非平稳噪声下稀疏表示的DOA估计算法

为提高非平稳噪声下远场非相干窄带信号波达方向（DOA）的估计精度,提出了一种基于稀疏重构的DOA估计算法.采用类协方差差分算法构造差分矩阵,抑制非平稳噪声的影响;基于类旋转不变子空间参数估计算法基本原理构造稀疏表示模型与权函数;利用加权l₁范数对模型求解,实现DOA估计.仿真结果表明,与传统的协方差差分算法、噪声协方差矩阵估计算法、秩迹最小化算法以及稀疏重构算法相比,所提算法不仅能较好地抑制非平稳噪声的影响,而且在低信噪比、低快拍数情况下具有较强的稳健性和较高的估计精度.     

非均匀噪声条件下考虑互耦效应的DOA估计方法

针对非均匀噪声和互耦条件下相干信号辨识性能较差的问题,提出一种基于非均匀噪声协方差矩阵和互耦系数重构的DOA估计方法。首先,利用最小二乘理论并通过迭代优化方法恢复互耦意义下的无噪声信号协方差矩阵;然后,依据信号子空间原理,并通过估计不相关信号角度重构互耦系数矩阵,进而获得互耦补偿后的无噪声信号协方差矩阵;最后,通过传统空间平滑方法获得解相干信号,并利用MUSIC算法实现DOA参数估计。数值仿真表明:与仅考虑相干信源、非均匀噪声或互耦的传统DOA估计算法相比,本文算法可较好地抑制非均匀噪声,克服了互耦场景下传统空间平滑算法解相干失效问题,并可显著改善非均匀噪声和互耦条件下相干信源的DOA估计性能。     

一种在相干信源下的快速DOA估计算法

针对利用信号的协方差特征值分解求取信号的波达方向计算复杂的问题,本文提出了一种基于传播算子方法的空间平滑技术波达方向估计算法。与传统的子空间方法相比,通过简单的线性分割变换来快速估计噪声子空间,避免了传统子空间算法中运算量极大的特征分解,从而降低了运算复杂度。空间平滑技术处理相干信号源具有良好的性能,通过使用双向空间平滑矩阵和它的共轭复数的区别,构造出广义的协方差阵,可以完全消除空间非均匀噪声。仿真结果证明,空间平滑技术与传播因子算法的结合,能够有效地保持平滑技术良好的性能,进一步降低运算复杂度。     

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.     

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。     

基于部分重合信号的空间谱估计新方法

为了提高色噪声背景下空间谱估计多重信号分类(MUSIC)算法的分辨率,根据诱饵信号覆盖雷达信号时,实际被动测向系统接收脉冲信号部分重合的特点,提出了一种色噪声背景下空间谱估计的新方法。首先对接收数据进行分段,然后估计每段数据的信源数,最后对各段接收数据的协方差矩阵对角线进行归一化,利用协方差差值MUSIC算法,给出各信号的协方差矩阵,通过多次谱峰搜索,分步得到信号波达方向(DOA)估计结果。计算机仿真及实际系统测试均验证了所提出的方法是可行的。     

一种采用协方差矩阵稀疏表示的DOA估计方法

提出一种新的基于样本协方差矩阵稀疏表示的联合波达方向估计方法.该方法对传统的基于协方差矩阵稀疏表示的模型进行改进,仅利用协方差矩阵的部分信息来进行波达方向估计,无须已知噪声功率,以极小的孔径损失换取算法的稳健性.虽然是基于样本统计信息(即协方差矩阵)的波达方向估计方法,但是其原理与传统的角度高分辨估计方法(MUSIC,CAPON)不同,该算法对具有任意相关性的信号源能进行有效的波达方向估计,不需要进行去相关处理,且具有很高的分辨力及估计精度.     

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。     

酉求根MUSIC算法在双基地MIMO雷达中的应用

研究双基地多输入多输出(MIMO)雷达多目标波离角(DOD)和波达角(DOA)的联合估计问题,提出一种酉求根多重信号分类(MUSIC)算法。该算法在求根MUSIC算法基础上,利用协方差矩阵的中心Hermite对称性质,通过酉变换将协方差矩阵的复数运算转为实数,进行实值特征分解得到噪声子空间,对比原协方差矩阵和实值协方差矩阵的特征对应关系,得出酉求根MUSIC谱函数,分两步分别估计目标DOA和DOD,且计算结果自动配对。相对于传统求根MUSIC算法,该算法只进行协方差矩阵的实值特征分解而不需要进行复数运算,因此大大降低了计算量,而且在不降低阵列孔径的条件下无需空间平滑即具有解相干能力。计算机仿真证明了该算法的有效性。     

一种新的低空目标角度估计方法

针对低空、超低空目标波达角度估计受多径畸变影响的问题,提出一种基于三子阵天线无特征分解的低空波达角度估计算法。该算法首先通过空间平滑构建三子阵天线,以降低信号矩阵的维度;然后利用低空环境下三子阵天线回波信号的形式,构造接收信号的正交矢量;最后通过角度谱函数完成多径情形下目标仰角的估计。算法直接利用回波信号协方差矩阵进行角度估计,省去了信号去相关、信源估计的繁琐过程,避免了通过特征分解划分信号子空间、噪声子空间等问题。通过数值仿真分析给出波达角度估计性能,证实了在低信噪比时该算法估计精度优于传统的测角算法。     

基于nested阵列的高分辨DOA估计

针对nested阵列对邻近信号的分辨力受信噪比和快拍数等因素限制的问题,提出了基于nested阵列的加权子空间平滑M USIC算法.该算法对协方差矩阵向量化以提高整个阵列的自由度,使用空间平滑恢复新接收数据矢量阵的秩,采用校正的噪声特征值对噪声子空间进行加权,并对信号子空间进行空间谱合成,得到新算法的空间谱函数.通过搜索空间谱函数极大值实现DOA估计.结果表明,该算法在低信噪比及小快拍数条件下,对间隔较近的信号具有高分辨力.     

改进型MUSIC算法在智能天线DOA估计中的研究

智能天线的一项核心技术是波达方向（Direction of Arrival,DoA）的估计,它在无线定位的应用领域中有着十分重要的意义．为了对信号的DOA作出精确的估计,提出一种基于空间平滑技术的改进型MUSIC（Multiple Signal Classification）算法．仿真结果表明经典的MUSIC算法只能对非相干信号的DOA作出精确的估计,而改进型MUSIC算法对相干信号的DOA也能作出精确的估计．     

基于均匀面阵的相干信号源二维DOA估计新方法

相干信号源的来波方向(Direction of Arrival,DOA)估计问题一直是阵列信号处理技术的一个研究热点。现实环境中的信号源多为相干的,针对此问题提出一种改进的相干信号源二维DOA估计算法。通过对接收信号协方差矩阵进行矩阵重构处理,将采样数据协方差矩阵的秩恢复到等于信号源的个数;对重构的协方差矩阵进行特征分解,构造出信号子空间矩阵和噪声子空间矩阵,将两个子空间矩阵联合构造出新的空间谱函数;基于新的空间谱函数进行二维谱峰搜索,即可估计出多个入射信号的二维DOA。使用计算机软件进行仿真验证,仿真结果表明了所提方法的有效性。     

色噪声下圆阵的全加权MUSIC算法

针对色噪声下多重信号分类(Mutiple Signal Classification,MUSIC)算法方位估计的不准确问题,提出一种预处理修正的全加权MUSIC算法。该算法利用估计的噪声相关矩阵对圆阵接收数据进行预处理后即可消除色噪声对方位估计的影响,然后应用修正的全加权MUSIC算法,在不需要知道信源数目的条件下就可实现目标的准确估计。仿真结果证实该方法有效。     

基于延时相关预处理的MUSIC算法

针对MUSIC算法的分辨力受信噪比、快拍数及阵元数等因素限制的问题,利用各阵元接收数据的延时相关函数重新构造协方差矩阵,提出了基于延时相关预处理的MUSIC算法.根据阵元间的延时相关函数与原阵列流型及信号延时相关函数的关系,推导了4个与原阵列流型相同（共轭）的延时相关函数矩阵,分别对各矩阵求协方差并按规则求和得到新的协方差矩阵,之后对协方差矩阵进行特征分解,根据信号子空间处理稳健性高和噪声子空间处理估计精度高的特点构造谱函数进行谱峰搜索,实现DOA估计.通过仿真实验验证了本文算法的可行性和有效性.     

非圆信号的二维相干测向新方法

传统的二维相干测向算法都是针对圆信号提出的,且要求大快拍数和较多阵元数,在低信噪比时估计性能较差.通过充分利用非圆信号的特点和L型阵列的结构优势,提出了一种非圆信号的二维解相干新方法.该方法利用阵列接收信号数据及其共轭信号数据,重新构造阵列接收数据矩阵,有效地扩展了阵列孔径;同时,提出了一种修正的空间平滑技术进行解相干,最后采用ESPRIT算法实现相干信号的二维DOA估计.所提方法具有阵列利用率高的优点,能够有效弥补传统二维测向算法阵列利用率低的缺点,提高了ESPRIT算法在低信噪比时的估计性能.实验仿真结果表明,所提方法能够有效实现二维相干信号估计并且估计性能优良.     

基于实值信号子空间的虚拟阵列解相干算法

针对存在相干信源时,传统的DOA估计算法失效问题,提出一种基于实值特征子空间的虚拟阵列解相干算法.该算法根据虚拟阵列变换的思想,利用阵列接收数据构造虚拟子阵,实现对信号的解相干处理,并将协方差矩阵从复数域变换为实数域,获得一个实值信号子空间,最后利用实数域ESPRIT (Unitary ESPRIT)估计信号波达方向.该方法避免了阵列孔径损失,保持了阵列的空间分辨率,估计精度高,利用个阵元可估计个信源,且引入实数域处理和无需空间谱搜索,运算量小.计算机仿真验证了该方法的有效性和优越性.