宽带信号DOA估计自回归迭代算法

基于最小均方误差(MMSE)准则提出一种宽带信号波达方向(DOA)估计算法。将宽带信号通过窄带滤波器组转化为窄带信号,采用自回归迭代方法恢复窄带信号的稀疏表示,根据稀疏表示得到信号源个数和DOA估计。该算法不仅有超分辨率能力,而且不必预先知道信号源个数。此外,本算法能对相干信号源进行DOA估计而不需要解相关预处理。仿真结果验证了该算法的有效性。     

基于AVS和稀疏表示的鲁棒语者声源DOA估计方法

基于声学矢量传感器（Acoustic vector sensor,AVS）和空间声源稀疏表示理论,进行了鲁棒的高精度语者声源到达角（Direction of arrival,DOA）估计方法研究。考虑混响和加性噪声影响,本文推导了AVS接收信号的向量化的协方差矩阵模型,设计了过完备字典,依此建立声源的空间稀疏表示模型,最终通过求解稀疏空间谱获得鲁棒的DOA估计。本文进行了大量的不同混响和加性噪声条件下的仿真实验和实际环境中的DOA估计实验,实验结果表明,本文提出的语者声源DOA估计方法在信噪比5~30 dB范围内可获得均方根误差（Root mean square error,RMSE）小于1°的估计精度。在实际环境中也取得了2~10°误差的DOA估计结果。     

基于稀疏表示和约束优化的波达方向估计方法

对于噪声环境中信号源的波达方向(DOA)估计,传统的多信号分类(MUSIC)算法只对不相干信号有效,且所需较多样本。针对此问题,将进行DOA估计的搜索范围看作冗余字典,从而待估计的DOA成为该冗余字典中的某些元素,可以由冗余字典对其进行稀疏表示;其次,利用单次快拍数据,应用二阶锥(SOC)约束优化的方法对该稀疏表示问题进行描述,并进而转化为标准的二阶锥形式,采用有效的优化工具SeDuMi来实现DOA的估计。仿真结果表明,与现有的子空间方法相比,该方法只需单拍数据即可得到较好的估计结果,且无需对信源个数有先验知识,同时适用于相干和非相干信号。     

基于子空间拟合波达方向估计方法研究

传统波达方向(DOA)估计方法由于受阵列尺寸的限制,对处于同一波束内的多个信号源无法得到正确的估计.为此提出了基于子空间拟合的信号到达方位角(DOA)估计算法--信号子空间拟合算法和噪声子空间拟合算法.算法通过对接收数据的子空间与实际信号导向矢量组成的子空间的拟合,来构造信号功率谱尖峰,从而估计目标信号的到达方位角.仿真实验对两种算法的性能进行了分析,分析表明基于噪声子空间拟合算法能突破空域瑞利限的限制,具有空间分辨率高、稳定性好的估计性能.信号子空间拟合算法只有在阵元数较大时,才能正确分辨距离较近的信号源,但具有对环境噪声不敏感的特点.     

一种基于预估计的稀疏表示DOA估计快速算法

稀疏表示DOA估计算法具有很高的分辨率,但是其计算量较大.为此,提出一种基于预估计的稀疏表示DOA估计快速算法.首先,利用阵列协方差矩阵特征向量的性质,通过DFT对入射信号进行DOA预估计;其次,利用预估计结果降低过完备字典的长度;最后,进行稀疏分解得到DOA估计的精确结果.由于采用的字典长度较短,该算法的计算量非常小.仿真实验结果表明,该算法具有较高的成功概率、较快的估计速度和较低的估计误差.因此,提出的算法在工程实际中应用前景广阔.     

基于稀疏表示的信号DOA估计

将信号DOA的估计问题转换为一个联合稀疏表示的求解问题.通过对接收数据矩阵的奇异值分解实现各时间和频率快拍数据的联合;然后通过求解一个平滑l0范数稀疏约束的联合优化问题实现信号源DOA的估计.基于稀疏表示的信号DOA估计方法不仅能够有效地减少数据量,而且具有以下优点:更好的抗噪声性能、更高的计算效率、适用于相关和非相关信号.通过与其他DOA估计方法的比较,表明了该方法的有效性和优越性.     

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.     

基于原子范数最小化的二维稀疏阵列波达角估计算法

基于二维稀疏平面阵列的波达角(Direction-of-arrival,DOA)估计问题在第五代移动通信大规模多输入多输出阵列的应用中日益重要。无网格稀疏重构技术促进了DOA估计问题的发展,原子范数理论则使得DOA估计的超分辨率得到进一步的提高。文中研究了多个方向的频谱稀疏信号入射到二维稀疏阵列时的DOA估计问题。为了准确、成对地识别出所有入射信号的仰角和方向角,提出了一种基于多个测量矢量(Multiple Measurement Vectors,MMV)的二维原子范数算法,并用半正定规划进行求解。所提算法将二维DOA估计问题中的压缩感知理论从单个测量矢量拓展到多个测量矢量,从而有效利用MMV的联合稀疏性。数值仿真结果表明,随着MMV矢量的增长,可识别的信源个数增加,稀疏阵列中物理传感器所占比例降低到30%,DOA估计误差也显著降低,并且在信噪比增大时,所提算法能够取得很好的收敛效果。     

基于声矢量阵小样本数据的DOA估计研究

根据水下目标在其到达方位(DOA)搜索空间的稀疏性,采用稀疏分解理论实现了小样本、低信噪比条件下的声矢量阵DOA估计。通过分析,构造出基于声矢量阵阵列流型形式的过完备原子库,并采用正交匹配追踪算法得到目标的DOA估计。通过仿真,基于稀疏分解的声矢量阵DOA估计算法对单快拍数据进行处理,即可得到比较准确的DOA估计结果。对湖试数据进行了处理,验证了算法的有效性和优越性。     

Covariance sparsity-aware DOA estimation for nonuniform noise

This paper reformulates the problem of direction-of-arrival (DOA) estimation for unknown nonuniform noise by exploiting a sparse representation of the array covariance vectors. In the proposed covariance sparsity-aware DOA estimator, the unknown noise variances can be eliminated by a linear transformation, and DOA estimation is reduced to a sparse reconstruction problem with nonnegativity constraint. The proposed method not only obtains an extended-aperture array with increased degrees of freedom which enables us to handle more sources than sensors, but also provides superiority in performance and robustness against nonuniform noise. Numerical examples under different conditions demonstrate the effectiveness of the proposed method.     

基于稀疏表示的OFDM信号的DOA估计

针对正交频分复用（OFDM）, 宽带信号波达方向(DOA)估计问题, 提出一种基于宽带信号协方差矩阵稀疏表示的DOA估计方法。该方法是在协方差矩阵主对角线下对左下角三角形元素按各条对角线取平均值后形成一个新的向量, 然后将该向量写成冗余字典形式。在冗余字典下对信号进行稀疏性约束形成二阶锥约束优化问题, 再用工具箱SeDuMi来实现DOA估计。理论分析和仿真结果表明, 该方法在低信噪比和少快拍数下分辨率很高, 是一种有效的宽带信号DOA估计算法, 此方法优于基于高阶累积量算法和宽带聚焦算法的DOA估计方法。     

基于COLD阵列的联合稀疏重构信号DOA估计方法

针对窄带和宽带两种情形,提出了一种基于同点正交磁环偶极子矢量天线（Co-centered orthogonal loop and dipole,COLD）阵列的联合稀疏重构信号波达方向（Direction-of-arrival,DOA）估计方法。该方法首先构造极化-空间域协方差矩阵,并对其第一列进行稀疏表示,在此基础上利用COLD阵列可视为相互垂直的磁环阵列和偶极子阵列这一特点,采用l2-范数约束下的凸优化（l1-范数）联合稀疏重构技术实现信号DOA估计。仿真实验表明,该方法较之现有方法具有分辨力高、估计精度高等优点。     

一种基于压缩感知的离格阵列测向方法

基于稀疏表示的阵列测向技术中的一系列高精度鲁棒性方法都基于网格假设,即假设入射信号来向无误差地落在网格上,这一假设与现实中信号来向落在连续角度域内相违背,所造成的网格偏差效应会带来模型失配,从而导致估计性能的恶化。针对这一问题,本文提出了一种基于泰勒展开的离格类信号模型,该模型允许信号来向偏离网格,从而消除了网格误差效应,减小了估计误差。同时采用一种交替迭代优化的方法对模型进行求解,并利用奇异值分解等方法降低计算量。该方法能够有效减小网格误差,提高估计精度。仿真结果验证了所提方法的有效性。     

基于改进块稀疏贝叶斯学习算法的波达方向估计

针对传统的基于稀疏表示的DOA估计算法单纯利用信号的空域稀疏性,导致在低信噪比时稀疏性能变差,影响信号稀疏重构效果的问题,使用分块稀疏理论对信号进行稀疏分解。随着目标增多及作战任务改变,DOA估计往往呈现目标群测向的特点,为了能够更好地利用信号的结构特征和统计特征,提出了基于空时联合的块稀疏DOA估计算法,使用块稀疏理论挖掘信号的内部结构,充分利用了信号的块内稀疏性和块间相关性,提高稀疏重构性能,进而对DOA估计效果有很大的提升。仿真实验表明,相比于经典的DOA方法,本方法有更好的估计效果。     

DOA Estimation Based on Sparse Representation of the Fractional Lower Order Statistics in Impulsive Noise

This paper is mainly to deal with the problem of direction of arrival (DOA) estimations of multiple narrow-band sources impinging on a uniform linear array under impulsive noise environments. By modeling the impulsive noise as fistable distribution, new methods which combine the sparse signal representation technique and fractional lower order statistics theory are proposed. In the new algorithms, the fractional lower order statistics vectors of the array output signal are sparsely represented on an overcomplete basis and the DOAs can be effectively estimated by searching the sparsest coefficients. To enhance the robustness performance of the proposed algorithms, the improved algorithms are advanced by eliminating the fractional lower order statistics of the noise from the fractional lower order statistics vector of the array output through a linear transformation. Simulation results have shown the effectiveness of the proposed methods for a wide range of highly impulsive environments.      

A sparse direction-of-arrival estimation algorithm for MIMO radar in the presence of gain-phase errors

In this paper, the problem of direction-of-arrival (DOA) estimation for monostatic multiple-input multiple-output (MIMO) radar with gain-phase errors is addressed, by using a sparse DOA estimation algorithm with fourth-order cumulants (FOC) based error matrix estimation. Useful cumulants are designed and extracted to estimate the gain and the phase errors in the transmit array and the receive array, thus a reliable error matrix is obtained. Then the proposed algorithm reduces the gain-phase error matrix to a low dimensional one. Finally, with the updated gain-phase error matrix, the FOC-based reweighted sparse representation framework is introduced to achieve accurate DOA estimation. Thanks to the fourth-order cumulants based gain-phase error matrix estimation, and the reweighted sparse representation framework, the proposed algorithm performs well for both white and colored Gaussian noises, and provides higher angular resolution and better angle estimation performance than reduced-dimension MUSIC (RD-MUSIC), adaptive sparse representation (adaptive-SR) and ESPRIT-based algorithms. Simulation results verify the effectiveness and advantages of the proposed method.     

Block rank sparsity-aware DOA estimation with large-scale arrays in the presence of unknown mutual coupling

With the development of massive multiple-input mutiple-output (MIMO) technique, high-resolution direction-of-arrival (DOA) estimation has attracted great attention. A novel sparse signal reconstruction method based on the inherent block rank sparsity of the sub-matrix is proposed for high resolution DOA estimation with large-scale arrays under the condition of unknown mutual coupling. In the proposed method, by taking advantage of the banded symmetric Toeplitz structure of the mutual coupling matrix (MCM), a novel block representation model is firstly formulated by parameterizing the steering vector. Then, exploiting the inherent block sparsity characteristics of the sub-matrix, a reweighted nuclear norm minimization algorithm is proposed to reconstruct the sparse matrix, in which the weighted matrix is designed by using the spectrum of MUSIC-Like algorithm. Finally, the DOAs are achieved by searching the non-zeros blocks of the recovered matrix. The proposed method not only makes full use of the block rank sparsity characteristics of the sub-matrix and weighted matrix for enhancing the sparse solution, but also avoids the array aperture loss. Thus, the proposed method has superior estimation performance than the state-of-the-art algorithms under the condition of unknown mutual coupling. Especially, in the case of large-scale antennas, the advantage of the proposed method is more obvious. Some computer simulation results are performed to verify the advantage of our proposed method.     

基于单快拍信号到达角估计算法的室内入侵检测

针对基于信道状态信息（CSI）的入侵检测方法易受环境布局及噪声干扰的影响从而导致检测率下降的问题,提出一种基于单快拍信号到达角（DOA）估计算法的室内入侵检测方法。首先,结合无线信号空间选择性衰落的特点对天线阵列接收到的CSI数据进行数学分解,并将未知的DOA估计问题转化为一个过完备表示的问题。然后,利用l₁范数对稀疏信号的稀疏性进行约束,通过求解稀疏正则优化问题得到准确的DOA信息,由此在数据层面为最终检测结果提供了可靠的特征参数。最后,根据前后时刻的DOA变化评估出室内安全指数（ISIN）,进而实现室内入侵检测。在实验中,利用真实的室内场景对检测方法进行验证,并与传统的主成分分析和离散小波变换的数据预处理方法进行对比。实验结果表明：该方法能够在不同的复杂室内环境下准确检测出入侵行为的发生,平均检测率达到98%以上,且在鲁棒性上明显优于对比算法。