多DSP并行处理技术在信号DOA估计中的应用

信号到达波方向估计要求实时笥强,运算速度快,估计精度高,单一的ＤＳＰ或ＰＣ机处理已远远不能满足实进性要求。本文介绍了以２０片ＴＭＳ３２０Ｃ３１芯片组成的多ＤＳＰ芯片并行处理系统的设计实例,并给出了系统硬件组成和软件设计。     

一种宽带信号DOA估计新方法

该文研究了信号稀疏分解在阵列信号处理中的应用，将信号非正交分解应用到阵列信号处理领域，突破了信号正交分解的思想．通过计算传感器阵列输出信号的稀疏分解，实现了信号空间谱的超分辨估计，提出了一种全新的宽带信号源波达方向（DOA：Direction of Arrival）估计算法。在较低信噪比情况下，该新算法的性能优于传统的波达方向估计算法，计算机仿真结果验证了算法的有效性。     

基于稀疏表示的OFDM信号的DOA估计

针对正交频分复用（OFDM）, 宽带信号波达方向(DOA)估计问题, 提出一种基于宽带信号协方差矩阵稀疏表示的DOA估计方法。该方法是在协方差矩阵主对角线下对左下角三角形元素按各条对角线取平均值后形成一个新的向量, 然后将该向量写成冗余字典形式。在冗余字典下对信号进行稀疏性约束形成二阶锥约束优化问题, 再用工具箱SeDuMi来实现DOA估计。理论分析和仿真结果表明, 该方法在低信噪比和少快拍数下分辨率很高, 是一种有效的宽带信号DOA估计算法, 此方法优于基于高阶累积量算法和宽带聚焦算法的DOA估计方法。     

脉冲噪声环境下宽带循环平稳信号DOA估计算法

针对传统二阶循环相关算法在脉冲噪声环境中的显著退化问题,本文以α稳定分布为噪声模型,提出基于分数低阶循环相关的波达方向(Direction of arrival,DOA)估计算法。利用分数低阶循环相关的相移特性,将宽带循环平稳信号的DOA估计问题转化为"中心频率"为ε的窄带问题,解决了宽带情况下DOA估计困难的问题。计算机仿真结果进一步验证了此算法的有效性,且性能优于传统SC-SSF(Spectral correlation signal subspacefitting)算法。     

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.     

不同信号的DOA估计算法比较

波达方向(Direct of Arrival,DOA)估计技术渐渐成为移动通信中的研究热点,当用户的信号方向未知时,可以根据经典算法多重信号分类(Multiple Signal Classification,MUSIC)和旋转不变技术信号参数估计(Estimating Signal Parameters Viarotational Invariance Techniques,ESPRIT)等方法估计信号DOA。针对不同的信号采取不同的算法分析。对窄带信号,从信噪比、阵元数、快拍数等不同情况下对TLS-ESPRIT算法和MUSIC算法进行了仿真实验,并比较了TLS-ESPRIT算法与MUSIC算法的DOA性能。对宽带信号,主要重点分析了基于非相干信号处理算法(Incoherent Signal-subspace Method,ISM)的两种改进的方法,对低信噪比子带赋予低权重或舍弃。通过仿真实验,证明了改进算法的优越性,同时对两种改进算法的使用场合作了简单的分析。     

相干信源DOA估计的最大似然算法应用及改进

讨论了阵列天线基于交替投影迭代算法的最大似然估计,实现信号源方位估计以及多个同距同速信源的方位角分离方法。此估计方法可用于相关信号目标的方位估计。由于此方法耗时较长,与斐波那契数列法结合,减少了搜索次数,提高了测角效率。仿真结果表明了此方法的有效性。     

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。     

基于迭代加权线性模型的网络回归算法

传统的机器学习算法难以有效处理具有自相关性的网络数据,而已有的网络学习算法多为分类算法,回归算法较少。为解决网络数据中的回归预测问题,考虑数据实例间的自相关性,提出一种迭代加权线性回归算法(IWR)。该算法采用迭代分类算法的集体学习框架,每步迭代中将待预测实例逐个输入局部回归模型以更新目标属性值,直至达到既定目标。在空间网络和社会网络的数据集合上进行实验,结果表明,与传统回归算法及NCLUS算法相比,IWR算法可以有效减小预测误差。     

基于改进块稀疏贝叶斯学习算法的波达方向估计

针对传统的基于稀疏表示的DOA估计算法单纯利用信号的空域稀疏性,导致在低信噪比时稀疏性能变差,影响信号稀疏重构效果的问题,使用分块稀疏理论对信号进行稀疏分解。随着目标增多及作战任务改变,DOA估计往往呈现目标群测向的特点,为了能够更好地利用信号的结构特征和统计特征,提出了基于空时联合的块稀疏DOA估计算法,使用块稀疏理论挖掘信号的内部结构,充分利用了信号的块内稀疏性和块间相关性,提高稀疏重构性能,进而对DOA估计效果有很大的提升。仿真实验表明,相比于经典的DOA方法,本方法有更好的估计效果。     

导向矢量失配情况下基于稀疏表示的波达方向估计算法

提出了一种传感器阵列导向矢量失配情况下的基于稀疏表示的信号源波达方向DOA估计算法。针对一些实际环境中噪声重尾现象严重的特点,采用合成圆对称广义高斯噪声分布对其进行模拟。考虑到实际环境中传感器自身运动以及外界环境因素的改变可能会导致传感器导向矢量产生波动,利用加权最小二乘法对波动生成的增益值进行最优估计。然后,构建信号模型的分数低阶矩FLOM矩阵,进行矢量化处理,以提高其数组维数。最后,利用稀疏表示方法重构信号模型,将信号源DOA估计转化为二阶锥规划问题进行求解,并采用奇异值分解降低运算量。仿真结果表明,本算法的信号源DOA估计具有很高的分辨率,且有效地避免了导向矢量失配对DOA估计产生的影响。     

基于遗传算法的宽带目标波束空间DOA估计

提出一种基于遗传算法的宽带目标到达方位(DOA)估计新方法,该方法首先通过傅立叶变换方法设计频域恒定束宽转换矩阵,并使用该矩阵将阵元空间的数据转换到波束空间,同时,利用宽带波束空间遗传算法进行DOA估计。计算机仿真表明:在低信噪比条件下该算法相比于CSS类子空间算法、CSS类最大似然算法和阵元空间遗传算法有更高的分辨概率,更小的均方误差。     

短快拍条件下宽带chirp信号的波达方向估计

传统的波达方向(DOA)估计算法角度分辨率低或者依赖于大量的快拍,基于稀疏参数估计的SPICE谱估计算法虽然在很少的快拍数即短快拍条件下就能达到较高的分辨率以及低的旁瓣水平,但是只适用于窄带信号。为了解决上述问题,即仅依靠少量快拍实现对宽带线性调频(chirp)信号的高分辨率DOA估计,提出了一种FrFT-SPICE算法。首先,将宽带chirp信号进行特定阶次的分数阶傅里叶变换(FrFT),将时域的chirp波形变为FrFT域的单频正弦波形;其次,推导出FrFT之后接收信号的方向向量;最后,将方向向量代入到窄带的SPICE算法中,实现对宽带chirp信号的DOA估计。仿真实验中,在少量快拍以及扫描间隔相同的前提下,同多重信号分类(MUSIC)与FrFT相结合的FrFT-MUSIC算法相比, FrFT-SPICE在DOA估计的分辨率方面有所提高;而同将空间重采样(SR)与迭代自适应算法(IAA)相结合的SR-IAA相比, FrFT-SPICE在估计精度上有所提高。实验结果表明,所提算法能够在短快拍条件下实现对宽带chirp信号的高分辨率、高精度的DOA估计。     

基于稀疏表示和约束优化的波达方向估计方法

对于噪声环境中信号源的波达方向(DOA)估计,传统的多信号分类(MUSIC)算法只对不相干信号有效,且所需较多样本。针对此问题,将进行DOA估计的搜索范围看作冗余字典,从而待估计的DOA成为该冗余字典中的某些元素,可以由冗余字典对其进行稀疏表示;其次,利用单次快拍数据,应用二阶锥(SOC)约束优化的方法对该稀疏表示问题进行描述,并进而转化为标准的二阶锥形式,采用有效的优化工具SeDuMi来实现DOA的估计。仿真结果表明,与现有的子空间方法相比,该方法只需单拍数据即可得到较好的估计结果,且无需对信源个数有先验知识,同时适用于相干和非相干信号。     

一种新的宽带DOA估计自聚焦算法

具有较高精度的宽带信号波达方向（DOA）快速估计算法是其实用化所要解决的重要问题。提出了一种新的相干子空间（CSM）类宽带DOA估计自聚焦算法。算法利用子空间投影变换将信号分离后分别处理,通过不断更新聚焦方向实现自聚焦。与已有算法相比,不受DOA初始值的影响,有更小的聚焦误差;不同目标在聚焦矩阵更新过程中无需再做奇异值分解,有较低的实时计算量。仿真实验表明,算法以较小的计算代价实现了近乎最优的聚焦性能,有较高的DOA估计精度。     

An eigenstructure-based 2D DOA estimation method using dual-size spatial invariance array

A sparse planar array vertically placed in y-z plane is proposed to improve the angle estimation accuracy of sources in low angle region with reflection multipath.With two sizes of spatial invariances along both dimensions,the array estimates the azimuth and elevation angles using unitary ESPRIT(estimation of signal parameters via rotational invariance techniques).The first spatial invariance with a displacement of half-wavelength yields unambiguous coarse estimates of high-variance,while the second spatial...     

一种新的DOA估计的高分辨率算法

波达方向估计（DOA）在阵列信号处理中非常重要,而传统算法如多重信号分类算法（MUSIC）需要对阵列接收数据的协方差矩阵进行特征分解,并在全空域进行谱峰搜索,运算量巨大,尤其是二维DOA估计算法还存在稳健性较差的问题。提出了一种基于最小互熵谱分析的DOA算法,该算法只需要一次较少阵元的阵列采样（快拍）数据即可得到具有高分辨率的谱分析结果。进一步采用倒谱法,通过逆FFT变换提高了最小交叉熵谱分析算法的收敛速度。数值仿真结果表明,该算法较常规空间谱估计方法有更高的分辨力和更小的运算量,能够对阵列信号进行实时处理。算法不依赖于预先估计的信源数目,具有较好的宽容性,较高的分辨力以及极低的旁瓣电平。     

一种基于预估计的稀疏表示DOA估计快速算法

稀疏表示DOA估计算法具有很高的分辨率,但是其计算量较大.为此,提出一种基于预估计的稀疏表示DOA估计快速算法.首先,利用阵列协方差矩阵特征向量的性质,通过DFT对入射信号进行DOA预估计;其次,利用预估计结果降低过完备字典的长度;最后,进行稀疏分解得到DOA估计的精确结果.由于采用的字典长度较短,该算法的计算量非常小.仿真实验结果表明,该算法具有较高的成功概率、较快的估计速度和较低的估计误差.因此,提出的算法在工程实际中应用前景广阔.