基于均匀圆阵的近场源三维参数估计

基于均匀圆阵,提出一种近场源距离-方位角-俯仰角联合估计算法。利用阵元观测数据,构造一组高阶累积量矩阵,通过矩阵联合对角化技术得到阵列流形矩阵的估计。根据阵列流形矩阵的估计以及近场和远场条件下方位角相同的结论,获得方位角的估计。利用阵列流形矩阵和方位角的估计,得到距离和俯仰角的估计。该方法无需二维频域峰值搜索或参数配对。计算机仿真验证了算法的有效性。     

基于非圆信号的二维测向算法

提出了一种基于窄带非圆信号的二维测向算法,利用非圆信号的椭圆协方差矩阵非零特性将阵列有效阵元数和孔径同时扩展,提高多信号检测的能力。进一步通过利用L阵的几何性质和两子阵间的互相关来滤除噪声,提高角度估计精度,并采用快速算法获得信号方位角和俯仰角。最后计算机仿真结果验证了该方法由于利用非圆信号特性比传统测向算法的估计性能更高。     

采用降秩多级维纳滤波器的二维DOA估计快速算法

针对双平行线阵的二维波达方向(DOA)估计问题,为有效降低计算复杂度,提出了一种基于降秩多级维纳滤波器(MSWF)的快速算法。首先利用MSWF的前向递推实现信号子空间的快速估计,无需估计协方差矩阵和特征分解;然后,通过MUSIC算法对方位角和俯仰角的估计进行分维估计,使二维DOA估计退化为两个一维DOA估计问题,且方位角和俯仰角自动配对,进一步降低了运算量。仿真结果表明,该方法的估计精度优于同样基于双平行线阵提出的波达方向矩阵法(DOAM),俯仰角兼并时同样适用,计算复杂度低,适用于实时性要求高的应用背景。     

基于均匀圆阵相干信源的二维DOA估计

随着通信技术的不断发展,信号传输环境变得日益复杂。针对多径传播形成的高度相关和相干信号测向问题,提出了一种基于均匀圆阵相干信源的二维DOA估计方法。该方法利用均匀圆阵轴向虚拟平移解相干,通过去噪后利用虚拟子阵的自协方差矩阵和互协方差矩阵构造波达方向矩阵,利用该矩阵特征分解估计信号的俯仰角;然后将平滑后的自协方差矩阵与波束空间变换矩阵相乘,使圆阵的导向矢量具备范德蒙结构,最后用求根MUSIC算法估计出信号的方位角,完成了相干信号的二维DOA估计。该方法无需二维谱峰搜索,方位角和俯仰角自动配对,计算量小,分辨率高。仿真实验证明了所提方法的正确性。     

基于L型阵列的PM方法仿真及FPGA实现

在二维DOA估计中,基于L型阵列的PM方法具有运算简单、性能较好的特点。文章首先分析了PM方法的原理,同时对该方法进行了Matlab仿真,验证了该算法的有效性。接着确定了其FPGA设计方案:通过构建协方差矩阵、对矩阵进行分块和特征值分解、求取仰角和方位角等实现二维DOA估计,并且进行了FPGA处理周期和资源占用的性能仿真。     

基于时空结构的阵列信号三维参数同时估计方法

提出了一种针对空间非相关窄带信号源的中心频率、方位角和俯仰角三维参数的同时估计方法。该方法通过对均匀双平行线阵时域采样构造虚拟阵元，然后结合空域采样数据构造时空DOA矩阵，对DOA矩阵进行特征分解，利用分解得到的特征值和特征向量估计出信号源的三维参数。该方法不需要进行谱峰搜索，运算量小，能实现频率、方位角和俯仰角的同时估计与自动配对，具有较高的分辨率，且能估计出比阵元数多的信号源的参数，给出的计算机仿真结果证明了该方法的有效性。     

基于均匀圆阵的空时二维波达方向估计算法

提出了一种适合于均匀圆阵的空时二维波达方向估计方法,该方法先利用模式激励技术对接收数据进行变换,再利用变换后数据之间的互相关关系将数据进一步映射到空时域,然后构造出一对空时DOA矩阵束,通过矩阵束的广义特征值就能够计算出所有入射信号的方位角和俯仰角.该方法完全避免了DOA矩阵类方法中难以克服的角度兼并问题,与UCA-ESPRIT算法相比,减小了孔径损失,使能够估计的信号数目增加了一倍.该方法具有免搜索和参数自动配对的特点.仿真结果证明了该算法的性能.     

三平行线阵中基于改进传播算子的二维DOA估计方法

提出了一种三平行线阵中基于改进传播算子的二维波达方向估计方法。该方法针对三平行阵列的结构特点,利用三平行线阵中两个相互垂直的双平行线阵,分别构造一个扩展传播矩阵,求得旋转矩阵。然后根据三平行线阵的特性,对分别得到的旋转矩阵进行配对。最后利用配对后的旋转矩阵,联合估计信号的方位角和俯仰角。该方法当俯仰角在70°~ 90°之间时不会出现角度估计失效问题,充分利用了所有阵元信息,提高了角度估计性能,而且具有更低的计算复杂度。仿真验证了提出方法的有效性。      

互相关矩阵重排获取信号子空间的二维DOA估计算法

本文提出一种L型阵列的二维子空间DOA估计算法,该算法通过重排阵列接收数据的互相关矩阵获取信号子空间,然后根据信号子空间生成一个二维谱函数,最后通过二维搜索估计信号的来波方向。由于该算法采用二维谱峰搜索,所以不需要对俯仰角和方位角进行配对。与二维MUSIC算法相比,该算法的估计精度略有下降,但该算法不需要对矩阵做特征值分解,计算量降低且易于实现。文中给出了该算法的推导过程和具体实现步骤,并进行了实验仿真,仿真结果说明了算法的有效性。      

基于MIMO雷达虚拟阵列的二维波达方向估计算法

基于L型配置MIMO雷达系统,提出了一种利用MIMO雷达单次回波的二维波达方向估计新算法。该算法通过单次回波信号形成的虚拟阵列数据来构造两个具有特定关系的矩阵,再用这两个矩阵构造一个波达方向矩阵,根据该矩阵的特征值和特征向量之间的关系,导出了目标方位角和高低角的闭式解。该算法不涉及二维谱峰搜索,计算量小,且不存在参数的配对问题;此外,当发射阵元数大于2时,其估计的最大目标数可大于或等于接收阵元数。计算机仿真结果证明了该算法的正确性和可行性。     

Subspace extension algorithm for 2D DOA estimation with L-shaped sparse array

A subspace extension algorithm for two-dimensional (2D) direction-of-arrival (DOA) estimation with an L-shaped array is proposed. This L-shaped array is comprised of two orthogonal sparse linear arrays (SLAs). Each SLA consists of two different uniform linear arrays. The cross-correlation matrix of received data is used to construct two extended signal subspaces, by which the azimuth angles and elevation angles can be estimated independently. The procedure used to extend signal subspace only needs a small amount of calculation. Then, an effective pair-matching method is addressed to pair the estimated elevation angles and azimuth angles. Although the signal subspaces are extended, the complexity of the proposed 2D DOA estimation algorithm is lower than many similar algorithms. Simulation results indicate the availability of the proposed pairing-matching method and subspace extension algorithm.     

2D DOA estimation for noncircular sources using L-shaped sparse array

We present an algorithm for two-dimensional (2D) direction-of-arrival (DOA) estimation of noncircular sources using an L-shaped sparse array. An L-shaped sparse array consisting of two co-prime arrays is firstly introduced. Then, the fourth-order-cumulants (FOCs) of received data are used to construct a FOC matrix (FOCM), by which we can get the estimations of elevation angles. With the estimated elevation angles, the azimuth angles can be estimated by a low-complexity signal separation algorithm. During the procedure used for estimating azimuth angles, no any eigenvalue decomposition (EVD), peak search and pair-matching procedure need to be implemented. Although the aperture is extended significantly, the computation complexity of proposed algorithm still is acceptable. Compared with some analogous algorithms, our approach shows more attractive estimation performance. A lot of simulation results prove the advantages of proposed DOA estimation technology.     

单快拍数据的分布式二维阵列测角方法研究

该文针对2维阵列波达方向估计问题,提出一种基于单快拍数据的分布式2维DOA估计算法。该算法首先利用每个子阵单元的单快拍数据进行2维Hankle矩阵构造;然后基于2维状态空间平衡法分别获得方位角和俯仰角子阵单元内DOA估计与子阵单元间DOA估计;最后通过解模糊算法获得方位角和俯仰角高精度无模糊DOA估计。该算法较好地解决了子阵单元内DOA估计和子阵单元间DOA估计之间的配对问题以及俯仰角和方位角之间配对问题,充分利用分布式阵列扩展阵列物理孔径特性;同时该算法可直接对相干信号和非相干信号进行处理。计算机仿真结果验证了所提算法的有效性。     

基于MUSIC算法的L型阵列MIMO雷达降维DOA估计

该文提出一种基于MUSIC算法的L型阵列多输入多输出雷达降维波达方向(DOA)估计算法。该算法首先针对L型阵列导向矢量的结构,构造出一个降维矩阵,将回波信号转换到低维空间。然后利用二次优化方法将2维DOA估计分解为两个1维DOA估计。最后利用MUSIC空间谱估计其中1维角度,并利用求得的角度回代谱函数,对另1维角度进行求根估计。该算法将2维空间谱搜索降为1维搜索,极大地降低了运算复杂度。理论分析和仿真结果验证了该算法的准确性和可行性。     

Two-dimensional DOA estimation of coherent signals using acoustic vector sensor array

In this paper, we present two new methods for estimating two-dimensional (2-D) direction-of-arrival (DOA) of narrowband coherent (or highly correlated) signals using an L-shaped array of acoustic vector sensors. We decorrelate the coherency of the signals and reconstruct the signal subspace using cross-correlation matrix, and then the ESPRIT and propagator methods are applied to estimate the azimuth and elevation angles. The ESPRIT technique is based on the shift invariance property of array geometry and the propagator method is based on partitioning of the cross-correlation matrix. The propagator method is computationally efficient and requires only linear operations. Moreover, it does not require any eigendecomposition or singular-value decomposition as for the ESPRIT method. These two techniques are direct methods which do not require any 2-D iterative search for estimating the azimuth and the elevation angles. Simulation results are presented to demonstrate the performance of the proposed methods.     

时空欠采样宽频段信号频率和二维角估计方法

本文提出了一种时空欠采样宽频段(2~18GHz)信号频率、方位角和仰角三维参数估计方法.该方法采用均匀圆阵和阵元延时,可在时间欠采样条件下实现频率无模糊估计;在空间欠采样条件下,用整数搜索法实现方位角和仰角无模糊估计,且频率、方位角和仰角估计可自动配对.该方法不仅可用于二阶统计量阵元空间和DFT波束空间,而且还可用于四阶累积量,可在高斯白或色噪声背景下,估计非高斯信源的参数.在DFT波束空间、阵元数相同和最大孔径相当时,该方法方位角和仰角估计的方差比L阵方法的方差小1~2个数量级.仿真实验表明了算法的有效性.     

单基地MIMO雷达中基于改进传播算子的二维DOA估计算法

单基地多输入多输出（Multiple input multiple output,MIMO）雷达中,针对传播算子算法在低信噪比和小快拍数环境下进行二维波达方向（Direction of arrival,DOA）估计性能下降的实际问题,提出了一种基于改进传播算子（Propagator method, PM）的二维DOA估计算法。该方法将数据共轭重构的思想应用到传播算子的估计中,借助传播算子的线性变换得到方向矩阵,由方向矩阵还原出二维波达角信息,利用矩阵变换与结构特点实现了仰角和方位角的自动配对。复杂度分析和仿真结果表明,该算法具有较低复杂度的同时,改善了传播算子算法在快拍数有限、低信噪比条件下的估计性能,实现二维DOA的自动配对。      

稀疏表示框架下无需参数配对的二维到达角估计

现有二维到达角估计算法大多基于子空间理论及需要参数配对,针对这一问题,在稀疏表示理论框架下提出了一种参数自动配对的二维到达角估计新算法。该算法在L阵列下构建阵列互相关矩阵的稀疏表示模型,利用奇异值分解降低复杂度并基于群LASSO(Least Absolute Shrinkage and Selection Operator)获得方位角估计。在方位角估计的基础上,基于向量化操作构建稀疏空间谱匹配模型,然后利用LASSO 获得俯仰角估计。与参数配对ESPRIT 和改进的传播算子方法相比,所提算法不仅无需参数配对过程,而且可以提供改进的估计精度。计算机仿真结果验证了所提算法的有效性。