基于子空间拟合波达方向估计方法研究

传统波达方向(DOA)估计方法由于受阵列尺寸的限制,对处于同一波束内的多个信号源无法得到正确的估计.为此提出了基于子空间拟合的信号到达方位角(DOA)估计算法--信号子空间拟合算法和噪声子空间拟合算法.算法通过对接收数据的子空间与实际信号导向矢量组成的子空间的拟合,来构造信号功率谱尖峰,从而估计目标信号的到达方位角.仿真实验对两种算法的性能进行了分析,分析表明基于噪声子空间拟合算法能突破空域瑞利限的限制,具有空间分辨率高、稳定性好的估计性能.信号子空间拟合算法只有在阵元数较大时,才能正确分辨距离较近的信号源,但具有对环境噪声不敏感的特点.     

基于Krylov子空间的测向算法

提出一种基于Krylov子空间的信号波达方向估计算法,搜索信号可能入射角度,通过测试所构造的Krylov子空间与信号子空间的等价性来判断信号的DOA,算法用多级维纳滤波实现子空间分解。仿真实验表明,算法在低信噪比条件下对相邻信号有良好的谱分辨率和估计性能。     

α稳定分布噪声下的空间时频DOA估计

当信号中存在α稳定分布噪声时,传统空间时频多重信号分类(STF-MUSIC)算法的空间波达方向(DOA)估计性能会降低甚至失效。为此,利用分数低阶矩(FLOM)代替二阶协方差矩阵,定义分数低阶矩空间时频分布矩阵(FLOM-STFDM)。对FLOM-STFDM进行特征分解,得到适用于稳定分布噪声环境的空间时频TF-FLOM-MUSIC算法,分析该算法的信噪比及误差估计,并给出算法实现步骤。仿真结果表明,TF-FLOM-MUSIC算法可有效降低DOA估计的均方误差,提高估计的分辨率和平滑性。     

基于空间平滑MUSIC算法的相干信号DOA估计

针对传统解相干算法在低信噪比条件下不能有效分辨角度接近的信号源DOA的问题,提出一种基于空间平滑技术的特征空间多重信号分类MUSIC(Multiple Signal Classification)算法。首先用改进的空间平滑算法对相干信号进行预处理,然后对其应用特征空间MUSIC算法进行精确的DOA估计。计算机仿真结果表明,该算法的改进能更加有效地估计相隔较近的小信噪比信号源的DOA,分辨能力较强。     

低信噪比条件下的高分辨DOA估计算法

提出一种基于多级维纳滤波器（MSWF）的信号波达方向（DOA）估计算法。通过测试信号子空间的估计值与噪声子空间的正交性实现DOA粗估计,通过测试MSWF分解的互相关函数实现信号DOA的精估计。仿真实验表明,在低信噪比条件下,该算法比已有的子空间类算法有更好的分辨率和误差性能。     

基于改进块稀疏贝叶斯学习算法的波达方向估计

针对传统的基于稀疏表示的DOA估计算法单纯利用信号的空域稀疏性,导致在低信噪比时稀疏性能变差,影响信号稀疏重构效果的问题,使用分块稀疏理论对信号进行稀疏分解。随着目标增多及作战任务改变,DOA估计往往呈现目标群测向的特点,为了能够更好地利用信号的结构特征和统计特征,提出了基于空时联合的块稀疏DOA估计算法,使用块稀疏理论挖掘信号的内部结构,充分利用了信号的块内稀疏性和块间相关性,提高稀疏重构性能,进而对DOA估计效果有很大的提升。仿真实验表明,相比于经典的DOA方法,本方法有更好的估计效果。     

基于阵列扩展的宽带DOA估计算法

导向矢量的频率不一致性不利于宽带信号的DOA估计。为此,首先提出宽带直接空间谱估计算法,但是其限制条件过于苛刻;然后利用宽带信号的时延性质对阵列进行扩展,提出一种新的宽带DOA估计算法,新算法不需要DOA预估计;最后分析了梳妆谱和连续谱两种情形下如何使用新算法的问题。仿真实验结果表明,在信噪比较高的条件下,与传统算法相比,新算法的估计成功率更高,估计误差更小。     

基于混合型MUSIC算法对相干信源DOA估计

在实际通信环境中,由于传播环境的复杂性使空间中存在大量的相干信号,从而导致信源协方差矩阵的秩亏缺。为使得矩阵的秩恢复到等于信号源数并解决相干信源波达方向（direction of arrival ,DOA）估计问题,提出了一种混合型MUSIC算法。该算法通过前后向空间平滑技术对天线阵列进行预处理,并将得到的新协方差矢量矩阵应用于改进的IMUSIC算法进行信号数据处理分析,得到相干信号的DOA角度估计。仿真结果表明,在信噪比低的情况下,信号间隔很小且存在相关信号时,混合型MUSIC算法能准确地估计出信源的DOA,验证了该算法的高分辨率和高性能。     

基于子空间和稀疏贝叶斯学习的低信噪比下波达角估计方法

为研究低信噪比条件下阵列信号处理中的波达角(Direction of arrival,DOA)估计问题,分析了低信噪比条件下信号子空间和噪声子空间的特征值表现,探讨了随机观测对子空间特征值的影响。提出了在低信噪比条件下对接收信号先进行子空间分离,后进行随机观测的降维处理方法,并将稀疏贝叶斯学习应用到DOA中,降低了DOA估计的复杂度,同时保证估计的精度。仿真实验表明,本算法在低信噪比条件下性能良好,对非相干源和相干源均有良好的估计性能。     

相干信号波达方向估计技术综述

在信号的传输过程中,由于信号反射和折射,导致多径传输产生相干信号。此时信号协方差矩阵出现秩缺,导致传统的超分辨波达方向估计（Direction of arrival,DOA）算法失效。针对相干信号的DOA估计算法被提出,这些算法通过利用阵列导向矢量的特殊性质,对协方差矩阵的秩进行恢复,从而达到解相干的目的。围绕着减小阵列孔径损失、增加可处理信号数量和提高估计精度等目标,新的相干信号DOA估计算法不断被提出,成为阵列信号处理方向的一个研究热点。本文介绍了相干信号的产生和其对DOA估计的影响,给出了相干信号的阵列模型,根据解相干方式的不同,将各种相干信号的DOA估计算法进行分类,并逐类进行阐述,最后展望了相干信号DOA估计未来的研究方向。     

基于均匀圆阵的互耦误差校正算法研究

阵元之间的互耦效应严重影响了DOA的估计性能。基于均匀圆阵,提出了一种互耦条件下的波达方向估计和互耦误差自校正算法。利用带状循环矩阵的特性对均匀圆阵的互耦误差建立数学模型,再利用MUSIC算法和迭代法对互耦误差矩阵和波达方向同时进行估计,自校正方法无需任何辅助阵元即可实现两类参数的估计。仿真实验表明,算法很好地解决了均匀圆阵的互耦问题,能够比较准确地估计出波达方向角和互耦误差值。     

基于ResNet的稳健语音DOA估计算法

针对传统波达方向（Direction of arrival, DOA）估计算法在阵列模型误差条件下估计性能下降的问题,提出了一种基于残差网络（Residual network, ResNet）的DOA估计算法。该算法根据神经网络数据驱动不依赖阵列流型的特点,从广义互相关（Generalized cross-correlation, GCC）中提取特征,将提取的特征作为神经网络深层分类器的输入,对信号分类;根据分类结果选取对应子区间数据进行训练,建立ResNet学习特征与DOA估计之间的非线性映射关系,形成一个数据驱动的稳健DOA估计系统。仿真与实验验证结果表明,该算法有效地解决了传统DOA算法在阵列模型误差条件下无法准确得到DOA结果的问题。     

模拟退火遗传算法在DOA估计技术中的应用

将模拟退火思想融入到遗传算法中,形成了另一种优化算法,即模拟退火遗传算法,将其应用于加权子空间（WSF）算法的目标方位（DOA）估计技术中,以求降低WSF算法的运算复杂度,提高DOA估计精度,同时又解决了基本遗传算法在DOA估计中易陷入局部最优、后期搜索迟钝等问题。计算机仿真结果表明：采用模拟退火遗传算法的DOA估计技术在低信噪比条件下比采用基本遗传算法、高斯-牛顿算法有更高的分辨概率,更小的均方误差。     

基于宽带聚焦矩阵和高阶累积量的OFDM信号的来波方向估计

为了解决正交频分复用(OFDM)宽带信号处理的问题,研究了基于宽带聚焦矩阵和高阶累积量的波达方向(DOA)估计方法。前者是通过傅里叶变换将宽带阵列数据分解为若干窄带信号,再利用一种聚焦矩阵将不同频带下的方向矩阵变换到同一参考频率下,然后用多重信号分类(MUSIC)算法来估计DOA;高阶累积量算法是通过聚焦操作,把各个窄带频率处的阵列输出矢量变换到聚焦频率处,然后求其累积量矩阵。对各个累积量矩阵进行加权平均并特征值分解,再应用MUSIC算法估计DOA。理论分析和仿真结果表明,两种方法都能够精确地估计OFDM信号的DOA,四阶累积量方法的空间分辨率比聚焦矩阵方法有所提高。四阶累积量算法扩展了阵列孔径,信噪比(SNR)较低的时候也有很好的适应性。     

基于互质阵的循环平稳信号低复杂度欠定DOA估计算法

针对现有大多数循环平稳信号DOA估计算法复杂度较高、估计精度低无法实现对有用信号的欠定估计问题,提出了一种基于互质阵的循环平稳信号低复杂度、欠定DOA估计算法.算法的主要思想是利用互质阵良好的稀疏特性,通过矢量化处理构造虚拟阵列模型,扩展阵列孔径,实现阵列自由度的提升.首先,算法构造了互质阵输出的循环自相关矩阵,然后进行矢量化处理得到最大连续虚拟阵元部分,给出其谱峰搜索的表达式.最后,为降低计算复杂度,对算法进行改进,应用多项式求根的方法直接求解DOA估计值.仿真结果表明,所提算法能实现对有用信号的欠定估计,计算复杂度较低,且相比于大多数的循环平稳信号DOA估计算法,所提算法估计自由度和估计精度有了进一步的提升.     

基于声矢量阵小样本数据的DOA估计研究

根据水下目标在其到达方位(DOA)搜索空间的稀疏性,采用稀疏分解理论实现了小样本、低信噪比条件下的声矢量阵DOA估计。通过分析,构造出基于声矢量阵阵列流型形式的过完备原子库,并采用正交匹配追踪算法得到目标的DOA估计。通过仿真,基于稀疏分解的声矢量阵DOA估计算法对单快拍数据进行处理,即可得到比较准确的DOA估计结果。对湖试数据进行了处理,验证了算法的有效性和优越性。     

基于实数遗传算法的波达方向最大似然估计算法

对空间多个窄带信号源的高分辨波达方向估计是雷达,块纳和地震等信号处理中的重要问题之一,为克服一些获取波达方向估计最大似然解算法存在的局部极值问题,提高估计精度,本文以作者提出的实数遗传算法为搜索工具,寻求波达方向最大似然估计的非线性全局最优解,所提出的实数遗传算法由含实数域结构和目标函数信息的实数交叉和变异算子构成,是较理想的获取非线性实变量函数全局最优解的方法,对非相参和全相参信源波达方向估计问题的数字仿真结果表明,本方法的估计精度明显优于交替极值等一些常规方法。     

一种L型阵列的相干分步降维DOA估计方法*

针对相干信号二维波达方向(Direction Of Arrival,DOA)估计运算复杂度高的问题,本文提出了一种基于前后向空间平滑的分步降维MUSIC算法。该算法首先通过前后向空间平滑技术去相干,然后通过一维空间谱搜索得到一维入射角,最后通过最小二乘法得到二维入射角,进而得到相干信号的DOA。仿真实验表明该方法可以实现对相干信号的二维DOA估计,且具有较好的DOA估计性能,同时降低了运算复杂度。     

基于空时离散傅里叶变换投影的宽带旋转不变技术估计信号参数算法

利用采样频率和频域数据的关系,对空时离散傅里叶变换(DFT)投影方法进行改进,并且讨论分析了采样频率对其解相干性能的影响,然后将窄带旋转不变技术估计信号参数(ESPRIT)类算法应用到宽带相干源方位估计中,提出一种基于空时DFT投影的宽带ESPRIT算法。仿真结果表明,适当地增加采样频率可以改善空时DFT投影方法的方位估计性能,并且比起快速傅里叶变换(FFT)插值法,空时DFT投影方法具有更加优越的方位估计性能。     

利用块稀疏特性的压缩感知麦克风阵列声源定位

与传统声源定位算法如相位变换加权、时延累加定位不同,压缩感知麦克风阵列声源定位算法可将声源定位转化为稀疏重构问题从而获得较高的性能。但在实际应用环境下,由于远场声源自身指向性、空间混响等原因,声源方向向量往往呈现块稀疏度结构,导致采用传统稀疏恢复算法如正交匹配追踪算法（Orthogonal matching pursuit,OMP）等进行压缩感知定位性能下降。本文在压缩感知声源定位算法中引入块稀疏似零范数,以压缩感知为基本框架,采用块稀疏似零范数稀疏恢复进行声源方向向量的重构,获取声源的方位。实验结果表明,相较于传统声源定位算法和基于OMP的压缩感知声源定位算法,本文算法具有更高的定位精度。