冲击噪声背景下相干信源DOA估计方法研究

研究了冲击噪声环境下相干信源波达方向(DOA)估计问题.在对称α稳定分布冲击噪声假设下,基于共变和分数低阶矩的MUSIC(即ROC-MUSIC和FLOM-MUSIC)方法不能用于相干信源DOA估计.本文首次将空间平滑思想应用于共变系数矩阵和分数低阶矩矩阵中,定义了新的前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵,提出了两种新的适用于冲击噪声环境的相干信源DOA估计方法:基于前后向平滑共变系数矩阵的空间平滑(ROC-SS)算法和基于前后向平滑分数低阶矩矩阵的空间平滑(FLOM-SS)算法.理论分析表明,可以通过前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵的特征分解来估计噪声子空间,从而实现对相干信源的DOA估计.论文还对提出的ROC-SS算法和FLOM-SS算法进行了性能对比分析.计算机仿真结果证明了ROC-SS算法和FLOM-SS算法的有效性和正确性.     

冲激噪声下相干信源的求根MUSIC算法

由于在冲激噪声背景下,MUSIC算法对信源波达方向估计将失去韧性,且无法解相干,运算量较大,为此对前后向平滑算法和修正的MUSIC算法进行了改进,提出相干信源波达方向估计新算法。简要分析了线阵模型以及共变,将阵列输出矩阵从二阶原点矩扩展到低阶矩,通过分析共变矩阵,得到基于共变矩阵的空间谱,再将谱峰搜索转变为多项式求根,最后可得相干信源波达方向估计。通过仿真,在冲激噪声或高斯噪声下,改进算法可以对相干信源的波达方向进行正确估计。算法性能分析表明改进算法具有良好的稳健性。     

脉冲噪声下相干宽带信源的求根ISM算法

非相干信号子空间方法(Incoherent Signal Subspace Method, ISM)无法处理相干宽带信源且运算量较大,在脉冲噪声下,由于二阶相关矩阵无法收敛,基于ISM算法的波达方向(Direction of Arrival,DOA)估计也将失去韧性,为此对ISM算法进行了改进。首先将等间距线阵输出矩阵在频域进行分解,根据各频率分量对应的归一化功率设置门限值,对大于门限的频率分量构建分数低阶相关矩阵(Fractional Low Order Covariance, FLOC),并进行修正以解相干,再对修正后的各低阶矩进行特征值分解并提取噪声特征矩阵,列多项式求根。最后取算术平均,可得相干宽带信源的DOA估计,通过计算机仿真,改进的ISM算法在脉冲噪声下可处理相干宽带信源的DOA估计,且稳健性较好。     

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。     

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。      

冲击噪声下基于子空间拟合的DOA估计新算法

研究了在对称α稳定分布(Symmetric α-stable,SαS)冲击噪声背景下的基于子空间拟合的多目标DOA估计算法.由于SαS冲击噪声造成传统DOA算法性能下降,提出了基于分数低阶矩统计量的FLOM-SSF/NSF算法和Screened Ratio原理的SR-SSF/NSF算法.计算机仿真表明两种算法都能有效地改善SαS型冲击噪声对DOA估计的影响,有更好的稳健性,其中SR-SSF/NSF算法性能略好于FLOM-SSF/NSF算法.     

基于Screened Ratio原理的冲击噪声环境下DOA估计算法

该文提出了一种冲击噪声环境中DOA估计的算法。算法首先根据Screened ratio原理构造阵列信号的相关矩阵,然后利用MUSIC算法实现DOA估计。与基于分数低阶矩(FLOM)的算法相比,该文算法不需要选择FLOM参数p。计算机仿真表明该文算法在冲击噪声环境下具有更佳的稳定性和估计精度。     

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。     

一种新的去强相关信号方法的波达方向研究

波达方向估计（DOA估计）是智能天线中实现目标精确定位的关键算法。文中针对DOA估计中相干信号源的问题,提出了一种能有效解相关的关于TOPETIZE矩阵的DOA估计算法。该算法利用了阵列接收数据互相关矢量的内在关系,对噪声子空间进行处理,实现了相干源的完全解相干。该算法不牺牲阵元有效数目,同时能分辨低信噪比信号和强相关信号。仿真结果表明了该算法的有效性。     

基于Toeplitz矩阵重构的相干信源波达方向估计研究

波达方向估计(DOA估计)是实现目标精确定位的重要内容。针对相干信号源的波达方向角估计问题,提出了一种能有效解相干的互相关矢量Toeplitz矩阵重构算法。该算法利用了阵列接收数据互相关矢量的内在关系,实现了相干源的完全解相干。该算法不损失阵列孔径,无需阵列平滑。仿真结果表明了该算法的有效性。     

α稳态分布噪声下单基MIMO雷达DOA估计

MIMO雷达实际中的噪声通常是没有二阶以上的矩的α稳态分布冲击噪声,基于二阶或更高阶累积量的常用角度估计算法很难实现目标DOA估计。为此,提出了一种基于FLOM-RC-MUSIC算法的MIMO雷达DOA方法,通过利用匹配滤波后数据先进行降维处理,减小了算法的运算复杂度,再构造分数低阶协方差矩阵实现对冲击噪声的有效抑制,弥补了传统的处理算法不适用于冲击噪声的缺陷,增强了噪声子空间估计算法的稳健性。     

基于数据矩阵重构的相干源波达方向 共轭ESPRIT(C-SPRIT)估计方法

 本文提出了一种相干源波达方向估计算法.该方法利用C-SPRIT思想,通过构造数据矩阵,使得无论是否存在相干信号,均能很好估计信号波达方向(DOA).传统的空间平滑技术通过子阵平滑来解决相干源DOA估计问题,但信号之间并没有完全解相干,孔径损失也很大,且最多只能估计2N/3个相干源(N为阵元数目).本文方法也采用空间平滑去相干的思想,但无孔径损失,信号之间完全解相关,提高了相干源DOA估计精度,并且能估计N-1个相干源,该方法利用ESPRIT数值求解进行角度估计,无需角度搜索,运算量小,计算机仿真验证了该方法的有效性和优越性.     

基于四阶循环累积量的DOA估计方法

提出了一种新的波达方向估计算法,该算法构造了一个“谱相关DOA矩阵”,并基于此矩阵进行DOA估计。理论分析表明,通过谱相关矩阵的特征值分解,就可以得到源信号的DOA,该方法不需要进行谱峰搜索,同时利用循环平稳特性,可以有效抑制平稳噪声和滤除与信号循环频率不同的干扰信号,从而大大提高了算法的检测能力。另外还给出了相干信号DOA解决方法。     

基于互质阵列的相干与非相干目标DOA估计算法

提出基于互质阵列的相干与非相干混合目标空间达波方向(DOA)估计算法。首先,基于差协同阵等效的概念,将互质阵列相关矩阵的元素重排形成增广相关矩阵;然后采用矩阵重构对增广相关矩阵进行解相关处理;最后,对解相关的增广相关矩阵进行多重信号分类(MUSIC)空间谱搜索,实现对目标的DOA估计。仿真结果表明,该算法可实现对数目多于互质阵列物理阵元的相干与非相干混合目标的DOA估计。对比矩阵重构、前向空间平滑和前后向空间平滑3种解相关算法,矩阵重构解相关获得了更大的可分辨目标数目,在低信噪比(SNR)下呈现出更佳的估计误差性能,而空间平滑解相关在低快拍情况下具备更优的估计误差性能。     

基于累积量的互耦误差下相干信号DOA估计

在高斯色噪声和阵列互耦误差背景下,针对相干信号源和非相干信号源并存的问题,提出了一种准确估计信号源到达角(DOA)的算法。首先,采用辅助阵元法将互耦误差从阵列流形中分离;然后结合空间平滑技术和四阶累积量构建平滑矩阵,实现对高斯噪声的抑制和对信号的解相干;最后使用ESPRIT算法获得信号源的来波方向。仿真结果表明,文中算法有效解决了阵列互耦和信源相干的影响,在高斯白噪声和高斯色噪声环境下均能精确地估计DOA。     

基于累积量的空间特征估计算法及其在智能天线中的应用

在智能天线系统中,波达方向(DOA)估计是实现空分多址的关键问题之一.本文提出了一种基于累积量的多用户空间特征估计算法,并将该算法用于智能天线中的多用户相干源DOA估计.该算法利用累积量构造了空间特征矩阵,通过对空间特征矩阵的特征分解得到各用户信号的空间特征估计,并基于空间特征估计,利用前后平滑空间特征协方差矩阵估计共信道多用户信号的DOA.仿真实验验证了算法的有效性.     

冲击噪声环境中的联合对角化波达方向矩阵法

针对对称α平稳(SαS)噪声环境中信号源的高分辨二维波达方向(DOA)估计问题,提出了一种新的联合对角化(JD)分数低阶矩(FLOM)-DOA矩阵方法.构建了一种特殊的阵列结构,把其分为三个子阵,然后通过联合对角化获得信号的二维角估计.新方法不仅保持原协变异DOA矩阵方法无需二维谱峰搜索和参数配对等优点,还较好地解决了一维角度兼并问题.仿真结果表明,新方法优于协变异DOA矩阵法.     

高斯噪声背景下多用户波达方向估计与互耦自校正

在高斯噪声背景下,针对互耦条件下的均匀线阵(Uniform Linear Array, ULA),该文提出了一种联合多用户波达方向(Direction Of Arrival, DOA)估计与互耦误差自校正算法。该算法首先利用特征矩阵联合相似对角化(Joint Approximative Diagonalization of Eigen matrix, JADE)方法估计出各用户广义空间特征矢量,然后定义了一个将各用户广义空间特征矢量转换为只与部分阵元相关的转换矩阵,进而在斜投影及前后向空间平滑的基础上,实现了多用户相干信源DOA估计,最后以多用户相干信源DOA及广义空间特征矢量估计值为基础,给出一种互耦自校正方法。仿真结果表明:该算法具有较高的DOA估计精度及DOA估计成功率,而且对高斯白噪声/色噪声背景,阵列互耦误差已知/未知情形,均具有普适性。     

基于中值滤波预处理的强冲击噪声背景测向方法

冲击噪声环境下的测向算法大多基于分数低阶统计量,其不仅计算复杂度较高,而且对强冲击噪声的适应性也较差.通过对冲击噪声的分布特性进行研究和分析,利用其冲击成分出现概率相对较低且具有随机性的特点,提出了基于中值滤波的测向新方法,并推导了冲击噪声背景测向的克拉美罗界.首先,引入中值滤波方法对阵列接收数据进行平滑处理,滤除冲击噪声,并提出了针对强冲击噪声的改进方法,然后利用传统的二阶矩方法求阵列接收数据协方差矩阵并进行波达方向(Direction Of Arrival,DOA)估计.理论分析和仿真验证结果表明:所提方法处理过程简单,对低信噪比和强冲击噪声情况下的测向性能有很大的改善和提高.     

一种冲击噪声环境中的二维DOA估计新方法

该文提出了一种新的在冲击噪声环境中基于阵列输出信号分数低阶矩的二维测向方法稳健的协变异波达方向矩阵法。该方法利用冲击噪声和SS过程的特点,扩展了原波达方向矩阵法的信号模型和应用环境,对冲击噪声有较好的抑制作用,增强了算法的通用性和稳健性,弥补了传统的基于二阶或高阶统计量的子空间测向算法不能应用于冲击噪声环境的不足,计算机仿真验证了该算法的可行性和有效性。