基于四阶累积量的后验稀疏约束迭代DOA估计方法

子空间DOA估计方法的一个缺点是在子空间分解过程中难以利用信号的相关信息或有关DOA估计的先验信息改善DOA估计的性能。该文结合子空间方法和四阶累积量矩阵拟合方法,利用信号四阶累积量矩阵的结构信息与信号间相互独立的先验信息,研究了一种新的不相关窄带信号波达方向(DOA)的迭代估计方法。理论分析和仿真实验结果表明,这种迭代DOA估计方法一般经过几次迭代就能获得稳定的高分辨率DOA估计。     

色噪声环境下单基地MIMO雷达分布式目标角度估计

针对传统的二阶统计量角度估计算法在高斯色噪声环境下估计性能急剧下降甚至失效的问题,该文提出一种基于四阶累积量的单基地MIMO雷达相干分布式目标角度估计算法。首先建立单基地MIMO雷达的相干分布式目标信号模型,求取信号的四阶累积量矩阵;利用特征值分解分离出相互正交的信号子空间与噪声子空间,根据多重信号分类(MUSIC)算法原理,获得阵列的空间谱函数,通过谱峰搜索得到分布式目标的中心波达方向。该算法充分利用了四阶累积量对高斯过程的不敏感性,能够很好地抑制高斯色噪声对角度估计的影响。仿真结果证明了该算法的正确性和有效性。     

相关噪声环境下相干源2D-DOA估计方法

解决相关噪声环境下相干信源的二维波达方向估计问题,克服最常用的子空间类算法,如MUSIC算法、ESPRIT算法等的不足,将四阶累积量和空间平滑方法相结合,提出了一种新的CSS算法。该算法采用两个平行的均匀线阵作为阵列传感器,通过特殊定义的四阶累积量矩阵对接收空域数据进行平滑处理,实现了相关噪声环境下对相干信源的二维波达方向的估计,并且所估计信源的二维波达方向能够自动配对,最后通过蒙特卡罗实验证明了所提CSS算法2D-DOA性能的有效性。     

单信道时频重叠双信号的码速率估计方法

提出一种基于四阶循环累积量的功率谱分析算法,用于解决单信道时频重叠双信号的码速率估计问题。通过计算循环频率轴上不同频率处的四阶循环累积量值,得到双信号在各自循环频率处的脉冲,对脉冲序列进行功率谱分析,提取隐含的周期性从而估计双信号的码速率。算法适用于多种数字调制类型的通信信号,且在低信噪比下也具备较好的估计性能。理论分析和仿真试验结果均证明了算法的正确性和有效性。     

基于四阶累积量的稳健盲波束形成算法

基于四阶累积量的盲波束形成算法在估计有用信号方向向量时存在估计误差,导致其构造的最小方差无失真响应(MVDR)波束形成器性能降低.针对此问题,借鉴子空间正交投影思想,提出一种基于四阶累积量的稳健盲波束形成算法.与原算法相比,稳健算法可有效提高有用信号方向向量的估计精度,改进算法的波束形成性能.计算机仿真验证了稳健算法的有效性.     

宽带非高斯信号波达方向的估计方法

本文提出了一种解决宽带非高斯相干信号波达方向估计的新方法，这种方法是采用阵列频域数据四阶累积量的新颖思想，通过将各频段的四阶累积量聚焦到同一参考频段下来实现的，它不仅能获得高斯噪声环境下非高斯宽频相干信号的高分辨率方向估计，同时，对于非高斯噪声环境也具很好的估计性能，且不需要有关噪声的原始分布的先验知识，文中还通过计算机仿真实验该方法进行了性能分析，验证了方法的有效性。     

利用多普勒信息的波达方向最大似然估计方法

为了充分利用信号的时域特性来改善信号波达方向（ＤＯＡ）的估计性能，本文从最大似然估计出发，推导出了有限快拍，低信噪比情况下多普勒信号波达方向的迭代估计计算法，为进一步减小运算量，本文还推导了一种简化算法，本文提出的两种算法对低信噪比，少快拍数下多普勒信号的ＤＯＡ估计性能比不利用时域特性的ＭＬ方法有明显改善，Ｍｏｎｔｅ－Ｃａｒｌｏ实验验证了本文方法的有效性。     

基于约束最小冗余阵列的MIMO雷达二维波达方向估计

基于约束最小冗余线阵（RMRIA）,提出利用增广矩阵束（MEMP）算法来估计MIMO雷达的二维DOA。采用约束最小冗余线阵配置L形阵列,计算两线阵的互四阶累积量并构造增广矩阵,利用RMRLA—MEMP方法估计出二维波达方向。此方法同时利用约束最小冗余和四阶累积量阵列扩展的性质,提高了角度的估计精度,且估计过程不需要谱峰搜索,能够很好地解决MIMO雷达二维DOA估计中的相位模糊问题,仿真验证了算法的有效性。     

基于四元数模型的频率和方向角同时估计

基于阵列信号处理中波达方向、频率的同时估计问题,提出了波达方向、频率的四元数模型,使得估计波达方向、频率二维问题类似于估计一维问题,从而避免了在经典的二维复数模型估计中直接或间接的配对问题.本文首先给出了阵列接受信号的二维实模型,通过Hilbert变换构造了符合四元数结构的新的信号模型.接着通过定义一个特殊的四阶累积量来提取加性高斯有色噪声中的方向和频率.最后分析了联合Hamilton四元数和马氏四元数在波达方向、频率同时估计中的应用前景.仿真实验验证了本文的理论.     

基于四阶累积张量方法的欠定盲源信号分离

针对瞬时欠定盲源信号分离问题,提出一种四阶累积张量分解算法.首先构建观察信号四阶累积协方差,依据源信号具有相互独立且均值为零的性质,对累积协方差化简并扩展到张量域,得到四阶累积张量.采用分层交替最小二乘算法对四阶累积张量进行非负库克分解,求得非负库克模型的参数,同时获得非负混合矩阵并求其伪逆,最终估计出源信号.选用真实的语音信号和生物信号进行仿真实验,结果表明该方法提高了源信号和非负混合矩阵的估计性能.     

无参考信号条件下基于MSWF的DOA估计算法

现有基于多级维纳滤波(MSWF)的子空间法波达方向(DOA)估计算法复杂度较低,但需要先验的参考信号.论文从MSWF求解线性预测问题入手,将基于MSWF的线性预测和子空间两种不同的DOA估计方法结合起来,提出了一种实用的低复杂度DOA估计算法.该算法无需构造专门的参考信号,在低信噪比或信源数估计不准的情况下,算法依然具有较好的稳健性和估计性能.仿真实验验证了本文的结论.     

Genetic algorithm-based improved DOA estimation using fourth-order cumulants

Genetic algorithm (GA)-based direction of arrival (DOA) estimation is proposed using fourth-order cumulants (FOC) and ESPRIT principle which results in Multiple Invariance Cumulant ESPRIT algorithm. In the existing FOC ESPRIT formulations, only one invariance is utilised to estimate DOAs. The unused multiple invariances (MIs) must be exploited simultaneously in order to improve the estimation accuracy. In this paper, a fitness function based on a carefully designed cumulant matrix is developed which incorporates MIs present in the sensor array. Better DOA estimation can be achieved by minimising this fitness function. Moreover, the effectiveness of Newton’s method as well as GA for this optimisation problem has been illustrated. Simulation results show that the proposed algorithm provides improved estimation accuracy compared to existing algorithms, especially in the case of low SNR, less number of snapshots, closely spaced sources and high signal and noise correlation. Moreover, it is observed that the optimisation using Newton’s method is more likely to converge to false local optima resulting in erroneous results. However, GA-based optimisation has been found attractive due to its global optimisation capability.     

一种基于矩阵三对角化分解的DOA估计算法

针对DOA（Direction of Arrival）估计在低信噪比的情况下估计性能下降的问题, 根据阵列协方差矩阵共轭对称的特点,采用基于Givens变换的三对角化分解方法对协方 差矩阵进行三对角化,同时利用盖氏(Gerschgorin)圆递推方法准确估计信号子空间的秩, 然后再对三对角 矩阵进行对角化,估计出噪声子空间,利用噪声子空间与导向矢量正交实现波达方向估计, 改善了低信噪比背景下估计的误差性能和稳健性。计算机仿真证明了算法的有效性 。     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

基于高阶累积量的近场通信波达方向估计算法

通过对近场通信波达方向准确估计,提高目标信源的定位能力.传统方法中对近场源通信信源的波达方向估计采用多普勒估计方法,由于近场通信的空间信源为窄带信号,多普勒估计会导致DOA估计频谱失真.提出一种基于高阶累积量的近场通信波达方向估计算法.采用均匀间隔线列阵构建近场通信的信号模型,进行近场源目标特征构建,提取近场源通信信号的斜度和峰度等特征,采用高阶累积量特征提取方法,分别求得对应近场通信信源的方位角、频率和距离三维参数,使得每个信源的参数自动配对,提高了近场通信DOA波达方向估计的效率和精度,实现近场源通信信号的波达方向估计算法改进.仿真实验结果表明,采用该方法进行近场方法波达方向估计的精度较高,对信源方位的定位准确,性能优越于传统方法,在近场通信中具有较好的应用价值.     

基于加权l1-SRACV算法的稀疏DOA估计

针对稀疏重构到达角估计方法中的l1-SRACV算法在低信噪比条件下,估计得到的空间谱伪峰较多的问题,利用子空间的方法选取权值,对l1-SRACV算法的目标函数进行加权,以达到抑制伪峰的目的。阐述了利用子空间方法选取权值的合理性,并讨论了噪声子空间欠估计与过估计时对权值性质的影响。理论分析和仿真实验表明:低信噪比时,加权l1-SRACV算法能够有效地抑制伪峰,并减小了角度估计误差;噪声子空间的欠估计与过估计均会减弱伪峰抑制效果。     

一种新的DOA估计方法

用四阶累积量构造了一个较通用的累积量矩阵,该矩阵符合最小模（Min-Norm）算法的结构,从而可进行DOA估计。仿真结果表明,该方法在高斯噪声中具有良好的统计性能,是实现高分辨方位估计的有效方法。     

影响四阶累积量二维切片估计性能的参数研究

基于四阶累积量二维切片的参数估计是一种在低信噪比环境下估计直扩信号扩频码周期等通信参数的重要方法。不失一般性,本文基于四阶累积量二维切片方法对AWGN信道下DS-SS/BPSK信号进行了扩频码周期等参数的估计,利用控制变量法深入分析了检测窗口大小、符号持续时间与扩频码周期相对关系、累加次数等参数对其估计性能的影响,并仿真验证结论的正确性。理论和仿真均表明,若反侦查方合理设置符号持续时间与扩频码周期的相对关系,可以降低扩频码周期被检测概率;而侦查方合理设置检测窗口大小和累加次数可以增大扩频码周期检测概率。因此,分析这些特定参数对四阶累积量二维切片估计性能的影响在侦查和反侦查中扮演着极为重要的角色。      

A covariance matrix shrinkage method with Toeplitz rectified target for DOA estimation under the uniform linear array

A covariance matrix shrinkage method is proposed to make an improvement of the direction of arrival (DOA) estimation under a uniform linear array in a scenario where the number of sensors is large and the sample size is relatively small. The main contribution is that we provide a shrinkage target with Toeplitz structure and deduce a closed-form estimation of the shrinkage coefficient. The closed-form and the expectation of the shrinkage coefficient estimate are calculated based on the unbiased and consistent estimates of the trace and moments of a Wishart distributed covariance matrix. The statistical property of the shrinkage coefficient estimate is discussed through theoretical analysis and simulations, which demonstrate the shrinkage coefficient estimate can ensure that the proposed covariance matrix estimate is a good compromise between the sample covariance matrix (SCM) and the target. The root-mean-square-error (RMSE) simulations of DOA estimation show that the proposed method can improve the multiple signal classification (MUSIC) DOA estimation performance in the case of low signal-to-noise ratio (SNR) with small sample size, and also can provide a satisfactory performance at high SNR.     

基于改进互耦系数估计算法的自适应波束形成

阵列信号在实际应用中,常常会面临噪声的干扰,低信噪比(signal noise ratio, SNR)时波束形成器性能会急剧下降.针对该问题,提出一种基于改进互耦系数估计的抗互耦算法的自适应波束形成,即研究信号在不同输入SNR以及不同干扰波达方向(direction of arrival,DOA)估计误差下的互耦系数估计误差;并通过误差分析修正原算法不同SNR下参与估计信号的数目.改进算法改进了导向矢量和期望信号,提高了低SNR下互耦系数估计的准确度,对比分析验证了其在低SNR情况下有更强的抗干扰能力,对互耦现象有着更好的稳健性.