the parameters of this model using a generalization of the MUSIC algorithm. The method involves maximizing a cost function that depends on a matrix array manifold and the noise eigenvectors. We study two particular cases: coherent and incoherent spatial source distributions. The spatial correlation function for a uniformly distributed signal is derived. From this, we find the array gain and show that (in contrast to point sources) it does not increase linearly with the number of sources. We compare our method to the conventional (point source) MUSIC algorithm. The simulation studies show that the new method outperforms the MUSIC algorithm by reducing the estimation bias and the standard deviation for scenarios with distributed sources. It is also shown that the threshold signal-to-noise ratio required for resolving two closely spaced distributed sources is considerably smaller for the new method     

循环相关熵谱密度估计高效算法研究

针对循环相关熵谱估计循环周期图检测(CPD)算法存在计算效率低、频谱分辨率低和易产生“频谱泄漏”的问题,该文提出一种循环相关熵谱估计的Correntrogram算法。Correntrogram算法借鉴Wigner-Ville 分布(WVD)时频分辨率高的优势,将WVD算法中瞬时自相关函数替换为时变自相关熵函数,即可得到一种循环相关熵谱密度估计算法,称为Correntrogram。首先计算信号的时变自相关熵函数矩阵,再计算时变自相关熵函数矩阵各行的FFT,得到循环自相关熵函数矩阵,最后计算循环自相关熵函数矩阵各列的FFT,得到循环相关熵谱密度。通过仿真调幅信号的处理结果证明：Correntrogram算法有效提高了循环相关熵谱估计效率,避免了“频谱泄漏”,提高了频谱分辨率,该算法程序运行可靠。     

色噪声背景下相干信源DOA估计的空间差分平滑算法

文中提出了一种色噪声背景下相干信源波达方向(DOA)估计的新算法-空间差分平滑(SDS)算法.SDS算法利用均匀线阵协方差矩阵的Toeplitz分解特性,差分平滑运算,将非相干信源与相关(或相干)信源分开分辨,从而重复利用阵列接收数据,可分辨更多信源.SDS算法可对消空间色噪声,适用于更广泛的未知噪声背景及低信噪比环境.相比常规谱估计算法,SDS算法具有更强的信源过载能力及阵元节省能力,利用少数阵元进行迭代空间平滑运算,还可明显减小SDS算法的计算量.计算机仿真结果证明了SDS算法理论的正确性和有效性.     

Matrix-Group Algorithm via Improved Whitening Process for Extracting Statistically Independent Sources From Array Signals

This paper addresses the problem of blind separation of multiple independent sources from observed array output signals. The main contributions in this paper include an improved whitening scheme for estimation of signal subspace, a novel biquadratic contrast function for extraction of independent sources, and an efficient alterative method for joint implementation of a set of approximate diagonalization-structural matrices. Specifically, an improved whitening scheme is first developed by estimating the signal subspace jointly from a set of diagonalization-structural matrices based on the proposed cyclic maximizer of an interesting cost function. Moreover, the globally asymptotical convergence of the proposed cyclic maximizer is analyzed and proved. Next, a novel biquadratic contrast function is proposed for extracting one single independent component from a slice matrix group of any order cumulant of the array signals in the presence of temporally white noise. A fast fixed-point algorithm that is a cyclic minimizer is constructed for searching a minimum point of the proposed contrast function. The globally asymptotical convergence of the proposed fixed-point algorithm is analyzed. Then, multiple independent components are obtained by using repeatedly the proposed fixed-point algorithm for extracting one single independent component, and the orthogonality among them is achieved by the well-known QR factorization. The performance of the proposed algorithms is illustrated by simulation results and is compared with three related blind source separation algorithms     

一种新的相干信源DOA估计算法: 加权空间平滑协方差矩阵的Toeplitz矩阵拟合

文献[1]提出的最优加权空间平滑技术可以使相干源存在时的信源协方差矩阵恢复为对角阵.由于文献[1]中导出的最优权矩阵是空间信源方位的函数矩阵,本文利用最优加权空间平滑后阵列协方差矩阵的Toeplitz性,构造了一个全新的优化拟合的代价函数,并基于此提出了一种相干源方位估计的新算法.与文献[1]不同,算法的实现不需要方位估计的先验知识和协方差矩阵的去噪预处理.分辨性能的蒙特卡罗仿真实验表明,新算法对空间相干信源的分辨性能优于常规的空间平滑算法和最大似然算法,在小阵列和信源空间间隔较近时,算法的优越性尤为突出.