阵列误差下的波达方向估计

由于阵列误差的存在会降低波达角的估计精度,重点研究了迭代求解混合范数约束下的稀疏谱以提高估计精度。考虑一维线性阵列,首先建立了统一的优化函数,高精度地估计信号子空间;然后推导了误差矩阵向量化的方法,简化求解耦合误差和幅相误差的过程;最后推导了Khatri-Rao积下的扩展正交导向矢量,根据优化函数迭代求解空间谱估计。对比不同方法估计参数的均方根误差表明,通过设计优化函数迭代求解阵列误差、波达角等参数的精度较之现有方法有一定的提高。     

基于ANM的非均匀圆阵二维DOA估计

传统的基于原子范数最小化（Atomic Norm Minimization, ANM）的波达方向（Direction of Arrival, DOA）估计算法无法直接应用于不满足范德蒙德结构的非均匀圆阵,针对这一问题提出了一种基于虚拟阵列变换的改进方法。以某非均匀圆阵作原始阵列为例,首先通过虚拟阵列变换处理原始阵列接收的数据,使其转换为虚拟的均匀L阵接收数据,将非均匀圆阵上的DOA估计问题转化为两个均匀线阵上的DOA估计问题,再利用基于ANM的DOA估计算法与L型阵的二维角度关系还原出方位角和俯仰角。通过仿真与实测实验验证了所提算法应用于非均匀圆阵的可行性,并分析其DOA估计结果,证明其拥有较高的估计精度。     

低比特量化阵列快速无网格化DOA估计方法

针对如何在低比特量化下实现高精度无网格化到达角(DOA)估计的问题,提出了一种基于原子范数最小化的快速DOA估计算法。该方法首先建立阵列接收信号低比特量化前后数据一致性的关系模型,然后采用原子范数最小化实现无网格化DOA估计,因此可将低比特量化下的无网格化DOA估计问题转化为求解量化数据与未量化数据的失配度和相应的原子范数联合最小化问题。为了高效求解该优化问题,该算法采用加速近端梯度技术,通过迭代地执行动量梯度下降和近端投影使得问题收敛。相比于传统基于特征子空间的算法,文中提出的算法在快拍数不足的情况下也同样适用。仿真结果表明：文中所提算法兼具估计的准确性和计算的高效性。     

基于虚拟阵列的二维稀疏阵列相干源DOA估计

波达方向DOA估计是雷达阵列信号处理的一个重要方向,传统的MUSIC算法对均匀阵列条件下独立信号源的估计有很强的适应性,但实际的雷达工作中,稀疏布阵下多相干源测角是一个经常出现的应用场景。文中针对二维稀疏阵列的相干源测角,提出了一种基于虚拟阵列的相干源DOA估计方法。该方法利用虚拟阵列内插的方法,将一个任意二维稀疏阵列内插为一个均匀面阵,再通过二维空间平滑方法对相干源进行测角,能够同时获得信号的方位角和俯仰角信息。稀疏面阵和稀疏圆阵的仿真实验结果表明,该方法可以有效的解决二维稀疏阵列的相干源测角问题。     

基于压缩感知DOA估计的稀疏阵列设计

根据格拉姆(Gram)矩阵优化测量矩阵的方法,给出了一种基于压缩感知波达方向(DOA)估计的均匀线阵的稀疏阵列设计方法.该方法不需要对阵列的输出数据进行压缩采样,直接利用稀疏阵列的输出数据,然后利用稀疏恢复算法求解DOA估计信息.实验仿真证明,相比于原均匀线阵,所提方法在阵元数目较少且信噪比较低的情况下具有更好的DOA估计性能.     

阵元失效条件下的高精度DOA估计方法

为解决波达方向（Direction Of Arrival,DOA）估计方法在阵元失效条件下性能下降甚至失效的问题,本文提出一种基于Toeplitz协方差矩阵重构的DOA估计方法.首先,提出了一种失效阵元检测方法,并根据阵列的鲁棒性将失效阵元分为冗余阵元失效和非冗余阵元失效两种情况.然后,分别针对两种失效场景提出相应DOA估计方法：一是冗余阵元失效,利用阵列冗余度,结合差联合阵列对失效阵元进行填充;二是非冗余阵元失效,利用阵列冗余度进行填充后仍存在空洞,结合矩阵填充理论,用迹范数代替秩范数进行凸松弛以恢复协方差矩阵,进而实现对虚拟阵元空洞的填充,恢复阵列自由度.相对于稀疏类算法,有效消除了模型失配的影响.最后,基于子空间方法进行DOA估计.理论和仿真结果表明,相对于现有方法,本文方法有效避免了阵元失效的影响,提高了估计精度.     

基于稀疏采样阵列优化的APG-MUSIC算法

针对稀疏阵列下2维波达方向(DOA)估计问题,该文提出一种基于稀疏采样阵列优化的加速逼近梯度(APG)算法与多重信号分类(MUSIC)算法相结合的2D-DOA估计方法。首先,建立稀疏阵列下的2D-DOA估计信号模型,并证明其具备低秩特征,满足零空间性质(NSP)。其次,为提高稀疏阵列下矩阵填充方法重构接收信号矩阵性能和以此为基础的2D-DOA估计精度,提出基于遗传算法(GA)的稀疏采样阵列优化方法。最后,将APG和MUSIC算法相结合,在重构完整平面阵列接收信号矩阵的基础上完成2维波达方向估计。计算机仿真结果表明,该方法在保证2维波达方向估计精度前提下,大幅提高阵元利用率,有效降低空间谱平均旁瓣,与常规2D-DOA估计方法相比具有优势。     

均匀圆阵二维波达角估计的Cramer-Rao界

均匀圆阵(UCA)是一种应用广泛的具有二位波达角估计能力的平面阵列。为了从理论上分析不同阵列参数下到达波方位角(AOA)、仰角估计精度,推导了均匀圆阵二维波达角估计的性能界,以此为基础分析了阵列孔径、阵元个数、快拍数以及来波仰角高低与到达角估计精度的关系,并通过对UCA-MUSIC算法计算机仿真验证了推导结果的正确性。研究结果为波达角估计类算法提供了可供参考的性能下界,圆阵设计时也不再需要大量的Monte Carlo仿真试验确定阵列参数,可直接从估计精度表达式中获得。     

基于MI-MUSIC的分布式阵列波达方向估计方法

针对分布式阵列的波达方向估计,提出了一种基于多尺度旋转不变(MI)MUSIC的波达方向估计方法。首先对分布式阵列进行子阵划分,构造具有多尺度旋转不变性的子阵;然后利用酉ESPRIT算法得到精度低但无模糊的粗估计,采用MI鄄MUSIC算法得到一组精度高但包含模糊的精估计;最后以粗估计为参考解精估计的模糊,从而得到高精度无模糊的波达方向估计。所提方法具有分布式阵列及MI-MUSIC的优点,对子阵内部阵元位置误差不敏感,且精度较双尺度ESPRIT高。计算机仿真结果验证了该方法的有效性,也验证了分布式阵列DOA估计中存在基线模糊门限与信噪比门限。     

子阵位移误差条件下的线阵被动合成孔径方法研究

研究子阵位移误差对被动合成孔径定位结果的影响,通过将各虚拟子阵阵间位移误差作为参数引入阵列模型,提出一种基于子阵位移失配模型的直线阵稀疏贝叶斯目标方位估计方法,可同时估计子阵间位移误差和波达方向.仿真和水池水平阵被动合成孔径实验结果表明,使用子阵位移误差情况下的稀疏贝叶斯目标方位估计方法进行多声源情况下被动合成孔径方位...     

一种平面稀疏阵列的快速综合方法

以快速综合出满足期望方向图以及阵元数最少的平面阵列为目标,提出一种基于迭代加权1范数的平面阵列综合方法。该方法将平面稀疏阵列综合问题转化为加权1范数最小化的稀疏信号重构过程,并利用拉格朗日乘数法求解每次迭代中的阵列加权向量的闭式解,由于二维平面的空间采样导致闭式解中存在大规模矩阵的求逆运算,进而引入共轭梯度法以促进算法加速收敛。当满足迭代终止条件时,由加权向量的非零值确定平面阵列的阵元位置及其激励。仿真结果表明,该方法能有效提高平面稀疏阵列综合的收敛速度。     

基于双频虚拟互质阵列的均匀稀疏阵列DOA估计算法

提出了一种利用双频工作模式解决均匀稀疏阵列波达方向角(DOA)估计的方法。对一个物理均匀稀疏阵列,引入一个合适的额外工作频率,通过优选阵元数量及阵元间距,构建一个虚拟稀疏阵列,使得虚拟阵元间距与相邻真实均匀稀疏阵列的阵元间距成互质关系;物理均匀稀疏阵列与虚拟阵列组合形成一个自由度更高的虚拟互质阵列,将两个频率的接收信号对应合并后进行相关处理,得到虚拟互质阵列的阵列流形相关矩阵;基于相关间隔与差协同阵阵元位置的一一对应关系,对虚拟相关矩阵进行矩阵增广实现DOA估计,能够获得更高的自由度,突破物理阵元数目对最大可分辨信源数目的限制。基于MUSIC 算法的仿真结果验证了算法的可行性。     

尺度不变范数比正则的稀疏DOA估计

波达方向估计(Direction Of Arrival,DOA)通过使用传感器阵列来识别声源方位,而传统的DOA估计方法忽略了声源在空间分布的稀疏性,目前的凸稀疏DOA估计方法和非凸稀疏DOA估计方法所使用的惩罚函数未考虑稀疏度量l₀范数的重要特性——尺度不变性,因此无法精确描述声源的空域稀疏结构,难以获得较高的DOA估计精度.为此,本文首先使用具有尺度不变性的范数比函数来逼近l₀范数,刻画声源空域稀疏结构;接着,针对范数比函数的非凸特性,采用光滑化的思想,构建了平滑的近似函数;然后,构建了基于光滑l_p比l_q范数的稀疏DOA估计模型,开发了基于光滑l_p比l_q范数的稀疏DOA估计算法(Smoothed l_p-Over-l_q regularized Sparse DOA Estimation algorithm,SPOQ-SDOA).大量仿真分析表明,与流行的多快拍DOA估计算法相比,本文提出的算法在不同信噪比和快拍...     

基于TOEPLITZ重构的压缩感知嵌套阵列DOA估计

针对传统稀疏阵列波达方向（DOA）估计算法在小快拍数、低信噪比和多信源数等条件下的估计精度不高的问题,提出了一种基于TOEPLITZ重构的压缩感知嵌套阵列DOA估计方法。首先利用TOEPLITZ重构方法将虚拟阵列的输出信号向量构建成满秩协方差矩阵,然后利用信号在空间域的稀疏性,将阵列协方差矩阵进行稀疏表示,通过噪声子空间和信号子空间的正交关系构建权值向量,对稀疏向量进行加权约束,最后通过求解最优化方程获取入射信源的DOA估计。仿真结果表明,本文方法比传统稀疏阵列DOA估计算法在低信噪比、小快拍数和多信源数下具有更好的DOA估计性能。     

循环平稳信号的联合稀疏表示DOA估计

基于联合稀疏表示的思想,本文提出了一种利用二阶循环统计量的循环平稳信号波达方向（DOA）估计算法。首先,对传统的谱相关信号子空间拟合算法进行分析研究;然后,通过在循环域构造过完备的阵列方向矩阵字典,建立了联合稀疏表示模型,从而将循环平稳信号的DOA估计问题转化为联合稀疏矩阵的恢复问题;最后,利用联合Ι_2,0范数逼近法求出联合稀疏矩阵的优化解,并根据优化矩阵中非零行的位置估计出循环平稳信号的DOA。与传统的SCSSF算法相比,所提算法具有更高的DOA估计精度,同时也适用于信号个数多于阵元个数的场合。理论分析和仿真实验结果都表明了算法的有效性。      

基于L型和差嵌套阵的二维波达方向估计

针对传统L型均匀阵列二维波达方向（Direction of Arrival,DOA）估计中可估计信源数目受限于阵元数、分辨率低等问题,提出了一种新的L型和差嵌套阵列结构。该L型阵列的两个子阵布置相同,是非均匀的稀疏阵,通过阵元位置之间的差分、求和操作达到虚拟扩展阵元数目的效果,从而提升阵列的自由度。采用该阵列进行二维DOA估计时,两个子阵分别先进行一维的DOA估计,再采用PSCM（Pair-matching Signal Covariance Matrices）算法进行一维角度配对。每个子阵进行一维波达方向估计时,先采用VCAM（Vectorized Conjugate Augmented MUSIC）算法生成非均匀稀疏阵的求和求差协方差矩阵,再采用矩阵重构的方法恢复协方差矩阵的秩,最后对协方差矩阵采用MUSIC（Multiple Signal Classification）算法进行DOA估计。实验仿真表明,本阵列有着更高的自由度和估计精度。      

一种稀疏表示的二维DOA降维估计新算法

提出了一种基于空间锥角降维的二维DOA稀疏分解估计新方法,解决了利用稀疏表示方法进行二维DOA估计时计算复杂度大的问题.根据L阵列的结构特性,引入空间锥角表示信号的二维DOA信息,构造空间锥角冗余字典,通过稀疏正则化求解实现空间锥角的估计,然后利用求解得到功率实现L阵列中两个子阵之间的空间锥角配对,从而达到对多来波的二维DOA估计的目的,其避免了方位角和俯仰角组合而造成冗余字典庞大的问题,极大地减少了稀疏分解的计算量.仿真和实测数据结果均验证了该方法的有效性和优越性,为进一步的工程应用奠定了基础.     

子阵分级处理与稀疏恢复联合的抗主副瓣干扰方法

传统的抗干扰方法在低信噪比条件下性能恶化,对此本文提出了子阵分级处理与稀疏恢复联合的抗干扰方法。新方法首先按照一定规则将全阵列划分为多个子阵列;然后利用自适应波束形成（ADBF）技术抑制各子阵接收信号中的副瓣干扰信号,并将各子阵ADBF后的输出数据联合,构建新的阵列数据;最后通过新构建的阵列数据构建稀疏表示,改进了多测量向量降维提升法（ReMBo）,并与交叉方向乘子法（ADMM）联合进行稀疏恢复,分离得到目标回波信号,并得到了波达角（DOA）的估计。仿真实验表明,新方法能有效对抗主副瓣干扰,与其它方法相比,具有更好的目标检测和DOA估计性能,特别是在低信噪比的条件下。      

一种基于平行稀疏阵列虚拟孔洞填充的二维DOA估计算法

采用稀疏阵列进行波达方向（Direction of Arrival,DOA）估计时往往会产生虚拟孔洞，它严重限制了阵列孔径的扩展与阵元自由度的提升。由于孔洞位置与初始阵列阵元数目、排布方式有关，故较难对其进行预填充。为此，提出了一种基于平行稀疏阵列虚拟孔洞填充的二维DOA估计算法，利用双稀疏线阵扩展生成两个不同的虚拟阵列，并利用其中一阵的信息去填充另一阵的孔洞。为尽可能减少总阵元数目，采用提前计算的孔洞位置去设计另一阵列的排布规则，并通过求根多重信号分类(Root-Mutiple Signal Classification，Root-MUSIC）算法替代传统的二维谱峰搜索算法完成对入射角度的估计与自动匹配。实验仿真结果验证了所提算法相比传统算法能以更少的阵元获得更高的估计精度。     

基于协方差、正性和L1范数约束的迭代波达方向估计方法

本文通过将只能用于均匀线阵的PHD方法推广到稀疏线阵,同时将正性约束引入FOCUSS方法,得到了一种基于协方差、正性和l1范数约束进行协方差重建的迭代波达方向(DOA)估计方法.该方法利用了MUSIC方法忽略的反映阵列几何形状的协方差矩阵结构信息和DOA估计的稀疏约束信息,不仅突破了信号源个数小于阵元数的限制,并具有提高DOA估计性能的潜力.理论分析和仿真实验结果表明,这种迭代DOA估计方法一般经过数次迭代就能获得稳定的高分辨率DOA估计.