基于MUSIC及其改进算法的DOA估计研究

在阵列信号处理领域,波达方向(DOA)估计一直是研究的重点之一。在波达方向(DOA)估计中,利用多重分类算法(MUSIC)对来波方向进行估计是最常用的方法。本文概述了经典MUSIC算法,针对现代通信中常用的BPSK和MASK信号都是实信号的特点,结合Eular公式对MUSIC算法进行了改进,使用matlab进行了仿真及对比。     

基于数据共轭重排的修正二维MUSIC算法分析

在阐述二维MUSIC算法基本原理的基础上,通过将接收数据共轭重排的再利用、构造相关矩阵,提出一种基于正交阵列的修正二维MUSIC算法。在快拍次数有限时,此算法可以明显改善信号的波达方向估计性能,特别是相干信号波达方向(DOA)的估计性能,计算机仿真结果证明了该改进算法的有效性和可行性。     

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。     

前向平滑MUSIC算法及其FPGA设计

波达方向估计是智能天线的一项核心技术,它在无线定位领域有着十分重要的意义。为了对相干信号的来波方向进行精确估计,介绍了一种基于空间平滑技术的改进型MUSIC算法,并通过FPGA设计,证明了该算法硬件实现的可能性。     

电磁矢量传感器阵列信号波达方向估计:双模MUSIC

 针对电磁矢量传感器阵列信号波达方向(DOA)估计问题,提出了一种基于张量模型的双模MUSIC算法,并讨论了双模MUSIC角度参数和极化参数的分离问题,提出一种低维双模MUSIC算法.(低维)双模MUSIC算法利用了张量信号子空间与两个噪声子空间的双模正交性,通过连续两次子空间投影完成DOA估计.计算机仿真结果表明,(低维)双模MUSIC算法性能要明显优于传统基于矩阵模型的MUSIC方法.     

基于非圆信号波达方向估计的最大似然算法

现有的非圆信号波达方向(DOA)估计算法基本都是子空间分解类的,如NC-MUSIC、NC-ESPRIT算法等。基于子空间拟合类的非圆信号DOA估计算法研究的不多。文中依据非圆信号的DOA估计数学模型,提出了基于非圆信号的DOA估计最大似然算法。通过计算机仿真,将基于非圆信号的最大似然算法与常规最大似然算法及基于非圆信号的MUSIC算法进行了性能比较。结果表明,该算法提高了方位估计的估计性能,对于估计精度要求很高、用户比较密集的场合,能发挥很大的作用。     

拥挤干扰环境下的一种多载波扩频信号接收波束成形方法

针对拥挤干扰环境中的多载波扩频通信系统,提出了一种基于期望信号波达方向估计和干扰功率空间谱分析的波束成形方法。该方法首先利用多载波扩频调制信号的频率分集特性估计期望信号的波达方向,然后利用空间谱分析估计干扰信号的空间功率分布,在此基础上完成波束成形。该方法能够在拥挤强干扰环境下精确估计信号的波达方向,从而保证了干扰信号空间谱估计的有效性。仿真结果表明,即使干扰信号的功率显著强于期望信号,本算法仍然能够精确地估计出期望信号的波达方向,从而保证算法的有效性。     

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。     

DOA估计的一种改进MUSIC算法

讨论了在移动通信环境中采用协方差差分和迭代空间平滑以进行信号来波估计(Direction Of Arrival)的一种改进MUSIC算法.首先简要回顾了经典MUSIC算法,给出阵列接收信号模型,然后详细分析了经典MUSIC算法估计相干信号所存在的问题,在常规空间平滑算法(SS)的基础上提出了一种改进算法,最后给出计算机仿真结果并验证了新算法的有效性。     

极化分集下的共形阵列波达方向估计

提出了一种基于双馈源共形阵列的极化分集信号盲极化波达方向(Direction of Arrival,DOA)估计方法.通过投影和旋转变换,分析并给出了双馈源共形阵列下正交极化分集信号的等效导向矢量,将信号空间划分为两个正交极化信号子空间,实现了正交极化信号的盲极化分离.在此基础上给出了基于多重信号分类(Multiple Signal Classification,MUSIC)的极化信号的DOA估计算法.该算法无需估计极化参数,能够实现任意共形阵列对正交极化分集信号的DOA估计,最大估计信号数目能够超过阵元个数.仿真实验验证了该算法具有很好的估计性能.     

MUSIC算法的性能比较

智能天线的核心技术之一是波达方向估计,在无线通信中具有重要作用。MUSIC算法是一种经典的DOA估计算法,但因其计算量大、对于相干及小信噪比信号无法分辨等缺陷,故有较多的改进算法被提出。文中研究了求根MUSIC算法、基于空间平滑技术的MUSIC算法、改进MUSIC算法及修正MUSIC算法。通过仿真分析了角度间隔、信噪比、信号相干对改进MUSIC算法分辨率的影响。以上几种改进MUSIC算法进一步发挥了该算法高分辨率的优势,且有利于其在智能天线方面的应用。     

Joint Estimation of TOA and DOA in IR-UWB System Using a Successive MUSIC Algorithm

Time-of-arrival (TOA) and direction-of-arrival (DOA) are key parameters in the impulse radio ultra wideband (IR-UWB) positioning system with a two-antennas receiver. A two-dimensional (2D) multiple signal classification (MUSIC) algorithm, which requires the 2D spectral peak search, can be used to estimate the parameters, but it has much higher computational complexity. This paper proposes a successive MUSIC algorithm for joint TOA and DOA estimation in IR-UWB system to avoid 2D spectral peak search. The proposed algorithm obtains the initial estimate of TOA corresponding to the first antenna via Root-MUSIC, and simplifies the 2D global search into successive one-dimensional searches to achieve the estimation of TOAs in the two antennas. It then estimates the DOA parameters via the difference of the TOAs between the two antennas. The proposed algorithm can get the parameters paired automatically, and has a much lower complexity than 2D-MUSIC algorithm. In addition, we have derived the mean square error of TOA and DOA estimation of the proposed algorithm and the Cramer–Rao bound of TOA and DOA estimation in the paper. The simulation results show that the parameter estimation performance of the proposed algorithm is better than that of Root-MUSIC, and is almost the same as that of 2D-MUSIC algorithm. Moreover, it has much better performance than matrix pencil algorithm, propagator method and estimation of signal parameters via rotational invariance techniques algorithm.     

基于拉伸式双偶极子天线Q-MUSIC算法的DOA估计

本文指出在四元数模型下,传统双偶极子天线组成的均匀线阵(ULA)在利用四元数多重信号分类算法(Q-MUSIC)估计极化信号波达角(DOA)时,存在“模型相干”问题,并提出了基于实同构矩阵变换的拉伸式双偶极子天线 MUSIC 算法,有效解决了上述问题,所提算法充分利用四元数模型的正交性,性能远优越于基于传统双偶极子天线的 MUSIC 算法,尤其是在低信噪比(SNR)条件下。最后,通过计算机仿真实验验证了所提算法的有效性。     

基于降维处理的MUSIC二维DOA估计算法

针对 MUSIC(多重信号分类法)估计方法实现二维 DOA(波达方向)估计的计算量大且遍历搜索耗时的问题,给出了一种基于降维处理的 MUSIC 算法。该算法无需进行二维谱峰值搜索。该算法利用二次优化方法将二维 DOA 估计分解为一维 DOA 估计,先通过一维 MUSIC 估计获得信号与 x 轴夹角,再利用最小二乘算法估计获得信号与 y 轴夹角。最后利用角度关系式得到信号的二维 DOA 估计值。该算法的复杂和搜索范围都大大降低,仿真表明,该算法具有较好的角度估计效果。     

柱面共形阵列高性能低复杂度DOA估计算法

针对柱面共形阵列的波达方向(DOA)估计问题,从信号子空间的角度分析了在阵元遮挡下应用多重信号分类(MUSIC)算法的性能缺陷。在此基础上提出通过偏置常数的方法克服经典MUSIC算法的阵元遮挡问题。进一步提出一种基于数据自适应子阵分割的快速DOA估计算法,该方法先利用稀疏采样的偏置MUSIC算法进行DOA预估,依此确定所需要的子阵及二维搜索区域,确定MUSIC算法的搜索范围,进而得到高精确度的DOA估计。利用子阵分割的方法进行DOA估计,避免了经典MUSIC算法因阵元遮挡导致运算量大、精确度低等问题。仿真结果表明,该方法能大幅度降低运算复杂度,同时提高DOA估计精确度。     

最小二乘矩阵滤波器在目标方位估计中的应用

雷达声呐目标探测主要依靠多传感器的阵列数据,当前广泛使用的MUSIC算法是一种准确度较高的目标方位估计算法,但在小快拍数、低信噪比、小阵元数条件下,性能会受到较大影响.矩阵滤波技术用于阵列数据预处理,可有效提高目标方位估计性能.首先,考虑最小二乘矩阵滤波器的设计方案,分析通带中心位置对其性能的影响;其次,利用设计的最小...     

幅相误差对两类高分辨测向算法性能的影响

高分辨测向算法主要包括MUSIC算法、最小范数法、前向平滑算法和修正MUSIC算法等.无论是针对独立源或是相干源,在没有考虑阵元的幅相误差的情况下,这些算法都能准确进行到达方向(DOA)的估计.主要考虑存在幅相误差时,两类高分辨测向算法(最小范数法和前向平滑算法)的DOA估计性能.最后,给出了计算机仿真结果,并对幅相误...     

Blind DOA and polarization estimation for polarization-sensitive array using dimension reduction MUSIC

A novel blind direction-of-arrival (DOA) and polarization estimation algorithm for polarization-sensitive uniform linear array using dimension reduction multiple signal classification (MUSIC) is proposed in this paper. The proposed algorithm utilizes the signal subspace to obtain an initial estimation of DOA, then estimates more accurate DOA through a one-dimensional (1-D) local searching according to the initial estimation of DOA, and finally obtains polarization parameter estimation via the estimated polarization steering vectors. The proposed algorithm, which only requires a one-dimension local searching, can avoid the high computational cost within multi-dimensional MUSIC algorithm. The simulation results reveal that the proposed algorithm has better DOA and polarization estimation performance than both estimation of signal parameters via rotational invariance technique algorithm and trilinear decomposition algorithm. Furthermore, the proposed algorithm can be suitable for irregular array geometry, obtain automatically paired multi-dimensional parameter estimation, and avoid multi-dimensional searching. Simulation results verify the effectiveness of the proposed algorithm.     

基于空间平滑多重信号分类算法的低角目标探测

基于阵列信号处理的目标回波到达方向（DOA）估计算法具有分辨力强、估计精度高、抗干扰能力强的特点，是目标测向的研究热点。多重信号分类（MUSIC）算法就是基于阵列信号处理的目标测向算法之一，传统的多重信号分类算法假设目标回波是互不相关的，这导致其应用效果受到较大的限制。在传统多重信号分类算法的基础上，采用空间平滑多重信号分类算法进行目标回波解相干处理，推导给出了估计目标回波到达角度的表达式以及该算法的实现流程框图，并结合数值模拟结果以及实际应用场景对该算法的优缺点进行了对比分析。空间平滑多重信号分类算法在低角目标探测、单目标多径问题、多目标到达角度与多目标数量估计等方面具有一定优势。     

Spatial polarimetric time-frequency distributions for direction-of-arrival estimations

Time-frequency distributions (TFDs) are traditionally applied to a single antenna receiver with a single polarization. Recently, spatial time-frequency distributions (STFDs) have been developed for receivers with multiple single-polarized antennas and successfully applied for direction-of-arrival (DOA) estimation of nonstationary signals. In this paper, we consider dual-polarized antenna arrays and extend the STFD to utilize the source polarization properties. The spatial polarimetric time-frequency distributions (SPTFDs) are introduced as a platform for processing polarized nonstationary signals, which are received by an array of dual-polarized double-feed antennas. This paper deals with narrow-band far-field point sources that lie in the plane of the receiver array. The source signals are decomposed into two orthogonal polarization components, such as vertical and horizontal. The ability to incorporate signal polarization empowers the STFDs with an additional degree of freedom, leading to improved signal and noise subspace estimates for direction finding. The polarimetric time-frequency MUSIC (PTF-MUSIC) method for DOA estimation based on the SPTFD platform is developed and shown to outperform the time-frequency, polarimetric, and conventional MUSIC techniques, when applied separately.