基于分数阶傅里叶变换的宽带LFM相干信号的DOA估计

提出一种基于分数阶傅里叶变换(FRFT)的宽带线性调频信号(LFM)相干信号的波达方向(DOA)估计方法。针对分数阶傅里叶变换的谱峰聚集特点,该算法构造了分数阶傅里叶域(FRF域)的宽带LFM信号的阵列数据模型,在FRF域内利用Toeplitz矩阵重构特性,实现对相干信号的解相干,最后通过谱峰搜索完成入射信号的DOA估计。算法在不减小阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的性能。实验仿真证明了该算法的有效性。     

基于Toeplitz矩阵重构的无人机相干信号DOA估计算法

针对实时监管无人机的需求设计了基于Toeplitz矩阵重构的二维相干DOA 估计算法,建立了虚拟线阵模型来 接收无人机相干信号,通过对协方差矩阵进行矩阵重构来实现信号解相干,构建了Toeplitz矩阵,通过计算空间谱实现对无人 机信号的二维DOA 估计,仿真分析表明本文方法的DOA 估计准确率较高,性能较好。     

基于十字阵的高阶累积量DOA估计算法

基于十字阵的改进高阶累积量DOA估计算法是十字阵导向矢量模型的基础上实现了的Music算法.首先将Music算法中的二阶累积量扩展到四阶累积量,然后对协方差矩阵进行分解,得到高分辨率的DOA估计.改进算法相对于等距线性阵列的Music算法具有全方位定位、阵元数少的特性.且在有色高斯噪声环境下具有很好的谱估计性能.改进算法还对初始采样信号进行了DFT预处理,以克服高阶累积量计算量大的缺点.仿真实验表明,算法计算量少且分辨率高.     

基于ResNet的和差共阵DOA估计

传统互质阵列的差分共阵存在“空洞”,即缺少一些虚拟阵列元素。论文采用和差共阵形成更大尺寸的连续虚拟阵列,保留了传统的互质阵列配置,同时,将残差网络（ResNet）应用于到达方向（DOA）估计算法。论文采用的算法先将和差共阵输出的空间平滑矩阵处理后,得到特征数据,然后输入到ResNet中,将DOA估计转变为特征数据和DOA之间的非线性映射关系。通过ResNet对信号分类来实现DOA估计,相比于传统的互质阵列,基于ResNet的和差共阵DOA估计算法具有更强的准确性和适应性。     

一种混合源环境下的波达方向估计方法

提出了一种基于均匀线阵的混合源波达方向DOA估计的新方法。该方法首先利用传统MUSIC方法估计出非相干信号源的DOA,然后对整个阵列数据协方差矩阵进行差分消除不相关源信号和噪声的影响,再对此差分矩阵进行特殊的空间平滑去相干,利用重建的数据协方差矩阵估计相干源的DOA。此方法的特点是分别估计不相关信号和相干信号的DOA,优点是在可估计出多于阵元数信号的前提下具有较高的DOA估计精度和稳健性。理论分析和仿真结果表明此方法的估计性能优于空间差分平滑算法。     

相干信号波达方向估计技术综述

在信号的传输过程中,由于信号反射和折射,导致多径传输产生相干信号。此时信号协方差矩阵出现秩缺,导致传统的超分辨波达方向估计（Direction of arrival,DOA）算法失效。针对相干信号的DOA估计算法被提出,这些算法通过利用阵列导向矢量的特殊性质,对协方差矩阵的秩进行恢复,从而达到解相干的目的。围绕着减小阵列孔径损失、增加可处理信号数量和提高估计精度等目标,新的相干信号DOA估计算法不断被提出,成为阵列信号处理方向的一个研究热点。本文介绍了相干信号的产生和其对DOA估计的影响,给出了相干信号的阵列模型,根据解相干方式的不同,将各种相干信号的DOA估计算法进行分类,并逐类进行阐述,最后展望了相干信号DOA估计未来的研究方向。     

采用单次快拍数据实现信源DOA估计

针对均匀线性阵列DOA估计中的实时性和解相干问题,提出了一种基于单次快拍数据的估计算法,通过对阵列接收的单次快拍数据进行相关处理后重构Toeplitz矩阵,并证明该矩阵的秩不受信号相干性的影响。通过特征值分解,得到对应的信号子空间和噪声子空间,结合MUSIC算法和ESPRIT算法实现了对相干和非相干信号的DOA估计。算法不损失阵列孔径,具有更好的实时性和抗噪声干扰的能力;在低信噪比条件下,仍具有较好的估计性能。最后计算机仿真结果证实了算法的有效性和可行性。     

基于改进MUSIC算法的宽带信号DOA估计

现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时,存在DOA估计结果偏差大、运算复杂度高等问题,难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率,提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征,利用S变换处理阵列接收信号,得到多分辨的时频谱矩阵,同时构建时频域的阵列信号数据模型,结合信号功率谱矩阵呈联合对角化结构的特点,设计基于S变换的子空间谱估计公式。在此基础上,通过谱峰搜索进行DOA估计,实现多源宽带信号的声源定位。仿真结果表明,在信噪比范围为-15～10 dB的条件下,该算法的估计成功率始终保持在90%以上,相比TCT、CS＿TCT、CWT＿MUSIC算法,其具有较优的估计性能,并且无需预估信号源数。     

一种高性能的二维波达方向估计算法

在二维虚拟ESPRIT算法的基础上,提出了一种高性能的改进算法。改进方法依照子阵数据直接空间平滑的思想对子阵数据进行预处理,用虚拟阵列变换技术实施阵列变换,采用波达方向矩阵法的思路计算二维角度参数。仿真结果表明,相比于空域平滑的DOA矩阵法和空域平滑的二维虚拟ESPRIT算法,该方法在低信噪比情况下对相干信号源具有更好的估计性能,对独立信号源,能够估计出超过子阵阵元数的信号。     

宽带混合信号的快速DOA估计算法

针对均匀线列阵,在宽带混合信号(不相关和相干信号共存)情形下,提出了一种DOA快速估计新算法。利用阵列协方差矩阵的Hermitian性,通过酉变换将各频点的复数据矩阵映射为实矩阵,通过实值化的TOFS法先直接估计出宽带非相关信号的DOA;然后利用空间差分技术,在各个频点上得到只含相干信号的数据协方差矩阵;通过Toeplitz矩阵重构,在不降低阵列孔径的条件下,可实现相干信号的解相干,再利用实值TOFS法可得到相干信号的DOA。由于算法是并行分别对不相关和相干信号进行DOA估计,在信源过载(信号数大于阵元数)的情形下,算法依然有效,同时由于实值化,算法的计算复杂度较小。仿真结果验证了算法的有效性。     

基于均匀圆阵的改进UCA-ESPRIT算法

波达方向(DOA)估计是阵列信号处理的研究热点和难点之一。基于阵列天线, 利用空间谱估计理论进行DOA估计,提出一种改进算法——I-UCA-ESPRIT。首先根据均匀圆阵(UCA)的中心对称性,将输入信号进行重新排列;然后将重新排列的信号进行实值转换,并对相关矩阵进行特征值分解;最后引入SVD算法,以求解来波信号的方位角和俯仰角。仿真结果表明,该算法不仅适用于DOA估计的非相干信号和相干信号,且优于UCA-RB-MUSIC算法和UCA-ESPRIT算法。     

基于混合型MUSIC算法对相干信源DOA估计

在实际通信环境中,由于传播环境的复杂性使空间中存在大量的相干信号,从而导致信源协方差矩阵的秩亏缺。为使得矩阵的秩恢复到等于信号源数并解决相干信源波达方向（direction of arrival ,DOA）估计问题,提出了一种混合型MUSIC算法。该算法通过前后向空间平滑技术对天线阵列进行预处理,并将得到的新协方差矢量矩阵应用于改进的IMUSIC算法进行信号数据处理分析,得到相干信号的DOA角度估计。仿真结果表明,在信噪比低的情况下,信号间隔很小且存在相关信号时,混合型MUSIC算法能准确地估计出信源的DOA,验证了该算法的高分辨率和高性能。     

基于互质阵的循环平稳信号低复杂度欠定DOA估计算法

针对现有大多数循环平稳信号DOA估计算法复杂度较高、估计精度低无法实现对有用信号的欠定估计问题,提出了一种基于互质阵的循环平稳信号低复杂度、欠定DOA估计算法.算法的主要思想是利用互质阵良好的稀疏特性,通过矢量化处理构造虚拟阵列模型,扩展阵列孔径,实现阵列自由度的提升.首先,算法构造了互质阵输出的循环自相关矩阵,然后进行矢量化处理得到最大连续虚拟阵元部分,给出其谱峰搜索的表达式.最后,为降低计算复杂度,对算法进行改进,应用多项式求根的方法直接求解DOA估计值.仿真结果表明,所提算法能实现对有用信号的欠定估计,计算复杂度较低,且相比于大多数的循环平稳信号DOA估计算法,所提算法估计自由度和估计精度有了进一步的提升.     

互质线阵中一种基于共轭增广的DOA估计算法

论文开展互质线阵下的空间谱估计研究。通过利用信号二阶统计量的共轭增广特性,提出互质阵下基于共轭增广的酉旋转不变性进行信号参数估计 (Conjugate augmented unitary estimation of signal parameters via rotational invariance technique, CA-UESPRIT)波达方向(Direction of arrival, DOA)估计算法。该算法先利用不同时长间隔下接收信号的二阶统计量,构造共轭增广虚拟阵列以扩展阵列孔径和提高空间自由度。然后采用基于互质特性的联合UESPRIT算法实现DOA估计。相比于传统互质线阵下的联合UESPRIT算法,CA-UESPRIT算法DOA估计性能更优。此外,通过酉变换可以将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了复杂度的同时保证了测向精度。仿真结果证实了所提算法的有效性。     

电磁矢量阵中基于PARALIND分解的相干DOA估计算法

将电磁矢量传感器阵列参数估计问题与平行线性相关剖面模型(Parallel profiles with linear dependencies, PARALIND)相结合,利用PARALIND分解,提出了一种线性电磁矢量阵中相干信号波达方向(Direction of arrival, DOA)估计算法。该算法能够实现对电磁矢量阵中相干信源的角度估计,同时能得到相应的相干系数矩阵,其估计过程无需谱峰搜索,对均匀线阵以及非均匀线阵都适用。该算法角度估计性能优于传统的前后向平滑借助旋转不变性进行信号参数估计(Forward backward spatial smoothing-estimation of signal parameters via rotational invariance techniques, FBSS-ESPRIT)算法和前后向平滑传播算子(Forward backward spatial smoothing-propagator method, FBSS-PM)算法,且对于角度相隔较近的相干信源,该算法也能进行有效的辨识与估计。     

非均匀线阵的宽带波达方向估计

研究了基于非均匀线阵的宽带DOA估计问题和非均匀线阵的阵形。对宽带相干信号子空间算法（CSM）和修正MUSIC算法（MMUSIC）的基本原理作了简单介绍。基于修正MUSIC算法和CSM算法,提出了一种适合非均匀线阵的宽带DOA估计算法。仿真结果表明提出算法在非均匀线阵对称布阵方式下取得很好的效果,提高了DOA估计性能。     

基于均匀圆阵的互耦误差校正算法研究

阵元之间的互耦效应严重影响了DOA的估计性能。基于均匀圆阵,提出了一种互耦条件下的波达方向估计和互耦误差自校正算法。利用带状循环矩阵的特性对均匀圆阵的互耦误差建立数学模型,再利用MUSIC算法和迭代法对互耦误差矩阵和波达方向同时进行估计,自校正方法无需任何辅助阵元即可实现两类参数的估计。仿真实验表明,算法很好地解决了均匀圆阵的互耦问题,能够比较准确地估计出波达方向角和互耦误差值。     

Spatial smoothing based methods for direction-of-arrival estimation of coherent signals in nonuniform noise

Spatial smoothing techniques have been widely used to estimate the directions-of-arrival (DOAs) of coherent signals. However, in general these techniques are derived under the condition of uniform white noise and, therefore, their performance may be significantly deteriorated when nonuniform noise occurs. This motivates us to develop new methods for DOA estimation of coherent signals in nonuniform noise in this paper. In our methods, the noise covariance matrix is first directly or iteratively calculated from the array covariance matrix. Then, the noise component in the array covariance matrix is eliminated to achieve a noise-free array covariance matrix. By mitigating the effect of noise nonuniformity, conventional spatial smoothing techniques developed for uniform white noise can thus be employed to reconstruct a full-rank signal covariance matrix, which enables us to apply the subspace-based DOA estimation methods effectively. Simulation results demonstrate the effectiveness of the proposed methods.