一种强干扰条件下微弱信号DOA估计的新方法

给出了一种基于均匀线性阵列的既能抑制强烈干扰,又能同时进行微弱信号DOA估计的算法。在已知强干扰源个数和入射方向的前提下,先使用改进的波束形成方法,在子阵上进行波束形成以抗干扰,再对加权后的子阵进行微弱信号的DOA估计。该方法的优点是当干扰和希望信号处在同一个波束内时,不需要提高信号的信噪比就可以正确地估计出信号的入射方向。理论分析和计算机仿真都表明该算法是有效的。     

基于具有时序结构的稀疏贝叶斯学习的水声目标 DOA 估计研究

现有的基于CS-MMV（Compressed Sensing-Multiple Measurement Vectors）模型的DOA估计一般都假定信号源为独立同分布（ i．i．d）,算法建立在信号的空间结构上进行分析,而当处理具有时序结构的源信号时表现出性能和鲁棒性差的问题,为此该文提出一种具有时序结构的稀疏贝叶斯学习的DOA算法,该方法通过建立一阶自回归过程（ AR）来描述具有时序结构的水声信号,将信号源的时间结构特性充分应用到DOA估计模型中,然后采用针对多测量矢量的稀疏贝叶斯学习（ Muti-vectors Sparse Bayesian Learning ）算法重构信号空间谱,建立多重测量向量中恢复未知稀疏源的信号的CS（ Compressed Sensing ）模型,最终完成DOA估计．仿真结果表明该方法相对于传统的算法具有更高的空间分辨率和估计精度的特点,且抗干扰能力强．     

相干信源条件下的稀疏贝叶斯DOA估计

为了解决相干信源条件下的离格波达方向(Direction of Arrival,DOA)估计问题,在现阶段研究成果的基础上,将子空间平滑技术(Subspace Smoothing,SS)与离格稀疏贝叶斯算法(Off-grid Sparse Bayesian Interference,OGSBI)相结合,提出了SS-OG...     

基于Bessel先验快速稀疏贝叶斯学习的互质阵列DOA估计

为提高低采样点条件下互质阵列DOA估计精度,该文提出基于Bessel先验快速稀疏贝叶斯学习算法。该方法针对互质阵列输出的多采样点复数数据,首先构建了基于Bessel先验的多量测分层模型;其次推导了模型所涉超参数的对数似然函数,根据最大似然估计准则得到了超参数的迭代公式;最后提出了快速实现方案,提高了运算效率。仿真结果表明,该方法不依赖先验信息,在低采样点条件下具有更高的DOA估计精度和分辨率,能够对相干信号进行高精度DOA估计,并具有较高的运算效率。此外,该文探究了虚拟阵列扩展与互质阵列测向自由度扩展间的关联,为后续阵列误差条件下互质阵列DOA研究估计提供参考。     

一种基于稀疏贝叶斯学习的离网DOA估计算法

本文提出一种基于稀疏贝叶斯学习的改进离网DOA估计算法,以提升非理想测向环境下在低信噪比、低快拍数时的DOA估计性能,称之为MOGSBL算法。本算法将信号源方位区间进行离散化,得到方位离散网格。为阵列接收信号建立稀疏贝叶斯模型,将网格节点修正量设为模型超参数。采用期望最大化算法迭代更新网格节点修正量,使更新后的网格节点更接近真实源信号方位。为了检验MOGSBL算法的性能,本文进行了大量的数值实验,并将MOGSBL算法的DOA估计结果与RSBL算法、OGSBL算法和L1-SVD算法进行对比。在不同信噪比和不同快拍数时,MOGSBL算法均能清晰分辨方位很接近的两个信号源,角度分辨率明显高于RSBL算法、OGSBL算法和L1-SVD算法。随着信噪比和快拍数的增加,4种算法的RMSE均逐渐减小。但MOGSBL算法的RMSE明显低于RSBL算法、OGSBL算法和L1-SVD算法,且RSBL算法、OGSBL算法优于L1-SVD算法。实验还分析了方向测试范围的离散网格节点数对DOA估计的影响,发现细密的离散网格可以提高DOA估计精度,但DOA估计的计算量会增加。且在任意网格节点数时,相比于RSBL算...     

色噪声环境下强相关源的DOA估计

结合MMUSIC（Modified multiple Signal Classfication)算法和SWEDE（Subsapce Method Without Eigen DE composition)方法的优点提出了联合DOA估计方法，该法使得在色噪声环境下强相关信源DOA（Direction Of Arrival)估计成为可能。理论分析与仿真结果表明：联合DOA估计方法在明显降低运算复杂度的同时，无需空间噪声必须为白噪声的约束，更加贴近现实情况，而且有利于在线处理。     

改进嵌套稀疏圆阵下基于OGSBL的DOA估计方法

针对现有基于嵌套稀疏圆阵DOA估计方法计算复杂度高、超参数无法快速选取问题,提出了一种基于改进嵌套稀疏圆阵的离格稀疏贝叶斯学习(OGSBL)方法.该方法首先将改进嵌套稀疏圆阵接收信号的协方差矩阵进行向量化处理,然后构造扩展的观测矩阵,进而结合离格模型与稀疏贝叶斯学习算法实现欠定的DOA估计.仿真实验结果表明,所提算法降...     

宽带强干扰背景下的弱信号源DOA估计方法

在宽带弱信号DOA估计中,当强干扰与弱信号的方向角很接近时,弱信号被强干扰所掩盖而无法检测出弱信号的方向。文中提出了一种先对数据进行干扰相消预处理,再采用MUSIC算法估计弱信号DOA的方法。仿真结果证明了该方法的有效性。     

一种基于阵列单通道的DOA估计新方法

为克服阵列多通道系统硬件量大,造价高及通道间存在不一致时性能恶化等不足,提出了一种新的基于阵列单通道的DOA估计方法。首先,通过射频开关控制接收通道轮流对各阵元进行采样建立新的阵列单通道窄带信号空间谱估计模型,接着基于该模型推导了来波方向的后验概率密度函数,然后结合马尔科夫链蒙特卡洛方法(MCMC),实现了DOA的估计。仿真实验结果表明,该方法参数估计性能好,分辨率高,能够处理相干信号。     

Khatri-Rao积变换下的离格信号DOA估计

当存在离格信号时,基于稀疏表示的波达角(DOA)估计算法性能损失严重.为解决这个问题,在对接收数据协方差矩阵进行Khatri-Rao积变换的基础上,推导了离格信号网格偏离量与紧邻信号原子系数之间的关系,提出了一种单一离格信号DOA估计方法.为提高对邻近离格信号DOA的估计性能,利用矩阵的广义逆性质提出了基于多原子系数的联合估计方法.仿真实验表明,单一离格信号DOA估计方法在低信噪比下有较好的性能,联合估计方法在高信噪比条件下对邻近离格信号DOA有较高的估计精度,同时所提算法估计性能几乎不受网格划分间距的影响,可以通过增大网格间距降低算法运算量.相关研究对阵列天线DOA估计具有一定的参考价值.     

基于空域平滑稀疏重构的DOA估计算法

该文提出一种基于空域平滑稀疏重构的DOA估计算法,利用空域平滑理论对协方差矩阵进行处理,然后通过KR积变换改变其结构,并对变换后的矩阵进行稀疏重构获得角度估计。此外,该文还给出了两种不同的目标函数误差求解方法。从仿真实验可以看出,该算法与传统的基于压缩感知理论的DOA估计算法对比,明显降低了运算量,且对于相干和非相干信号的处理性能均有所提高,在低角度间隔、低信噪比和低采样数条件下优势更为突出。     

DOA Estimation Using Block Variational Sparse Bayesian Learning

In Direction-of-arrival (DOA) estimation, the real-valued sparse Bayesian algorithm degrades the es-timation performance by decomposing the complex value into real and imaginary components and combining them independently. We directly use complex probability density functions to model the noise and complex-valued sparse direction weights. Based on the Multiple measurement vectors (MMV), block sparse structure for the direction weights is integrated into the variational Bayesian learning to provide accurate source direction estimates. The pro-posed algorithm can be used for arbitrary array geome-tries and does not need the prior information of the in-cident signal number. Simulation results demonstrate the better performance of the proposed method compared with the real-valued sparse Bayesian algorithm, the Orthogo-nal matching pursuit (OMP) and l1 norm based complex-valued methods.     

低信噪比条件下宽带欠定信号高精度DOA估计

为提高低信噪比条件下宽带欠定信号DOA估计精度,该文提出基于网格失配迭代最小化稀疏学习的宽带DOA估计方法。该方法首先对频域协方差矩阵进行矢量化处理实现虚拟阵列扩展,将欠定信号转换为超定信号。其次利用线性变换滤除含有噪声项的虚拟阵元,并对协方差估计误差进行了白化处理,抑制了信号中的干扰项。最后建立了包含不同频点联合稀疏参数和网格失配参数的贝叶斯层次架构,推导了联合稀疏参数、网格失配参数的最小稀疏表达式并进行了迭代学习。较传统方法,该方法不依赖任何先验信息,更好地抑制了虚拟阵元中的噪声和干扰,降低了网格失配对DOA估计的影响,在低信噪比条件下具有更高的DOA估计精度和分辨率。仿真实验验证了该方法的有效性。     

车载雷达架设控制系统集成设计

针对强相干干扰背景中弱信号的波达方向(DOA)估计问题,提出了一种基于迭代算法的弱信号DOA估计新算法。首先估计强相干干扰的波达方向,然后将阵列划分成两个子阵,进行子阵波束形成来抑制干扰并提高待估计的弱信号的信干噪比,最后利用子阵相位中心偏移进行DOA估计,为提高弱信号的DOA估计精度对以上过程进行迭代运算。该算法在强相干干扰环境下能有效进行弱信号DOA估计,而且估计精度较高。理论分析和计算机仿真结果验证了算法的正确性和有效性。     

水下电磁场源的二维DOA和极化估计

以电磁矢量传感器在均匀海水中的电声测量为运用背景,建立了水中单个电磁矢量传感器的数据接收模型,采用特征值分解的信号子空间TLS-ESPRIT算法,对基于该算法的单个电磁矢量传感器估计多个信号源的DOA和极化参数问题进行了研究。     

浅海非高斯噪声下基于变分贝叶斯推断的波达角估计

传统基于高斯统计特性的波达角(DOA)估计方法在高斯背景噪声中可以获得较好的估计性能,然而受脉冲噪声影响的浅海环境噪声不再服从高斯分布,若直接利用传统波达角估计方法会引入较大误差。为提升非高斯噪声环境下的波达角估计性能,该文提出一种浅海非高斯噪声下的基于变分贝叶斯推断的波达角估计方法。首先利用信号与脉冲噪声的稀疏性构建多测量向量稀疏信号恢复(SSR)模型;其次,考虑信号的共稀疏特性与脉冲噪声的独立稀疏性,构建层次化贝叶斯估计框架;然后利用变分贝叶斯推断估计信号与噪声的后验概率估计。稀疏信号模型中考虑离网格误差,利用根稀疏贝叶斯估计实现离网格误差修正,解决离网格误差引起的基失配问题;最后通过迭代更新获得较为精确的波达角估计,同时消除脉冲噪声的影响。仿真结果表明：所提方法在非高斯噪声环境下具有较好的波达角估计性能,同时对于脉冲噪声具有较强的抗干扰特性。     

一种新的基于稀疏表示的宽带信号DOA估计方法

该文提出一种基于稀疏表示的宽带信号波达方向(DOA)估计方法,解决稀疏表示方法在宽带信号DOA估计中由于基矩阵维数过大而使算法存储量和重构计算量大的问题。用单一频点的基矩阵代替频率和角度联合构建的基矩阵,使基矩阵的列数仅相当于一个频点处冗余基矩阵的列数,大大降低了稀疏重构方法的存储量和计算量。该方法首先对各频点的频域数据进行聚焦处理,将不同频率的数据堆叠到参考频率上并建立参考频率处的基矩阵,然后建立聚焦后的稀疏表示模型进行DOA估计,并采用奇异值分解进一步降低算法的运算量,最后给出残差门限的选择方法。该算法不仅适用于非相关信号,也可直接处理相关信号而不需要任何的去相关运算,且具有高的检测概率和估计精度,仿真实验和分析验证了该方法的有效性。     

基于协方差、正性和L1范数约束的迭代波达方向估计方法

本文通过将只能用于均匀线阵的PHD方法推广到稀疏线阵,同时将正性约束引入FOCUSS方法,得到了一种基于协方差、正性和l1范数约束进行协方差重建的迭代波达方向(DOA)估计方法.该方法利用了MUSIC方法忽略的反映阵列几何形状的协方差矩阵结构信息和DOA估计的稀疏约束信息,不仅突破了信号源个数小于阵元数的限制,并具有提高DOA估计性能的潜力.理论分析和仿真实验结果表明,这种迭代DOA估计方法一般经过数次迭代就能获得稳定的高分辨率DOA估计.