基于频率着色的稀疏贝叶斯宽带波达角估计方法

为了提升稀疏贝叶斯(Sparse Bayesian Learning, SBL)算法在干扰环境下对目标信号的检测能力,提出将频率着色技术(Frequency Coloring, FC)推广至SBL算法中。在SBL-FC算法中,首先将阵列接收信号通过傅里叶变换转换至各个子带,在各子带内利用SBL算法进行波达角估计,输出功率谱。不同于常规的SBL算法仅将各子带的功率谱进行简单地叠加,算法考虑干扰和目标频谱结构的差异性,对各子带进行不同的着色,使得干扰和目标轨迹在方位时间历程图上对应于不同的颜色,从而使得目标轨迹更易被提取。数值仿真和实验数据分析表明,利用目标和干扰频谱结构的差异性可有效提升SBL算法在干扰环境下对目标信号的检测能力。     

基于协方差矩阵Toeplitz重构的MUSIC算法的波达方位估计方法

针对传统波达方向（Direction of Arrival, DOA）估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题,文章提出了一种基于协方差矩阵托普利兹（Toeplitz）矩阵重构的多重信号分类（Multiple Signal Classification, MUSIC）算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵,并利用新协方差矩阵构造Toeplitz矩阵,然后对其进行特征值分解,得到Toeplitz矩阵的噪声子空间,利用噪声子空间求出信号空间谱,通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径,增加了可估计相干信号的数量,提升了方位估计的性能,提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明,文中方法可估计出更多的相干信号,而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。     

基于野马优化的宽带信号波达方向估计

针对宽带阵列信号的波达方向(DOA)估计问题,提出一种将野马优化(WHO)算法与极大似然(ML)估计算法相结合的宽带信号估计方法。首先利用双边相关变换(TCT)算法将宽带信号转变为窄带信号,然后建立基于ML的DOA估计模型,最后通过WHO算法进行优化估计。通过一系列仿真实验,并与基于正弦余弦算法(SCA)、遗传算法(GA)、粒子群算法(PSO)的ML估计方法对比,表明所提算法具有更好的收敛速度、更低的均方根误差和更稳健的性能。     

基于协方差扩展PM算法的波达方向估计

针对基于传播算子方法(Propagator Method, PM)的水听器阵波达方向(Direction of Arrival, DOA)估计在低信噪比或者小快拍数时性能变差的问题,文章提出一种改进的基于PM算法的水听器阵方位估计方法。该方法利用信号子空间的旋转不变性特征对协方差矩阵进行扩展和重构,通过分块协方差矩阵的子矩阵得到传播算子矩阵。通过传播算子矩阵构造扩展噪声子空间,然后利用信号子空间与噪声子空间的正交性估计空间谱。仿真实验和湖上实验的结果表明：相较于传统PM方位估计算法,文中算法在低信噪比或者小快拍情况下具有较好的方位估计性能,在信噪比为0 dB时,文中方法比传统PM算法均方根误差减少0.6°;在快拍数为150时,比传统PM算法的均方根误差减少0.1°。     

基于阵列协方差矩阵的DOA估计方法

本文提出了基于阵列协方差矩阵稀疏表示的DOA估计方法。该方法首先对接收数据的统计协方差矩阵向量化,并进行重排序和去冗余,得到虚拟阵列的入射信息;然后对整个角度空间域进行栅格划分,将DOA估计问题转化为稀疏表示模型,并利用模型的平方误差分布特性确定正则化参数;最后利用数值软件包,通过内点法求解。仿真结果表明,该方法计算量较低,并且在低信噪比、低快拍数下具有良好的性能。     

基于Y形阵的宽带信号波达方向估计研究

理论分析表明,Y形阵具有所需阵元少和在DOA估计的范围内其估计性能基本保持一致等优点,是角度一致性和阵元数的较好折衷,在阵元数受限和对角度一致性要求较高的场合具有较高的应用价值。为了研究Y形阵在宽带信号的DOA估计中的性能,将Y阵与双边相关变换算法相结合,对多个宽带相关信源进行DOA估计。计算机仿真实验结果验证了上述理论分析的正确性。     

稳健的稀疏信号单快拍波达方向估计

通过稀疏重构得到传感器阵列输出数据的稀疏表示模型,研究了单快拍采样情形下的信号到达角(Direction of Arrival, DOA)估计问题。提出了一种基于最小均方误差(Minimum Mean-Square Error, MMSE)准则迭代实现的单快拍到达角估计算法(Iterative Implementation of MMSE, II-MMSE)。该算法将原有的稀疏表示模型中稀疏信号矢量的求解问题,转化为迭代求解稀疏功率对角阵,进而估计多目标信号的DOA。给出了算法的完整实现流程,从理论上分析了II-MMSE算法的迭代收敛性和对阵列模型误差的鲁棒性。仿真结果表明,II-MMSE算法在低信噪比、相干背景、小样本、阵列未校准等条件下都具有良好的测向精度和多目标分辨能力。     

稳健协方差矩阵重构波束形成算法

针对信号导向向量失配以及接收数据协方差矩阵存在误差会导致传统的自适应波束形成器产生能损失的问题,提出了一种基于干扰加噪声协方差矩阵重构的稳健波束形成算法.该算法通过对信源来波角度范围进行Capon谱估计得出重构信源协方差矩阵,并通过特征分解以及子空间性质得出信源的导向向量,然后利用重构所得信源导向向量计算出信源功率以及...     

空间散射电磁波的波达方向估计

基于均匀圆阵，提出一种空间散射电磁波的波达方向估计方法。直接利用均匀圆阵的阵列流形，采用最小二乘算法估计二维方向角，并且分析了最小二乘估计算法的数值稳定性。此方法充分利用了均匀圆阵的良好性能，对信号类型具有鲁棒性。计算机仿真证明了此方法的有效性。     

基于协方差矩阵的B-样条多尺度表示的角点检测

在B.样条尺度空间下定义了平面轮廓在其支撑区域(ROS)内的协方差矩阵的多尺度表示,矩阵的最大特征值对应的向量表示轮廓切线方向.将各个尺度下的切线方向变化率的乘积定义为多尺度积.而角点就定义为多尺度积大于给定阈值的局部极大值所对应的点.由于多尺度乘积融合了轮廓在不同尺度下的特征信息,增强了特征点的响应,抑制了噪声的影响,因而所提出的算法既能精确定位,又对噪声有良好的鲁棒性.通过实验证明了算法具有旋转不变性,并对微小的尺度变化不敏感,而且与其他的角点检测器进行了对比.     

ESPRIT扩展孔径技术在矢量水听器线阵中的应用

ESPRIT算法是一种用信号旋转不变性来估计信号参数的方法,属于子空间分解技术。应用于矢量阵扩展孔径的方位估计时,则需要一定的算法去除其本征模糊。文中提出了一种适用于矢量水听器线阵的ESPRIT去模糊算法——MUSIC,并与另一种粗略估计去模糊的方法在性能上作出比较。仿真的结果证明:使用MUSIC方法不仅可以去除ESPRIT算法中的本征模糊,还可以克服线阵中的左右舷模糊问题,就不必进行归一化、不需要考虑声压传感器的存在。不论是单目标方位估计还是双目标分辨都具有更大的方位角估计适用范围和更强的稳定性。     

矢量线阵MUSIC算法抗空间混叠性能研究

利用矢量线阵可以提高对目标参数估计的性能,探讨了矢量线阵MUSIC算法的抗左右舷模糊性能和抗空间混叠性能。理论研究和外场试验结果表明,矢量线阵消除了声压线阵MUSIC方位谱的左右舷模糊,在阵元个数保持不变的条件下,空间降采样时,矢量线阵MUSIC空间谱不仅提高了方位估计的精度,而且能够抗空间混叠,在相同的条件下．矢量线阵MUSIC空间谱的抗空间混叠性能明显优于矢量阵常规波束形成方法。     

三维前视声呐信号处理方法

三维前视声像声呐是安装在小型水下载体上的重要声学探测设备。提出了基于波达方向估计技术的三维前视声呐信号处理方法,接收阵水平方向采用波束形成技术,垂直方向采用波达方向估计技术。在波束内采用分裂孔径相位法提高水平方向分辨率,形成声呐阵前方的三维声像。仿真结果和水池实验结果表明:在接收阵面面积相同的条件下,能够获得优于常规技术的分辨率,可以实现点目标和连续目标的探测,适合于在水下载体上安装使用。     

谱校正技术在水下信号波达方向估计中的应用

针对具有不稳定强线谱特征的水下目标,提出了一种基于目标线谱校正技术的信号波达方向估计(Direction of Arrival,DOA)方法,该方法结合矩形窗谱校正技术和全相位修正方法对目标线谱参数进行估计,从而计算目标方位.对该技术进行了仿真研究,并应用于实际水下目标线谱方位估计和单频脉冲波(Cw波)的DOA估计中....     

多目标水声信号的稀疏重构反卷积测向算法

针对浅海复杂定位环境下信噪比低、多信源目标方位估计分辨能力低的问题,文章提出了多目标水声信号的离格稀疏贝叶斯学习重构反卷积测向算法。首先,该算法利用维纳滤波反卷积算法对阵元接收的信号进行“去噪”处理,然后对信号数据进行奇异值分解,从而降低噪声和信号重构过程的计算量;再建立离格稀疏信号模型,通过贝叶斯学习算法得到最大后验概率;最后求出多个目标信源的波达方向估计值。文章所提算法通过使用维纳滤波反卷积超分辨算法,获得了更高的方位估计的分辨率,提高了对多个目标的检测性能。仿真分析和海试实验数据结果表明,与MUSIC算法和OGSBI算法相比,该方法在信噪比大于-8 dB时,方位估计的均方根误差在1°以内,并在多目标定位精度、算法鲁棒性以及运行速度上均有更优的性能,为水下多目标波达方向估计提供了参考。     

Analysis of subspace-based direction of arrival estimation methods

In this paper, a general framework for the analysis of eigen-based subspace methods is developed. It is shown that a two-step procedure can be effectively used to analyse subspace methods under fairly general conditions. The first step relates the errors in the covariance matrix to errors in the subspaces, and the second step relates error in the subspaces to the errors in the direction of arrival (doa) estimates. Combining these two steps along with the statistics of the data, expressions for the mean squared error in thedoa estimate are derived. The potential of the approach is demonstrated by analysing two subspace methods,music and the minimum-norm method. This work was supported by the USarmy Research Office under Grant No.daal-03-90-g-0095.     

矢量线阵二维波达方位估计的方法

声矢量传感器南声压传感器和质点振速传感器组成,它可以空间共点、时间同步测量声场的声压标量和振速矢量信息。钏对声压线阵无法同时分辨目标的方位角和俯仰角,而三维矢量传感器线阵会带来成本的增加和工程应用上的困难．利用二维矢量传感器组成的直线阵对目标的二维波达方位进行联合估计,详细推导了矢量阵MUSIC算法的数学表达式,并着重对矢量线阵在三维坐标不同轴上时对方位估计的影响进行了研究。仿真结果表明二维矢量线阵布放在水平的X轴或Y轴上时存在方位模糊．而布放在垂直的Z轴上时可以实现全空间无模糊定向,且对双目标也有较高的分辨率。     

Spatial smoothing with uniform circular arrays

In this paper, we extend and analyse spatial smoothing with uniform circular arrays (UCA’s). In particular, we study the performance of the Root-MUSIC with smoothing in the presence of correlated sources, finite data perturbations and errors in transformed steering vector that arise due to some approximations made to enable the extension of the Root-MUSIC and smoothing to UCA. Expressions are derived for the asymptotic performance of the Root-MUSIC with smoothing applied to the transformed UCA data. An attempt has been made to bring out the impact of both forward and forward-backward smoothing. Computer simulations are provided to demonstrate the usefulness of the analysis.