稀疏空域融合DOA估计算法与性能分析

压缩感知处理波达方向(DOA)估计问题中,阵列流型的构建是后续估计的基础。该文首先对阵列流型相邻导向矢量的正交性进行理论分析,分析表明在法线方向,等角划分优于等弦划分,在端射方向,等弦划分优于等角划分,相应的DOA估计性能更优。然后,系统推导出等弦划分与等角划分的临界值,并讨论阵元数、划分份数对正交性的影响,设计了一种优化稀疏划分模型,并提出了一种基于等弦和等角空间稀疏相结合的稀疏空域融合(SFSD)DOA估计算法。该算法较等弦划分和等角划分,具有更好的DOA估计稳健性、更低的信噪比门限和更高的估计精度。最后,通过仿真验证了模型的优越性和算法的高效性。     

基于贝叶斯压缩感知的子空间拟合离格DOA估计

针对传统的基于稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）的波达方向估计算法对噪声鲁棒性不高的问题,提出了一种基于SBL的子空间拟合离格波达方向(Direction of Arrival,DOA)估计方法。首先对接收数据的协方差矩阵进行特征分解,获得信号的加权子空间,构造等价信号的稀疏表示模型并利用贝叶斯学习算法进行参数求解。同时对于网格划分带来的建模误差问题,采用了离格贝叶斯推导（Sparse Bayesian Inference,SBI）算法进行求解,利用期望最大化算法迭代更新相应的参数。仿真结果表明,相对于传统的DOA方法,该方法具有更好的估计精度。     

基于压缩感知的空域信号DOA估计

研究了基于压缩感知的空域信号DOA估计问题。针对空域信号DOA算法采样数据量大,在低信噪比情况下估计结果较差的问题,文中提出一种基于奇异值分解的多矢量欠定系统聚焦求解算法(SVD-MFOCUSS)。该算法在一定程度上克服了稀疏重构算法在低信噪比情况下的缺陷,具有较低的运算复杂度。实验仿真验证了该算法性能优于传统的DOA估计算法,且能够对相干信号进行有效的DOA估计。     

宽带协方差矩阵的多字典联合稀疏表示DOA估计

为了直接处理相干宽带信号和提高其波达方向估计的分辨率,提出一种基于宽带协方差矩阵的多字典联合稀疏分解估计方法。首先,利用多个频率点处的过完备基对其协方差矩阵进行稀疏表示,然后形成多个字典的多测量矢量稀疏表示模型,最后通过多字典稀疏表示系数的联合稀疏约束以求解稀疏反问题的形式实现宽带信号的波达方向估计。对于均匀线阵结构,多字典协方差矩阵稀疏表示系数的联合稀疏性使其不再受空域采样条件的限制,既可通过增大阵元间距提高分辨率,而又无空域混叠现象。通过对噪声功率的预估计抑制噪声,提高了波达方向估计的稳健性。另外,该方法与信号协方差矩阵的秩无关,对相干信号和不相干信号都适用。仿真实验验证了该方法的有效性。      

基于压缩感知的单端口高分辨率DOA估计

基于空间目标空域的稀疏性,提出一种基于压缩感知(CS)的单端口波达方向(DOA)估计算法.在单端口阵列的基础上,验证了其压缩感知模型的感知矩阵满足约束等容(RIP)的条件,并利用丹茨格选择器(DS)恢复原始信号.该算法在一个射频端口的情况下,可在低快拍数情况下有效估计任意相干性信号的DOA,算法具有高的估计精度及角度分辨率,其性能优于传统DOA估计算法.仿真结果验证了该算法的有效性和优越性.     

基于压缩感知的DOA估计稀疏化模型与性能分析

利用压缩感知理论解决阵列信号到达角(DOA)估计问题,具有对快拍数据量要求低、可处理相关源等优点。将压缩感知理论应用于信源DOA估计的一个关键问题是建立信源信号的稀疏化模型。该文在均匀线阵模型下系统分析了角度划分对DOA估计稀疏重构性能的影响,从对相关性的分析出发给出了信号的最优稀疏化模型。分析结果表明在实际应用中基于信源信号等正弦空间稀疏化的重构模型是最优的。实验对比了新的稀疏化模型与传统的等角度划分方式得到的流形矩阵的可重构性能,并进行了关于信号重构和信源DOA估计的详细实验分析,验证了所提模型的优越性。     

压缩感知在波达方向估计中的应用

根据压缩感知(CS)理论,利用空间目标在空域上的稀疏性,构建出新的基于CS的DOA估计模型,提出基于协方差矩阵CS、阵列内插CS和波束空间CS的DOA估计算法,分别在协方差矩阵、虚拟内插阵列和波束空间上进行压缩采样,最后通过对1范数优化问题的求解来高概率地进行稀疏重构,得到目标的高分辨DOA估计。所提算法扩展了CS理论在DOA估计中的适用范围,相比MUSIC、ML等传统DOA估计算法,具有更高的分辨率及更优的估计性能。计算机仿真结果验证了算法的有效性。     

基于双频虚拟互质阵列的均匀稀疏阵列DOA估计算法

提出了一种利用双频工作模式解决均匀稀疏阵列波达方向角(DOA)估计的方法。对一个物理均匀稀疏阵列,引入一个合适的额外工作频率,通过优选阵元数量及阵元间距,构建一个虚拟稀疏阵列,使得虚拟阵元间距与相邻真实均匀稀疏阵列的阵元间距成互质关系;物理均匀稀疏阵列与虚拟阵列组合形成一个自由度更高的虚拟互质阵列,将两个频率的接收信号对应合并后进行相关处理,得到虚拟互质阵列的阵列流形相关矩阵;基于相关间隔与差协同阵阵元位置的一一对应关系,对虚拟相关矩阵进行矩阵增广实现DOA估计,能够获得更高的自由度,突破物理阵元数目对最大可分辨信源数目的限制。基于MUSIC 算法的仿真结果验证了算法的可行性。     

一种基于能量的压缩感知稀疏度估计算法

压缩感知理论中,信号稀疏度直接关系到采样速率的设定以及观测矩阵的构造,而该先验信息往往受限.针对这一问题,本文从大维随机矩阵谱分析理论出发,分析了采样协方差矩阵的极限特征值概率分布特征,并结合其与观测信号能量的关系推导得到观测信号能量与压缩率、稀疏度和信噪比之间的对应关系,提出一种基于观测信号能量的稀疏度估计算法.相对于已有算法,该算法计算复杂度较低,且估计精度较好,并可通过增加采样开销进一步提升稀疏度估计精度,仿真实验验证了本文算法的有效性.     

基于DOA估计的认知无线网络频谱感知

认知无线电技术中频谱感知性能的优劣直接影响认知通信系统的性能。针对该特点提出了认知无线电网络中基于波达方向（ DOA)估计的主用户频谱感知模型,即单主用户多次用户和多主用户多次用户的系统模型,选取基于特征分解的多重信号分类（ MUSIC)算法分析两种模型的感知性能,包括虚警概率、漏检概率、最小总错误概率、算法复杂度等,获得了闭值表达式,最后在两种模型下对算法进行了仿真。仿真结果表明：各参数主要影响虚警概率,而漏检概率几乎不受影响,验证了方法的有效性。     

均匀线阵目标到达角估计的压缩感知方法研究

为了缓解表面波雷达在天线阵列小型化后角度分辨率低的问题,采用压缩感知理论,提出一种小型天线阵列表面波雷达目标到达角估计的方法。将到达角估计问题转化为稀疏信号表示的重建问题。建立了稀疏信号模型,分析了应用条件,将角度和速度空间离散化以构造字典,设计了基于实时海态信息的测量矩阵,设计匹配算法完成信号重构。仿真结果表明,若满足准确重建条件,即使在小型天线阵列的情况下,也能以计算资源为代价改善方位分辨率。     

基于压缩感知的稳健单通道波达方向估计方法

针对接收阵列射频通道间增益不一致以及系统感知模型与目标角度信息失配等情况下,基于压缩感知(Compressive Sensing,CS）的多目标波达方向（Direction of Arrival,DOA）估计方法性能下降的问题,提出了一种新的单通道CS-DOA估计方法.引入一种单通道阵列体制,并建立系统模型失配时的DOA稀疏感知模型;将丹茨格（Dantzig Selector,DS）算法和遗传算法相结合,分别对目标角度信息矢量和系统模型失配误差进行交替迭代优化.该方法有效克服了常见CS-DOA方法无法抑制系统模型失配误差的问题,避免了射频通道间增益不一致对DOA估计性能的影响.仿真结果表明：该方法性能优于传统DOA估计算法,能够对任意相关性信号进行有效DOA估计,具有更高的角度分辨力和估计精度.     

基于压缩感知稀疏信号重建的迭代硬阀值算法

Nyquist采样速率条件下的信号采样,采样系统表现良好并且信号可以被稀疏向量近似表示时,信号可以被有效而精确地重构。针对无噪声信号,利用确定的稀疏基和随机的观测矩阵,研究迭代硬阀值算法的有效性。若观测矩阵满足有限等距性质（RIP）,且稀疏基与随机观测矩阵不相干时,通过该算法,原始信号的稀疏投影可以被高概率重构。最后,利用哈达码正交矩阵作为稀疏基,高斯随机矩阵作为观测矩阵,对原始信号的稀疏投影进行重构,结果验证了该算法的有效性。     

基于压缩感知的空间谱估计

以多重信号分类（Multrple Signal Classification,MUSIC）算法为代表的现代空间谱估计方法,估计的信源数受限于阵列形式,并且需要的采样数据量巨大.文章从压缩感知的基础理论出发,利用目标信号空间分布的稀疏性,建立了基于压缩感知的阵列信号空间谱估计模型.利用压缩感知方法,可以使用较少的阵元数对空间信号进行采样测量,并准确重构信号.相比传统的MUSIC空间谱估计算法,该方法所需阵元数少,采样数据量小,并且能同时进行信号强度和角度的估计.所提方法对推动压缩感知理论在阵列信号空间谱估计中的应用具有一定意义.     

超宽带系统中基于稀疏恢复的TOA和DOA联合估计方法

针对稀疏表示框架下进行超宽带系统中到达时间(Time of Arrival, TOA)和波达方向(Direction of Arrival, DOA)联合估计的问题,提出了一种基于稀疏恢复的TOA和DOA联合估计方法。采用l范数作为稀疏约束条件,并利用联合正交匹配追踪算法获取TOA估计值,解决了TOA配对问题,最后根据两副天线的时延差与DOA之间的关系获得信号的DOA估计。所提算法考虑了离网格信号参数估计问题,并通过联合稀疏恢复进行补偿。仿真结果表明,所提算法的参数估计性能优于传统的压缩感知算法、传播算子算法、矩阵束算法以及借助旋转不变性的信号参数估计技术(Estimating Signal Parameters via Rotational Invariance Techniques, ESPRIT)算法,同时计算复杂度更低。     

基于稀疏表示的双平行线阵二维DOA估计

为了对空域目标的方位角和俯仰角进行有效估计,提出一种基于稀疏表示的双平行线阵二维DOA估计方法。首先需构建包含目标方位角和俯仰角信息的2个空间复合角;然后利用稀疏表示技术求解其中的一个空间复合角,以此作为前提条件,另一个空间复合角就可以解耦为一维波达方向(DOA)估计问题,利用矩阵运算可以求解出来;最后根据已求解的2个空间复合角对方位角和俯仰角进行配对求解。与现有算法相比较,所提方法受快拍数的影响较小,在信噪比较高、角度间隔较大的情况下,具有良好的性能。     

一种基于非一致响应圆阵的DOA估计改进算法

由于传统波达方向(DOA)估计算法对接收天线阵列的阵元一致性要求高,即幅度和相位响应要求一致,在工程应用中受到较大限制。针对该问题,结合均匀圆阵的特点,通过引入阵元幅度和相位不一致因子对传统MUSIC算法的模型加以改进,提出了一种改进的MUSIC算法。该算法降低了阵元的一致性要求,可通过迭代求解的方法来完成对多个信源来波方向进行估计。仿真和分析结果表明,提出的算法可有效地进行多个目标的DOA估计。     

稀疏L型阵中基于压缩感知的角度估计方法

利用二级Nested阵来构建稀疏L型阵列,针对此阵列,提出了基于压缩感知的角度估计方法。该方法通过计算接收数据的自相关协方差矩阵并向量化,然后进行重排序和去冗余,得到虚拟阵列的入射角信息。该虚拟阵列的长度远远大于实际物理阵列的长度,因而相比同物理阵元的均匀L型阵,阵列孔径和自由度明显增大。最后利用正交匹配追踪技术对虚拟阵列的l1范数约束问题进行求解,并完成二维角度的配对。计算机仿真表明,所提算法具有更高的信源分辨力,并且在高信噪比、高快拍数、大角度间隔条件下,具有更好的估计性能。