相干/同向信号波达方向与多普勒频率的联合估计

针对相干/同向信号波达方向(DOA)与多普勒频率的联合估计问题,提出了一种基于特征空间的修正二维MUSIC联合估计算法。首先,建立包含DOA和多普勒频率信息的广义阵列信号模型,通过共轭重构对阵列接收信号的协方差矩阵进行修正,使其有效适用于相干/同向信号下DOA与多普勒频率的联合估计。同时,在二维MUSIC算法的基础上,提出了一种基于特征空间的DOA与多普勒频率联合估计算法,该算法充分利用了信号子空间和噪声子空间的信息,并且可以对源信号功率进行估计。对该算法加以修正后同样可以应用于相干/同向信号的DOA与多普勒频率联合估计,且可以得到比修正二维MUSIC算法更好的估计效果。最后,通过仿真试验验证了本文算法的有效性。     

分布式信号源波达方向估计方法

在多径导致的局部散射信号条件下,利用信号源的一阶近似,提出了一种新的分布式信号源波达方向估计方法。新方法不仅改善了波达方向估计性能,且适用于空间信号分布的函数形式未知、分布函数形式不同的分布式信号源同时存在或其他较复杂的空间信号分布情况。     

波达方向(DOA)估计方法的研究

本文在介绍传统的DOA估计技术基础上，针对其不足之处，介绍了近年来DOA估计中出现的新的信号处理技术，主要包括高阶累积量、高阶谱技术、时频分析技术、循环平衡信号分析与处理技术等，并介绍了这几种方法的主要基本思想及应用背景。最后给出了MUSIC算法、ESPRIT算法及基于累积量的DOA估计算法的仿真结果。     

矢量重构解相干的波达方向估计新方法

针对相干信号波达方向(Direction of Arrival, DOA)估计问题,提出一种新的矢量重构解相干方法——变参考阵元数据互相关矢量重构算法。算法依次改变阵列参考阵元,求得所有阵元接收数据与对应参考阵元接收数据之间的互相关信息,并以此作为重构矩阵的列矢量构造一个等效协方差矩阵,然后基于MUSIC和ESPRIT算法,估计相干信号的波达方向。数学推导和理论分析表明,重构的矩阵能对相干信号完全解相干。算法不损失阵列孔径,在低信噪比和少量快拍数据条件下,估计性能要优于Toeplitz矩阵重构算法和前后向空间平滑算法。     

基于压缩感知理论的宽带信号波达方向估计

针对一维宽带信号波达方向(DOA)估计中聚焦变换算法需要角度预估值的问题,在双边相关变换算法基础上设计了一种无需角度预估值的DOA估计算法.首先,利用离散傅里叶变换(DFT)变换将宽带信号分解为若干个不同频点处的窄带数据模型.然后,通过本文改进的聚焦矩阵将不同频点处的窄带数据聚焦到同一参考频点,得到单一频率点处窄带信号...     

基于二次虚拟扩展的高分辨率波达方向估计方法

为进一步提高天线阵波达方向估计的分辨率,在四阶量多重信号分类方法的基础上,提出一种高分辨率的波达方向估计方法.利用阵列接收数据的四阶矩量进行虚拟阵列扩展,再利用阵列接收数据的共轭进行虚拟阵列扩展,实现二次虚拟扩展;将扩展后的阵列导向矢量和协方差矩阵用于波达方向估计,与原阵列导向矢量和协方差矩阵相比,相当于构造了更多的虚拟阵元,并扩展了阵列的孔径.仿真结果表明:与四阶量多重信号分类等波达方向估计方法相比,所提出的方法在波达方向估计中成功概率更高,均方误差更低,具有更高的分辨率.所提方法通过二次虚拟扩展,构造了更多的虚拟阵元,有效地提高了天线阵波达方向估计的分辨率.     

复杂环境下的循环平稳信号DOA估计

针对复杂战场环境下,接收机周围可能存在多个照射源,并且照射源基本信息未知,无法区分感兴趣信号和干扰信号,无法得到准确的感兴趣基站方位信息的问题,提出基于循环平稳的感兴趣基站到达角估计方法.首先针对被动接收情况下循环平稳信息无法获取的问题,提出利用接收信号获得各基站信号的循环频率信息的方法.随后提出利用感兴趣信号的循环频率增强感兴趣信号,同时抑制其他杂波干扰.最后仿真验证文中方法能够获得比常规方法更准确的到达角估计,并适用于阵列天线小于信号源个数的欠定情况.     

基于旋转不变阵列的分段平稳信号欠定DOA估计

为克服KR-MUSIC算法限定阵列为均匀线列阵、需要空域谱搜索、计算量较大的缺点,提出了一种基于旋转不变阵列的DOA估计算法,扩大了应用范围,且算法通过解析运算估计DOA,避免了计算量较大的谱搜索.该算法可估计的DOA个数由KR-MUSIC方法的2N-1增加到N²/2.仿真结果表明,在同样信噪比、帧长和帧数条件下,本文算法的性能要优于KR-MUSIC算法.     

相干分布式目标一维波达方向搜索迭代估计方法

在信号源角分布函数具体的数学形式未知的情况下,基于角分布函数共轭对称性约束条件,提出了一种相干分布式目标一维波达方向搜索迭代估计方法,该方法不用多维参数搜索,并适用于角信号分布函数形式不同的分布式目标同时存在的情况。     

基于特征空间MUSIC算法的相干信号波达方向空间平滑估计

为了高效、准确地估计相干信号的波达方向(DOA),提出了一种基于特征空间多重信号分类(MUSIC)算法的空间平滑估计方法。首先对相干信号进行空间平滑处理,然后对其应用特征空间MUSIC算法进行DOA的精确估计,使其最大限度地利用信号子空间和噪声子空间的信息。本文方法并不影响非相关信号存在时DOA的估计,且还可以对信号源功率进行有效的估计,以提高对小能量信号的成功估计概率。与传统空间平滑算法及修正MUSIC算法相比,本文方法具有更低的信噪比门限和更高的估计精度及分辨力。最后的仿真实验验证了本文方法的有效性和鲁棒性。     

宽带相干源快速测向算法研究

通过对导向矢量进行分割,构造出一种可预先计算并存储的一致聚焦矩阵,避免了聚焦矩阵的实时求取。同时利用窄带传播算子方法替代MUSIC算法,进一步减少了聚焦后测向的计算量。计算机仿真结果证明算法在保证高分辨率的同时,能实现宽带相干源的快速测向。     

Wideband Direction-of-Arrival Estimation Based on Deep Learning

The performance of traditional high-resolution direction-of-arrival (DOA) estimation methods is sensitive to the inaccurate knowledge on prior information, including the position of ar-ray elements, array gain and phase, and the mutual coupling between the array elements. Learning-based methods are data-driven and are expected to perform better than their model-based counter-parts, since they are insensitive to the array imperfections. This paper presents a learning-based method for DOA estimation of multiple wideband far-field sources. The processing procedure mainly includes two steps. First, a beamspace preprocessing structure which has the property of fre-quency invariant is applied to the array outputs to perform focusing over a wide bandwidth. In the second step, a hierarchical deep neural network is employed to achieve classification. Different from neural networks which are trained through a huge data set containing different angle combinations, our deep neural network can achieve DOA estimation of multiple sources with a small data set, since the classifiers can be trained in different small subregions. Simulation results demonstrate that the proposed method performs well both in generalization and imperfections adaptation.     

非圆信号多级维纳滤波DOA估计求根算法

针对非圆信号DOA估计的计算量问题, 运用多级维纳滤波和信号子空间的多项式求根方法, 提出了一种快速算法. 首先利用非圆信号特性构造出扩展阵列输出矩阵, 然后不需进行协方差矩阵的生成和分解, 利用多级维纳滤波求出信号子空间, 针对均匀线阵推导出信号子空间多项式求根方法, 得出目标的DOA估计值. 新算法的均方根误差性能与非圆信号求根MUSIC算法、非圆信号ESPRIT算法、非圆信号扩展传播算子算法等快速算法相仿, 但是计算量小于已有的算法, 特别是在阵元数较多的情况下算法的实时性优势更加明显.     

非均匀噪声环境下基于矩阵补全的DOA估计方法

针对传统的信号波达方向（DOA）估计算法无法适用于实际应用中非均匀噪声、数据不完整等情况的问题,提出了一种结合矩阵补全理论和最大似然交替投影算法的DOA估计方法。在背景噪声为非均匀噪声的情况下,该方法通过对只有部分元素已知的阵列协方差矩阵进行矩阵补全,将稀疏矩阵重构为无噪声协方差矩阵,然后利用最大似然交替投影算法实现对DOA的估计。实验仿真表明:该DOA估计方法能够有效恢复不完整数据并抑制非均匀噪声的影响,而且在低信噪比条件下,仍具有较好的DOA估计性能。     

适于相干信号DOA估计的改进矩阵差分方法

提出一种适用于色噪声背景下窄带信号的波达方向估计方法. 假设未知色噪声协方差矩阵具有对称的Toeplitz结构,利用线性变换改变阵列协方差矩阵,并与阵列协方差相减,理论上消除了噪声对算法估计性能的影响. 新差分算法适用于信号不相干或仅有2个信号相干的波达方向估计. 当相干信号多于2个时,通过与空间平滑算法结合,拓展了算法的应用范围. 与传统差分算法相比,新算法避免了“伪”波达方向估计,降低了计算复杂度. 仿真实验结果表明,新算法具有优越的估计性能.     

利用时间平滑技术估计相干信号二维波达方向

时间平滑技术可以用来解决相干信号源的波达方向估计,但现有的算法只适合于一维波达方向估计,不能直接扩展到二维。在均匀圆阵的基础上,本文把时间平滑技术推广应用于二维波达方向估计,提出了一种时间平滑UCA-ESPRIT算法,该算法能在多径环境中估计多个信号源的所有二维来波方向,并能够对来波按不同的用户进行分组。该算法能估计的来波方向数目远超过阵元数目。计算机仿真实验验证了算法的有效性。     

基于均匀线阵的改进MUSIC算法

在相干信源下,传统的MUSIC（MUltiple SIgnal Classification）算法不能准确地估计波达方向。为此,在对传统的MUSIC算法进行研究的基础上,提出了一种改进的MUSIC算法。该算法是将阵元接收的数据做相应的变换,从而得到新的阵列数据,再通过求互协方差等运算,得到新的数据协方差矩阵。同时,对该算法和传统的MUSIC算法进行了仿真,对其DOA（Direction-of-Arrival）估计性能进行比较。仿真实验表明,改进后的算法在相干信源的情况下具有很好的去相干性能,而且没有阵列孔径的损失。能精确地估计信号的波达方向。     

信号相关性与DOA估计

窄带波达方向(DOA)估计模型中,相干信号的问题很容易引起混淆。一些文献简单地认为频率不同的信号是不相干的,而频率相同的信号就是相干信号。因此,在建立不相干信号的DOA估计模型时,采用不同中心频率的信号,而使用的方向矩阵却采用同一个信号频率,该文提出,当信号中心频率不同时,应采用各自相应的频率来建立方向矩阵。其DOA估计应采用宽带信号的DOA估计方法,也就是应该对不同的频率进行聚焦。而采用同一个频率来建立的方向矩阵恰好同聚焦后的信号模型相同,因此,其估计结果也就是正确的。但这样的信号模型与事实并不相符。该文严格按照相干信号的定义证明了只有频率和初始相位都相同的窄带信号才是相干信号,最后通过计算机仿真验证了这一点。     

QAM载波频偏估计的非线性变换分析

针对一类无数据辅助的非线性最小均方(NLS)载波频偏估计算法进行研究,讨论了其针对QAM信号的应用。通过最小化其估计方差,讨论了其基于信噪比信息的最佳非线性变换,随后给出不同信噪比下的近似算法,同时提出一种中高信噪比下的简化算法,仿真结果表明算法性能比传统的四次方算法有明显的改进。