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。     

基于凸优化的Khatri-Rao子空间宽带DOA估计

该文基于凸优化工具,提出一种新的Khatri-Rao子空间宽带到达角(DOA)估计方法。首先,利用Khatri-Rao子空间的概念,构造各频点的虚拟阵列导向矢量。再利用凸优化方法针对虚拟阵列导向矢量构造聚焦矩阵,从而利用虚拟阵列所增加的维数,在尽量减少聚焦对噪声影响的同时,获得良好的聚焦效果。仿真结果表明,相对于已有的Khatri-Rao子空间宽带DOA估计方法FKR-RSS,该方法具有更好的估计精度和目标分辨力。对于信号源数大于阵元数的情形,该文方法优势更加明显。     

加权伪噪声子空间投影的修正MUSIC算法

多重信号分类（multiple signal classification: MUSIC）方法通过计算搜索导向矢量与噪声或信号子空间的距离来估计波达方向,对采样协方差矩阵的依赖性较大。在小快拍或存在强弱临近信号条件下,采样协方差矩阵的估计值与真实值通常存在较大差异,导致估计的噪声或信号子空间发生畸变,严重恶化了MUSIC方法的波达角估计性能。针对该问题,本文提出采用加权伪噪声子空间投影的改进方法（称为wpnMUSIC）。该方法在修正数据相关矩阵的基础上估计与搜索导向矢量对应的伪噪声子空间并利用其在伪噪声子空间的投影值对MUSIC空间谱进行加权处理,在保持子空间处理方法高分辨能力的同时改善了对小快拍和强弱信号的稳健性。理论分析和仿真实验表明本文方法对强弱临近目标的分辨能力优于MUSIC方法。      

空间非平稳噪声下的宽带DOA估计算法

投影子空间正交性测试(TOPS)法是利用子空间的正交性实现宽带信号DOA估计,而在空间非平稳噪声环境下子空间的正交性条件不再满足,尤其是在低信噪比或低快拍条件下子空间估计将出现较大误差,TOPS算法性能将急剧下降。针对该问题,提出了一种空间非平稳噪声下宽带DOA估计算法。该算法首先通过构造特殊对角矩阵将噪声从数据协方差矩阵中剔除,从而克服非平稳噪声对DOA估计的影响;然后利用平方TOPS法实现宽带信号DOA估计,消除了传统TOPS算法中的伪峰。该算法适用于空间非平稳噪声背景及低信噪比环境,提高了对角度相近目标的分辨性能;仿真实验表明了该算法的有效性。     

基于ANSG的雷达信号DOA估计算法

针对阵列信号处理中雷达信号的波达方向(DOA)估计,提出自适应噪声子空间生成(ANSG)算法。通过数值方法,得到阵列接收信号的协方差矩阵,以迭代方式处理约束最小化问题,实现ANSG。根据噪声子空间的表达式获得DOA估计,并且先验信息可以很好地融入算法的流程中,能够有效地解决复杂环境下的多信号源DOA估计问题。仿真结果表明,该算法适用于单频、线性频率调制以及二进制相移键控雷达信号,DOA估计精度和运算速度优于MUSIC。     

一种空间非均匀噪声环境下DOA估计的改进方法

文中提出一种空间非均匀噪声环境下的信号源DOA估计的改进方法.该算法首先对阵列协方差矩阵进行平滑处理,在此基础上估计出空间非均匀噪声协方差矩阵,通过已估计的噪声协方差矩阵对平滑处理后的阵列数据协方差矩阵进行白化处理,克服了空间非均匀噪声对空间谱估计的影响,实现信号源DOA估计.相对于原方法,文中所提方法改善了DOA估计的性能,计算量小,并且能够估计强相关或相干信号源DOA.理论分析和仿真结果均表明所提方法的有效性.     

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。      

基于贝叶斯压缩感知的子空间拟合离格DOA估计

针对传统的基于稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）的波达方向估计算法对噪声鲁棒性不高的问题,提出了一种基于SBL的子空间拟合离格波达方向(Direction of Arrival,DOA)估计方法。首先对接收数据的协方差矩阵进行特征分解,获得信号的加权子空间,构造等价信号的稀疏表示模型并利用贝叶斯学习算法进行参数求解。同时对于网格划分带来的建模误差问题,采用了离格贝叶斯推导（Sparse Bayesian Inference,SBI）算法进行求解,利用期望最大化算法迭代更新相应的参数。仿真结果表明,相对于传统的DOA方法,该方法具有更好的估计精度。     

基于数据阵共扼重构的宽带相干源DOA估计算法

提出了一种基于阵列接收数据阵共扼重构的宽带源DOA估计方法。该算法在保持原ISM算法无需构造复杂聚焦阵的基础上，取前后向平滑的特例——子阵长度与阵元数相等，在每一子带对接收数据阵进行共扼重构，在不损失阵列孔径的前提下实现了相干源的DOA估计，并可提高对非相干源的估计性能。仿真结果验证了新方法的有效性。     

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。     

基于降维噪声子空间的二维阵列DOA估计算法

为提高波达方向(Direction Of Arrival, DOA)的估计速度,该文基于子空间的正交性原理,利用噪声子空间及其共轭的交集进行奇异值分解(SVD)实现噪声子空间的降维,并基于降维噪声子空间与导向矢量及其共轭的双正交性提出一种2维阵列快速DOA估计算法。理论分析和仿真实验表明：该算法不受实际阵型的限制,能将传统MUSIC谱的角度范围压缩至原来的一半,从而将DOA估计的计算量降至传统方法的50%,并具有与MUSIC算法相当的角度分辨率。     

基于扩维的多通道联合频率和到达角估计

针对宽频段信号的时空欠采样问题,该文提出基于扩维的多通道联合频率和到达角估计方法。在时间和空间均欠采样的情况下,该方法实现了频率和到达角的2维无模糊估计。通过构造空时2维无模糊阵列结构,将多个采样通道联合扩维,解决了时间欠采样问题;将多个快拍通道联合扩维,克服了空间欠采样问题。同时,为了降低运算量,利用时域滤波技术,将频率和到达角估计进行时空级联,得到了自动配对的频率和到达角无模糊估计值,且避免了高维特征值分解和2维谱峰搜索,减少了运算量。仿真结果验证了该方法的有效性。     

线性电磁矢量阵列的空时极化平滑算法及相干源多参数估计

该文提出了一种基于线性电磁矢量阵列的空时极化平滑算法(STPSA),解决了相干信源的频率,2维波达方向和极化参数的联合估计问题。该算法通过对不同子阵和矢量传感器不同传感单元的测量数据及其相应延迟数据进行平滑,实现解相干预处理并抑制噪声干扰,然后利用传播算子方法得到相应的参数估计。与目前的算法相比,该文提出的算法能够同时实现相干信源的多个参数联合估计;无需通过奇异值或特征值分解提取信号/噪声子空间,也无须进行参数搜索,有较低的运算量;另外,算法能够通过增加相邻阵元的间隔来扩展阵列的有效孔径,改善估计性能,且无须进行参数去模糊处理。仿真结果验证了算法的有效性。     

A novel approach for DOA estimation in unknown correlated noise fields

The key of the subspace-based Direction Of Arrival （DOA） estimation lies in the estimation of signal subspace with high quality. In the case of uncorrelated signals while the signals are temporally correlated, a novel approach for the estimation of DOA in unknown correlated noise fields is proposed in this paper. The approach is based on the biorthogonality between a matrix and its Moore-Penrose pseudo inverse, and made no assumption on the spatial covariance matrix of the noise. The approach exploits the structural information of a set of spatio-temporal correlation matrices, and it can give a robust and precise estimation of signal subspace, so a precise estimation of DOA is obtained. Its performances are confirmed by computer simulation results.     

一种快速的二维高分辨波达方向估计方法混合波达方向矩阵法

本文利用两个具有位移特性的二维传感器子阵列信息构成一种新的矩阵混合波达方向矩阵。混合波达方向矩阵的特征值和特征矢量分别为信号源方位角与高低角的混合方向元素和方位角与高低角的混合方向矢量。合理选择子阵列构造可以解决兼并信号源分辨问题和降低阵列孔径损失。     

脉冲噪声下基于相关熵的相干分布源DOA估计新方法

针对复杂电磁环境下被动无线监测定位问题,该文提出广义相关熵的概念,推导了广义相关熵的性质,用以抑制阵列输出信号中的脉冲噪声。为了实现脉冲噪声环境下相干分布源中心DOA和扩散角的联合估计,提出基于广义相关熵的DOA估计新方法,并证明了该方法的有界性。为进一步提升算法的鲁棒性,推导了一种仅依赖阵列输出信号的自适应核函数。仿真结果表明,该算法能够实现脉冲噪声环境下相干分布源参数的联合估计,相比已有算法,具有更高的估计精度和鲁棒性。     

基于电磁矢量阵列孔径扩展方法的相干目标DOA估计

该文采用均匀且稀疏分布的电磁矢量矩形阵列,针对相干目标提出了一种有效的2维波达角(DOA)估计算法,该算法通过增加相邻阵元的间隔来扩展阵列的有效孔径,从而提高算法的DOA估计性能。论文首先结合极化平滑算法和传播算子方法得到存在相位周期性模糊的方向余弦估计。为了解决模糊性问题,论文通过协方差矩阵平滑提出一种新的解相干预处理算法,由该算法得到的信号子空间包含矢量阵元的导向矢量,且不存在相位模糊,利用此特点实现去模糊处理,得到目标的DOA估计。仿真结果表明,与基于ESPRIT的孔径扩展算法相比,提出的算法能够实现相干目标的DOA估计,同时无需特征值或奇异值分解,有更低的运算量。     

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。