首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 31 毫秒
1.
利用加权平滑l0范数(Smoothed l0, SL0)算法估计MIMO雷达目标DOA时,需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型,并利用信号和噪声子空间的正交性来构造加权向量。然而当存在相干信源时,MIMO雷达协方差矩阵的秩将退化,这会使得稀疏重构模型的误差较大以及无法正确区分信号和噪声子空间,导致加权SL0算法的DOA估计性能恶化。针对上述问题提出了一种基于协方差匹配SL0算法的MIMO雷达DOA估计方法。该方法利用协方差匹配准则重构出一个满秩的协方差矩阵,恢复MIMO雷达协方差矩阵的Toeplitz特性,并利用协方差逆矩阵的高阶幂来近似噪声子空间从而计算加权向量。仿真分析表明,该方法能够在无需预知信源数目的情况下有效地完成对相干信号的DOA估计。  相似文献   

2.
针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR)。首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计。数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR (SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度。  相似文献   

3.

该文针对有限次采样导致传统波达方向角(DOA)估计算法存在较大估计误差的问题,提出一种基于稀疏低秩分解(SLRD)的稳健DOA估计方法。首先,基于低秩矩阵分解方法,将接收信号协方差矩阵建模为低秩无噪协方差及稀疏噪声协方差矩阵之和;而后基于低秩恢复理论,构造关于信号和噪声协方差矩阵的凸优化问题;再者构建关于采样协方差矩阵估计误差的凸模型,并将此凸集显式包含进凸优化问题以改善信号协方差矩阵估计性能进而提高DOA估计精度及稳健性;最后基于所得最优无噪声协方差矩阵,利用最小方差无畸变响应(MVDR)方法实现DOA估计。此外,基于采样协方差矩阵估计误差服从渐进正态分布的统计特性,该文推导了一种误差参数因子选取准则以较好重构无噪声协方差矩阵。数值仿真表明,与传统常规波束形成(CBF)、最小方差无畸变响应(MVDR)、传统多重信号分类(MUSIC)及基于稀疏低秩分解的增强拉格朗日乘子(SLD-ALM)算法相比,有限次采样条件下所提算法具有较高DOA估计精度及较好稳健性能。

  相似文献   

4.
费晓超  罗晓宇  甘露 《信号处理》2015,31(7):794-799
该文利用了入射信号在空域的稀疏性,将波达方向(DOA)估计问题描述为在网格划分的空间协方差矩阵稀疏表示模型,并将其松弛为一个凸问题,从而提出了一种网格匹配下的交替迭代方法(AIEGM)。传统的基于稀疏重构的波达方向估计算法由于其模型的局限性,一旦入射角不在预先设定的离散化网格上,就会造成估计性能的急剧恶化。针对这个问题,该算法可以在离散化网格比较粗糙的前提下,通过交替迭代的方法求解一系列基追踪去噪(BPDN)问题,对于不在网格上的真实角度估计值进行修正,从而达到更精确的波达方向估计。仿真结果证明了AIEGM算法的有效性。   相似文献   

5.
针对传统的基于稀疏贝叶斯学习(Sparse Bayesian Learning,SBL)的波达方向估计算法对噪声鲁棒性不高的问题,提出了一种基于SBL的子空间拟合离格波达方向(Direction of Arrival,DOA)估计方法。首先对接收数据的协方差矩阵进行特征分解,获得信号的加权子空间,构造等价信号的稀疏表示模型并利用贝叶斯学习算法进行参数求解。同时对于网格划分带来的建模误差问题,采用了离格贝叶斯推导(Sparse Bayesian Inference,SBI)算法进行求解,利用期望最大化算法迭代更新相应的参数。仿真结果表明,相对于传统的DOA方法,该方法具有更好的估计精度。  相似文献   

6.
针对信源数目未知情况下的DOA估计问题,该文提出了两种基于稀疏表示的DOA估计方法。一种是基于阵列协方差矩阵特征向量稀疏表示的DOA估计方法,首先证明了阵列协方差矩阵的最大特征向量是所有信号导向矢量的线性组合,然后利用阵列协方差矩阵的最大特征向量建立稀疏模型进行DOA估计;另一种是基于阵列协方差矩阵高阶幂稀疏表示的DOA估计方法,根据信号特征值大于噪声特征值的特性,通过对协方差矩阵的高阶幂逼近信号子空间,利用协方差矩阵的高阶幂的列向量建立DOA估计的稀疏模型进行DOA估计。理论分析和仿真实验验证,两种方法都不需要进行信号源数目的估计,具有较高的精度、较好的分辨力,对相干信号也具有优越的适应能力。  相似文献   

7.
This paper investigates the estimation of the two-dimensional direction of arrival (2D-DOA) of sound sources using an acoustic vector sensor array (AVSA) within a spatial sparse representation (SSR) framework (AVS-SSR-DOA). SSR-DOA estimation methods rely on a pre-defined grid of possible source DOAs and essentially suffer from the grid-effect problem: Reducing the size of the grid spacing leads to increased computational complexity. In this paper, we propose a two-step approach to tackle the grid-effect problem. Specifically, omnidirectional sensor array-based SSR-DOA estimation firstly provides initial low-cost DOA estimates using a coarse grid spacing. Secondly, a closed-form solution is derived by exploring the unique subarray manifold matrix correlation and subarray signal correlation of the AVSA, which allows for DOA estimates between the pre-defined angles of the grid and potentially achieves higher DOA estimation accuracy. To further alleviate the estimation bias due to noise and sparse representation model errors, line-fitting (LF) techniques and subspace techniques (ST) are employed to develop two novel DOA estimation algorithms, referred to as AVS-SSR-LF and AVS-SSR-ST, respectively. Extensive simulations validate the effectiveness of the proposed algorithms when estimating the DOAs of multiple sound sources. The proposed AVS-SSR-ST algorithm achieves high DOA estimation accuracy and is robust to various noise levels and source separation angles.  相似文献   

8.
该文针对传统波达方向角(DOA)估计算法在非均匀噪声下角度估计精度差及分辨率低的问题,基于矩阵补全理论,提出一种二阶统计量域下加权L1(MC-WLOSRSS)稀疏重构DOA估计算法。首先,基于矩阵补全方法,引入弹性正则化因子将接收信号协方差矩阵重构为无噪声协方差矩阵;而后在二阶统计量域下通过矩阵求和平均将无噪声协方差矩阵多矢量问题转化为单矢量问题;最后利用稀疏重构加权L1范数实现DOA参数估计。数值仿真表明,与传统MUSIC, IL1-SRACV, L1-SVD子空间算法及稀疏重构加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好DOA估计性能,且在低信噪比条件下,亦具有较高估计精度和分辨力。  相似文献   

9.
陈明建  胡振彪  陈林  张超 《信号处理》2019,35(2):168-175
针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题,提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先,该算法利用迭代最小二乘方法得到噪声协方差矩阵估计,然后对数据协方差矩阵进行“去噪”处理,利用子空间旋转不变技术实现非相关信源DOA估计;其次,基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑,利用求根MUSIC算法估计相干信源DOA。相比于传统算法,该算法能估计更多的信源数,在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。   相似文献   

10.
当存在离格信号时,基于稀疏表示的波达角(DOA)估计算法性能损失严重.为解决这个问题,在对接收数据协方差矩阵进行Khatri-Rao积变换的基础上,推导了离格信号网格偏离量与紧邻信号原子系数之间的关系,提出了一种单一离格信号DOA估计方法.为提高对邻近离格信号DOA的估计性能,利用矩阵的广义逆性质提出了基于多原子系数的联合估计方法.仿真实验表明,单一离格信号DOA估计方法在低信噪比下有较好的性能,联合估计方法在高信噪比条件下对邻近离格信号DOA有较高的估计精度,同时所提算法估计性能几乎不受网格划分间距的影响,可以通过增大网格间距降低算法运算量.相关研究对阵列天线DOA估计具有一定的参考价值.  相似文献   

11.
We address the problem of maximum likelihood (ML) direction-of-arrival (DOA) estimation in unknown spatially correlated noise fields using sparse sensor arrays composed of multiple widely separated subarrays. In such arrays, intersubarray spacings are substantially larger than the signal wavelength, and therefore, sensor noises can be assumed to be uncorrelated between different subarrays. This leads to a block-diagonal structure of the noise covariance matrix which enables a substantial reduction of the number of nuisance noise parameters and ensures the identifiability of the underlying DOA estimation problem. A new deterministic ML DOA estimator is derived for this class of sparse sensor arrays. The proposed approach concentrates the ML estimation problem with respect to all nuisance parameters. In contrast to the analytic concentration used in conventional ML techniques, the implementation of the proposed estimator is based on an iterative procedure, which includes a stepwise concentration of the log-likelihood (LL) function. The proposed algorithm is shown to have a straightforward extension to the case of uncalibrated arrays with unknown sensor gains and phases. It is free of any further structural constraints or parametric model restrictions that are usually imposed on the noise covariance matrix and received signals in most existing ML-based approaches to DOA estimation in spatially correlated noise.  相似文献   

12.

We use one vector and two pressure sensors to form a sparse large aperture L-shape array for high performance two-dimensional (2D) direction of arrival (DOA) and frequency estimation. Because the number of sensors is small and there is only one vector sensor in the presented array, thus, the installation of sensors in the array is simpler and installation error is smaller, than the conventional array. Meanwhile, a high performance 2D DOA and frequency estimation method is presented. Firstly, utilizing single vector sensor and based on the ESPRIT, a group coarse 2D DOA and frequency parameters are obtained. Secondly, to restrain space noise or interference, a matrix filter is utilized to process the covariance matrix which comes from sensor array, so as to form a new covariance matrix which possesses high signal to noise ratio. Thirdly, utilizing the new covariance matrix and based on the ESPRIT again, accurate but ambiguity angles estimates are obtained. Fourthly, one signal power estimator and one optimization method are presented to solve the angle ambiguity and frequency ambiguity problems, respectively. The proposed method gains a high performance 2D DOA and frequency estimation results. Numerical simulations are performed to verify the feasibility of the proposed method.

  相似文献   

13.
论文提出基于平行嵌套阵互协方差的2维(Two Dimensional, 2D)波达角(Direction Of Arrival, DOA)联合估计算法。算法基于两个互相平行的嵌套阵的互协方差生成较长虚拟阵列,同时将2维DOA估计问题降维为1维 DOA估计问题。在构造协方差矩阵时,利用方向矩阵范德蒙特性增加虚拟快拍数,保证了孔径的最小损失。最后算法基于酉旋转不变技术(Estimation of Signal Parameters via Rotational Invariance Technique, ESPRIT)和总体最小二乘(Total Least Squares, TLS)方法进一步降低噪声影响,并获得了自动配对的2维DOA估计。相比传统平行阵下的DOA估计算法,该算法拥有更好的DOA估计性能,能辨识更多的空间信源,对空间色噪声有更强的鲁棒性。仿真结果验证了算法的有效性。  相似文献   

14.
基于噪声子空间解析形式的快速DOA估计算法   总被引:2,自引:0,他引:2  
该文针对特殊的信号环境各辐射源信号均值相等且不为零,利用均匀线阵导向矢量的Vandermonde结构,推导出了噪声子空间的解析形式,并以此为基础提出了利用均匀线阵和稀疏平面阵的1维和2维DOA估计快速算法。该算法不需要计算接收数据的协方差矩阵,也不需要任何矩阵分解,因此计算量远小于传统的超分辨DOA估计,而且无论信号之间是否具有相干性,该方法有相同的估计性能。仿真实验表明,在噪声均值为零且快拍数足够的条件下,该方法的估计性能整体上与Root-MUSIC算法相当,而在信噪比较低时性能优于后者。  相似文献   

15.
为解决极化敏感阵列波达方向(DOA)估计中压缩感知类算法的网格失配问题,该文提出一种基于有限新息率(FRI)的正交偶极子阵列无网格信号参数估计算法。首先,利用均匀正交偶极子线阵中不同极化指向天线的两个子阵,求取其自相关矩阵之和,并通过协方差拟合准则恢复出满足Toeplitz结构的协方差矩阵。然后,利用该协方差矩阵构建FRI信号重构模型,求解以重构结果为系数的多项式的零点,就可以得到入射信号DOA参数的估计结果。最后,根据已估计出的DOA参数以及两个子阵的自相关矩阵和互相关矩阵,利用最小二乘法计算得到入射信号的极化参数估计结果。仿真实验表明,该算法与子空间类和压缩感知类算法相比,具有更高的估计精度及更好的角度分辨力。  相似文献   

16.
现有的单比特稀疏双极子阵列的波达角估计方法为子空间方法,其估计精度依赖于信号的统计特征,并且没有充分利用协方差矩阵的结构,导致其估计精度较低。为了提高该阵列的波达角估计精度,本文提出了一种基于原子范数最小化的无网格稀疏化波达角估计方法。该方法将稀疏双极子阵列的波达角估计转化为标量阵波达角估计,并根据参数空间的连续性构造基于原子集的阵列信号稀疏模型,随后利用单比特采样下噪声的稀疏特征,将该波达角估计问题转化为相似文献   

17.
估计相干与非相干信源的ESPRIT新方法   总被引:1,自引:0,他引:1  
在目前信号波达方向(DOA,Direction-of-Arrival)估计中,ESPRIT算法是一种速度快、精度高的常用算法,但对于低信噪比下混合信号(同时含有相干与非相干信号),ESPRIT算法难以估计出它们的DOA。提出了一种新的同时估计相干与非相干信源的ESPRIT方法,新方法充分利用数据协方差矩阵的自相关信息和互相关信息来重构含有信号方位信息的矩阵,再从它的特征值中解得信号的到达角。新方法解决了常规ESPRIT算法不能解相干,对信噪比要求高等问题,且与同类算法相比较,分辨能力和估计精度明显提高。仿真实验证明了该方法在混合信号估计中的优越性和可靠性。  相似文献   

18.
针对未知非平稳噪声背景下相干信源的波达方向估计问题,提出了一种T差分平滑快速(TDSF)算法,算法根据非平稳噪声对角占优的特性,通过构造一个T矩阵,对协方差矩阵进行T变差分平滑运算,可同时分辨相干和非相干信源.算法采用幂迭代法直接获得噪声子空间,无需特征值分解,运算量较小,可有效地消除非平稳复噪声的影响,且不存在伪峰问题,适用于广泛的未知非平稳噪声和低信噪比环境.计算机仿真实验证实了算法的有效性.  相似文献   

19.
基于稀疏表示技术,该文提出一种相干分布式非圆信号的参数估计新方法。该方法将信号的非圆特性引入分布式信源模型,充分利用非圆信号的特性,联合阵列输出协方差矩阵和椭圆协方差矩阵,并将其矢量化之后表示在受制于稀疏限制的过完备字典上;然后将DOA估计转化为一个稀疏重构问题,能够一次性求解出中心DOA和角度扩展。仿真结果表明,该方法适用于各种非圆率的非圆信号,具有较好的信噪比性能和分辨力,所提出的方法还能对圆和非圆信号同时存在的情况进行有效估计。  相似文献   

20.
To solve the problem of direction-of-arrival (DOA) estimation for partly calibrated array, a new gain-phase error matrix estimation scheme and a smoothed sparse signal reconstruction method tailored for the complex-valued covariance matrix are proposed. In the proposed method, DOA estimation is achieved by employing the structure of the covariance matrix for the error matrix estimation and the complex-valued gradient matrix based fast non-convexity data reconstruction. The proposed method has much faster computational speed than other sparse DOA estimation methods with partly calibrated array. In addition, simulation results show that it performs well and is independent of the errors.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号