基于分数阶Fourier变换和ESPRIT算法的LFM信号2D波达方向估计

提出一种利用分数阶Fourier变换(FRFT)和旋转不变子空间(ESPRIT)算法实现多个线性调频(LFM)信号二维波达方向(DOA)估计的新方法。该方法利用FRFT对LFM信号的能量聚集特性,构造出一种新的FRFT域的阵列数据模型,并利用ESPRIT算法实现对多个LFM信号的二维DOA估计。仿真实验验证了算法的有效性。     

基于降维Capon的相干信号二维DOA估计算法

针对相干信号二维波达方向(DOA)估计运算量过大的问题,提出了基于降维Capon的相干信号二维DOA估计算法。该算法采用空间平滑和半实值降维Capon算法,相比常规二维Capon算法,计算量显著减小。仿真结果表明,该算法的估计性能与常规二维Capon算法和二维MUSIC算法基本相同。     

一种二维解相干MUSIC算法

提出一种积基于垂直阵列的解相干二维MUSIC算法,此算法大大改善了信号的波达方向DOA估计性能,特别是相干信号的DOA估计能力,计算机仿真结果证明了该种算法的有效性.     

任意阵列二维测向的快速子空间算法

为了对空间辐射源进行精确定位，建立了基于任意阵列对多目标源进行二维DOA估计的数学模型。将MUSIC算法推广到三维空间阵列可以对辐射源进行二维高精度测向，但由于其需要估计接收数据的协方差矩阵和进行特征分解，因而其计算量较大。利用多级维纳滤波器的前向递推获得信号子空间和噪声子空间，不需要估计协方差矩阵和对其进行特征分解，从而降低了MUSIC算法的计算量。将文中的方法应用于任意阵列的二维DOA估计中进行计算机仿真和实际侧向系统性能验证，实验结果均表明该方法达到了MUSIC算法的性能，但与常规MUSIC算法相比降低了计算量。     

极化敏感阵列的到达角和极化参数联合估计方法

在应用传统的空间谱(MUSIC)算法联合估计来波信号到达角(DOA)和极化参数的时候,需要进行四维谱峰搜索,计算量巨大。针对极化敏感阵列,采用降维MUSIC算法联合,可以估计信号的DOA和极化参数。利用极化矢量的范数为常数这一特点,采用Lagrange乘数法进行降维操作,转换为方位角和俯仰角的二维谱峰搜索,同时可估计出极化相角和极化幅角,大大降低了算法实现的运算量。仿真结果证明了算法的有效性。     

基于降维子空间的多重信号分类快速算法

基于MUSIC的DOA估计存在运算量大的问题,已有的改进快速算法很多是以降低精度为代价的,因此提出了基于降维子空间的多重信号分类快速算法,该算法先利用降维的噪声子空间进行DOA粗略估计,使得MUSIC搜索的运算量大大减小,然后利用最大噪声子空间对估计结果进行修正;数值仿真结果表明,该方法能够在不影响DOA估计精度的情况下显著降低运算量,使MUSIC算法更具实用性.     

基于平面圆阵的二维测向精度分析

文中分析了基于平面圆阵的MUSIC算法对非相关信号源进行二维DOA估计的测向精度。推导了基于平面圆阵的二维DOA估计精度的公式。并通过计算机的仿真验证了模型的有效性，仿真结果说明了在一定的约束条件下，测向的精度与信号波长和平面圆半径之比、分布于平面圆上阵元的个数及入射信号入射到天线阵的角度都有关系，并给出了相应的曲线。     

基于MUSIC算法的二维DOA估计的性能分析

文中介绍了基于圆阵的MUSIC算法对非相关信号源二维DOA估计的性能分析.通过计算机对该算法的仿真,说明了在一定的约束条件下保持阵元的尺寸不变,随着信号源中心频率及接收端信噪比的变化测向分辨率的变化规律.     

采用等距ニ元矢量水听器直线阵的ニ维波达方向估计

为了减小传统四元矢量水听器阵的尺寸和减少冗余阵元，提出了采用等距二元矢量水听器直线阵的二维波达方向( DOA)估计方法。每个阵元（矢量水听器）由空间共点的一个声压水听器和一个振速水听器构成。其中声压水听器阵可以被划分为2个子阵，它们构成旋转对，旋转因子为包含某一轴方向余弦信息的相位延迟因子。振速水听器阵可以被划分为2个子阵，它与声压水听器阵构成旋转对，旋转因子为另一轴方向余弦。基于旋转子空间不变法( ESPRIT)的思想，采用并行总体最小二乘(TLS)矩阵束方法实现对旋转因子的估计和自动配对，从而实现二维DOA佶计。计算机仿真实验结果证明了该方法的有效性。     

基于双平行互质阵列的二维非网格DOA估计

近年来,基于稀疏表示的DOA估计方法已经被广泛提出,这些方法都需预设离散的网格点,而实际信号来波方向在空间域内具有随机性,任何来波方向都是等概率出现,很有可能信号的来波方向不在网格上,因而会存在网格误差,使DOA估计结果产生较大偏差。为提高DOA估计精度,本文提出了非网格的DOA估计模型。同时,为提高测向自由度,本文应用由两个均匀线阵组成的互质阵列,并且将两个均匀线阵平行放置在同一平面。通过将两均匀线阵的互协方差矩阵向量化成互协方差矢量,可得到一维虚拟扩展的接收数据矢量,并且在稀疏表示框架下应用相应的稀疏恢复算法恢复出跟DOA参数相关的向量,从该向量中得到唯一的并且自动配对的二维DOA估计参数。仿真实验结果验证了本文算法较传统算法具有更好的DOA估计性能。