基于累积量的极化敏感阵列信号DOA和 极化参数的同时估计

本文研究极化敏感阵列非高斯窄带信号二维波达方向(DOA)和极化参数的同时估计问题.所考虑的极化敏感阵列包含一个特定子阵,该子阵由空间稀疏伸展三极子天线和两个导引阵元组成.分析了3维极化-角度域相干结构的平凡模糊问题,对利用并行累积量ESPRIT分别恢复出的信号3维极化-角度域相干结构和空域相干结构信息进行联合完成了非线性极化信号二维DOA和极化参数的同时估计.给出了一种相位缠绕解决方案并讨论了空间伸展三极子天线的可选择结构.     

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR).首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计.数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR(SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度.     

四阶累积量稀疏表示的DOA估计方法

针对现有稀疏重构DOA估计算法不能抑制噪声项以及在高斯色噪声背景下不再适用的问题,本文提出了基于四阶累积量稀疏重构的DOA估计方法。首先,利用接收数据的四阶累积量构建了稀疏表示模型,该模型抑制了噪声项;其次对四阶累计量矩阵进行奇异值分解,化简了稀疏表示模型,通过奇异值分解,不仅减小了数据规模,而且进一步抑制了噪声。对于稀疏表示模型的求解,先利用信号子空间与噪声子空间的正交特性选取权值矢量,然后利用加权l1范数法对模型求解实现DOA估计。理论分析和仿真实验表明本文算法在高斯白噪声和色噪声背景下均适用;能够处理非相干和相干信号,且在低信噪比条件下,对相干信号有更高的估计精度;较之同类的稀疏重构算法,本文算法具有较低的算法复杂度和更高的角度分辨力。      

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR)。首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计。数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR (SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度。     

稀疏极化敏感阵列的波达方向和极化参数联合估计

该文采用稀疏分布极化敏感阵列(SD-PSA),研究了多目标波达方向(DOA)和极化参数的估计问题。首先建立稀疏极化敏感阵列信号模型;然后利用阵列的空间旋转不变性运用ESPRIT算法得出信号的高精度周期性模糊多值DOA估计;同时利用子阵列导向矢量之间的关系得出信号的极化信息和DOA的无模糊粗估计;最后利用DOA粗估计值解模糊,得到信号的高精度无模糊DOA估计。该文所提阵列的阵元间距大于半个波长距离,扩展了阵列2维物理孔径,一定程度上降低了阵元间的互耦影响,相应的信号DOA估计精度大大提高。仿真实验结果验证了该算法对信号DOA和极化参数估计的有效性。     

高斯色噪声下的相干信号 DOA 高分辨率估计*

针对高斯有色噪声下的DOA估计问题,提出一种基于高阶累积量稀疏表示的DOA估计方法。该方法利用四阶累积量矩阵中的第一列生成最小冗余向量,利用扩展阵列的最小冗余导向矢量构造过完备字典。然后利用L1范数作为稀疏约束条件,建立最小冗余向量的稀疏模型进行DOA估计。该方法将求解四阶累积量的次数从M4次降为M2-M+1次。同时又能充分利用四阶累积量的优点,对高斯有色噪声具有良好的抑制能力,并使阵列孔径得到了扩展,估计信号个数能大于阵元数目。仿真实验和理论分析验证了该方法比MUSIC-like和MUSIC算法具有更好的性能,不需要任何处理可以直接应用到相干信号。     

三正交分离式极化敏感阵列的波达方向估计

该文研究了分离式极化敏感阵列(SS-PSA)的多目标波达方向(DOA)估计问题。首先建立三正交分离式极化敏感均匀稀疏阵列的信号模型;接着利用阵列的旋转不变性采用ESPRIT算法计算出多值模糊DOA估计;利用该模糊DOA估计值对分离式极化天线进行空间相移的补偿,然后利用共点式极化天线之间的多维角度结构求出对应的虚拟DOA估计;最后通过提取多值模糊估计值和对应虚拟估计值之差的最小范数得到多目标的DOA估计。该文所提阵列采用分离式极化天线代替传统共点式极化天线,降低了阵列的互耦影响;采用稀疏阵列结构有效地扩展了阵列的物理孔径,大大提高了DOA估计精度。计算机仿真结果证明了该算法对分离式极化天线DOA估计的有效性和高精度性。     

基于四阶累积量的宽带OFDM信号DOA估计

当宽带OFDM(Orthogonal Frequency Division Multiplexing)独立信号和相干信号共存时,传统四阶累积量方法无法估计出宽带OFDM相干信号的来波方向,针对这个问题提出了一种新算法。该算法首先通过离散傅里叶变换,将宽带阵列接收数据分解为若干个窄带信号,通过四阶累积量方法估计出各个频点处独立信号的来波方向,将各个频点处的独立信号的DOA估计相加求平均即为宽带OFDM独立信号的DOA估计;然后分离出独立信号的信息,构造出一个只包含OFDM相干信号信息的矩阵,最后通过稀疏重构的方法估计出OFDM相干信号的DOA。计算机仿真结果证明该算法适用于非高斯信号和色噪声情况。     

基于空频域稀疏表示的宽频段DOA估计

该文提出一种基于空频域稀疏表示的宽频段波达方向(DOA)估计方法,解决稀疏表示方法在宽带接收机对窄带信号的频率和角度估计中的难题。用空间频率代替频率和方位角的 2 维组合构建过完备字典,字典的长度仅相当于窄带信号DOA估计的字典长度,却能覆盖整个无模糊频段,大大降低了稀疏分解的计算量。该方法首先在频域估计信号的准确频率,根据频域峰值的位置构建频域峰值协方差矩阵。对频域峰值协方差矩阵进行特征分解,利用主特征向量建立稀疏模型估计信号的DOA。算法在低信噪比下具有较高的估计精度,仿真实验和分析验证了该文方法的正确性和有效性。     

基于分布式压缩感知的宽带欠定信号DOA估计

为解决基于稀疏阵列的宽带欠定信号到达角(DOA)估计问题,该文提出基于分布式压缩感知(DCS)的宽带DOA估计算法。首先,对稀疏阵列宽带信号处理模型进行理论推导与分析,将宽带信号DOA估计建模成DCS问题;其次,利用经典DCS算法实现稀疏阵列上的宽带欠定信号DOA估计;最后,引入网格失配误差,建立包含网格失配参数的DCS模型,并进行迭代求解,实现对DOA和网格失配参数的联合估计。仿真结果表明,该算法能够实现宽带欠定信号DOA估计,较现有成果而言,在保证测向精度的同时,具备分辨率高、运算速度快的优点。     

基于高阶循环平稳特性的二维波达方向估计算法

本文提出了一种利用虚拟双线性平行阵的循环累量域二维波达方向 （ＤＯＡ）估计算法。该算法构造了一个虚拟ＤＯＡ循环矩阵（ＶＤＯＡ Ｃｙｃｌｉｃ　Ｍａｔｒｉｘ）,井基于此矩阵进行ＤＯＡ估计。理论分析表明,通过对虚拟ＤＯＡ循环矩阵的特征值分解,就可以得到源信号的二维ＤＯＡ估计。同时由于循环累量对高斯噪声的自然盲性和对信号的选择性,该算法具有循环域和累量域ＤＯＡ估计算法的良好性能。该算法的另一特点是可以提供虚拟扩展孔径,提高了ＤＯＡ估计的性能．     

基于空间特征的多用户循环累量域波达方向估计算法

本文提出了一种基于空间特征的多用户相干源ＤＯＡ估计算法。该算法构造了循环累量域窨特征矩阵,通过对空间特征矩阵的特征分解估计多用户信号的空间特征,并利用前后向平滑空间特征协方差矩我用户信号的ＤＯＡ。理论分析表明：该算法能估计共信道多用户相干信号的ＤＯＡ,并自动分组。它的另一个特点是具有ＤＯＡ估计的选择性。     

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.     

基于四阶累积量的EM波达方向估计算法

针对低信噪比（signal-to-noise ratio,SNR）下,经典波达方向估计性能下降的问题,提出将信号的四阶累积量与期望最大化（expectation maximization,EM）算法相结合的波达方向估计算法.该方法引入隐含变量进行更新迭代,并求隐含变量的四阶累积量,构造关于待估波达方向的极大似然函数从而求解出信号的波达方向角.仿真结果表明:本文算法能有效地抑制高斯噪声对信号参数估计的影响,同时能利用迭代来提高估计精度.在低SNR时其估计性能优良,具有很好的稳定性和分辨率,有利于高分辨地估计信号的波达方向.     

基于三维立体线阵的全方位DOA估计方法

本文基于3D立体线阵以及累量的灵活定义,实现了信号DOA的全方位估计,该算法不依赖于信号的具体结构,并构造了三个累量域DOA矩阵,通过对DOA矩阵的特征分解得到配对特征向量,从而获得信号DOA的全方位估计,该方法避免了2D或1D的谱峰搜索,仿真实验结果表明了这种方法的正确性。     

A modified high-order cumulant music algorithm for signal DOA estimation

This paper gives a MUSIC signal DOA estimation algorithm based on the modified high-order cumulant matrix which is constructed by the recieved data and their conjugate rearrangements. When the snapshot number is limited, this algorithm can improve the signal DOA estimation performances obviously, and its computational complexity scarcely increases. Finally, some simulation results to verify the theoretical analyses are presented.     

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.     

极化敏感线阵的模值约束降维Root-MUSIC算法

为了解决极化敏感线阵波达方向角和极化参数联合估计运算量大的问题,本文提出了模值约束降维Root-MUSIC算法。 该算法通过对波达方向角和极化参数进行剥离,先采用Root-MUSIC算法进行DOA估计,然后根据模值约束条件构造代价函数,通过闭合式解求出极化参数估计。与传统MUSIC算法相比,该算法避免了谱峰搜索,大大提高了运算效率。与ESPRIT算法相比,该算法避免了参数配对问题。计算机仿真结果验证了该算法的正确性,且具有较高的成功率与精确度。在两目标信号入射角度接近时,也能够很好的分辨出两信号。      

基于时频点聚类的LFM信号波达方向估计

基于空间时频分布(spatial time-frequency distribution, STFD)的多重信号分类(multiple signal classification, MUSIC)算法常用于非平稳信号波达方向(direction of arrival, DOA)估计, 其关键是选取合适的信号时频点.文中针对传统时频MUSIC算法不能提取各信号时频点且在小角度间隔时估计性能不佳的问题, 以线性调频(line frequency modulation, LFM)信号为研究对象, 提出了基于时频点聚类的DOA估计算法.该算法首先对阵列接收信号进行白化, 利用白化后的接收信号构造STFD矩阵, 达到抑制STFD矩阵的交叉项、突出信号自项的目的, 然后利用K均值聚类提取各信号时频点, 最后运用MUSIC算法估计DOA.对不同角度间隔和不同信噪比时三种算法的估计均方根误差进行了仿真对比, 结果表明:相比经典时频MUSIC算法, 文中算法在小角度间隔和低信噪比时有更好的估计性能.