一种新的基于稀疏表示的宽带信号DOA估计方法

该文提出一种基于稀疏表示的宽带信号波达方向(DOA)估计方法,解决稀疏表示方法在宽带信号DOA估计中由于基矩阵维数过大而使算法存储量和重构计算量大的问题。用单一频点的基矩阵代替频率和角度联合构建的基矩阵,使基矩阵的列数仅相当于一个频点处冗余基矩阵的列数,大大降低了稀疏重构方法的存储量和计算量。该方法首先对各频点的频域数据进行聚焦处理,将不同频率的数据堆叠到参考频率上并建立参考频率处的基矩阵,然后建立聚焦后的稀疏表示模型进行DOA估计,并采用奇异值分解进一步降低算法的运算量,最后给出残差门限的选择方法。该算法不仅适用于非相关信号,也可直接处理相关信号而不需要任何的去相关运算,且具有高的检测概率和估计精度,仿真实验和分析验证了该方法的有效性。     

稀疏空域融合DOA估计算法与性能分析

压缩感知处理波达方向(DOA)估计问题中,阵列流型的构建是后续估计的基础。该文首先对阵列流型相邻导向矢量的正交性进行理论分析,分析表明在法线方向,等角划分优于等弦划分,在端射方向,等弦划分优于等角划分,相应的DOA估计性能更优。然后,系统推导出等弦划分与等角划分的临界值,并讨论阵元数、划分份数对正交性的影响,设计了一种优化稀疏划分模型,并提出了一种基于等弦和等角空间稀疏相结合的稀疏空域融合(SFSD)DOA估计算法。该算法较等弦划分和等角划分,具有更好的DOA估计稳健性、更低的信噪比门限和更高的估计精度。最后,通过仿真验证了模型的优越性和算法的高效性。     

张量切片稀疏表示在宽带信号波达方向估计中的应用

本文提出了一种新颖的宽带信号波达方向（Direction of Arrival, DOA）估计方法。首先,本文利用窄带滤波器将阵元接收到的宽带信号分解成了若干窄带分量。接着,利用这些分离出来的窄带分量,计算出任意两个相邻阵元间的一系列频率互相关函数（Frequency Cross correlations, FCCS）并用于构造一个Toeplitz矩阵。在所有相邻阵元间进行相同的处理,将构造出的所有Toeplitz矩阵堆叠成一个张量。最后,本文利用切片稀疏表示（Slice sparse Representation, SSR）的思想实现该张量的稀疏表示并提出了相应的恢复算法实现其稀疏重构,宽带信号DOA估计也随之实现。在仿真中,本文将所提算法与现有代表性算法进行了对比,仿真结果展现了本文算法的有效性。      

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。      

循环平稳信号的联合稀疏表示DOA估计

基于联合稀疏表示的思想,本文提出了一种利用二阶循环统计量的循环平稳信号波达方向（DOA）估计算法。首先,对传统的谱相关信号子空间拟合算法进行分析研究;然后,通过在循环域构造过完备的阵列方向矩阵字典,建立了联合稀疏表示模型,从而将循环平稳信号的DOA估计问题转化为联合稀疏矩阵的恢复问题;最后,利用联合Ι_2,0范数逼近法求出联合稀疏矩阵的优化解,并根据优化矩阵中非零行的位置估计出循环平稳信号的DOA。与传统的SCSSF算法相比,所提算法具有更高的DOA估计精度,同时也适用于信号个数多于阵元个数的场合。理论分析和仿真实验结果都表明了算法的有效性。      

基于稀疏近似最小方差的宽带DOA估计算法

提出了一种基于稀疏近似最小方差的宽带波达方向(DOA)估计算法,有效解决当前宽带波达方向估计方法分辨率较低、相干干扰条件下DOA估计误差大等问题。该算法在空域稀疏模型的基础上利用宽带相干信号子空间算法,将宽带信号聚焦到固定频点处,再以近似最小方差准则进行迭代,实现高分辨DOA估计。该算法得到的空间谱具有稀疏度高和副瓣低的特点,且与CSM算法相比无需任何先验信息。通过仿真计算表明,该算法的方位分辨能力较宽带传统DOA估计算法提升30% ,并具有分辨相干信号能力。通过某海试实测数据处理得到的时间历程图有效验证该算法性能。     

脉冲噪声下基于稀疏表示的韧性DOA估计方法

受相关熵启发,本文提出了一种脉冲噪声下基于稀疏表示的韧性DOA估计新方法.为实现多测量向量下联合稀疏信号的重建,本文提出了一种基于归一化迭代硬阈值的优化算法,讨论了最优步长的选择问题,证明了优化算法的收敛性.仿真结果表明：本文算法能够实现脉冲噪声下多信源的DOA估计,具有比已有算法更高的可分辨概率和估计精度.     

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR).首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计.数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR(SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度.     

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR)。首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计。数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR (SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度。     

一种新的宽带DOA估计方法

总结了宽带信号子空间类DOA估计方法,提出了一种新的构造聚焦矩阵的方法,新方法基于预估角度和宽带信号带宽内各个频点上对应的阵列流形的奇异值分解,所构造的聚焦矩阵为酉矩阵,在聚焦过程中没有聚集损失。比较了新方法与旋转信号子空间方法（RSS）在分辨两个相邻较近信号源时的性能,新方法与RSS方法性能相当。仿真结果证明了算法的有效性。     

基于空域平滑稀疏重构的DOA估计算法

该文提出一种基于空域平滑稀疏重构的DOA估计算法,利用空域平滑理论对协方差矩阵进行处理,然后通过KR积变换改变其结构,并对变换后的矩阵进行稀疏重构获得角度估计。此外,该文还给出了两种不同的目标函数误差求解方法。从仿真实验可以看出,该算法与传统的基于压缩感知理论的DOA估计算法对比,明显降低了运算量,且对于相干和非相干信号的处理性能均有所提高,在低角度间隔、低信噪比和低采样数条件下优势更为突出。     

基于信号稀疏表示的Chirp信号参数估计方法

单自由度多分量线性调频信号的参数估计是SAR/ISAR成像中的重要问题。文中在一组含参数的过完备基上展开信号,提出了一种基于信号稀疏表示估计单自由度多分量线性调频信号参数的新方法。并将该方法应用于目前流行的BP算法、FOCUSS算法和稀疏贝叶斯学习算法中,分析比较了以上算法的估计性能。仿真实验结果验证了该方法的有效性,并表明稀疏贝叶斯学习算法具有更好的稀疏表示能力,从而可以更有效地估计信号参数。     

基于CSM的波束域宽带DOA估计方法

宽带相干子空间方法（CSM）是宽带DOA估计中一类重要算法，但该方法对DOA预估较为敏感。波束域方法解决了窄带高分辨处理方法实用化过程中所遇到的一些问题，例如，降低了运算量，降低了算法的信噪比门限，易于消除模型误差等。新方法将波束域算法与宽带相干子空间方法结合，降低了算法的信噪比门限，减小了算法的运算量，降低了对DOA预估精度要求。仿真结果证明了算法的有效性。     

线性阵列互耦矩阵和波达方向的联合估计

 针对线性阵列中因存在互耦效应导致很难直接估计信号波达方向的问题,结合线性阵列的阻抗特性,针对均匀线阵提出了一种计算量更小、稳健性更强的互耦矩阵和波达方向的联合估计方法.并把该方法推广到一般的线性阵列,解决了互耦条件下线阵的测向问题.仿真结果验证了这种新的联合估计方法在均匀线阵中的性能改进情况,以及向一般线阵扩展模型的可用性.     

稀疏表达的自适应遥感图像融合算法

本文提出一种基于稀疏表达的图像融合算法。该算法利用稀疏系数中的非零元素所对应的基向量作为图像特征,首先分离相同基向量和相异基向量,然后采用加权求和算法合并相对应的稀疏系数,并重构得到融合图像。该算法对相同特征和相异特征分别进行融合,克服了融合图像中相异特征清晰度下降的问题。并且由于稀疏表达具有很好的去噪功能,本文算法也可以同时进行图像融合和去噪。通过与4种流行的融合算法比较,本文算法得到较好的视觉效果。      

基于稀疏协方差矩阵迭代的单快拍气流速度估计算法

该文研究基于声传感器阵列的单快拍气流速度估计问题。首先,根据声波在亚音速和超音速气流中的传播特性,针对特定的测量装置,建立了声传感器线性阵列的输出模型。在此基础上,提出一种稀疏协方差矩阵迭代的单快拍(Sparse Covariance Matrix Iteration with a Single Snapshot, SCMISS)气流速度估计算法,与其他稀疏估计方法相比,该文提出的SCMISS算法无需正则化参数选择,计算量更低,具有更强的实时性,且只需单快拍采样数据就可对亚音速和超音速气流速度进行统一估计。最后,为了评价所提算法的估计性能,推导了气流速度估计的克拉美-罗界(Cramr-Rao Bound, CRB)表达式。仿真实验验证了该算法的有效性。     

一种基于盲源分离的DOA估计方法

文中基于特征矩阵联合近似对角化JADE（Joint Approximate Diagonalization of Eigen-matrices）的盲分离算法提出了一种DOA估计新方法。该方法对阵列流型矩阵进行了盲估计,并将阵列流型中的方向矢量看成是由多个复正弦信号线性混合而成,进而利用频谱分析的方法实现信号的DOA估计。实验结果表明：该方法在同等条件下完成同样的方位分辨要优于多重信号分类MUSIC（Multiple Signal Classification）的方法,而且还可以实现对相干信号源进行分辨。