螺量域波达方向估计的稳健性

本文提出了一种用于等矩线阵的四阶累重量域波达方向（ＤＯＡ）估计算法，并着重研究了算法的稳健性（Ｒｏｂｕｓｔｎｅｓｓ）该算法利用了空间累量阵中的所有非冗余量元素，并将相位相同不量元素做平滑处理。Ｔｏｅｐｌｉｔｚ化后形成新的虚拟协方差矩阵，方向估计基于此阵，分析表明，该算法对阵列误差有较强的容差性，加之累量对高斯噪声的自然盲性，因而算法具有稳健性，该算法的另一个特点是可以提供虚拟扩展孔径（扩展近两倍）     

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。     

一种新的二维快速波达方向估计方法--虚拟累量域波达方向矩阵法

本文利用3个具有特别位移特性的任意子阵元阵列和累量,构造出了虚拟累量域波达方向矩阵.利用虚拟累量域波达方向矩阵的特征值的幅值和相位信息,就可以求出信号源的方位角和俯仰角.因为子阵列结构是任意的,因此选择适当的子阵列就获得很好的估计效果.而由于采用了累量,因此新方法对高斯噪声不敏感.     

累量域虚拟阵列二维波达方向估计算法

利用空间四阶累量的孔径扩展性质,构造了一种新的累量域虚拟阵列波达方向矩阵。由累量域虚拟阵列波达方向矩阵非零特征值的幅值和相位即可分别估计出信号源的方位角和俯仰角。本算法阵元利用率高,阵列布置灵活,由于采用了累量,通过适当布置阵列可压制任意分布噪声,获得较好的估计效果。     

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．     

基于四阶累量的约束最小冗余线阵的ESPRIT波达方向估计方法

本文利用四阶累量的信息设计出约束最小冗余线阵，并提出了基于四阶累量的约束最小冗余线阵的ESPRIT波达方向估计方法．该方法具有以下特点：能够检测高斯加性噪声中的非高斯信号；突破了ESPRIT方法所要求的阵列构造，阵列孔径利用率高，可以用较少阵元估计出更多信号源的波达方向。本文最后给出的模拟实验验证了该方法的有效性。     

基于高阶累积量的近场通信波达方向估计算法

通过对近场通信波达方向准确估计,提高目标信源的定位能力.传统方法中对近场源通信信源的波达方向估计采用多普勒估计方法,由于近场通信的空间信源为窄带信号,多普勒估计会导致DOA估计频谱失真.提出一种基于高阶累积量的近场通信波达方向估计算法.采用均匀间隔线列阵构建近场通信的信号模型,进行近场源目标特征构建,提取近场源通信信号的斜度和峰度等特征,采用高阶累积量特征提取方法,分别求得对应近场通信信源的方位角、频率和距离三维参数,使得每个信源的参数自动配对,提高了近场通信DOA波达方向估计的效率和精度,实现近场源通信信号的波达方向估计算法改进.仿真实验结果表明,采用该方法进行近场方法波达方向估计的精度较高,对信源方位的定位准确,性能优越于传统方法,在近场通信中具有较好的应用价值.     

基于累量的方向估计与阵列校正

本文提出了一种基于最大非冗余四阶累量集合的方向估计阵列校正方法，该方法利用了四阶累量阵的所有非冗余信息，并具有对加性高斯噪声不敏感，比传统协方差方法有较强的分辩性能和容差性能的特点。     

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.     

一种快速的二维高分辨波达方向估计方法混合波达方向矩阵法

本文利用两个具有位移特性的二维传感器子阵列信息构成一种新的矩阵混合波达方向矩阵。混合波达方向矩阵的特征值和特征矢量分别为信号源方位角与高低角的混合方向元素和方位角与高低角的混合方向矢量。合理选择子阵列构造可以解决兼并信号源分辨问题和降低阵列孔径损失。     

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.     

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。     

非高斯有色噪声背景下二维谐波频率估计的累积量投影方法

针对非高斯有色噪声中的二维谐波频率估计问题,该文提出了复数线性非高斯过程的二维累积量投影定理。应用该定理并巧妙地构造观测信号的高阶累积量求得非高斯噪声的自相关,并通过求解一个广义特征值对噪声空间进行预白化,然后结合高分辨率的子空间方法二维MUSIC估计得到二维谐波参量。该文方法解决了非高斯有色噪声中的二维谐波频率估计问题,特别地当非高斯噪声为对称分布和谐波信号中存在二次相位耦合时该文方法同样有效。仿真实验验证了该文结论。     

一种基于迭代自适应的离网格DOA估计方法

针对真实信源位置与字典网格不匹配导致波达角估计(DOA)误差过大的问题,该文提出一种基于修正迭代自适应(IAA)功率谱算法的离网格(Off-Grid)DOA估计方法(OGIAA)。该方法首先通过修正IAA方法得到信号功率谱,读出功率峰值的对应网格角度作为粗估计结果,再利用平方误差代价函数,将代价函数2阶泰勒展开并最小化得到初始偏移量,最后交替优化功率分量和偏移量,实现高精度的离网格DOA估计。理论分析和仿真结果表明,该方法实现过程简单,无正则化参数影响,能准确估计出偏移网格的信源角度,在高阵列自由度的非均匀阵列上也同样具备高估计精度。     

脉冲噪声下基于相关熵的相干分布源DOA估计新方法

针对复杂电磁环境下被动无线监测定位问题,该文提出广义相关熵的概念,推导了广义相关熵的性质,用以抑制阵列输出信号中的脉冲噪声。为了实现脉冲噪声环境下相干分布源中心DOA和扩散角的联合估计,提出基于广义相关熵的DOA估计新方法,并证明了该方法的有界性。为进一步提升算法的鲁棒性,推导了一种仅依赖阵列输出信号的自适应核函数。仿真结果表明,该算法能够实现脉冲噪声环境下相干分布源参数的联合估计,相比已有算法,具有更高的估计精度和鲁棒性。     

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。     

基于高阶累积量虚拟阵列扩展的DOA估计

该文提出了一种基于高阶累积量虚拟阵列扩展的DOA估计新方法。该方法基于高阶累积量孔径扩展的性质,由实际阵元的坐标与方向矢量直接计算出虚拟阵元的坐标与方向矢量,利用两种阵元的坐标之间的关系构造四阶或六阶协方差矩阵,运用MUSIC方法对非高斯独立信号源进行DOA估计。该方法在任意阵列的情况下,对非高斯独立信号源进行一维与二维DOA估计,均能准确地估计出多于实际阵元数目的方向角与仰角。实验表明,该方法简单、有效地扩展了阵列孔径,提高了阵列的空间分辨能力,有效地抑制了高斯噪声的干扰,降低了高阶累积量协方差矩阵的计算量。     

基于二阶统计特性的方向向量估计算法的DOA估计

为了减小天线阵流形误差对波达方向(DOA)估计结果的影响,以及克服基于传统盲源分离算法的DOA估计算法不能应用于少通道测向设备的不足,提出一种基于2阶统计特性的方向向量估计算法的DOA估计算法。首先,根据确定性最大似然(DML)估计算法谱函数的特征,构造关于协方差矩阵的酉约束下的优化问题;然后,通过优化该问题获得各个单信号的实际方向向量;最后,将各个单信号的实际方向向量输入到空间谱算法中实现DOA估计。由于将多信号的DOA估计转化为多个单信号的DOA估计,因此在天线阵列流形存在误差时,所提算法比传统的DOA方法具有更好的DOA估计性能。由于所提算法仅需使用协方差矩阵,因此所提算法可应用于少通道测向设备。由仿真实验结果可知,在阵列流形存在误差以及测向设备为少通道测向设备时,与传统DOA方法相比,所提算法的DOA估计的准确度、抗扰度以及分辨率更高。     

一种二维信号波达方向估计的改进多重信号分类算法

多重信号分类(MUSIC)算法是一种经典的空间谱估计算法。该文以L型阵列为例,针对2D-MUSIC算法在接收信号信噪比较小时对多个目标中方位相近的目标无法进行准确估计的问题,提出一种改进2D-MUSIC算法。该算法对经典2D-MUSIC算法所构成的协方差矩阵进行共轭重组,并将重组后矩阵的平方与原协方差矩阵的平方进行相加求平均,由此获得新的矩阵,再对该矩阵对应的噪声子空间进行加权处理,选取适当的加权系数构造新的噪声子空间,最后通过谱峰搜索识别出目标位置。计算机仿真结果表明,与2D-MUSIC算法相比,改进后的算法在接收信号信噪比较小时对多个目标中方位相近的目标也能够进行信号波达方向(DOA)估计,提高了L型阵列2维DOA估计的分辨率,具有较好的工程应用价值。     

浅海非高斯噪声下基于变分贝叶斯推断的波达角估计

传统基于高斯统计特性的波达角(DOA)估计方法在高斯背景噪声中可以获得较好的估计性能,然而受脉冲噪声影响的浅海环境噪声不再服从高斯分布,若直接利用传统波达角估计方法会引入较大误差。为提升非高斯噪声环境下的波达角估计性能,该文提出一种浅海非高斯噪声下的基于变分贝叶斯推断的波达角估计方法。首先利用信号与脉冲噪声的稀疏性构建多测量向量稀疏信号恢复(SSR)模型;其次,考虑信号的共稀疏特性与脉冲噪声的独立稀疏性,构建层次化贝叶斯估计框架;然后利用变分贝叶斯推断估计信号与噪声的后验概率估计。稀疏信号模型中考虑离网格误差,利用根稀疏贝叶斯估计实现离网格误差修正,解决离网格误差引起的基失配问题;最后通过迭代更新获得较为精确的波达角估计,同时消除脉冲噪声的影响。仿真结果表明：所提方法在非高斯噪声环境下具有较好的波达角估计性能,同时对于脉冲噪声具有较强的抗干扰特性。