基于非圆信号波达方向估计的最大似然算法

现有的非圆信号波达方向(DOA)估计算法基本都是子空间分解类的,如NC-MUSIC、NC-ESPRIT算法等。基于子空间拟合类的非圆信号DOA估计算法研究的不多。文中依据非圆信号的DOA估计数学模型,提出了基于非圆信号的DOA估计最大似然算法。通过计算机仿真,将基于非圆信号的最大似然算法与常规最大似然算法及基于非圆信号的MUSIC算法进行了性能比较。结果表明,该算法提高了方位估计的估计性能,对于估计精度要求很高、用户比较密集的场合,能发挥很大的作用。     

基于NC-MUSIC算法的均匀圆阵DOA估计及性能分析

近年来基于非圆信号的DOA估计算法由于其优良的估计性能,受到越来越多的关注。在接收阵列为均匀圆阵的情况下,对入射信号进行方位角和俯仰角的联合估计。依据非圆信号的DOA估计数学模型及阵列模型,采用NC-MUSIC算法完成对均匀圆阵方位角和俯仰角的联合估计。通过计算机仿真,得出该算法对均匀圆阵方位角和俯仰角的估计是比较准确的,并且通过NC-MUSIC与MUSIC算法仿真性能的分析比较,得出在接收阵列为均匀圆阵的情况下,NC-MUSIC算法也优于MUSIC。     

基于MUSIC及其改进算法的空间信号到达方向估计方法研究

本文首先介绍了多重信号分类(MUSIC)算法的原理和步骤,给出了不同快拍数和不同信噪比条件下基于MUSIC算法的空间信号到达方向(DOA)估计的仿真和分析,提出了DOA估计系统在工程设计中需要注意的问题和解决办法。随后,针对实际工程中复杂电磁环境下的信号源相干问题,研究了一种基于空间平滑的改进MUSIC算法的原理和步骤,并对传统MUSIC算法与改进MUSIC算法对相干信源的DOA估计性能进行了仿真对比和分析。仿真结果表明,与传统MUSIC算法相比,基于空间平滑改进的MUSIC算法能有效改善对相干信号源的测量性能,得到正确的DOA估计结果。     

互质MIMO雷达的非圆信号降维DOA估计方法北大核心CSCD

针对传统互质阵列波达方向估计方法存在的自由度低、阵列孔径小、相位模糊等问题,提出了一种基于互质MIMO雷达的非圆信号降维波达方向(Direction of Arrival, DOA)估计方法。该方法结合了互质阵列与MIMO雷达的优点,利用非圆信号特性对阵列进行扩展,重构接收信号矩阵,然后进行降维处理,并利用噪声特征值的幂级数对噪声子空间进行修正,进一步提高算法精度。最后推导了文中方法的无相位模糊问题。仿真实验表明,文中方法能够有效避免相位模糊,大大提高自由度并扩大阵列孔径,与传统MUSIC算法以及互质阵列MUSIC算法相比,在估计成功率、DOA估计精度等方面均具有更好的性能。     

基于内插阵列变换的非圆信号MUSIC算法

针对非圆信号的波达方向(DOA)估计问题,提出一种基于内插阵列变换的非圆信号MUSIC算法(VIA-NC-MUSIC算法)。利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实协方差矩阵变换为虚拟协方差矩阵,再对虚拟协方差矩阵进行奇异值分解(SVD),利用信号子空间与噪声子空间的正交性,得出算法的空间谱函数。仿真实验表明:存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的非圆信号MUSIC算法(NC-MUSIC算法)相当的估计性能,保持了高估计精度、阵列扩展能力等优点。     

TD-SCDMA系统基于MUSIC算法的DOA估计研究

针对传统DOA估计方法存在分辨率低,且现有多重信号分类算法不适用于TD-SCDMA系统等问题,研究了TD-SCDMA系统中基于MUSIC算法的DOA估计、基于TD-SCDMA系统均匀圆阵阵列模型,通过对其采用预处理技术,推导了TD-SCDMA系统中用于DOA估计的基本MUSIC算法和求根MUSIC算法,并通过仿真分析了影响DOA估计分辨率的因素。仿真分析表明,求根MUSIC算法具有更高的分辨率。     

MUSIC算法的DoA估计时间分析

在基于波束赋形(Beamforming)的无线通信系统中,使用MUSIC算法的波达方向(Direction of Arrival,DOA)估计具有良好的性能。但是,对于MUSIC算法在低信噪比下Do A估计时间和精度之间的关系,却一直未有深入研究。因此,对均匀圆阵数学模型和MUSIC算法进行分析,研究样本数量与DOA估计精度的关系。仿真结果表明,在低信噪比下,DOA估计性能下降,通过增加估计协方差矩阵的样本数量,可以提高MUSIC算法的性能。根据仿真结果,拟合发现DOA估计角度分辨率达到1度,所需样本数量和信噪比的关系服从负指数分布。     

未知信源数量DOA估计方法

针对传统阵列天线来波方向（Direction of Arrival,DOA）估计算法需要准确获取信源数量的问题,提出了一种未知信源数量类多重信号分类（Multiple Signal Classification,MUSIC）DOA估计方法。首先根据阵列天线的多个快拍数据估计输入信号自相关矩阵;其次对信号自相关矩阵进行特征值分解,并使用重构相关矩阵的方式实现信号分量的抑制;最后结合传统MUSIC谱估计算法实现未知信源数量条件下的DOA估计。仿真实验表明,所提算法的复杂度较低,且DOA估计误差性能接近传统MUSIC算法。     

电磁矢量传感器阵列信号波达方向估计:双模MUSIC

 针对电磁矢量传感器阵列信号波达方向(DOA)估计问题,提出了一种基于张量模型的双模MUSIC算法,并讨论了双模MUSIC角度参数和极化参数的分离问题,提出一种低维双模MUSIC算法.(低维)双模MUSIC算法利用了张量信号子空间与两个噪声子空间的双模正交性,通过连续两次子空间投影完成DOA估计.计算机仿真结果表明,(低维)双模MUSIC算法性能要明显优于传统基于矩阵模型的MUSIC方法.     

基于时频点聚类的LFM信号波达方向估计

基于空间时频分布(spatial time-frequency distribution, STFD)的多重信号分类(multiple signal classification, MUSIC)算法常用于非平稳信号波达方向(direction of arrival, DOA)估计, 其关键是选取合适的信号时频点.文中针对传统时频MUSIC算法不能提取各信号时频点且在小角度间隔时估计性能不佳的问题, 以线性调频(line frequency modulation, LFM)信号为研究对象, 提出了基于时频点聚类的DOA估计算法.该算法首先对阵列接收信号进行白化, 利用白化后的接收信号构造STFD矩阵, 达到抑制STFD矩阵的交叉项、突出信号自项的目的, 然后利用K均值聚类提取各信号时频点, 最后运用MUSIC算法估计DOA.对不同角度间隔和不同信噪比时三种算法的估计均方根误差进行了仿真对比, 结果表明:相比经典时频MUSIC算法, 文中算法在小角度间隔和低信噪比时有更好的估计性能.     

DOA estimation of noncircular signals for coprime linear array via locally reduced-dimensional Capon

We investigate the issue of direction of arrival (DOA) estimation of noncircular signals for coprime linear array (CLA). The noncircular property enhances the degree of freedom and improves angle estimation performance, but it leads to a more complex angle ambiguity problem. To eliminate ambiguity, we theoretically prove that the actual DOAs of noncircular signals can be uniquely estimated by finding the coincide results from the two decomposed subarrays based on the coprimeness. We propose a locally reduced-dimensional (RD) Capon algorithm for DOA estimation of noncircular signals for CLA. The RD processing is used in the proposed algorithm to avoid two dimensional (2D) spectral peak search, and coprimeness is employed to avoid the global spectral peak search. The proposed algorithm requires one-dimensional locally spectral peak search, and it has very low computational complexity. Furthermore, the proposed algorithm needs no prior knowledge of the number of sources. We also derive the Crámer-Rao bound of DOA estimation of noncircular signals in CLA. Numerical simulation results demonstrate the effectiveness and superiority of the algorithm.     

非圆信号方位、俯仰及初相联合估计

该文利用双平行线阵的阵列结构,提出了用于非圆信号二维方向和初相联合估计的扩展MUSIC(EN-MUSIC)算法。EN-MUSIC算法估计得到的方位角、俯仰角与初相一一对应,自动配对,其可测向信号数大于子阵阵元数,方位及俯仰测角精度与非圆信号二维测向酉ESPRIT(2D-NC-UESPRIT)算法大致相当,优于波达方向矩阵法(DOAM)。     

基于互相关抽样分解的分布式非圆信号DOA快速估计

在非相干分布式非圆信号波达方向(DOA)估计中,针对利用信号非圆特性后输出矩阵维数扩展带来的较大运算量问题,该文提出一种基于互相关抽样分解的DOA快速估计算法。该算法仅需要从子阵间的扩展互相关矩阵中抽样出少量行元素和列元素,构成两个低维子矩阵,进而通过低秩近似分解便可快速地同时求出左右奇异矢量,即分别对应两个子阵的信号子空间,避免了计算整个互相关矩阵及其奇异值分解运算;最后利用两个子阵信号子空间的旋转不变性通过最小二乘得到DOA估计。仿真分析表明,当行列抽样数大于信源数的两倍时,所提算法与直接基于互相关矩阵奇异值分解的非相干分布式非圆信号DOA估计算法性能相近,但复杂度得到了大幅度降低;而相比于传统的低复杂度非相干分布源DOA估计算法,所提算法利用信号非圆特性具有更高的估计性能。     

共形阵列非圆信号波达方向估计算法

受共形载体变曲率结构的影响,各天线单元指向不尽相同,使得共形天线阵列呈现极化多样性。因此,共形天线阵列的建模过程中需考虑不同阵元的极化响应特性。基于柱面共形天线阵列的快拍数据模型,利用非圆信号的特性对阵列输出进行扩展,基于秩亏理论和子空间原理实现信号波达方向（DOA）估计,所提方法估计精度高,不需要参数配对。存在相干信源时,提出对扩展后的虚拟阵列进行划分,对划分出的子阵进行虚拟的空间平滑,实现解相干的预处理操作。仿真结果表明该方法能有效应用于柱面共形阵列非圆信号DOA估计,并提高了空间分辨率。      

基于时频子空间分解的宽带线性调频信号DOA估计

针对具有时变方向向量的宽带线性调频信号,该文建立了基于短时Wigner-Ville分布(WVD)的空间时频分布矩阵,通过对各个空间时频矩阵的特征分解获得对应的信号子空间和噪声子空间,给出了基于时频子空间投影实现多个时频点综合估计信号DOA的算法。利用空间时频分布的前后向平滑解决了具有相同时频特性信号的均匀线阵DOA估计问题。算法不需要聚汇和插值等复杂的矩阵变换,精度较高,计算简便.仿真实验显示该算法性能显著优越于基于矩阵插值的宽带调频信号DOA估计算法.     

基于Toeplitz矩阵重构的相干信源波达方向估计研究

波达方向估计(DOA估计)是实现目标精确定位的重要内容。针对相干信号源的波达方向角估计问题,提出了一种能有效解相干的互相关矢量Toeplitz矩阵重构算法。该算法利用了阵列接收数据互相关矢量的内在关系,实现了相干源的完全解相干。该算法不损失阵列孔径,无需阵列平滑。仿真结果表明了该算法的有效性。     

最小冗余线阵的ES-DOA估计算法研究

采用最小冗余线阵可以显著增大天线的阵列孔径,但其相关矩阵不是Toeplitz矩阵,致使空间平滑解相干等方法失效,限制其在相干信号环境下的使用。结合信号功率估计,采用基于特征空间DOA估计算法,使得在较低信噪比情况下的DOA估计具有很高的精度。该算法同时采用了前后向空间平滑技术,不用减小阵列孔径就可以实现信号去相干。将该算法应用于最小冗余线阵,提高了阵列的DOA估计性能,且不影响阵列孔径。仿真结果证实了该算法的具有较高的精度和较强的鲁棒性。      

一种短数据阵列信号波达方向估计方法

针对传统子空间类算法在短数据测向的不足,提出一种基于稀疏信号描述的非参数最小均方迭代的幅度相位估计算法。该算法首先运用DAS波束形成对信号到达角进行初步估计,然后用最小均方误差准则及幅度相位估计算法( APES)对协方差矩阵进行迭代更新直至收敛。该方法能够在快拍数较少条件下进行DOA估计,且不需要估计信号源个数。理论分析和仿真实验表明其相对传统子空间类算法有较高的估计精度和分辨率。