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。     

基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

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。     

基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

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.     

基于主奇异矢量的L型阵列相干信号二维DOA估计方法

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。     

信号频率和DOA联合估计方法

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。     

基于非圆信号的二维测向算法

提出了一种基于窄带非圆信号的二维测向算法,利用非圆信号的椭圆协方差矩阵非零特性将阵列有效阵元数和孔径同时扩展,提高多信号检测的能力。进一步通过利用L阵的几何性质和两子阵间的互相关来滤除噪声,提高角度估计精度,并采用快速算法获得信号方位角和俯仰角。最后计算机仿真结果验证了该方法由于利用非圆信号特性比传统测向算法的估计性能更高。     

互质MIMO雷达的非圆信号降维DOA估计方法北大核心CSCD

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。     

用于非圆信号二维测向的扩展Root-MUSIC算法

利用双平行线阵的阵列结构,提出了用于非圆信号二维测向的扩展root-MUSIC(ERM)算法.ERM算法估计得到的俯仰角与方位角一一对应,自动配对,无需搜索,其可测向信号数大于子阵阵元数,方位测角精度优于同样基于双平|亍线阵的二维测向波达方向矩阵法(DOAM),俯仰测角精度在低信噪比下优于DOAM算法,俯仰角兼并时算法仍有效.     

基于联合奇异值分解的二维DOA估计

文章设计了一种新型三维立体阵列并基于该阵列形式提出了一种基于联合奇异值分解的二维DOA（Direction Of Arrival）估计算法。该方法利用三维立体阵,与平面阵相比大大提高某些方向上的测角精度,在方法中使用了子阵列之间的互相关而不是传统的子阵自相关,有效减小了噪声的影响,提高了估计精度,并且利用联合奇异值分解实现了快速配对。最后数值仿真结果证实了所提方法在增加了估计范围,提高了估计精度。     

非圆信号方位、俯仰及初相联合估计

该文利用双平行线阵的阵列结构,提出了用于非圆信号二维方向和初相联合估计的扩展MUSIC(EN-MUSIC)算法。EN-MUSIC算法估计得到的方位角、俯仰角与初相一一对应,自动配对,其可测向信号数大于子阵阵元数,方位及俯仰测角精度与非圆信号二维测向酉ESPRIT(2D-NC-UESPRIT)算法大致相当,优于波达方向矩阵法(DOAM)。     

非均匀噪声下频率及二维到达角的联合估计

提出一种适用于L型阵列的频率及二维到达角联合估计新算法.算法通过不同子阵的互协方差矩阵构建平行因子模型,应用三线性交替最小二乘算法求解,无需参数配对及多维搜索,可有效抑制非均匀噪声.均方根误差的仿真结果验证了该算法的有效性.     

宽带非高斯信号的二维波达方向估计方法

该文提出了一种解决宽带非高斯信号二维波达方向估计的方法。该方法利用相干信号子空间方法把宽带的阵列频域数据四阶累积量聚焦到同一个参考频段下,然后利用基于信号空时特征结构的时空DOA 矩阵方法来进行二维DOA估计。理论上证明该方法在高斯噪声环境下对宽带非高斯信号都具有很好的估计性能,通过计算机仿真也验证了该方法的有效性。     

极化信号频率、二维到达角和极化参数的同时估计

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。     

非均匀L型阵列的联合对角化二维DOA估计算法

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。      

一种适用于MIMO雷达的低复杂度二维DOA估计方法

 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.     

基于降维噪声子空间的二维阵列DOA估计算法

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。     

相关噪声环境下相干源2D-DOA估计方法

解决相关噪声环境下相干信源的二维波达方向估计问题,克服最常用的子空间类算法,如MUSIC算法、ESPRIT算法等的不足,将四阶累积量和空间平滑方法相结合,提出了一种新的CSS算法。该算法采用两个平行的均匀线阵作为阵列传感器,通过特殊定义的四阶累积量矩阵对接收空域数据进行平滑处理,实现了相关噪声环境下对相干信源的二维波达方向的估计,并且所估计信源的二维波达方向能够自动配对,最后通过蒙特卡罗实验证明了所提CSS算法2D-DOA性能的有效性。     

适用任意阵列的变换域二维波达角快速估计算法

 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.