基于压缩感知的宽频段二维DOA估计算法

针对2维DOA估计问题,该文提出一种基于压缩感知(CS)的宽频段2维DOA估计算法,能够同时得到多个窄带信号的中心频率、方位角和俯仰角。首先利用方位向和俯仰向的空间频率分别建立过完备稀疏字典,然后通过对阵列接收数据的压缩采样得到空间频率的高分辨估计,最后通过空域滤波实现中心频率、方位角和俯仰角之间的匹配。理论分析表明,该算法具有较高的估计精度与分辨力,对信噪比(SNR)要求不高,无需多维搜索过程,且经过压缩采样降低了运算量。仿真结果验证了算法的正确性与有效性。     

基于子空间匹配追踪的LFM信号的DOA估计

DOA估计是阵列信号处理中的热点。文中针对LFM信号的DOA估计算法采样数据量大,在低信噪比情况下估计效果不理想的问题,提出了基于子空间匹配追踪的LFM信号的DOA估计。该方法通过子空间匹配追踪算法将信号投影在子空间上,求出最大投影,最终估计出LFM信号的DOA。此外,改进后的空间匹配追踪算法,还解决了原算法收敛速度慢、会出现过匹配现象的问题。经仿真验证对比,该算法估计DOA的过程中匹配次数远小于匹配追踪的过程中,且在较低的信噪比下能估计出DOA。     

未知信源数目的DOA估计方法

针对信源数目未知情况下的DOA估计问题,该文提出了两种基于稀疏表示的DOA估计方法。一种是基于阵列协方差矩阵特征向量稀疏表示的DOA估计方法,首先证明了阵列协方差矩阵的最大特征向量是所有信号导向矢量的线性组合,然后利用阵列协方差矩阵的最大特征向量建立稀疏模型进行DOA估计;另一种是基于阵列协方差矩阵高阶幂稀疏表示的DOA估计方法,根据信号特征值大于噪声特征值的特性,通过对协方差矩阵的高阶幂逼近信号子空间,利用协方差矩阵的高阶幂的列向量建立DOA估计的稀疏模型进行DOA估计。理论分析和仿真实验验证,两种方法都不需要进行信号源数目的估计,具有较高的精度、较好的分辨力,对相干信号也具有优越的适应能力。     

基于相干信号源的改进MUSIC算法

提出一种基于相干信号源的改进多重信号分类（IMUSIC）算法,以估计相干信号波达方向（DOA）。相干信号间接收数据特征值分解后,直接利用大特征值对应的信号子空间与信号导向矢量的关系,通过多维来波方向搜索谱峰,实现对来波方向的有效估计。与空间平滑算法相比,IMUSIC算法具有4大优点,仿真结果也验证了IMUSIC算法的有...     

基于空频域稀疏表示的宽频段DOA估计

该文提出一种基于空频域稀疏表示的宽频段波达方向(DOA)估计方法,解决稀疏表示方法在宽带接收机对窄带信号的频率和角度估计中的难题。用空间频率代替频率和方位角的 2 维组合构建过完备字典,字典的长度仅相当于窄带信号DOA估计的字典长度,却能覆盖整个无模糊频段,大大降低了稀疏分解的计算量。该方法首先在频域估计信号的准确频率,根据频域峰值的位置构建频域峰值协方差矩阵。对频域峰值协方差矩阵进行特征分解,利用主特征向量建立稀疏模型估计信号的DOA。算法在低信噪比下具有较高的估计精度,仿真实验和分析验证了该文方法的正确性和有效性。     

基于TOEPLITZ重构的压缩感知嵌套阵列DOA估计

针对传统稀疏阵列波达方向（DOA）估计算法在小快拍数、低信噪比和多信源数等条件下的估计精度不高的问题,提出了一种基于TOEPLITZ重构的压缩感知嵌套阵列DOA估计方法。首先利用TOEPLITZ重构方法将虚拟阵列的输出信号向量构建成满秩协方差矩阵,然后利用信号在空间域的稀疏性,将阵列协方差矩阵进行稀疏表示,通过噪声子空间和信号子空间的正交关系构建权值向量,对稀疏向量进行加权约束,最后通过求解最优化方程获取入射信源的DOA估计。仿真结果表明,本文方法比传统稀疏阵列DOA估计算法在低信噪比、小快拍数和多信源数下具有更好的DOA估计性能。     

未知信源数量DOA估计方法

针对传统阵列天线来波方向（Direction of Arrival,DOA）估计算法需要准确获取信源数量的问题,提出了一种未知信源数量类多重信号分类（Multiple Signal Classification,MUSIC）DOA估计方法。首先根据阵列天线的多个快拍数据估计输入信号自相关矩阵;其次对信号自相关矩阵进行特征值分解,并使用重构相关矩阵的方式实现信号分量的抑制;最后结合传统MUSIC谱估计算法实现未知信源数量条件下的DOA估计。仿真实验表明,所提算法的复杂度较低,且DOA估计误差性能接近传统MUSIC算法。     

相干语音信号的两阵元DOA估计新算法北大核心CSCD

针对语音信号非平稳性、非调制性及高分数带宽比的特点,提出一种新的基于两阵元的相干语音信号DOA估计算法。该算法先从接收信号中选出低频部分能量较大且功率谱分布较均匀的帧为最优帧,并分解为互不重叠的窄带分量,利用希尔伯特变换将各窄带转换成解析信号,将信号的不同频率等效为虚拟阵列的各个阵元,对虚拟阵列接收信号去相干处理后进行DOA估计。本文从信源个数、划分窄带数、信噪比等方面对提出的算法进行仿真实验研究,仿真结果及分析表明该算法对高信噪比的相干语音信号DOA估计具有一定的适用性,克服了两阵元只能估计单声源的不足,实现了多个相干声源的DOA估计。     

基于空间角稀疏表示的二维DOA估计

论文提出一种基于空间角稀疏表示的维DOA估计方法,解决了维DOA估计中冗余字典构造的难题。构建的空间角包含了方位角和俯仰角的信息,利用其构造冗余字典可以将方位角和俯仰角的组合从维空间映射到1 维空间,极大地降低了字典的长度和求解的复杂度;同时将算法推广到频域,扩展了其应用范围。与传统的高分辨算法相比,该方法对信噪比和快拍数要求不高、无需特征值分解和多维搜索过程。理论分析和仿真实验,验证了该方法对维相干信号和非相干信号都具有较高的估计精度和较好的分辨力,在不同信噪比下性能优于MUSIC算法。     

基于具有时序结构的稀疏贝叶斯学习的水声目标 DOA 估计研究

现有的基于CS-MMV（Compressed Sensing-Multiple Measurement Vectors）模型的DOA估计一般都假定信号源为独立同分布（ i．i．d）,算法建立在信号的空间结构上进行分析,而当处理具有时序结构的源信号时表现出性能和鲁棒性差的问题,为此该文提出一种具有时序结构的稀疏贝叶斯学习的DOA算法,该方法通过建立一阶自回归过程（ AR）来描述具有时序结构的水声信号,将信号源的时间结构特性充分应用到DOA估计模型中,然后采用针对多测量矢量的稀疏贝叶斯学习（ Muti-vectors Sparse Bayesian Learning ）算法重构信号空间谱,建立多重测量向量中恢复未知稀疏源的信号的CS（ Compressed Sensing ）模型,最终完成DOA估计．仿真结果表明该方法相对于传统的算法具有更高的空间分辨率和估计精度的特点,且抗干扰能力强．     

协方差矩阵稀疏表示在网格失配波达方向估计中的应用

该文利用了入射信号在空域的稀疏性,将波达方向（DOA）估计问题描述为在网格划分的空间协方差矩阵稀疏表示模型,并将其松弛为一个凸问题,从而提出了一种网格匹配下的交替迭代方法（AIEGM）。传统的基于稀疏重构的波达方向估计算法由于其模型的局限性,一旦入射角不在预先设定的离散化网格上,就会造成估计性能的急剧恶化。针对这个问题,该算法可以在离散化网格比较粗糙的前提下,通过交替迭代的方法求解一系列基追踪去噪（BPDN）问题,对于不在网格上的真实角度估计值进行修正,从而达到更精确的波达方向估计。仿真结果证明了AIEGM算法的有效性。      

基于互相关抽样分解的分布式非圆信号DOA快速估计

在非相干分布式非圆信号波达方向(DOA)估计中,针对利用信号非圆特性后输出矩阵维数扩展带来的较大运算量问题,该文提出一种基于互相关抽样分解的DOA快速估计算法。该算法仅需要从子阵间的扩展互相关矩阵中抽样出少量行元素和列元素,构成两个低维子矩阵,进而通过低秩近似分解便可快速地同时求出左右奇异矢量,即分别对应两个子阵的信号子空间,避免了计算整个互相关矩阵及其奇异值分解运算;最后利用两个子阵信号子空间的旋转不变性通过最小二乘得到DOA估计。仿真分析表明,当行列抽样数大于信源数的两倍时,所提算法与直接基于互相关矩阵奇异值分解的非相干分布式非圆信号DOA估计算法性能相近,但复杂度得到了大幅度降低;而相比于传统的低复杂度非相干分布源DOA估计算法,所提算法利用信号非圆特性具有更高的估计性能。     

基于Laplace先验的Bayes压缩感知波达方向估计

基于多任务贝叶斯压缩感知(BCS)理论,该文提出一种使用Laplace先验的目标到达角(DOA)估计算法。该算法利用阵元输出为观测值,将DOA估计转化为Laplace先验约束下的BCS求解稀疏信号问题,使用Laplace先验获得比传统BCS更好的稀疏性。该算法不需要信源个数的先验信息和进行特征值分解,能够适应相干信源场景,仿真结果表明该算法具有比传统BCS方法和经典MUSIC算法更好的DOA估计性能。     

2D DOA estimation for noncircular sources using L-shaped sparse array

We present an algorithm for two-dimensional (2D) direction-of-arrival (DOA) estimation of noncircular sources using an L-shaped sparse array. An L-shaped sparse array consisting of two co-prime arrays is firstly introduced. Then, the fourth-order-cumulants (FOCs) of received data are used to construct a FOC matrix (FOCM), by which we can get the estimations of elevation angles. With the estimated elevation angles, the azimuth angles can be estimated by a low-complexity signal separation algorithm. During the procedure used for estimating azimuth angles, no any eigenvalue decomposition (EVD), peak search and pair-matching procedure need to be implemented. Although the aperture is extended significantly, the computation complexity of proposed algorithm still is acceptable. Compared with some analogous algorithms, our approach shows more attractive estimation performance. A lot of simulation results prove the advantages of proposed DOA estimation technology.     

Direction of Arrival Estimation of Multiple UWB Signals

This paper deals with the problem of estimation of direction of arrivals (DOA) of a multiple ultra-wideband (UWB) pulse postion modulation signals incident on a smart antenna in the presence of white Gaussian noise. We transform the received signal into frequency domain in order to split the array output into multiple frequency channels. Corresponding frequency channels data of the array is arranged into a model similar to narrowband DOA estimation. Iterative quadratic maximum likelihood algorithm is applied to yield DOA estimates. These separate estimates at different frequencies are combined into a single estimate of DOA for each source in an appropriate manner. The performance of the proposed method is studied via extensive computer simulations. It is seen that the technique can successfully resolve the DOA of the closely-spaced UWB signals.     

一种自动匹配的分布式非圆信号二维DOA快速估计方法

在相干分布式非圆信号2维波达方向(DOA)估计中,针对利用非圆特性后维数扩展带来的较大复杂度问题,且现有的低复杂度算法均需要额外的参数匹配,该文提出一种基于互相关传播算子的自动匹配2维DOA快速估计算法。该算法考虑L型阵列,在建立相干分布式非圆信号扩展阵列模型的基础上,首先证明了L阵中两个子阵的广义方向矢量(GSV)均具有近似旋转不变特性,然后通过阵列输出信号的互相关运算消除了额外噪声,最终利用子阵GSV的近似旋转不变关系通过传播算子方法得到中心方位角与俯仰角估计。理论分析和仿真实验表明,所提算法无须谱峰搜索和协方差矩阵特征分解运算,具有较低的计算复杂度,并且能够实现2维DOA估计的自动匹配;同时,相比于现有的相干分布式非圆信号传播算子算法,所提算法以较小的复杂度代价获得了性能的较大提升。     

基于虚拟阵列的二维稀疏阵列相干源DOA估计

波达方向DOA估计是雷达阵列信号处理的一个重要方向,传统的MUSIC算法对均匀阵列条件下独立信号源的估计有很强的适应性,但实际的雷达工作中,稀疏布阵下多相干源测角是一个经常出现的应用场景。文中针对二维稀疏阵列的相干源测角,提出了一种基于虚拟阵列的相干源DOA估计方法。该方法利用虚拟阵列内插的方法,将一个任意二维稀疏阵列内插为一个均匀面阵,再通过二维空间平滑方法对相干源进行测角,能够同时获得信号的方位角和俯仰角信息。稀疏面阵和稀疏圆阵的仿真实验结果表明,该方法可以有效的解决二维稀疏阵列的相干源测角问题。     

基于噪声子空间解析形式的快速DOA估计算法

该文针对特殊的信号环境各辐射源信号均值相等且不为零,利用均匀线阵导向矢量的Vandermonde结构,推导出了噪声子空间的解析形式,并以此为基础提出了利用均匀线阵和稀疏平面阵的1维和2维DOA估计快速算法。该算法不需要计算接收数据的协方差矩阵,也不需要任何矩阵分解,因此计算量远小于传统的超分辨DOA估计,而且无论信号之间是否具有相干性,该方法有相同的估计性能。仿真实验表明,在噪声均值为零且快拍数足够的条件下,该方法的估计性能整体上与Root-MUSIC算法相当,而在信噪比较低时性能优于后者。     

广义复相关熵与相干分布式非圆信号DOA估计

针对相干分布式非圆信号参数估计算法在脉冲噪声环境下性能退化的问题,本文提出了广义复相关熵的概念,并给出了基于广义复相关熵的相干分布式非圆信号DOA（Direction of Arrival）估计方法。该算法首先由分布式信源模型获得入射信号的阵列输出信号,利用信号的非圆特性得到扩展阵列输出信号,再通过扩展阵列输出信号的广义复相关熵矩阵获取信号子空间,避开了传统二阶统计量算法在脉冲噪声下不适应的问题,最后由信号子空间旋转不变特性得到信号的中心波达方向角度。仿真实验结果表明,在Alpha稳定分布噪声条件下,与传统算法相比,本文所提算法具有更好的性能。      

基于ADMM的低仰角目标二维DOA估计算法

针对面阵米波(VHF)雷达低仰角目标2维DOA估计问题,该文提出一种基于交替乘子法(ADMM)的快速2维DOA估计算法。该方法首先利用均匀面阵条件下方位、俯仰角无耦合的特性,将2维角度估计问题转化为两个1维角度估计问题,通过方位、俯仰维波束合成实现对目标信息提取;其次根据信号模型建立信号空域超完备表达式,利用ADMM方法完成对方位、俯仰角估计。该方法避免了2维联合估计复杂计算量,复杂度大大降低,且运算过程无需特征分解,进一步提高了运算效率。仿真结果表明了该算法的优越性。