基于分数阶傅里叶变换的宽带LFM相干信号二维DOA估计

在分数阶傅里叶(FRF)域从离散角度推导了二维DOA估计数学模型,并在此模型基础上提出基于分数阶Fourier变换的二维相干信号DOA估计新算法.该方法利用分数阶傅里叶变换良好的能量聚集性,在分数阶傅里叶(FRF)域构造前后向空间平滑DOA矩阵.通过对DOA矩阵进行特征值分解,估计信号子空间和噪声子空间,由信号子空间的特征值和特征向量得到宽带LFM相干信号的二维到达角,避免了二维谱峰搜索和交叉项,也无需参数配对.理论推导与实验仿真验证了算法的有效性.     

基于MDL准则的MUSIC信号频率估计算法

在正弦信号频率估计方法中,高分辨率谱估计的MUSIC算法利用信号子空间和噪声子空间的正交性进行信号频率的估计,可以得到很高的测频精度.但是信号源数的选择将会影响此方法的有效性.本文研究了基于最小描述长度(MDL)准则的MUSIC算法,信号子空间和噪声子空间的估计以及信号源数的确定同时进行,解决了MUSIC算法中信号源数对估计结果的影响.仿真结果表明利用该方法可准确地估计多个正弦信号的频率值.     

基于稀疏电磁矢量传感器阵列的相干目标DOA自适应估计和跟踪

研究了利用阵元稀疏分布的电磁矢量传感器阵列对相干目标二维波达方向(DOA)进行自适应估计和跟踪的问题.首先,提出了一种新的解相干预处理方法--极化差分平滑算法(PSDA),并结合传播算子给出一种相干目标DOA的估计方法(PSDA-propagator),无需特征值分解以获得信号/噪声子空间,与基于极化平滑算法(PSA)的同类子空间方法相比,提出的方法在非均匀噪声环境有更好的估计性能.其次,为了实现DOA的自适应估计或对时变DOA的跟踪,论文结合最小均方(LMS)或归一化最小均方(NLMS)算法估计瞬时传播算子,并且通过近似牛顿(approximate Newton)算法更新方位角/仰角的估计.实验结果显示了算法有良好的自适心估计和跟踪性能.     

实值GEESE算法对相干信号的DOA估计

本文基于信号子空间特征向量的广义特征值算法(Generalized Eigenvalues Utilizing Signal Subspace Eigenvectors,GEESE),结合空间平滑技术和实值分解技术,提出一种实值GEESE算法.通过结合空间平滑技术,较好的解决了信号源相关的来波方向(DOA)估计问题;通过结合实值分解技术,降低了计算量,并且提高了算法的精度.计算机仿真结果表明,采用了实值技术的算法对相干信号的DOA估计有估计精度高.计算量小的特点.     

改进Geese算法对信号的DOA估计

针对传统的空间谱估计算法对相干源的波达方向（DOA）估计会失效的问题,该文在利用信号子空间特征向量生成广义特征值（Generalized Eigenvalues utilizing Signal subspace Eigenveetors,Geese）算法基础上,结合空间平滑技术对接受数据进行预处理,提出一种改进的Geese算法。该算法由于不需方向搜索且只利用信号子空间,大大降低了计算复杂性。计算机仿真结果表明,与Geese算法相比,该改进算法既能够有效地估计出独立信号源的DOA,也能有效地估计出相干信号源和相隔比较近的低信噪比信号源的DOA。对于独立源的估计,在相同条件下,估计性能也要优于经典的空间谱估计算法（ESPRIT算法和MUSIC算法）,从而证明该算法的合理性。     

基于空间平滑MUSIC算法的相干信号DOA估计

针对传统解相干算法在低信噪比条件下不能有效分辨角度接近的信号源DOA的问题,提出一种基于空间平滑技术的特征空间多重信号分类MUSIC(Multiple Signal Classification)算法。首先用改进的空间平滑算法对相干信号进行预处理,然后对其应用特征空间MUSIC算法进行精确的DOA估计。计算机仿真结果表明,该算法的改进能更加有效地估计相隔较近的小信噪比信号源的DOA,分辨能力较强。     

基于矩阵重构的非等功率相干信号DOA估计

针对功率相差较大和角度相隔较小的相干信号的波达方向(DOA)估计问题，提出一种基于Toeplitz矩阵重构的不变噪声子空间算法。对各个阵元的接收数据与参考阵元接收数据的相关函数进行排列，构造满秩的Toeplitz矩阵；引入虚拟信源优化Toeplitz矩阵，利用其不变噪声子空间特性估计信号波达方向。仿真结果表明该算法可以准确估计出功率相差40 dB、角度相邻2°的相干信号DOA,较空间平滑类算法具有更高的成功率与更强的分辨率。     

基于SVD的二维子空间拟合DOA估计

改进传统子空间拟合波达方向(DOA)估计方法,以快拍数据矩阵的奇异值分解代替接收数据协方差矩阵的特征值分解,用奇异值和奇异值矢量进行信源数估计,避免协方差矩阵估计,减少运算量和矩阵估计误差。根据已有子空间拟合的一维修正变化投影(MVP)算法原理,推导出二维MVP算法实现步骤,对基于均匀圆阵的接收信号进行二维DOA估计。     

一种混合源环境下的波达方向估计方法

提出了一种基于均匀线阵的混合源波达方向DOA估计的新方法。该方法首先利用传统MUSIC方法估计出非相干信号源的DOA,然后对整个阵列数据协方差矩阵进行差分消除不相关源信号和噪声的影响,再对此差分矩阵进行特殊的空间平滑去相干,利用重建的数据协方差矩阵估计相干源的DOA。此方法的特点是分别估计不相关信号和相干信号的DOA,优点是在可估计出多于阵元数信号的前提下具有较高的DOA估计精度和稳健性。理论分析和仿真结果表明此方法的估计性能优于空间差分平滑算法。     

多重信号分类算法在共形阵列天线中的应用

在天线信号优化设计中,传统的共形阵列天线的信号波达方向(DOA)估计采用了波束扫描技术,需要大量的阵元才能获得较高分辨率,对于有限的阵列孔DOA估计来说,上述技术的分辨率会受到瑞利限制.而多重信号分类(MUSIC)算法,由于充分利用了噪声子空间和信号子空间的正交性,构造了空间谱函数,可以通过谱峰值的搜索来达到DOA估计.对MU-SIC及改进算法进行分析,并且分别在均匀线阵,柱面阵列和锥面阵列天线模型下进行了仿真,结果表明,阵列的排列方式对波达方向的估计性能具有重要的影响.     

基于改进MUSIC算法的宽带信号DOA估计

现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时,存在DOA估计结果偏差大、运算复杂度高等问题,难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率,提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征,利用S变换处理阵列接收信号,得到多分辨的时频谱矩阵,同时构建时频域的阵列信号数据模型,结合信号功率谱矩阵呈联合对角化结构的特点,设计基于S变换的子空间谱估计公式。在此基础上,通过谱峰搜索进行DOA估计,实现多源宽带信号的声源定位。仿真结果表明,在信噪比范围为-15～10 dB的条件下,该算法的估计成功率始终保持在90%以上,相比TCT、CS＿TCT、CWT＿MUSIC算法,其具有较优的估计性能,并且无需预估信号源数。     

脉冲噪声环境下宽带循环平稳信号DOA估计算法

针对传统二阶循环相关算法在脉冲噪声环境中的显著退化问题,本文以α稳定分布为噪声模型,提出基于分数低阶循环相关的波达方向(Direction of arrival,DOA)估计算法。利用分数低阶循环相关的相移特性,将宽带循环平稳信号的DOA估计问题转化为"中心频率"为ε的窄带问题,解决了宽带情况下DOA估计困难的问题。计算机仿真结果进一步验证了此算法的有效性,且性能优于传统SC-SSF(Spectral correlation signal subspacefitting)算法。     

采用单次快拍数据实现信源DOA估计

针对均匀线性阵列DOA估计中的实时性和解相干问题,提出了一种基于单次快拍数据的估计算法,通过对阵列接收的单次快拍数据进行相关处理后重构Toeplitz矩阵,并证明该矩阵的秩不受信号相干性的影响。通过特征值分解,得到对应的信号子空间和噪声子空间,结合MUSIC算法和ESPRIT算法实现了对相干和非相干信号的DOA估计。算法不损失阵列孔径,具有更好的实时性和抗噪声干扰的能力;在低信噪比条件下,仍具有较好的估计性能。最后计算机仿真结果证实了算法的有效性和可行性。     

基于子空间跟踪的ESPRIT空间谱估计算法

在实际中接收天线与辐射源之间通常存在相对运动,此时传统的高分辨算法性能将严重下降,针对上述问题提出一种自适应信号波达方向即DOA估计算法。新算法以快速稳定的信号子空间跟踪算法为基础,结合ESPRIT算法实现DOA估计,不需要特征值分解,计算复杂度小。仿真实验显示新算法比基于幂迭代的动目标DOA估计算法具有更好的估计性能。     

基于广义相位平滑的矢量阵列波达方向估计

研究如何利用信号的非圆性提高声矢量阵列信号波达方向(Directon of arrival,DOA)估计的精度.提出通过广义相位平滑预处理提高多重信号分类(Multiple signal classification,MUSIC)DOA估计方法特征子空间对数据协方差矩阵扰动的鲁棒性.该法适用于任意中心对称声矢量阵列,且无需子阵划分,不存在孔径损失,并可完成两个多径信号的解相干.仿真结果表明,广义相位平滑处理可明显改善恶劣条件下(低信噪比,小快拍教)基于MUSIC的非圆信号DOA估计精度.     

相干信号波达方向估计技术综述

在信号的传输过程中,由于信号反射和折射,导致多径传输产生相干信号。此时信号协方差矩阵出现秩缺,导致传统的超分辨波达方向估计（Direction of arrival,DOA）算法失效。针对相干信号的DOA估计算法被提出,这些算法通过利用阵列导向矢量的特殊性质,对协方差矩阵的秩进行恢复,从而达到解相干的目的。围绕着减小阵列孔径损失、增加可处理信号数量和提高估计精度等目标,新的相干信号DOA估计算法不断被提出,成为阵列信号处理方向的一个研究热点。本文介绍了相干信号的产生和其对DOA估计的影响,给出了相干信号的阵列模型,根据解相干方式的不同,将各种相干信号的DOA估计算法进行分类,并逐类进行阐述,最后展望了相干信号DOA估计未来的研究方向。     

基于Krylov子空间的测向算法

提出一种基于Krylov子空间的信号波达方向估计算法,搜索信号可能入射角度,通过测试所构造的Krylov子空间与信号子空间的等价性来判断信号的DOA,算法用多级维纳滤波实现子空间分解。仿真实验表明,算法在低信噪比条件下对相邻信号有良好的谱分辨率和估计性能。     

Optimized DOA estimation for an array antenna

Abstract—In this paper, we propose a Direction-of-Arrival (DOA) estimation technique that allows application of the signal subspace method. In the case when interference signals are coherent to the desired signals, the performance of the subspace method is reduced remarkably. As a solution to this problem, the spatial smoothing method has been proposed and applied. With the orthogonal element in the weighted spatial smoothing method being the calculation process to realize the MUSIC method, which is the most frequently used subspace, it becomes more complex. In order to solve this problem, we maximize the performance of DOA estimation by assigning a weight vector, which is directly orthogonal to the signal subspace. In this paper we compare the efficiency of the proposed algorithm with a modified spatial smoothing method via simulation results. The text was submitted by the authors in English.     

An effective localization method for mixed far-field and near-field strictly non-circular sources

In this paper, an effective direction-of-arrival (DOA) and range estimations method for mixed far-field and near-field non-circular sources is proposed based on a large centrosymmetric uniform linear array (ULA). By exploiting the non-circularity of the sources, an extended signal is generated by concatenating the received array data and its conjugate counterparts. Then the DOAs of far-field signals are estimated based on the extended covariance matrix with the traditional MUSIC algorithm. After eliminating the far-field components from the extended signal subspace, the extended covariance matrix of the near-field signals is obtained. Thus a near-field estimator is constructed based on symmetric property of the extended array manifold where the generalized ESPRIT method is adopted to estimate the DOAs of near-field sources. Finally, the range estimator is derived using the DOA estimations of near-field sources. Simulation results are provided to validate that the proposed method has achieved a better performance than existing ones and is quite suitable for massive MIMO (multiple-input multiple-out) system.