估计相干与非相干信源的ESPRIT新方法

在目前信号波达方向（DOA,Direction-of-Arrival）估计中,ESPRIT算法是一种速度快、精度高的常用算法,但对于低信噪比下混合信号（同时含有相干与非相干信号）,ESPRIT算法难以估计出它们的DOA。提出了一种新的同时估计相干与非相干信源的ESPRIT方法,新方法充分利用数据协方差矩阵的自相关信息和互相关信息来重构含有信号方位信息的矩阵,再从它的特征值中解得信号的到达角。新方法解决了常规ESPRIT算法不能解相干,对信噪比要求高等问题,且与同类算法相比较,分辨能力和估计精度明显提高。仿真实验证明了该方法在混合信号估计中的优越性和可靠性。     

基于均匀线阵的混合源波达方向估计方法

文中提出了一种基于均匀线阵的混合源波达方向DOA估计的改进方法。该方法首先利用传统MUSIC方法估计出非相干信号源的DOA,然后接收数据协方差矩阵进行差分消除不相关源和噪声的影响,对其进行特殊的空间平滑去相干,从而利用重建的数据协方差矩阵估计相干源的DOA。此方法的特点是分别估计不相关信号和相干信号的DOA。优点是算法在估计出多于阵元数信号的前提下具有较高的DOA估计精度和稳健性。仿真结果表明此方法的估计性能优于空间差分平滑算法。     

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。      

针对相干信号DOA估计的改进MUSIC算法

针对相干信号波达方向(Direction of Arrival, DOA)估计,提出了一种改进的多重信号分类(Multiple Signal Classification, MUSIC)算法。首先,利用信号协方差矩阵的两个最大特征值所对应的特征向量,构造出两个Toeplitz矩阵;然后,利用前后向空间平滑思想得到这两个矩阵的无偏估计并求和;最后,利用MUSIC算法从中估计出相干信号DOA。和已有方法相比,该方法无需损失阵列孔径且具有更优的DOA估计性能。     

混合信号情况下信源数与DOA联合估计算法

针对非相关信源与相干信源共存情况,提出了一种基于矩阵重构的信源数与波达方向（direction of arrival,DOA）联合估计算法.该算法首先利用特征值的二阶统计量（second order statistic of eigenvalues,SORTE）法和子空间旋转不变技术（estimated signal parameter via rotational invariance techniques,ESPRIT）实现非相关信源数与DOA估计;然后基于空间差分法消除非相关信号并构造新矩阵,利用构造矩阵进行前向空间平滑,实现对相干信源解相干;最后利用SORTE法检测相干信源数,结合求根多重信号分类（multiple signal classification,MUSIC）算法估计相干信源DOA.与传统的差分平滑方法相比,该算法在可估计信源数与低信噪比情况下DOA估计性能等方面优于传统算法.数值仿真实验结果验证了该算法的有效性.     

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.     

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。     

互质阵列DOA估计性能综合分析北大核心CSCD

互质阵列是近年来兴起的新型阵列,能显著提高阵列自由度,处理信源数大于阵元数时的波达方向(DOA)估计,且能提高角度分辨率和测角精度。文中根据互质阵物理阵元和虚拟阵元特点,结合多重信号分类(MUSIC)算法提出适用于互质阵基于物理阵列和虚拟阵列的DOA估计方法。该方法以非相干信号源为研究对象,利用互质阵列建立信号接收模型,基于物理阵列的DOA估计方法根据互质阵物理阵元位置特点推导其导向矢量,然后根据导向矢量计算回波信号数据和信号协方差矩阵,最后利用MUSIC算法进行DOA估计。基于虚拟阵列的DOA估计方法根据其虚拟阵元数据特点在向量化协方差矩阵并去冗余后选取连续虚拟阵元接收数据,然后对新协方差矩阵进行一维Toeplitz平滑重构,最后利用MUSIC算法或求根MUSIC算法进行DOA估计。与等阵元数的均匀线阵进行对比,仿真实验验证了互质阵列DOA估计性能的优越性。     

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。     

基于协方差匹配SLO算法的MIMO雷达DOA估计

利用加权平滑l0范数(Smoothed l0, SL0)算法估计MIMO雷达目标DOA时,需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型,并利用信号和噪声子空间的正交性来构造加权向量。然而当存在相干信源时,MIMO雷达协方差矩阵的秩将退化,这会使得稀疏重构模型的误差较大以及无法正确区分信号和噪声子空间,导致加权SL0算法的DOA估计性能恶化。针对上述问题提出了一种基于协方差匹配SL0算法的MIMO雷达DOA估计方法。该方法利用协方差匹配准则重构出一个满秩的协方差矩阵,恢复MIMO雷达协方差矩阵的Toeplitz特性,并利用协方差逆矩阵的高阶幂来近似噪声子空间从而计算加权向量。仿真分析表明,该方法能够在无需预知信源数目的情况下有效地完成对相干信号的DOA估计。     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

基于特征矢量稀疏分解的DOA估计方法

论文提出了一种基于特征向量稀疏分解的DOA估计方法。依据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这一性质。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。该方法能有效降低噪声的影响,避免估计信号源数目,增强了算法的鲁棒性。理论分析和仿真实验,验证了本文方法具有较高的精度、较好的分辨力、对相干信号也具有优越的适应能力,性能优于MUSIC算法。     

一种对称α稳定分布噪声环境下DOA估计新算法

脉冲噪声环境下波达方向(DOA)估计是阵列信号处理领域一个新兴研究方向。针对α稳定分布噪声环境下经典MUSIC算法性能退化的问题,提出了一种新的基于非线性压缩核函数(NCCF)的DOA估计算法。该算法利用基于NCCF的有界矩阵代替了MUSIC的协方差矩阵,通过对有界矩阵进行特征分解确定信号子空间和噪声子空间,借用MUSIC谱估计公式进行谱峰搜索,得到DOA的估计值。仿真结果表明,NCCF-MUSIC算法运算复杂度较低,相比于基于分数低阶统计量(FLOS)的MUSIC方法和基于广义类相关熵(GCAS)的MUSIC算法,该方法具有更好的准确度和稳定性。     

基于解相干的改进MUSIC算法DOA估计

MUSIC算法是一种子空间分解算法。在非相干的情况下,经典MUSIC算法能准确进行波达方向（DOA）估计,但当信号源在相干的情况下时算法失效。在对经典MUSIC算法进行理论分析研究的基础上,对其阵元接收数据阵做相应变换,得到共轭重构后的协方差矩阵,通过特征值分解再进行DOA估计。就经典的MUSIC和改进算法的DOA估计性能进行了仿真分析。结果表明,改进后的算法在信号源相干的情况下也能精确地估计信号的波达方向。     

一种有效的相关噪声背景下宽带相干信号DOA估计算法

利用均匀线阵,本文提出了一种有效的相关噪声下宽带相干信号DOA估计算法.首先,在各个频率点,利用空间差分技术消除色噪声分量,并通过平方操作构造新矩阵;然后,通过聚焦操作得到通用的协方差矩阵;最后,通过使用传播算法估计得到宽带相干信号的DOA.算法能够分辨的相干组中相干信号的个数可以是奇数或是偶数.仿真结果验证了算法的有效性和性能.     

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.     

双平行线阵的快速一维DOA估计

针对传统子空间算法需要进行特征值分解或奇异值分解等复杂计算的问题,提出一种双平行线阵（Double Parallel Linear Array,DPLA）的快速一维波达方向（Direction of Arrival,DOA）估计算法。算法通过处理互协方差矩阵的第一列元素构造出等效的噪声子空间,再通过求根MUSIC（Multiple Signal Classification）算法得到DOA估计,有效避开了特征值分解或奇异值分解,降低了计算复杂度,提高了运算速度。仿真结果表明,该算法在提高了估计精度的同时减少了估计时间。     

脉冲噪声环境下基于矩阵差分的远近场混合源定位

为了提高脉冲噪声环境下基于二阶协方差矩阵差分（COV-MD）的远近场混合源定位算法的估计性能,本文提出了基于分数低阶协方差矩阵差分（FLOC-MD）和基于压缩变换协方差矩阵差分（CTC-MD）的远近场混合源定位算法。所提出的算法首先利用一维MUSIC谱峰搜索获得远场源信号的方位角估计,然后利用矩阵差分法实现远近场信号源的分离得到扩展的近场源分数低阶协方差矩阵（或压缩变换协方差矩阵）,最后在利用类旋转不变方法（ESPRIT-Like）估计得到的近场源方位角的基础上,再次利用一维MUSIC谱峰搜索获得近场源距离的估计。计算机仿真结果表明:CTC-MD算法和FLOC-MD算法在强脉冲和低信噪比情况下的估计性能都要明显优于COV-MD算法和其他基于二阶统计量的远近场混合源定位算法,同时CTC-MD算法的性能要好于FLOC-MD算法并且不依赖于脉冲噪声的先验信息。      

基于均匀圆阵相干信源的二维DOA估计

随着通信技术的不断发展,信号传输环境变得日益复杂。针对多径传播形成的高度相关和相干信号测向问题,提出了一种基于均匀圆阵相干信源的二维DOA估计方法。该方法利用均匀圆阵轴向虚拟平移解相干,通过去噪后利用虚拟子阵的自协方差矩阵和互协方差矩阵构造波达方向矩阵,利用该矩阵特征分解估计信号的俯仰角;然后将平滑后的自协方差矩阵与波束空间变换矩阵相乘,使圆阵的导向矢量具备范德蒙结构,最后用求根MUSIC算法估计出信号的方位角,完成了相干信号的二维DOA估计。该方法无需二维谱峰搜索,方位角和俯仰角自动配对,计算量小,分辨率高。仿真实验证明了所提方法的正确性。     

基于L型和差嵌套阵的二维波达方向估计

针对传统L型均匀阵列二维波达方向（Direction of Arrival,DOA）估计中可估计信源数目受限于阵元数、分辨率低等问题,提出了一种新的L型和差嵌套阵列结构。该L型阵列的两个子阵布置相同,是非均匀的稀疏阵,通过阵元位置之间的差分、求和操作达到虚拟扩展阵元数目的效果,从而提升阵列的自由度。采用该阵列进行二维DOA估计时,两个子阵分别先进行一维的DOA估计,再采用PSCM（Pair-matching Signal Covariance Matrices）算法进行一维角度配对。每个子阵进行一维波达方向估计时,先采用VCAM（Vectorized Conjugate Augmented MUSIC）算法生成非均匀稀疏阵的求和求差协方差矩阵,再采用矩阵重构的方法恢复协方差矩阵的秩,最后对协方差矩阵采用MUSIC（Multiple Signal Classification）算法进行DOA估计。实验仿真表明,本阵列有着更高的自由度和估计精度。