共查询到19条相似文献,搜索用时 62 毫秒
1.
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。 相似文献
2.
针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法。该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)获得自动匹配的2维角度估计。相比于传统的2维DOA估计方法,所提算法更好地利用了阵列接收数据信息,能识别更多的入射信号,分辨能力高,不需要进行2维线性搜索或者角度参数匹配,在低信噪比 (SNR)和小快拍情况下也有很好的估计效果。实验仿真结果验证了提出算法的有效性和可靠性。 相似文献
3.
针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法.该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)获得自动匹配的2维角度估计.相比于传统的2维DOA估计方法,所提算法更好地利用了阵列接收数据信息,能识别更多的入射信号,分辨能力高,不需要进行2维线性搜索或者角度参数匹配,在低信噪比(SNR)和小快拍情况下也有很好的估计效果.实验仿真结果验证了提出算法的有效性和可靠性. 相似文献
4.
针对现有L型阵列相干信号DOA估计算法精度不高、孔径损失较大的问题,该文提出一种基于主奇异矢量的解相干(L-PUMA)方法以及改进的主奇异矢量法(L-MPUMA)。L-PUMA算法首先对互协方差矩阵进行降噪,再通过奇异值分解得到2维主奇异矢量,然后利用加权最小二乘法得到线性预测方程的多项式系数,该线性预测方程的根即为信号的DOA估计,最后提出一种新的配对算法实现仰角和方位角的配对。L-MPUMA算法利用反向共轭变换构造增广主奇异矢量,进一步提高了数据利用率,克服了信号完全相干时L-PUMA算法性能下降严重的问题,仿真实验验证了所提算法的高效性。 相似文献
5.
信号频率和DOA联合估计方法 总被引:1,自引:0,他引:1
提出了一种针对均匀线阵的信号频率和DOA(direction of arrival)联合估计的快速算法。通过对采样数据进行分段与合并,构成含频率信息的时延旋转因子,利用ES-PRIT方法可以估计出信号的频率和DOA,不需要进行配对处理和增加任何多余的硬件。计算机仿真试验证实了该方法的有效性。 相似文献
6.
7.
8.
针对传统互质阵列波达方向估计方法存在的自由度低、阵列孔径小、相位模糊等问题,提出了一种基于互质MIMO雷达的非圆信号降维波达方向(Direction of Arrival, DOA)估计方法。该方法结合了互质阵列与MIMO雷达的优点,利用非圆信号特性对阵列进行扩展,重构接收信号矩阵,然后进行降维处理,并利用噪声特征值的幂级数对噪声子空间进行修正,进一步提高算法精度。最后推导了文中方法的无相位模糊问题。仿真实验表明,文中方法能够有效避免相位模糊,大大提高自由度并扩大阵列孔径,与传统MUSIC算法以及互质阵列MUSIC算法相比,在估计成功率、DOA估计精度等方面均具有更好的性能。 相似文献
9.
10.
11.
12.
13.
14.
本文研究基于标量传感器和/或空域完全伸展矢量传感器极化敏感时间双采样、空间欠采样阵列的多个宽频段窄带极化信号中心频率、二维波达方向和极化参数的同时估计问题。针对时、空多分辨采样数据,利用旋转不变参数估计方法分别估计出与信号频率有关的时间相位因子和对应的含有空间相位信息的所谓混合导向矢量。对估计出的信号时间相位因子的模和相角进行联合,获得模拟频率估计:利用混合导向矢量中还包含的与空间采样间隔无关的极化-角度相干结构信息去除方向余弦估计中的整周模糊并获得相应的极化参数估计。 相似文献
15.
扩展孔径的非均匀阵列用于二维波达方向估计时,即使无相同的方位角或俯仰角也存在具有相同的方向余弦的情况,即奇异点问题。为了解决奇异点问题,所提出的算法构建了四个延时互相关矩阵,并根据对应的信号子空间构造对角矩阵。因此,算法可以通过联合对角化方法得到自动配对的低精度无模糊的方向余弦估计值以及高精度模糊的方向余弦估计值。最后,使用解模糊方法得到高精度无模糊的方向余弦估计值。所提出的算法解决了非均匀阵列二维波达方向估计存在的奇异点问题,且在欠定条件下具有良好的估计性能。仿真结果验证了所提出算法的有效性。 相似文献
16.
本文提出了一种适用于收、发共阵多发多收(MIMO)雷达的低复杂度二维波达方向(DOA)估计方法.该方法将MIMO雷达的虚拟二维阵列分解为多个构形相同但位置不同的虚拟子阵,通过一种基于预投影的ESPRIT算法得到同一目标二维DOA的多组估计值,极大地降低了运算量.并利用Kalman滤波器对这多组二维DOA估计值进行融合,提高了估计值的精度.同时,利用收、发对偶性对样本数据进行了重排,等效地将样本数加倍,进一步提高了二维DOA估计精度.数值仿真的结果证明了该方法的有效性. 相似文献
17.
基于降维噪声子空间的二维阵列DOA估计算法 总被引:1,自引:0,他引:1
为提高波达方向(Direction Of Arrival, DOA)的估计速度,该文基于子空间的正交性原理,利用噪声子空间及其共轭的交集进行奇异值分解(SVD)实现噪声子空间的降维,并基于降维噪声子空间与导向矢量及其共轭的双正交性提出一种2维阵列快速DOA估计算法。理论分析和仿真实验表明:该算法不受实际阵型的限制,能将传统MUSIC谱的角度范围压缩至原来的一半,从而将DOA估计的计算量降至传统方法的50%,并具有与MUSIC算法相当的角度分辨率。 相似文献
18.
19.
MUSIC(Multiple Signal Classification)算法是波达角(the Direction of Arrival,DOA)估计的经典算法之一,但其在二维DOA估计中因需进行二维谱峰搜索而计算量十分巨大.为降低MUSIC算法的计算量,本文在引入变换域DOA概念的基础上提出了一种能够适用于任意阵列结构的二维DOA快速估计算法,即变换域MUSIC(transformed domain-MUSIC,TD-MUSIC)算法.理论分析和仿真实验表明:该算法不但将空间谱峰搜索的范围减小一半而且具有更低维度的噪声子空间,因而其计算量远小于 MUSIC算法.同时,新算法具有比MUSIC更高的空间分辨率. 相似文献