基于空间时频分布的宽带源波达方向估计

研究了空间时频分布在宽带阵列处理中的应用。在信号时频特征可分的情况,提出一种新的时频域宽带DoA估计算法,充分利用信号不同的时频特征,结合宽带聚集思想对每个源单独处理得到多个源的DoA估计。该方法具有很好的信号选择性以及抑制干扰和噪声的能力,估计性能优干传统空间时频分布方法。仿真结果验证了新方法的有效性。     

多径传播条件下宽带线性调频信号波达方向估计方法

针对信号出现多径传播情况时现有宽带信号波达方向（direction of arrival, DOA）估计方法性能下降的问题,提出了一种多径传播条件下宽带线性调频（chirp）信号波达方向估计方法,该方法将导向有效投影（steered effective projection, STEP）技术与宽带线性调频信号的时频特性相结合,对具有不同时频特性的信号分量进行分离,逐个处理,并以时频分布矩阵代替传统的协方差矩阵,从而构造有效噪声子空间,实现时域角度估计。本方法无需进行信号聚焦操作,因此理论上不受聚焦误差的影响。仿真结果验证了所提方法的有效性。      

基于空间时频分布的高效DOA估计

提出了一种利用信号空间时频特征的高效波达方向（DOA）估计方法。通过计算参考阵元输出与其它阵元输出之间的互时频分布,构造出新的时频域数据矩阵模型,然后在时频面上不同的能量聚集区域内选择时频点,构造空间时频分布矩阵,然后对进行矩阵奇异值分解来实现波达方向估计。与直接构造空间时频分布矩阵的方法相比,该方法构造矩阵的计算量大大减小,并且能处理相干信号。仿真结果验证了算法的有效性。     

基于改进多信号分类算法的波达方向估计

针对传统波达方向估计算法在低信噪比条件下性能表现不佳的问题,本文提出了一种基于改进多信号分类的波达方向估计算法。本文首先对多信号分类算法的不足进行分析,并采用时间平滑技术构建相关矩阵,然后采用相关矩阵建立空间谱函数达到波达方向估计,最后采用仿真实验对算法的性能进行测试。结果表明,本文算法可以快速准确的估计出多个信号的波达方向,降低了波达方向估计误差,而且性能远远优于其它改进多信号分类算法。     

相关非圆信号的波达方向估计

给出了一种有相关信号存在情况下的波达方向估计方法。该方法利用天线阵元的接收数据构建出一个新的Toeplitz矩阵,所得矩阵的秩与信号的相关性无关。同时,由于利用了非圆信号的特点,该方法可以有效地提高阵列自由度。因此,该方法不需采用空间平滑技术就可以实现对信号波达方向的正确估计,并且该方法的估计性能要比基于空间平滑技术方法的估计性能要好。计算机仿真验证了算法的有效性。     

窄带信号波达方向估计仿真实验

波达方向估计是阵列信号处理一个重要的研究分支,广泛地应用于军事及民用领域.基于空域信号自身具备的稀疏性,压缩感知理论为窄带信号波达方向估计提供了一种新的思路.通过本文设计的仿真实验,学生可以建立远场窄带测向模型,并对基于块稀疏算法的窄带测向和相干非相干信号块稀疏混合测向仿真.     

基于自聚焦的宽带Chirp信号波达方向估计

利用Chirp信号调频斜率不变的特性,提出了一种基于调频斜率的自聚焦方法,该方法通过各个阵列的延时自相关将宽带chirp信号聚焦至与其调频斜率相关的固定频率上,然后在该固定频率上构造相关矩阵并运用music空间谱估计方法实现了对宽带Chirp信号的波达方向估计.该方法可以很容易消除阵元通道幅相不一致带来的影响,而且运算量相对于其它聚焦算法大大减少,具有很高的测向精度.最后通过仿真,验证了该算法的有效性.     

基于空时频协方差矩阵重构的高效跳频信号DOA估计

为了充分利用跳频信号的空域信息来进行信号的DOA估计,在信号空时频分析的基础上,本文提出了一种基于协方差矩阵重构的高效跳频信号DOA估计方法。首先将接收信号的均匀线阵（uniform linear array, ULA）平均划分成2个子阵,分别对每个子阵接收到的信号进行时频分析,在时频域选择有效跳,构造每跳的空时频矩阵（spatial time-frequency distribution, STFD）,然后求得2个子阵的互协方差矩阵。将2个子阵的互协方差矩阵进行重构运算得到等效的信号子空间,最后构造空间谱多项式求根估计出信号的DOA。仿真结果表明该方法相比于以往改进类子空间算法能够有效提高估计精度和降低算法复杂度。      

高分辨率宽带相干信号波达方向的高效估计

本文给出了一种用于多源宽带相干信号波达方向（ＤＯＡ）估计的快速算法。它是基于信号子空间技术，通过截取中心窄带频段数据并进行空间平滑来获得支方向的高效估计。文中最后通过计算机仿真，与ＣＳＭ方法进行了比较，验证了本算法的快速，高分辨率等优良性能。     

基于空间谱图的跳频脉冲方向估计

提出一种基于空间谱图的跳频脉冲方向估计算法。通过计算各阵元数据的自谱图和互谱图构造时频域阵列模型,在时频面上的跳频脉冲能量聚集区域选择时频点构造空间时频分布矩阵,并采用Toeplitz对角化进行修正,最后运用MUSIC方法估计方向。该方法具有计算高效、可以去相干等优点。仿真结果验证了该方法的有效性。     

基于Radon-Ambiguity变换的LFM信号时/频差快速联合估计

提出了一种基于Radon-Ambiguity变换(Radon-Ambiguity Transform, RAT)的线性调频(Linear Frequency Modulated, LFM)信号时/频差快速联合估计的算法.根据LFM信号在多个不同角度上的RAT峰值位置建立一组以信号间时差和频差为未知量的方程组,求解方程组即可得到时/频差的估计值.对于存在噪声的信号,RAT误差会导致方程组不能直接求解,为了抑制噪声干扰,采用最小二乘法估计时/频差.本文算法无需计算二维平面上各点的模糊函数值,并且由于离散RAT可以通过快速傅里叶变换快速实现,具有所需运算量低的优点.仿真实验表明,相比于常见的基于模糊函数峰值搜索的时/频差估计算法,本文算法在保证时/频差估计精度的同时能够显著提高运算效率.     

DOA estimation of LFM signals based on STFT and multiple invariance ESPRIT

In order to improve the angle measurement precision of LFM signals with a low computational complexity, a direction of arrival (DOA) estimation algorithm STFT-MI-ESPRIT is proposed in this paper. The algorithm is based on short time Fourier transform (STFT) and multiple invariance estimation of signal parameters via rotational invariance techniques (MI-ESPRIT). Firstly, the STFT of the array element’s output is calculated and the signals are transformed to the time-frequency domain. Then the spatial time-frequency distribution matrix can be obtained through selecting multiple single-source time-frequency points in the time-frequency plane and the signal subspace can also be obtained using Eigen decomposition. Finally, the multiple rotational invariant equation of the array based on STFT is obtained and the closed-form solution is obtained using the multi-least-squares (MLS) criterion. The simulation results show that the proposed algorithm can improve the estimation precision greatly compared with the traditional ESPRIT-like algorithms and its computational complexity remains the same in general. This paper also proposes that the STFT-MI-ESPRIT algorithm can use partial rotational invariances of the array instead of all the rotational invariances, which can reduce the computational complexity on the basis of ensuring the estimation precision basically. The simulation results verify the effectiveness of the conclusion.     

相干宽带线性调频信号的波达方向估计新方法

提出了一种相干宽带线性调频(LFM)信号的波达方向(DOA)估计新方法。该方法利用LFM信号在分数阶Fourier域上的解线调特性,构造出新的解线调域阵列数据模型,然后结合传统的矩阵重构解相干以及MUSIC算法实现相干LFM信号的DOA估计。若同时存在多组相干LFM信号入射,则首先在不同的能量聚集域上将各信号组分离,然后逐一进行各组内相干信号的DOA估计。该方法充分地挖掘了观测信号所包含的时频信息,增加了可检测的DOA数目,提高了分辨性能和抗噪声性能。此外,该方法无冗余阵元与孔径损失,且适用于任意流型阵列。仿真结果显示,在DOA估计的均方根误差(RMSE)相同时,与传统方法相比,本方法可获得8dB左右的信噪比增益。     

DOA estimation of LFM signal based on Krylov subspace method

Telecommunication Systems - Direction of arrival estimation of LFM signal is an essential task in radar, sonar, acoustics and biomedical. In this paper, a short time Fourier transform multi-step...     

基于时频分析的雷达信号到达角估计

现有的空间时频分布(STFD)的信号表示只适用于窄带、连续信号的分析，而雷达侦察系统要求对脉冲、线性调频等信号同时进行到达角(DOA)、频率和信号时域参数的估计。本文给出了现有空间时频分布对雷达信号DOA估计的条件，并提出了基于修正STFD矩阵的DOA估计算法。通过对各阵元输出作时频分析，估计信号的频率参数，然后据此构造方向向量和修正STFD矩阵，即可构造MUSIC空间谱。该算法不受基于现有STFD算法的条件限制。     

基于MP分解的宽带LFM信号参数估计

将MP分解应用于宽带阵列信号处理中,提出一种针对线性调频信号(LFM)参数估计新算法.根据LFM信号形式建立过完备原子库Gf,其中原子参数由起始频率和调频斜率决定,将阵列参考阵元接收数据在Gf上作MP分解,获得各个信号的起始频率和调频斜率参数,从而得到宽带信号的具体形式;在上一步频率参数估计的基础上,根据阵列结构建立过完备原子库Gθ,其中原子参数由到达角决定,将阵列全部阵元接收数据在Gθ上作MP分解,实现信号DOA估计.新算法估计性能优于传统空间时频分布(STFD)方法,尤其在低信噪比、多信源情况下仍然有较高的估计精度.计算机仿真结果验证了算法的有效性.     

基于虚拟阵列的非圆信号DOA估计

针对传统的子空间类波达方向（Direction of Arrival,DOA）估计算法只适用于入射信号个数少于天线数的局限性,利用现代通信系统中常用的非圆信号实值特性,提出了一种虚拟阵列多重信号分类法（Virtual Array Based Multiple Signal Classification,VA-MUSIC）。该方法通过对阵列输出信号进行共轭重构和合并,获得虚拟阵列来增加阵列的有效孔径。更进一步,结合空间平滑技术有效地解决了相干信号的DOA估计问题。与传统的MUSIC算法相比,新算法不仅可以增加最大可估计信源数,而且在DOA估计精度、信号源角分辨能力等方面均有明显的优势。计算机仿真验证了该算法的有效性和优越性。     

基于任意阵列形式的LFM信号参数估计

基于任意阵列形式的LFM信号参数估计算法，利用分段解线调建立频域波束空间数据模型，通过Beamspace—ESPRIT算法和线性调频波束形成器算法(CBF)实现了调频斜率和初始频率的高精度估计。针对多信号交叉项的影响，提出了逐次滤波和迭代滤波的解决办法。算法对线性调频参数无模糊估计的条件进行了研究，并给出了欠采样条件下初始频率估计解模糊的方法。仿真实验证明了算法的有效性。     

用于多分量线性调频信号的自适应核分布分析

该文针对多分量线性调频信号,提出了一种新的自适应核时频分布-自适应高斯核分布,并给出了有效的核函数估计准则;以自适应高斯核分布为例,分析了采用自适应核时频分布对信号自身项及交叉项的影响,从而说明自适应核相对于固定核的优势所在;总结了基于模糊域自适应设计多分量线性调频信号核函数的一般方法。计算机仿真结果表明了自适应高斯核分布在抑制交叉项并保持较高时频分辨力方面的有效性。     

线性调频信号2-D到达角估计的虚拟阵元法

通过原始数据的共轭重排构造了虚拟阵列，利用实际阵列与虚拟阵列的互Wigner-Ville分布建立了新的空间时频分布，并给出了基于子空间投影和L-阵列的线性调频信号2-D到达角估计算法。理论分析和仿真实验证明了算法的有效性。