基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法.该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)获得自动匹配的2维角度估计.相比于传统的2维DOA估计方法,所提算法更好地利用了阵列接收数据信息,能识别更多的入射信号,分辨能力高,不需要进行2维线性搜索或者角度参数匹配,在低信噪比(SNR)和小快拍情况下也有很好的估计效果.实验仿真结果验证了提出算法的有效性和可靠性.     

基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法。该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)获得自动匹配的2维角度估计。相比于传统的2维DOA估计方法,所提算法更好地利用了阵列接收数据信息,能识别更多的入射信号,分辨能力高,不需要进行2维线性搜索或者角度参数匹配,在低信噪比 (SNR)和小快拍情况下也有很好的估计效果。实验仿真结果验证了提出算法的有效性和可靠性。     

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。      

一种自动匹配的分布式非圆信号二维DOA快速估计方法

在相干分布式非圆信号2维波达方向(DOA)估计中,针对利用非圆特性后维数扩展带来的较大复杂度问题,且现有的低复杂度算法均需要额外的参数匹配,该文提出一种基于互相关传播算子的自动匹配2维DOA快速估计算法。该算法考虑L型阵列,在建立相干分布式非圆信号扩展阵列模型的基础上,首先证明了L阵中两个子阵的广义方向矢量(GSV)均具有近似旋转不变特性,然后通过阵列输出信号的互相关运算消除了额外噪声,最终利用子阵GSV的近似旋转不变关系通过传播算子方法得到中心方位角与俯仰角估计。理论分析和仿真实验表明,所提算法无须谱峰搜索和协方差矩阵特征分解运算,具有较低的计算复杂度,并且能够实现2维DOA估计的自动匹配;同时,相比于现有的相干分布式非圆信号传播算子算法,所提算法以较小的复杂度代价获得了性能的较大提升。     

IR-UWB 系统中基于 root-MUSIC 算法的 TOA 和 DOA 联合估计简

针对二维多重信号分类算法可以估计出系统的到达时间(TOA, time-of-arrival)和波达方向(DOA, direction- of-arrival)参数,但需要复杂度非常高的二维谱峰搜索这一问题,提出了IR-UWB系统中基于求根MUSIC(root-MUSIC)的TOA和DOA联合估计算法,该算法对接收信号的频域形式建模,先估计出TOA,然后由TOA的差值计算出DOA,从而实现TOA和DOA的联合估计。该算法不需谱峰搜索,可直接给出估计参数的闭式解,还可实现参数配对。还推导了参数估计的误差方差。仿真结果表明,该算法的参数估计性能明显优于矩阵束算法、传播算子算法以及基于旋转不变技术估计信号参数算法,并且非常接近于2D-MUSIC算法,但该算法的复杂度却远远低于2D-MUSIC算法。     

混合信号情况下信源数与DOA联合估计算法

针对非相关信源与相干信源共存情况,提出了一种基于矩阵重构的信源数与波达方向（direction of arrival,DOA）联合估计算法.该算法首先利用特征值的二阶统计量（second order statistic of eigenvalues,SORTE）法和子空间旋转不变技术（estimated signal parameter via rotational invariance techniques,ESPRIT）实现非相关信源数与DOA估计;然后基于空间差分法消除非相关信号并构造新矩阵,利用构造矩阵进行前向空间平滑,实现对相干信源解相干;最后利用SORTE法检测相干信源数,结合求根多重信号分类（multiple signal classification,MUSIC）算法估计相干信源DOA.与传统的差分平滑方法相比,该算法在可估计信源数与低信噪比情况下DOA估计性能等方面优于传统算法.数值仿真实验结果验证了该算法的有效性.     

低快拍下多输入多输出雷达中的角度估计算法

研究了双基地多输入多输出(MIMO)雷达中的角度估计问题,提出了一种低快拍下的MIMO雷达的离开角(DOD)和波达角(DOA)联合估计算法。该算法利用矩阵束方法从接收数据中构造出扩展矩阵来进行奇异值分解(SVD),进而进行二维角度估计联合估计。在低快拍数情况下所提算法的角度估计性能优于传统的借助旋转不变技术的信号参数估计(ESPRIT)方法,同时该算法能自动配对、无需谱峰搜索,而且复杂度也低于传统的ESPRIT算法。分析了所提算法复杂度,推导了克拉美-罗界(CRB)。仿真结果验证了该算法的有效性。     

采用Radon-Wigner变换的二维波达方向估计

针对宽带多线性调频信号2维波达方向(2-D DOA)估计精度低的问题,该文提出了一种基于Radon-Wigner变换(RWT)的2-D DOA估计方法。该方法利用RWT在多目标环境下能够有效抑制交叉项干扰和噪声,具有很好的时频汇聚性特点,通过峰值搜索确定目标个数并重构信号阵列,最后利用MUSIC空间谱分析方法实现了对多个LFM信号的2-D DOA估计。仿真实验表明,基于RWT的DOA估计方法能对非平稳信号进行有效的2-D DOA估计。     

低复杂度相干分布源中心DOA估计方法

传统的相干分布源波达方向(DOA)估计方法一般都需要谱搜索或对高维样本协方差矩阵进行特征分解,计算复杂度较高.针对上述问题,本文利用均匀线阵提出了一种低复杂度相干分布源中心波达方向估计方法.所提方法利用了平移阵列的旋转不变性质并结合传播算子法来估计分布源的中心波达方向.相比于常规子空间方法,本方法无需任何谱峰搜索和对样本协方差矩阵进行特征分解,计算复杂度更低.方法在小角度扩展条件下的估计性能良好,其性能甚至接近于DSPE算法.而且方法与分布源角分布的具体形式无关,是一种盲的估计.仿真结果证实了方法的有效性.     

基于双向传播算子的互质面阵二维波达方向估计

针对谱峰搜索的二维波达方向估计中现有算法复杂度高,精度受搜索间隔影响较大的问题,给出了一种双向传播算子的互质面阵二维波达方向估计算法,实现了俯仰角和方位角的低复杂、高精度、无模糊联合估计.该方法首先将互质阵列引入到二维波达方向估计中,构造互质平面阵模型,然后采用两次旋转不变传播算子方法计算出不同阵列流型方向上的旋转因子矩阵,根据旋转因子矩阵解算出目标信号的俯仰角和方位角,同时利用互质理论消除了稀疏阵列角度估计的不确定性,证明了互质阵列模型下采用双向传播算子方法进行俯仰角和方位角估计的无模糊性.对算法的复杂度进行理论分析,并给出了平面阵列角度估计的克拉美罗界推导.理论分析与仿真结果表明,算法不需要进行角度匹配和谱峰搜索,在相同条件下的均方根误差性能优于均匀平面阵的多重信号分类算法,并且以较低的复杂度无模糊的达到了高维网格搜索的精度.     

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.     

一种改进的基于波束空间的酉-ESPRIT算法

针对酉-ESPRIT算法估计精度较高但是对信噪比水平变化比较敏感的问题,提出了一种改进的用于DOA估计的酉-ESPRIT算法。该算法首先对观测数据在变换域中进行预处理使信号能量更集中,然后进行波束变换,在波束空间中估计信号的到达方向。文中采用的波束形成矩阵使用较少的波束数可以在更广范围内搜索信号以避免漏掉有用信号,因此减少了运算量。通过计算机仿真试验可知,无论在白噪声还是色噪声背荣下,与酉-ESPRIT算法相比,本算法不仅减少了计算量,并且具有更小的信噪比门限,提高了酉-ESPRIT算法的鲁棒性。     

基于MI-MUSIC的分布式阵列波达方向估计方法

针对分布式阵列的波达方向估计,提出了一种基于多尺度旋转不变(MI)MUSIC的波达方向估计方法。首先对分布式阵列进行子阵划分,构造具有多尺度旋转不变性的子阵;然后利用酉ESPRIT算法得到精度低但无模糊的粗估计,采用MI鄄MUSIC算法得到一组精度高但包含模糊的精估计;最后以粗估计为参考解精估计的模糊,从而得到高精度无模糊的波达方向估计。所提方法具有分布式阵列及MI-MUSIC的优点,对子阵内部阵元位置误差不敏感,且精度较双尺度ESPRIT高。计算机仿真结果验证了该方法的有效性,也验证了分布式阵列DOA估计中存在基线模糊门限与信噪比门限。     

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.     

Two-dimensional DOA estimation for acoustic vector-sensor array using a successive MUSIC

This paper discusses the problem of two-dimensional (2D) direction of arrival (DOA) estimation for acoustic vector-sensor array, and derives a successive multiple signal classification (MUSIC) algorithm therein. The proposed algorithm obtains initial estimations of the azimuth and elevation angles obtained from the signal subspace, and uses successively one-dimensional local searches to achieve the joint estimation of 2D-DOA. The proposed algorithm, which requires the one-dimension local searches, can avoid the high computational cost within 2D-MUSIC algorithm. The proposed algorithm can obtain automatically-paired 2D-DOA estimation for acoustic vector-sensor array, and it has better DOA estimation performance than propagator method, estimation of signal parameters via rotational invariance technique algorithm and trilinear decomposition algorithm. Meanwhile, it has very close angle estimation to 2D-MUSIC algorithm. Furthermore, it is suitable for non-uniform linear arrays, works well for the sources with the same azimuth angle, and imposes less constraint on the sensor spacing, which does not have to be restricted within half-wavelength. We have also derived the mean-square error of DOA estimation of the proposed algorithm and the Cramer-Rao bound of DOA estimation. Simulation results verify the usefulness of the proposed algorithm.     

Joint estimation of TOA and DOA in IR-UWB system using a successive propagator method

Impulse radio ultra-wideband (IR-UWB) ranging and positioning require accurate estimation of time-of-arrival (TOA) and direction-of-arrival (DOA). With receiver of two antennas, both of the TOA and DOA parameters can be estimated via two-dimensional (2D) propagator method (PM), in which the 2D spectral peak searching, however, renders much higher computational complexity. This paper proposes a successive PM algorithm for joint TOA and DOA estimation in IR-UWB system to avoid 2D spectral peak searching. The proposed algorithm firstly gets the initial TOA estimates in the two antennas from the propagation matrix, then utilises successively one-dimensional (1D) local searches to achieve the estimation of TOAs in the two antennas, and finally obtains the DOA estimates via the difference in the TOAs between the two antennas. The proposed algorithm, which only requires 1D local searches, can avoid the high computational cost in 2D-PM algorithm. Furthermore, the proposed algorithm can obtain automatically paired parameters and has better joint TOA and DOA estimation performance than conventional PM algorithm, estimation of signal parameters via rotational invariance techniques algorithm and matrix pencil algorithm. Meanwhile, it has very close parameter estimation to that of 2D-PM algorithm. We have also 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 this paper. The simulation results verify the usefulness of the proposed algorithm.     

基于波束域的子空间正交性测试宽带DOA估计方法研究

投影子空间正交性测试(Test of Orthogonality of Projected Subspace:TOPS)算法通过测试宽带信号各频率点上噪声子空间和信号子空间之间的正交性对目标方位进行到达角估计(DOA:direction-of-arrival)。此算法对参考频点上的信号子空间的估计依赖性较大,因此存在较多伪峰,低信噪比条件下性能差等缺点。针对该问题,提出一种基于波束域的宽带DOA估计方法。该方法通过将阵列接收信号转换到波束域,在波束域中利用信号带宽内各频率分量的波束域方向向量与噪声子空间之间的正交关系构造判决向量,根据判决向量搜索空间谱的极大值对应的角度进行DOA估计。该方法不需要进行角度预估,避免了TOPS算法中常出现的伪峰,降低了信噪比分辨门限,减少了计算量,具有较好的估计效果。将该方法分别运用到均匀圆阵和线阵上,通过仿真对比和海试实验数据的处理,证明了本文所提方法的有效性。      

一种宽带相干信源的无网格超分辨DOA估计方法

由于无网格（grid-less）稀疏重构方法的波达方向（direction of arrival,DOA）估计数学模型为单快拍形式,因此该方法只有在噪声电平趋近于零时才具有优越的性能.为了提高grid-less方法在信噪比（signal-to-noise ratio,SNR）较低时宽带相干信源的估计性能,提出了一种多快拍grid-less DOA估计方法.首先,对多快拍阵列观测矢量实施奇异值分解（singular value decomposition,SVD）获得观测矩阵的时域信号子空间,通过观测矩阵到时域信号子空间的投影实现观测矩阵的降噪;然后,为了不增加多快拍计算复杂度,将降噪后观测矩阵的列向量加权累加处理得到单快拍形式;最后,从理论上证明了本文提出的GL-SVD方法求解的模型是凸的,能够实现宽带信号DOA的精确重构.仿真结果表明,该方法在低SNR以及宽带相干信源情况下的估计精度都高于L₁范数最小化奇异值分解（L₁-norm minimum singular value decomposition,L₁-SVD）和离格稀疏贝叶斯推断奇异值分解（off-grid sparse Bayesian inference singular value decomposition,OGSBI-SVD）,且在较小角度间隔的情况下具有更高的估计概率和分辨率.     

基于TOFS的宽带信号波束空间DOA估计

频域子空间正交性测试(TOFS)方法是宽带信号DOA估计的一类重要算法。TOFS无需进行聚焦,避免了角度的预估计,在中等信噪比时性能较优,但该方法信噪比门限较高。文中利用均匀线阵模型,将波束空间方法应用于TOFS算法,在降低分辨信噪比门限的同时减少了TOFS算法的运算复杂度。通过仿真验证了新方法性能优于TOFS算法。     

基于快速张量分解的波束空间MIMO雷达二维DOA估计算法

传统MIMO雷达由于采用全向发射模式导致目标增益损失严重,致使DOA估计算法性能较差.因此,本文提出基于波束空间MIMO雷达的张量模型和快速张量分解的二维DOA估计算法.波束空间MIMO雷达能够通过发射波束成形技术将发射能量集中到指定空域,弥补传统MIMO雷达的发射增益损失.通过高阶张量模型应用MIMO雷达多脉冲接收数...