基于最小冗余线阵的谱相关波达方向估计算法

根据均匀线阵输出的共轭循环相关矩阵具有很大的冗余特性，提出了基于最小冗余线阵的谱相关共轭循环MUSIC算法。该算法利用了信号的时域和空域联合特征，并引入了伪数据矩阵，使算法的性能远优于其他方法。理论分析和计算机仿真实验均表明，与基于最小冗余线阵的共轭循环MUSIC算法相比，该算法具有良好的波这方向估计性能，扩展了阵列孔径，抗噪能力强，分辨率高，能用较少的阵元估计更多的信号源方向。     

基于多对称虚拟变换的二维波达方向估计算法

提出一种多对称虚拟变换二维波达方向估计算法,通过对阵列进行多对称虚拟变换,得到多个分别关于原阵列对称的虚拟阵列,进而构造虚实平移不变子阵。利用该平移不变虚拟子阵的旋转不变因子,获得信号源的俯仰角,经多信号分类(MUSIC)一维搜索获得信号源方位角,方位角和俯仰角可自动配对。由于使用了各虚拟变换阵列的累加数据,累加运算使得各虚拟阵列数据的正负误差相互抵消,显著降低了虚拟变换矩阵导致的虚拟阵列和真实阵列之间的数据误差,提高了二维波达方向的估计精度。仿真实验研究了所提算法在信噪比、快拍数变化情况下,二维波达方向估计的均方根误差和成功率性能,证明了所提算法的有效性。     

单快拍二维波达方向估计算法

在双平行均匀线阵的基础上,提出了一种利用单快拍数据进行二维波达方向估计的算法.该算法利用单次快拍数据构造出两个具有特定关系的矩阵,再构造一个波达方向矩阵,根据该矩阵的特征值和特征向量,可以估计出入射信号的二维波达方向.该算法无需多项式搜索和参数的配对过程,计算量小,且不论信号源的相关性如何都同样适用.因此,该算法适合于瞬时信号和快速运动信号的波达方向估计.     

基于协方差矩阵降维稀疏表示的二维波达方向估计

针对稀疏重构下二维波达方向（2D-DOA）估计存在计算量大的问题,提出一种基于协方差矩阵降维稀疏表示的二维波达方向估计方法。首先引入空间角构造流形矢量矩阵冗余字典,将方位角和俯仰角组合从二维空间映射到一维空间,降低了字典的长度和求解复杂度,并且能自动实现俯仰角和方位角配对;其次改进了样本协方差矩阵的稀疏表示模型,对该模型进行了降维处理;然后由协方差矩阵稀疏重构的残差约束特性得到约束残差项置信区间,避免采用正则化方法导致参数选取困难;最后通过凸优化包实现了二维波达方向的估计。仿真实验表明,待选取的协方差矩阵列数达到某个阈值（在只有两个入射信号情况下该值为3）时,可准确实现入射信号角的估计;当信噪比（SNR）较小（<5dB）时,该方法估计精度优于基于空间角的特征矢量算法;低快拍数（<100）下该方法估计精度略低于特征矢量法,但小间隔角度下估计精度与后者相当。     

面阵中基于传播算子的二维DOA估计算法

考虑面阵中的二维波达方向（DOA）估计问题,提出了一种基于传播算子（PM）的二维DOA估计算法。该算法利用4个子面阵接收数据的互相关矩阵构造新的数据矩阵,利用线性运算代替特征分解得到旋转不变关系矩阵,由该关系矩阵得到方位角与俯仰角的参数估计。所提算法的波达方向估计性能优于传统的面阵二维ESPRIT算法,且降低了计算复杂度,提高了阵列接收数据的利用率和算法的抗干扰能力。算法可以实现二维角度的自动配对。仿真实验证明了算法的有效性。     

一种高性能的二维波达方向估计算法

在二维虚拟ESPRIT算法的基础上,提出了一种高性能的改进算法。改进方法依照子阵数据直接空间平滑的思想对子阵数据进行预处理,用虚拟阵列变换技术实施阵列变换,采用波达方向矩阵法的思路计算二维角度参数。仿真结果表明,相比于空域平滑的DOA矩阵法和空域平滑的二维虚拟ESPRIT算法,该方法在低信噪比情况下对相干信号源具有更好的估计性能,对独立信号源,能够估计出超过子阵阵元数的信号。     

基于FFT的多个空间信号波达方向的估计算法

本文提出了一种与传统算法完全不同的多个空间窄带信号波达方向的估计算法。该算法通过对阵列输出数据的快速傅立叶变换(FFT),建立了FFT频谱与波达方向角的关系;利用这一关系并通过对FFT谱峰的搜索,从而实现了对波达方向的快速估计。计算机模拟实验验证了算法的可行性。     

基于FFT的多个空间信号波达方向的估计算法

本文提出了一种与传统算法完全不同的多个空间窄带信号波达方向的估计算法.该算法通过对阵列输出数据的快速傅立叶变换(FFT),建立了FFT频谱与波达方向角的关系;利用这一关系并通过对FFT谱峰的搜索,从而实现了对波达方向的快速估计.计算机模拟实验验证了算法的可行性.     

基于最小冗余线阵的二维DOA估计方法

针对传感器阵列二维DOA估计中阵元数较多且阵元利用率较低的问题,提出了一种低阵元冗余的二维DOA估计方法.该方法通过在最小冗余线阵基础上添加两个导向阵元的方法,将最小冗余线阵的应用拓展到二维DOA估计.同时该方法利用多个时延的阵元输出共轭循环相关函数构造"伪数据阵",在时空域中等效出两个具有旋转不变性的平行子阵,进而运用DOA矩阵法估计信号二维DOA.该方法不仅避免了最优时延选择问题,继承了DOA矩阵法无需谱峰搜索且无需二维角度参数配对等优点.还用较少的阵元获得了较大的阵列有效孔径.仿真结果表明,该方法与CCDM算法相比具有更好的低信噪比适应能力和稳健性.     

低复杂度二维相干分布源解耦波达方向估计方法

现有的二维相干分布源波达方向估计算法都需要一维或多维搜索,算法复杂度高,而且大部分算法都针对分布源特定的角信号分布函数设计,当分布源角信号分布函数未知或不同分布的分布源共同存在时,算法性能将严重恶化.文中利用双均匀线阵,给出了一种无需搜索的低复杂度二维相干分布源波达方向解耦估计方法及参数配对方法,适用于分布源角信号分布函数未知及不同分布的分布源共同存在的情况.仿真结果验证了算法的有效性.     

基于四阶累积量的二维波达方向估计改进算法

利用四阶累积量的阵列扩展特性,将一排直线阵列和一个独立阵元扩展成一个特殊的虚拟双排直线阵列,它由三个子直线阵列构成,并且可计算出每个子直线阵列等效的协方差矩阵,然后结合传播算子方法,提出一种改进的二维波达方向估计算法。计算机仿真验证了该算法具有抗噪能力强、数值稳定性好等优点。     

一种改进的卫星空时DOA矩阵算法

提出一种改进的基于信号空时特征结构的高分辨二维波达方向(DOA)估计方法——时空DOA矩阵方法。该方法在保持原时空DOA矩阵方法无需二维谱峰搜索和参数配对等优点的基础上,通过构造X轴上的平移不变子阵列,产生2个DOA矩阵,利用这2个DOA矩阵的角度兼并曲线的差异,解决了原时空DOA矩阵方法的角度兼并问题。由于2个子阵可以重复利用阵元,该方法基本无冗余阵元和孔径损失。仿真结果证明了该方法的有效性。     

阵列信号处理中基于MUSIC算法的空间谱估计

阐述了阵列信号处理中广泛采用的用于来波方向(DOA)估计的多信号分类(MUSIC)算法原理,理论分析了算法的实现过程,并结合Matlab实验,从理论和系统仿真两方面证明将此法用于确定目标方位角的实用价值,是一种有效的测量目标方位角的方法。     

一种附加约束的ESPRIT测向方法

经典旋转不变技术（ESPRIT）算法测向估计性能在大多理论情况下接近于克拉美罗下界,且其在计算量方面要明显优于多信号分类算法（MUSIC）。本文首先论述了经典ESPRIT方法,描述了广义特征值分布在单位圆附近的实际工程应用情况,并提出了一种将广义特征值附加约束在单位圆上的修正ESPRIT算法。理论分析和仿真实验表明,该算法同经典的ESPRIT算法相比,当阵列存在几何误差的情况下,可明显改善测向估计的性能。     

一种基于实值化技术的循环平稳DOA算法

针对EC—MUSIC算法的高维复矩阵计算量大、硬件实现成本高等缺点,提出一种基于实值化技术的循环平稳DOA算法．重新构造了具有中心厄尔米特性质的高维矩阵,将复数矩阵映射成实数矩阵进行处理,不仅具有信号选择特性,提高了算法性能,而且降低了算法的计算量,有利于算法实用化和通信产品小型化．仿真结果验证了所提出算法的有效性。     

通道失配对二维MUSIC算法测向性能的影响

针对二维MUSIC算法在空间谱估计中计算量大的问题,提出了一种基于三维垂直阵列结构的二维MUSIC算法,该算法在降维技术的基础上通过组合三个并行的均匀线阵分别估计出的一维DOA进行空间测向。然后重点分析了通道失配（幅相特性不一致）对二维MUSIC算法测向性能的影响。计算机仿真结果表明,通道失配严重影响着二维MUSIC算法的测向性能,在应用该算法进行空间信号波达方向估计的时候,必须考虑通道幅相误差的影响并对各通道的幅相特性进行均衡。     

基于新型聚焦矩阵的宽带信号DOA估计

针对宽带信号波达方向(DOA)估计问题,分析聚焦变换的原理,提出一种基于阵列输出信号协方差矩阵的聚焦算法.通过对不同频率和聚焦频率下的输出信号协方差进行特征分解,分别求取其大特征值对应的特征向量.根据最佳聚焦矩阵的求解条件,求出聚焦矩阵的表达式.该方法无需进行方位角度预估计,可以处理相干宽带信号源的DOA估计问题.通过实验仿真和性能分析验证了该算法的有效性.     

基于ResNet的稳健语音DOA估计算法

针对传统波达方向（Direction of arrival, DOA）估计算法在阵列模型误差条件下估计性能下降的问题,提出了一种基于残差网络（Residual network, ResNet）的DOA估计算法。该算法根据神经网络数据驱动不依赖阵列流型的特点,从广义互相关（Generalized cross-correlation, GCC）中提取特征,将提取的特征作为神经网络深层分类器的输入,对信号分类;根据分类结果选取对应子区间数据进行训练,建立ResNet学习特征与DOA估计之间的非线性映射关系,形成一个数据驱动的稳健DOA估计系统。仿真与实验验证结果表明,该算法有效地解决了传统DOA算法在阵列模型误差条件下无法准确得到DOA结果的问题。