估计近场源三维参数的新方法

针对近场源的方向角、仰角和距离的三维参数估计,提出了一种新的近场源三维参数的估计方法。该方法利用十字阵列的结构特点和四阶累积量估计信源的方向角、仰角和距离参数。十字阵列的其中一个子阵仅需2个阵元,从而减少了阵列的阵元个数,同时具有无需谱峰搜索和估计精度高的优点,且适用于高斯有色噪声环境。仿真实验证明了该方法的有效性。     

基于二阶统计量的近场源三维参数估计方法

针对近场三维参数估计方法计算量大的问题,提出了一种近场源的方位角、仰角和距离的三维参数估计方法。该方法利用在z-z平面十字阵列的结构特点和二阶统计量,估计信源的方位角、仰角和距离参数。将三维参数估计问题转化为多个一维搜索问题,从而减少了算法的计算量,并且无需参数配对,具有估计精度较高的优点。仿真实验表明,在信噪比大于0时,该方法能有效估计近场源的三维参数。     

近场源频率、二维到达角和距离的联合估计

文章基于四阶累积量提出了一种多个独立非高斯窄带近场源频率、二维到达角和距离的联合估计算法。该算法首先构造六个四阶累积量矩阵,由它们组成五个矩阵对,然后对五个矩阵对进行广义值分解并对广义特征值进行配对,由配对后的广义特征值求得中间参数,最后由中间参数解出各个近场源的参数。该算法无需任何搜索,而且只需五个阵元放置在固定的位置,对阵列的其它阵元并无要求。由于采用四阶累积量,所以该算法适用于任意高斯噪声环境。计算机仿真结果证实了该算法的有效性。     

一种基于子空间方法的近场目标定位算法

针对近场目标参数估计中计算量大的问题,提出了一种结合主奇异向量模态分析（PUMA）技术以及一维多重信号分类（MUSIC）方法的近场目标定位算法。该算法首先利用PUMA技术估计近场目标角度参数,然后通过估计出的角度参数并结合一维MUSIC方法,估计出近场目标距离参数。通过计算机仿真实验表明,该方法能明显减少近场目标参数估计的计算量,并且具有较好的参数估计性能。     

一种新的近场源参数估计的子空间方法

提出了一种新的近场源到达方向和距离的联合估计算法．基于阵列接收数据的高阶累积量,构造了两个适当的矩阵束,它们的广义特征值的相位给出到达方向和距离的估计,同时其特征值的幅度实现二维参数配对．该算法的参数估计有闭式解,不需要复杂的谱峰搜索和参数配对算法．由于算法使用了四阶累积量,所以适用于任意结构的加性高斯噪声环境．计算机仿真实验证实了所给算法的有效性．     

基于MP的近场源方位角、仰角、距离和极化参量联合估计算法

提出了一种基于十字极化阵列的近场源五维参数联合估计方法。采用中心对称的十字阵列结构,阵列由与坐标轴方向一致的偶极子对组成,分别感应x轴方向和y轴方向的电场分量。利用极化阵列的接收数据,构造出六对矩阵束,并通过对矩阵束广义特征值分解得到的广义特征值来联合估计信源的方位角、仰角、距离和极化等参数。算法不需要谱峰搜索,广义特征值包含参数配对信息,配对方法简单,且不需要构造高维累积量矩阵,适用于加性高斯噪声环境(白噪声和色噪声),仿真试验证明了该算法的有效性。     

基于四阶累积量的极化近场源距离、频率及到达角的联合估计算法

研究了由与坐标轴方向一致的偶极子对构成的均匀线阵。使用四阶累积量提出了一种极化近场源距离、频率及到达角(DOA)三维参数联合估计算法。该算法不需谱峰搜索且各参数自动配对,适用于任意加性高斯噪声环境。仿真结果表明,该算法在性能上优于相应的没有利用极化信息的算法。     

基于秩亏损的近场源定位快速算法

为避免近场源参数估计中的搜索计算,提出了一种改进的Root-MUSIC算法.该算法把阵列分成两个对称的子阵,并利用两个子阵信号子空间的广义旋转关系得到信号源角度的估计,然后利用估计出的角度和GESPRIT方法给出距离的估计.该方法在低信噪比下性能优越,能完成参数的自动匹配,且无需谱峰搜索计算复杂度低.仿真结果表明了此算法的有效性.     

远近场混合循环平稳信源定位方法

提出一种基于对称均匀线阵与二阶循环统计量相结合的远近场混合源定位新方法。该方法首先将均匀线阵划分为两个对称子阵,获得仅包含方位角信息的旋转矩阵,以此为基础,构造谱峰搜索函数,实现远场源和近场源角度的同时估计,将获得的方位角信息代入二维MUSIC谱函数,实现近场源距离估计。所提算法计算复杂度低,估计精度较高,且无需参数配对及二维搜索。均方根误差的仿真结果验证了该算法的有效性。     

利用最小冗余对称阵列的近场源定位算法

在阵元数目有限的情况下,针对近场源定位中的阵列孔径和阵元数损失问题,文中突破阵元间距为1/4波长的限制,提出了基于最小冗余对称阵列的协方差矩阵重构算法．该算法构建只与方位角有关的四阶累积量矩阵,通过多重信号分类算法来估计信号方位角;然后根据估计出的信号角度在距离维上进行搜索,估计出距离参数．该算法扩展了阵列的孔径,提高了阵列的自由度．仿真结果表明,该算法可以估计更多的信源数目,拥有较高的估计性能和空间分辨率,且只需进行一维搜索,避免了二维参数配对．     

累量域二维波达方向估计方法

提出了一种新的适合任意高斯噪声环境的高分辨二维波达方向(DOA)估计方法——联合对角化4阶累积量-DOA矩阵方法。该方法以阵列的特殊结构为基础,利用四阶累积量构建3个子阵,采用联合对角化技术获得信号的二维角估计,适用于存在一维角度兼并的情况,且无需二维谱峰搜索和参数配对,从而避免了配对算法在低信噪比、小角间距或者复杂的信号传播环境下所带来的弊端。仿真结果证明了该方法的有效性。     

Y形阵列宽带信号二维来波方向估计

利用Y形阵列结构的特点,提出一种宽带信号二维来波方向的估计方法.该方法在相干信号子空间法的基础上,通过采用流型矩阵展开的方式获得聚焦矩阵,并针对聚焦后的协方差矩阵,利用基于子阵的ESPRIT算法和二维MUSIC算法进行联合估计,从而提高了测向精度且减小了谱峰搜索的范围.理论分析和计算机仿真实验表明,该方法对于非相干信号源和相干信号源都具有较好的估计效果,并具有较低的计算量.     

均匀圆阵下单个近场源信号四维参数估计快速算法

针对近场源三维参数估计效率低下及信号源的载波频率估计较少的情况,提出了一种基于均匀圆阵(UCA)的近场源四维参数估计快速算法,利用UCA的中心对称结构构造出两个相关序列,其中一个为利用错位相乘构造的相关序列,使之含有信号源的方位角、俯仰角以及载波的频率信息,而另外一个构造的相关序列则含有信号源的距离参数,这样两个相关序列的相位就包含信号的4-D参数信息.首先对利用错位相乘构造的相关序列利用最小二乘方法给出方位角、俯仰角和频率的估计,然后再利用另一个序列估计出距离参数.仿真结果表明该算法和3-D MUSIC算法性能相当,但由于所提算法无需三维搜索和特征分解,因而计算更加简单利于工程实时实现.     

提高二维DOA估计分辨率的改进MUSIC算法

针对经典二维多重信号分类(Multiple Signal Classification, MUSIC)算法在低信噪比和小快拍数情况下,分辨率受阵列孔径限制的问题,提出了一种改进的基于MUSIC算法的二维测向算法．该方法利用MUSIC谱函数极大值点处对方位角和仰角的二阶偏导数小于零的特性,通过对方位角和仰角求二阶偏导,构造了新的空间谱函数．对新的空间谱函数进行谱峰搜索,其负向谱峰所对应的角度就是目标的波达方向 (Direction Of Arrival, DOA)估计．理论分析和仿真结果表明,在低信噪比、小快拍数下,该方法对相近信源有更高的角度分辨率和更低的均方根误差,并且可适用于任何阵型．     

基于SOBI的信源波达方向与频率估计

提出了一种基于SOBI(second-Order Blind Identification)方法的频率和角度联合估计算法.假设信源间的相关时间长度一定,利用大于相关时间的延时构成非中心协方差矩阵去除信源之间的相关性,组合多个延时不同的非中心协方差矩阵构造移不变特性矩阵结构,并应用ESRIT方法获得信号频率,最后利用搜索方法获得信号波达方向(DOA)估计值.数值仿真结果证实了所提方法DOA与频率估计的正确性与实用性.     

逐步增加定数截尾下Gompertz分布的统计分析

讨论了基于逐步增加定数截尾样本Gompertz分布的参数估计,提出了模型参数的逆矩估计和一种新的联合置信区间.最后通过Monte Carlo方法进行了模拟研究,统计表明方法均有效.