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。     

基于加权子空间投影的改进空间平滑DOA估计算法

为了更准确地估计相干信源波达方向（DOA）,提出了一种基于加权子空间投影算法的改进空间平滑估计方法。通过对阵列协方差矩阵的自相关子矩阵以及关于主对角线对称位置互相关子矩阵分别进行互相关处理,得到一种新的空间平滑矩阵,以进行解相干预处理。为了改善估计性能,构造一种对子空间进行加权投影的算法,进行DOA估计。仿真实验结果表明,该改进算法尤其是在低信噪比、小快拍数及相干信源间隔很近时能更加有效地进行DOA估计,提升了分辨性能。     

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。     

基于迭代超分辨的单快拍DOA估计方法

单快拍DOA估计方法可解决短时突发信号和相干信源背景下传统方法面临的秩亏损问题。本文提出一种基于迭代超分辨的单快拍DOA估计方法,利用迭代超分辨技术估计阵列的协方差矩阵,然后采用求根MUSIC算法实现对DOA的估计。该方法无需谱峰搜索,可在不损失阵列孔径的同时实现单快拍DOA估计。论文推导了基于最小方差无畸变响应原则的迭代超分辨技术,仿真分析了空间角度划分、迭代次数、信噪比等参数对DOA分辨的正确率和估计精度的影响,与已有方法的对比结果验证了本文方法的有效性。      

单快拍虚拟阵列Toeplitz矩阵重构的相干信源DOA估计

针对相干信源的DOA估计,提出一种基于单快拍虚拟阵列Toeplitz矩阵(SSVT)重构的解相干算法。该方法利用阵元接收的单快拍数据构造出双向虚拟子阵,并对虚拟子阵的协方差矩阵的平均值进行Toeplitz矩阵重构,实现对相干信源的DOA估计。该方法无需进行多次快拍,在不损失阵列孔径和工作阵元的基础上实现相干信源的DOA估计。仿真结果表明,该算法降低了运算量,在低信噪比的情况下也能分辨M-1个相干信源。     

空间平滑MUSIC算法的相干信源DOA

DOA估计是阵列信号处理一个重要领域,其中MUSIC算法是经典的针对非相干信源的超分辨算法,但其针对完全相干的两个信源时,则完全失去分辨能力.因此进一步研究了空间平滑MUSIC相干源的超分辨算法,并在八元线阵,固定快拍的条件下,对各种算法进行仿真对比.     

相干信源DOA估计修正ESPRIT算法研究

针对相干信源DOA估计提出了一种修正ESPRIT算法,利用时域白噪声信号在不同时刻是不相关的性质,通过对在虚拟平移天线阵列过程中所得阵列的输出数据协方差矩阵进行修正,可减小白噪声的影响.该算法对独立源和相干信源的DOA估计有较高的分辨率,计算量较小,即使在低信噪比、低快拍数和小阵元数的条件下,仍具有很小的估计误差.能较准确地进行相干源的DOA估计.仿真结果验证了修正ESPRIT算法的正确性和有效性.     

基于压缩感知的被动雷达导引头信源数估计方法

随着雷达反摧毁技术的发展,被动雷达导引头面临着在雷达和诱饵形成的不完全重合信号中进行超分辨测向的挑战,需要单快拍测向技术。现有测向技术大多假设信源数已知,而传统的信源数估计方法在单快拍时性能大幅下降甚至失效。为解决这一问题,提出了一种基于压缩感知的单快拍信源数估计方法。该方法首先将被动雷达导引头阵列测向模型稀疏表示,其次通过子空间算法和压缩感知算法相结合进行降阶和解相干处理,然后提出一种改进的正交匹配追踪算法,研究残差的变化规律,最后构造目标函数估计信源数。仿真实验表明,该方法在单快拍、阵元数少、信号相干的极端情况下估计成功率较高。     

一种基于稀疏贝叶斯学习的离网DOA估计算法

本文提出一种基于稀疏贝叶斯学习的改进离网DOA估计算法,以提升非理想测向环境下在低信噪比、低快拍数时的DOA估计性能,称之为MOGSBL算法。本算法将信号源方位区间进行离散化,得到方位离散网格。为阵列接收信号建立稀疏贝叶斯模型,将网格节点修正量设为模型超参数。采用期望最大化算法迭代更新网格节点修正量,使更新后的网格节点更接近真实源信号方位。为了检验MOGSBL算法的性能,本文进行了大量的数值实验,并将MOGSBL算法的DOA估计结果与RSBL算法、OGSBL算法和L1-SVD算法进行对比。在不同信噪比和不同快拍数时,MOGSBL算法均能清晰分辨方位很接近的两个信号源,角度分辨率明显高于RSBL算法、OGSBL算法和L1-SVD算法。随着信噪比和快拍数的增加,4种算法的RMSE均逐渐减小。但MOGSBL算法的RMSE明显低于RSBL算法、OGSBL算法和L1-SVD算法,且RSBL算法、OGSBL算法优于L1-SVD算法。实验还分析了方向测试范围的离散网格节点数对DOA估计的影响,发现细密的离散网格可以提高DOA估计精度,但DOA估计的计算量会增加。且在任意网格节点数时,相比于RSBL算...     

基于噪声空间加权重构的相干信号DOA估计

针对传统相干信号DOA估计算法在低信噪比、少快拍数以及阵列通道幅相误差下存在的角度分辨力差和测角性能不稳定问题,本文提出一种基于噪声空间加权重构的相干信号DOA估计算法。该算法首先利用共轭重构对阵列接收信号协方差矩阵作解相干处理;然后在信源大致方位内对导向矢量作定积分,计算积分矢量与整个噪声子空间正交基矢量的交空间基矢量,并以此对噪声子空间进行加权;最后运用加权重构后的噪声子空间建立算法空间谱函数,谱峰搜索估计得目标的DOA。计算机仿真结果表明,本文所提算法易实现低信噪比、少快拍数以及通道幅相误差下相干信号的DOA估计。     

基于FFT和迭代插值的改进型超分辨算法

基于单快拍的快速迭代插值DOA（Direction of Arrival）估计方法,有效地消除了频谱泄漏,实现了多源DOA的无偏估计。但是该算法需要提前确定信源的个数,且运算量大,因此在工程应用中受限。本文提出一种新方案,利用传统角度域FFT提供粗略角度估计,然后通过迭代插值法细化角度,最终基于对消残差功率和信息论准则进行信源个数估计。该方案无需预知信源个数,且文中提出的基于残差变化率的收敛策略大大减少了细化估计的迭代次数,从而有效地降低了原算法的计算量。通过仿真结果验证了该方案的有效性,在估计精度及分辨率方面性能接近快速迭代插值波束形成算法,优于子空间类算法。     

采用单次快拍数据实现相干信号DOA估计

该文针对均匀线性阵列的相干信号DOA估计问题,提出了一种基于单次快拍数据的解相干算法,该算法直接利用快拍数据构造一个Toeplitz矩阵,经理论推导,该Toeplitz矩阵的秩不受信号的相干性影响,仅和入射信号的个数有关,因此对该矩阵进行特征值分解可得到正确的信号子空间和噪声子空间,结合MUSIC,ESPRIT等子空间算法,即可实现对相干信号的DOA估计。数值仿真验证了该算法的有效性。     

基于线性时频分析的非平稳源空间谱估计

针对存在幅度和相位调制的非平稳信号的定向问题,本文提出了一种改进的线性时频空间谱估计算法。该算法首先在线性时频面上检测信号的时频脊,并沿各时频脊进行采样形成独立的阵列时频快拍,然后对各快拍采用通用算法进行空间谱估计,此时阵列能估计的信号源数已不再受阵元数的限制。计算机仿真实验表明,该算法具有优良的定向精度,且能有效地对多个非平稳信号源进行分离和空间谱估计,其计算量远低于二次时频空间谱估计算法。     

Direction of arrival estimation using adaptive directional time-frequency distributions

Time-frequency distributions (TFDs) allow direction of arrival (DOA) estimation algorithms to be used in scenarios when the total number of sources are more than the number of sensors. The performance of such time–frequency (t–f) based DOA estimation algorithms depends on the resolution of the underlying TFD as a higher resolution TFD leads to better separation of sources in the t–f domain. This paper presents a novel DOA estimation algorithm that uses the adaptive directional t–f distribution (ADTFD) for the analysis of close signal components. The ADTFD optimizes the direction of kernel at each point in the t–f domain to obtain a clear t–f representation, which is then exploited for DOA estimation. Moreover, the proposed methodology can also be applied for DOA estimation of sparse signals. Experimental results indicate that the proposed DOA algorithm based on the ADTFD outperforms other fixed and adaptive kernel based DOA algorithms.     

一种快速分布式目标波达方向估计新方法

在现有的分布式目标波达方向估计方法中,绝大部分算法需要一维或二维搜索,而在不需搜索的特征分解类算法中,其DOA估计精度又受快摄数积累的影响。文中在对分布式目标的角信号密度函数进行合理假设基础上,利用波达方向参数在超完备基空间上的稀疏表示,在单次快摄情况下即可给出分布式目标中心波达方向的快速估计,算法在分布式目标快变环境下尤为有效。仿真结果证明了方法的有效性及可行性。     

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．     

改进MUSIC算法的DOA估计眭能研究

在众多的波达方向（DOA）估计算法中,以MUSIC算法为代表的基于特征结构分解方法因具有较高的分辨性能而受到研究者的青睐。但是当信号源完全相干时,其性能会显著变坏。改进了MUSIC算法．通过构造转换矩阵,对协方差矩阵进行变换,将其转换成实矩阵再进行特征值分解,实现了MUSIC算法解相干。计算机仿真证明了该方法的有效性。     

基于MUSIC 算法的圆阵 DOA 估计技术及改进方法

介绍了基于MUSIC算法的圆阵到达方向（DOA）估计技术,即将均匀圆阵接收数据的协方差矩阵进行特征分解,把观测数据划分为信号子空间与噪声子空间,并利用2个空间的正交性构造出＂针状＂空间谱峰,进行信号源DOA估计;针对小信噪比和小快拍数情况下,常规 M USIC算法对入射角度相近的信号源的分辨率严重下降的问题,利用谱函数极大值点对方位角和仰角的二阶导数小于零的特性,通过对方位角和俯仰角求二阶偏导数,提出了新的空间谱函数的方法。     

一种未知信源数的高分辨DOA估计算法

提出了一种未知信源数的高分辨 DOA 估计算法。该算法在未知信源数的情况下,利用线性预测(LP)法或 Pisarenko 法与 ASPECT 技术相结合来实现高分辨谱估计。该算法在消除 LP 法或 Pisarenko 法 DOA 估计中存在的伪峰的同时可判断出入射信源数,明显减小 DOA 估计算法的运算量,并可提高谱分辨力。计算机仿真结果证明了新算法理论的正确性和有效性。     

采样数据重构的修正一维噪声子空间算法

阐述了一维噪声子空间算法的基本原理,介绍了将接收数据重构再利用,构造相关矩阵的修正一维噪声子空间算法,在快拍次数有限时,可以明显改善相干信号DOA估计的性能,计算机仿真结果证明该修正算法是有效的。