一种高性能的二维波达方向估计算法

在二维虚拟ESPRIT算法的基础上,提出了一种高性能的改进算法。改进方法依照子阵数据直接空间平滑的思想对子阵数据进行预处理,用虚拟阵列变换技术实施阵列变换,采用波达方向矩阵法的思路计算二维角度参数。仿真结果表明,相比于空域平滑的DOA矩阵法和空域平滑的二维虚拟ESPRIT算法,该方法在低信噪比情况下对相干信号源具有更好的估计性能,对独立信号源,能够估计出超过子阵阵元数的信号。     

基于互质阵的循环平稳信号低复杂度欠定DOA估计算法

针对现有大多数循环平稳信号DOA估计算法复杂度较高、估计精度低无法实现对有用信号的欠定估计问题,提出了一种基于互质阵的循环平稳信号低复杂度、欠定DOA估计算法.算法的主要思想是利用互质阵良好的稀疏特性,通过矢量化处理构造虚拟阵列模型,扩展阵列孔径,实现阵列自由度的提升.首先,算法构造了互质阵输出的循环自相关矩阵,然后进行矢量化处理得到最大连续虚拟阵元部分,给出其谱峰搜索的表达式.最后,为降低计算复杂度,对算法进行改进,应用多项式求根的方法直接求解DOA估计值.仿真结果表明,所提算法能实现对有用信号的欠定估计,计算复杂度较低,且相比于大多数的循环平稳信号DOA估计算法,所提算法估计自由度和估计精度有了进一步的提升.     

基于四阶累积量的二维波达方向估计改进算法

利用四阶累积量的阵列扩展特性,将一排直线阵列和一个独立阵元扩展成一个特殊的虚拟双排直线阵列,它由三个子直线阵列构成,并且可计算出每个子直线阵列等效的协方差矩阵,然后结合传播算子方法,提出一种改进的二维波达方向估计算法。计算机仿真验证了该算法具有抗噪能力强、数值稳定性好等优点。     

基于移位内插互质阵列高分辨DOA估计

针对互质阵列现有算法中可估计信源数少,自由度仍低的问题.提出一种新的虚拟域波达方向(DOA)估计算法.首先,对一般互质阵列改进形成移位互质阵列,通过差集数组形成虚拟阵列,增加了阵元个数,提高了阵列自由度;其次,通过虚拟阵元内插对虚拟域中缺失孔洞进行填充,形成连续虚拟阵列;最后,通过最小化原子范数的设计和内插虚拟阵列协方...     

基于模式空间算法的声源二维DOA估计

针对传统高分辨率谱估计法估计远场声源波达方向（direction of arrival, DOA）时计算量大、对相干信号估计失准的问题,本文提出一种改进的基于圆形麦克风阵列和四阶累积量的声源二维DOA估计算法。该算法结合了圆阵定位无死角的优势和矩阵虚拟扩展获得更多声源定位信息的长处。首先利用模式空间变换将均匀圆形阵列（UCA）虚拟化成2K+1个均匀线性阵列（ULA）,并应用空间平滑技术将虚拟线性阵列划分成L个子阵;接着利用四阶累积构造方法提取有效阵元信息并去掉冗余数据,通过重构矩阵得到新的接收数据;最后通过Music-like算法搜索谱峰获得声源信号的方位角和俯仰角。仿真结果表明,在信噪比较低时,相比传统的高分辨谱估计算法,本文算法可实现对远场相干信号的高精度估计;同时本文算法也具有更低的均方根误差性能,且能有效减少运行时间。     

基于双频互质阵列的DOA估计方法

本文提出了一种利用双频工作模式提升互质阵列DOA估计最大可分辨率信号源数目的方法,通过选择单个合适的额外工作频率获取额外不同位置的差协同阵虚拟阵元,进而填充参考工作频率下互质阵列差协同阵中两个缺失的虚拟阵元。相比于单频工作模式,双频工作模式获取了更多均匀分布的虚拟阵元,DOA估计的自由度得到了提升,实现了对更多非相干信号源的DOA估计。     

非圆传播算子DOA估计算法

传播算子方法(Propagator method,PM)是一种常用的波达方向估计算法,但传统PM算法在阵元数较小时估计精度较低.本文针对非圆信号,提出了一种非圆传播算子DOA估计算法.该算法首先对接收信号进行扩展,而后对扩展信号进行子阵划分,最后利用PM方法获得非圆传播算子.算法将信号的非圆特性与传统PM算法相结合,既具有传统PM算法无需计算协方差函数的特点,又去除了峰值搜索过程,减小了算法运算量.同时非圆特性的引入,使算法估计精度有了大幅度提高.通过计算量分析说明了算法的计算复杂度较小,并通过仿真验证了算法的有效性.     

基于最小冗余线阵的二维DOA估计方法

针对传感器阵列二维DOA估计中阵元数较多且阵元利用率较低的问题,提出了一种低阵元冗余的二维DOA估计方法.该方法通过在最小冗余线阵基础上添加两个导向阵元的方法,将最小冗余线阵的应用拓展到二维DOA估计.同时该方法利用多个时延的阵元输出共轭循环相关函数构造"伪数据阵",在时空域中等效出两个具有旋转不变性的平行子阵,进而运用DOA矩阵法估计信号二维DOA.该方法不仅避免了最优时延选择问题,继承了DOA矩阵法无需谱峰搜索且无需二维角度参数配对等优点.还用较少的阵元获得了较大的阵列有效孔径.仿真结果表明,该方法与CCDM算法相比具有更好的低信噪比适应能力和稳健性.     

互质线阵中一种基于共轭增广的DOA估计算法

论文开展互质线阵下的空间谱估计研究。通过利用信号二阶统计量的共轭增广特性,提出互质阵下基于共轭增广的酉旋转不变性进行信号参数估计 (Conjugate augmented unitary estimation of signal parameters via rotational invariance technique, CA-UESPRIT)波达方向(Direction of arrival, DOA)估计算法。该算法先利用不同时长间隔下接收信号的二阶统计量,构造共轭增广虚拟阵列以扩展阵列孔径和提高空间自由度。然后采用基于互质特性的联合UESPRIT算法实现DOA估计。相比于传统互质线阵下的联合UESPRIT算法,CA-UESPRIT算法DOA估计性能更优。此外,通过酉变换可以将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了复杂度的同时保证了测向精度。仿真结果证实了所提算法的有效性。     

面阵中基于传播算子的二维DOA估计算法

考虑面阵中的二维波达方向（DOA）估计问题,提出了一种基于传播算子（PM）的二维DOA估计算法。该算法利用4个子面阵接收数据的互相关矩阵构造新的数据矩阵,利用线性运算代替特征分解得到旋转不变关系矩阵,由该关系矩阵得到方位角与俯仰角的参数估计。所提算法的波达方向估计性能优于传统的面阵二维ESPRIT算法,且降低了计算复杂度,提高了阵列接收数据的利用率和算法的抗干扰能力。算法可以实现二维角度的自动配对。仿真实验证明了算法的有效性。     

实值化的修正传播算子测向算法

针对修正传播算子测向算法运算量大的问题,提出了实值化的修正传播算子算法。本算法利用酉变换将修正的传播算子变换成实矩阵,通过实值化的谱峰搜索取得了降低运算量的效果,并且保持了与修正传播算子算法一致的测向性能。最后,通过仿真比较了实值化的修正传播算子算法、修正传播算子算法、传播算子算法及多重信号分类算法的性能,验证了本算法在运算量和测向性能方面的优越性。     

基于实值特征值分解的求根MUSIC算法

针对非圆信号DOA估计问题,提出了一种基于实值特征值分解(Eigenvalue decomposition,EVD)的求根MUSIC算法.首先利用非圆信号为实值信号的特点,将阵列上的接收数据及其共轭用欧拉公式转换为实值正弦与余弦数据,然后将正弦与余弦数据进行串联,从而扩展了数据维数.由于采用实值矩阵的EVD,因此在EVD阶段的运算量简化为复值EVD的1/4.根据EVD后获得的信号与噪声子空间的特点,对噪声子空间和导向矩阵进行重构以便于可以使用求根MUSIC算法获取对DOA的估计.仿真实验验证了本文算法的有效性.     

均匀线阵中幅相及位置误差的快速校正方法

着重研究了针对均匀线阵中由各阵元幅度相位不一致性及位置误差的综合影响引起的阵列流形误差的校正问题。该方法利用单信号源(可以为事先设置的校正源或某目标源)，无须准确知道信号源的波迭方向，只须在校正过程中将阵列天线以已知角度旋转两次．即可对各阵元的幅度、相位及位置因子作较精确的估计，从而估计出综合误差存在情况下的阵列流形，并可同时估计信号源的波达方向。该方法无需迭代．计算简单快速．且具有较高的估计精度。计算机模拟实验结果表明了本文方法的有效性。     

基于实数遗传算法的波达方向最大似然估计算法

对空间多个窄带信号源的高分辨波达方向估计是雷达,块纳和地震等信号处理中的重要问题之一,为克服一些获取波达方向估计最大似然解算法存在的局部极值问题,提高估计精度,本文以作者提出的实数遗传算法为搜索工具,寻求波达方向最大似然估计的非线性全局最优解,所提出的实数遗传算法由含实数域结构和目标函数信息的实数交叉和变异算子构成,是较理想的获取非线性实变量函数全局最优解的方法,对非相参和全相参信源波达方向估计问题的数字仿真结果表明,本方法的估计精度明显优于交替极值等一些常规方法。     

基于传播算子的极化参数估计方法

针对非圆极化MUSIC算法计算量较大的问题,将传播算子算法应用于极化敏感阵列估计信号方向和极化参数,由于不需要特征值分解,计算量明显减小,并且算法性能与极化MUSIC算法性能相近.利用信号的非圆特性进行阵列扩展,提出了一种非圆极化传播算子算法,提高了新算法的分辨力、抗干扰等性能,并且当自相关矩阵维数增加时新增加的计算量...     

十字阵的单基地MIMO雷达中一种低复杂度的二维DOA估计算法

提出了在单基地多输入多输出(Multiple-input multiple-output,MIMO)雷达中的基于十字阵的一种低复杂度的二维波达方向(Direction of arrival,DOA)估计算法。该算法利用传播算子法(Propagator method,PM)避免了协方差矩阵的构造及其特征值分解,也无需谱峰搜索,从而大大降低了运算的复杂度;同时该算法可实现方位角和仰角的自动配对。本文算法的性能在高信噪比下逼近借助旋转不变技术估计信号参数(Estimation ofsignal parameters via rotational invariance techniques,ESPRIT)算法。文中还推导了目标方位角和仰角的均方误差。仿真结果证明了该算法的有效性。     

基于宽带聚焦矩阵和高阶累积量的OFDM信号的来波方向估计

为了解决正交频分复用(OFDM)宽带信号处理的问题,研究了基于宽带聚焦矩阵和高阶累积量的波达方向(DOA)估计方法。前者是通过傅里叶变换将宽带阵列数据分解为若干窄带信号,再利用一种聚焦矩阵将不同频带下的方向矩阵变换到同一参考频率下,然后用多重信号分类(MUSIC)算法来估计DOA;高阶累积量算法是通过聚焦操作,把各个窄带频率处的阵列输出矢量变换到聚焦频率处,然后求其累积量矩阵。对各个累积量矩阵进行加权平均并特征值分解,再应用MUSIC算法估计DOA。理论分析和仿真结果表明,两种方法都能够精确地估计OFDM信号的DOA,四阶累积量方法的空间分辨率比聚焦矩阵方法有所提高。四阶累积量算法扩展了阵列孔径,信噪比(SNR)较低的时候也有很好的适应性。     

An effective localization method for mixed far-field and near-field strictly non-circular sources

In this paper, an effective direction-of-arrival (DOA) and range estimations method for mixed far-field and near-field non-circular sources is proposed based on a large centrosymmetric uniform linear array (ULA). By exploiting the non-circularity of the sources, an extended signal is generated by concatenating the received array data and its conjugate counterparts. Then the DOAs of far-field signals are estimated based on the extended covariance matrix with the traditional MUSIC algorithm. After eliminating the far-field components from the extended signal subspace, the extended covariance matrix of the near-field signals is obtained. Thus a near-field estimator is constructed based on symmetric property of the extended array manifold where the generalized ESPRIT method is adopted to estimate the DOAs of near-field sources. Finally, the range estimator is derived using the DOA estimations of near-field sources. Simulation results are provided to validate that the proposed method has achieved a better performance than existing ones and is quite suitable for massive MIMO (multiple-input multiple-out) system.     

基于辅助阵元的阵列误差有源校正算法

阵列互耦、幅相误差和阵元位置误差的综合影响会严重影响超分辨率算法的性能,为此,针对上述3种阵列误差的综合影响,给出了一类基于辅助阵元的有源校正算法.首先,将3种阵列误差的综合影响等效为一种依赖方位变化的幅相误差,并通过一种基于辅助阵元的自校正方法得到了关于3种阵列误差的非线性最小二乘优化模型;然后,针对阵列误差矩阵可能出现的不同模型,给出了相应的求解算法;接着,针对算法的参数估计唯一性给出了较为细致的分析,并对算法做了进一步改进;最后,通过仿真实验验证了新算法的有效性.