基于矩阵束的MIMO雷达低仰角快速估计方法

针对多径效应的影响,提出了一种基于矩阵束的MIMO雷达低仰角快速估计方法。该方法同时考虑了发射多径信号和接收多径信号,采用单样本数信号矢量构造了一个前后向矩阵束,并利用两个酉矩阵对该矩阵束进行降维处理,最后采用广义特征值分解的总体最小二乘法来估计目标角度。算法不需要估计数据协方差矩阵,可在低信噪比和单样本数情况下,有效地克服多径效应,实现同时多目标低仰角估计,相比最大似然算法,避免了谱峰搜索,计算量小。仿真结果验证了该算法的有效性。     

基于类MUSIC的DOA估计算法

针对相关信号波达方向(DOA)的估计问题,提出了一种基于最大差值子矩阵的信号DOA估计方法.对利用Toepllitz构造的满秩矩阵进行特征值分解,得到排序后的特征值,并利用特征值的差值实现满秩矩阵筛选,同时结合传统MUSIC算法实现信号DOA估计.理论分析与仿真实验表明,本文所提方法在相关信号DOA估计方面具有更好的分辨力.     

声矢量阵张量分解MUSIC算法

矢量水听器同时、共点测量声场中的声压和振速分量,因此相对于声压水听器能够获取更多的声场信息,多重信号分类算法(MUSIC)是一种具有高分辩能力的方位估计算法,本文对声矢量阵接收信号三阶张量建模,并通过高阶奇异值分解得到信号张量子空间,从而结合MUSIC算法对声源进行方位估计。基于三阶张量奇异值分解得到的信号子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声,并且体现了多维数据之间的关联关系,因此方位估计精度更高。计算机仿真结果表明:矢量阵张量分解MUSIC算法性能优于传统矢量阵MUSIC方法。      

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。     

基于特征波束形成的强弱信号波达方向与信源数估计方法

该文针对强弱信号并存时信源数和弱信号波达方向难以准确估计的问题,提出了一种基于特征波束形成的强弱信号波达方向与信源数同时估计方法。首先估计空域协方差矩阵,对其特征分解后按特征值从大到小调整特征矢量;然后从第1个特征矢量开始,由提出的估计式得到各特征波束的空间谱;最后,通过计算各空间谱的最大值与旁瓣谱峰平均值的比例判断有无信源,最大谱峰对应的角度即为该信源的波达方向估计。与RELAX和JJM方法相比,所提方法无需迭代步骤,无需强信号波达方向精确的先验知识,具有运算量小和弱信号估计精度高的优点,仿真和实测数据处理结果证明了方法的有效性和优越性。     

冲击噪声背景下宽频段信号的多维参数估计

提出了一种基于协变异矩阵的宽频段信号频率、二维到达角和极化参数联合估计的算法.该算法利用非均匀L型极化敏感阵列的时空数据构造了一个时空协变异矩阵,通过对其进行特征分解,并利用分解得到的特征值和特征矢量估计出宽频段信号的多维参数.在冲击噪声环境下,该算法能够精确地估计信号的多维参数,无需多维谱峰搜索和参数配对过程,并具有较好的信源参数兼并能力.计算机仿真结果验证了算法的有效性.     

深海直达声区水下声源距离深度联合估计

深海直达声区声场存在明显的多途结构,可用于水下声源被动定位。本文根据一次南海实验获取的数据,研究基于双水听器接收信号互相关函数和单水听器接收信号自相关函数的水下声源距离深度联合估计方法。首先假设声源深度位于50m~300m之间,根据双水听器互相关函数提取直达波到达时间差估计水下声源距离,然后根据距离估计结果以及单水听器自相关函数提取的直达波与海面反射波时延差估计水下声源深度,最后计算声源深度估计结果的平均值再与双水听器互相关函数结合得到更为精确的距离估计结果。结果表明,采用此方法估计的水平距离相对误差在10.5%以内,声源深度相对误差小于13.3%。      

一种估计多信号频率的快速子空间方法

多重信号分类（Multiple Signal Classification,MUSIC）法在估计多信号频率时需要对采样数据序列的自相关矩阵进行特征值分解，并准确划分出信号和噪声子空间，使得其计算量比较大。利用自相关矩阵的Toeplitz特性快速计算其逆矩阵，通过计算逆矩阵的多次幂来逼近噪声子空间，避免了MUSIC法的特征值分解和估计信号个数的过程。在谱峰搜索环节，采用先粗估计频率值再在小区间进行精细搜索的策略，能够避免搜索无用的频率范围。计算量比较分析以及与理论克拉美罗界（Cramer-Rao Bound,CRB）的对比验证结果表明，快速方法性能与MUSIC法相当，能够较好地逼近CRB，且计算量更小，适合实时性要求高的应用场合。     

基于MEMS矢量传声器的声源DOA估计

微机电系统（Micro Electro Mechanical System,MEMS）矢量传声器在声源波达方向（Direction of Arrival,DOA）估计领域具有巨大的潜力及优势。本文分析MEMS矢量传声器接收信号模型,并结合随机性最大似然原理推导矢量传声器DOA估计模型。针对时变非均匀噪声影响矢量传声器DOA估计性能的问题,提出基于空间噪声预白化的极大似然DOA估计方法。此外,开展仿真分析及园区环境下的定向验证试验。结果表明,通过噪声协方差估计矩阵对矢量传声器接收信号数据进行预白化处理,能够克服时变非均匀噪声对信号协方差矩阵的影响,实现矢量传声器对目标DOA精确估计,验证了该方法的有效性及实用性。     

一种估计宽带信号源数目的新方法

信号源数目估计是波达方向（DOA）估计的基础。基于噪声特征值的统计特性，文章在宽带信号条件下，基于各个频率点下的阵列采样协方差矩阵的噪声特征值在平面直角坐标系中几乎处于同一条直线上这一统计特性，提出了一种新的估计宽带信号源数目的方法，该方法简单且易于实现。最后通过计算机仿真验证了此方法的有效性和优越性。     

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ESPRIT算法的L型阵列MIMO雷达降维DOA估计

该文针对L型阵列MIMO雷达的2维角度估计问题,基于ESPRIT算法提出两种降维DOA估计方法。首先通过降维矩阵的设计及回波数据的降维变换,将高维回波数据转换至低维信号空间;然后分别基于特征分解和传播算子获得信号子空间的估计,最后利用ESPRIT算法实现2维空间角参量的联合估计及参数的自动配对。算法不牺牲阵列孔径,最大程度地降低了回波数据的维数,具有更低的运算复杂度。仿真结果验证了该文理论分析的正确性和算法的有效性。     

Improved coherent DOA estimation algorithm for uniform linear arrays

An improved algorithm on coherent direction-of-arrival (DOA) estimation is presented in this article, with the objective to overcome the unsatisfactory performances of estimation of signal parameter via rotational invariance techniques (ESPRIT)-like algorithms (Han and Zhang, IEEE Antennas and Wireless Propagation Letters 2005;4:443–446). On the basis of trilinear model by reconstructing a series of Toeplitz matrix from the co-variance matrix of array output, our proposed algorithm is to resolve the DOAs of coherent signals, which not only has much better DOA estimation performance than algorithms of ESPRIT-like and multi-invariance ESPRIT but also identifies more DOAs than ESPRIT-like algorithm. Simulation results demonstrate its validity.     

Multi-invariance ESPRIT-like algorithms for coherent DOA estimation

Estimation of Signal Parameters via Rotational Invariance Technique(ESPRIT) algorithm can estimate Direction-Of-Arrival(DOA) of coherent signal,but its performance can not reach full satisfaction.We reconstruct the received signal to form data model with multi-invariance property,and multi-invariance ESPRIT algorithm for coherent DOA estimation is proposed in this paper.The proposed algorithm can resolve the DOAs of coherent signals and performs better in DOA estimation than that of ESPRIT-like algorithm.Me...     

利用矩阵滤波技术估计信号二维波达方向

现有的基于子空间的波达方向估计算法都要求不相关信号源的数目小于阵元数目,但当信号源数目很多时,算法失效.为此,提出了一种具有过载估计能力的二维波达方向估计方法,先利用矩阵滤波技术接收数据进行预处理,使信号子空间限定在一个较小的区域内,把区域外的信号抑制掉,从而减小了有效的信号源数目,然后可以采用现有算法进一步估计二维波达方向.矩阵滤波器的设计过程也可以归结为一个最小二乘问题,效率很高.计算机仿真验证了算法的有效性.     

均匀线列阵下的快速TLS-ESPRIT算法

ＴＬＳ－ＥＳＰＲＩＴ算法是一种方位估计算法,由于采用了全局最小二乘估计,其在低信噪比下的估计性能较ＥＳＰＲＩＴ算法有所提高,但算法略显复杂。本文针对均匀线列阵,构成了ＴＬＳ－ＥＳＰＲＩＴ的简化算法,使其运算量明显减少,同时还可给出源功率的估计。文中给出了算法的结构及计算机仿真结果。     

非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

基于ESPRIT算法的十字型阵列MIMO雷达降维DOA估计

该文针对十字型阵列配置下的单基地MIMO雷达2维空间角度估计问题,提出一种基于ESPRIT算法的降维DOA估计算法。算法通过降维矩阵的设计及回波数据的降维变换,将高维回波数据转换至低维信号空间,最大程度地去除了所有的冗余数据;利用矩阵的酉变换进行实数域信号子空间的估计,并基于ESPRIT算法实现2维空间角度的联合估计及参数的自动配对。算法不牺牲阵列孔径,在获取信噪比增益和快拍增益的同时,有效降低了回波数据的维数,具有更低的运算复杂度。仿真结果验证了理论分析的正确性和算法的有效性。     

Joint Estimation of TOA and DOA in IR‐UWB System Using Sparse Representation Framework

This paper addresses the problem of joint time of arrival (TOA) and direction of arrival (DOA) estimation in impulse radio ultra‐wideband systems with a two‐antenna receiver and links the joint estimation of TOA and DOA to the sparse representation framework. Exploiting this link, an orthogonal matching pursuit algorithm is used for TOA estimation in the two antennas, and then the DOA parameters are estimated via the difference in the TOAs between the two antennas. The proposed algorithm can work well with a single measurement vector and can pair TOA and DOA parameters. Furthermore, it has better parameter‐estimation performance than traditional propagator methods, such as, estimation of signal parameters via rotational invariance techniques algorithms matrix pencil algorithms, and other new joint‐estimation schemes, with one single snapshot. The simulation results verify the usefulness of the proposed algorithm.