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.     

基于重加权?1范数惩罚的远近场混合源定位算法

现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况。为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法。该算法利用阵列协方差矩阵反对角线元素和重加权l1范数惩罚获得所有信源的到达角（Direction Of Arrival, DOA）估计。在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计。从理论角度分析了重加权l1范数惩罚算法的重构性能。本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度。计算机仿真结果验证了所提算法的有效性。     

一种新的基于二阶统计量的室内定位方法

为了解决复杂室内环境下的近场源定位问题,利用室内小型天线阵列,提出一种近场多径模型下的协方差矩阵匹配及信号子空间匹配定位方法,较好地解决了传统近场源定位算法中无法解决的多径传播问题。一方面,该方法改善了室内定位环境中由于模型失配引起的定位性能恶化问题;另一方面,它也为近场多径环境下的目标定位提供了一种新的解决思路。仿真结果表明,该算法不仅在定位精度上有了较大改善,而且在定位成功概率方面具有较大优势。     

基于组合阵列的水下特征线谱近场定位方法

本文提出了一种基于组合阵列的特征线谱定位方法,该方法仅采用均匀声压阵中心配置单只三维矢量水听器的基阵形式,即可完成近场源方位角、俯仰角和距离的三维参数估计,可为近场聚焦以及近场声全息等噪声源定位识别方法提供可靠的先验知识.该方法利用声源的二阶统计量信息,将三维参数估计问题转化为多个一维搜索问题,从而减少了算法的计算量,...     

基于矩阵差分的远场和近场混合源定位方法

混合源定位在无源雷达中发挥着重要作用.针对均匀圆阵下基于相位差方法的定位精度较低的问题,该文提出基于矩阵差分的远场和近场混合源定位方法.首先,利用二维多重信号(2-D MUSIC)分类方法估计出远场源的方位角和俯仰角;随后,利用协方差矩阵差分方法提取出近场源差分矩阵,通过改进的类旋转不变估计信号参数(ESPRIT-li...     

基于高效3D-MUSIC 算法的近场辐射源定位

本文提出了一种用于近场辐射源定位的高效3D -MUSIC算法。该算法首先假设信号源为远场源,得到有关近场信号源与假设的远场信号源的关系式;然后利用傅立叶变换与多项式根方法计算远场辐射源的仰角和方位角,建立近场辐射源的搜索路径,沿此路径用传统的3 D-MUSIC搜索,确定近场辐射源的位置;最后在该位置附近进行局部优化搜索,得到最佳结果。仿真结果表明,该方法精确定位,计算时间短,有效地提高了定位的实时性。     

乘性噪声背景下基于三阶循环矩的二维近场源定位方法

 本文提出一种基于三阶循环矩的近场源二维参数估计方法.该方法以均匀线阵为接收传感器阵列,通过构造三个三阶循环矩矩阵估计出近场源的方位角和距离参数,利用循环统计量去除加性噪声,通过预校准法消除乘性噪声,适用于乘性噪声或乘性噪声和加性噪声共存背景下的二维近场源定位.仿真实验验证了该方法的有效性.     

脉冲噪声环境下基于矩阵差分的远近场混合源定位

为了提高脉冲噪声环境下基于二阶协方差矩阵差分（COV-MD）的远近场混合源定位算法的估计性能,本文提出了基于分数低阶协方差矩阵差分（FLOC-MD）和基于压缩变换协方差矩阵差分（CTC-MD）的远近场混合源定位算法。所提出的算法首先利用一维MUSIC谱峰搜索获得远场源信号的方位角估计,然后利用矩阵差分法实现远近场信号源的分离得到扩展的近场源分数低阶协方差矩阵（或压缩变换协方差矩阵）,最后在利用类旋转不变方法（ESPRIT-Like）估计得到的近场源方位角的基础上,再次利用一维MUSIC谱峰搜索获得近场源距离的估计。计算机仿真结果表明:CTC-MD算法和FLOC-MD算法在强脉冲和低信噪比情况下的估计性能都要明显优于COV-MD算法和其他基于二阶统计量的远近场混合源定位算法,同时CTC-MD算法的性能要好于FLOC-MD算法并且不依赖于脉冲噪声的先验信息。      

基于高阶ESPRIT的单声矢量水听器近场声源定位

为避免传统近场定位算法需要三维搜索,计算量大的问题,该文结合高阶累积量提出一种适用于单矢量水听器近场声源定位的旋转不变子空间(ESPRIT)算法。首先通过定义一系列的四阶累积量矩阵,获得了3个不变性矩阵,然后从这些不变矩阵中提取近场源的位置信息,该方法可以得到目标的方位角、俯仰角和距离的封闭形式的解。最后通过仿真验证了本算法的有效性。     

基于差分模型的近场无源定位算法

对于均匀线性天线阵列近场目标定位研究是探测领域重要难点之一。本文根据前期近场基于差分迭代传播计算模型研究基础,提出一种新型高精度近场无源定位算法,针对均匀线性阵列近场目标空间几何结构,突破传统菲涅尔近似近场传播模型的束缚,建立全新高精度目标关系模型并形成定位解析表达式,通过阵列处理估计改进到达时差（TOA）定位观测量,利用新算法快速准确地获取近场多个独立同分布目标的定位信息。仿真实验结果表明：新算法机理不同于传统近场估计分析,特别是定位解析式的引入使得位置精度提升的同时计算量大为降低,更好地适应了近场非线性关系结构,性能分析显示TOA误差对定位估计精度的影响较为有限,在典型信噪比条件下新算法的距离和角度估计精度优于几种常规处理算法,未来具有深入研究的价值。     

Passive Localization of Mixed Near-Field and Far-Field Sources Using Two-stage MUSIC Algorithm

Passive source localization is one of the issues in array signal processing fields. In some practical applications, the signals received by an array are the mixture of near-field and far-field sources, such as speaker localization using microphone arrays and guidance (homing) systems. To localize mixed near-field and far-field sources, this paper develops a two-stage MUSIC algorithm using cumulant. The key points of this paper are: (i) in the first stage, this paper derives one special cumulant matrix, in which the virtual ?steering vector? is the function of the common electric angle in both near-field and far-field signal models so that source direction-of-arrival (DOA) (near-field or far-field one) can be obtained from this electric angle using the conventional high-resolution MUSIC algorithm; (ii) in the second stage, this paper derives another particular cumulant matrix, in which the virtual ?steering matrix? has full column rank no matter whether the received signals are multiple near-field sources or multiple far-field ones or their mixture. What is more important, the virtual ?steering vector? can be separated into two parts, in which the first one is the function of the common electric angle in both signal models, whereas the second part is the function of the electric angle that exists only in near-field signal model. Furthermore, by substituting the common electric angle estimated in the first stage into one special Hermitian matrix formed from another MUSIC spectral function, the range of near-field sources can be obtained from the eigenvector of the Hermitian matrix. The resultant algorithm avoids two- dimensional search and pairing parameters; in addition, it avoids the estimation failure problem and alleviates aperture loss. Simulation results are presented to validate the performance of the proposed method.     

Near-field source localization method and application using the time reversal mirror technique

In order to develop the acoustic keyboard for Personal Computer (PC), it is necessary to seek high-precision near-field source localization algorithm for identifying the keyboard characters. First of all, the focusing property of Time Reversal Mirror (TRM) is introduced, and then a mathematical model of microphone array receiving typing sound is established according to the realization of acoustic keyboard from which the TRM localization algorithm is carried out. The results through computer simulation show that the localization Root Mean Square Error (RMSE) performance of the algorithm can reach 10^?3, which demonstrates that the algorithm possesses a high accuracy for the actual near-field acoustic source localization, with potential of developing the computer acoustic keyboard. Furthermore, for the purpose of testing its effect on actual near-field source localization, we organize three experiments for acoustic keyboard characters localization. The experiment results show that the positioning error of TRM algorithm is less than 1 cm within a provided acoustic keyboard region. This will provide theoretical guidance for the further research of computer acoustic keyboard.     

基于任意麦克风阵列的近场声源三维定位算法研究

基于麦克风阵列的声源定位技术在通信、语音处理等领域得到广泛的应用。本文从声音传播的基本原理出发,推导出了精确的相对幅度衰减因子,获得了更加准确的信号传播模型。利用该模型并结合子空间算法的思想,提出了适用于任意拓扑结构的麦克风阵列的近场宽带三维声源定位算法。仿真结果表明,该算法在一维均匀直线阵、二维均匀圆阵和三维均匀球面阵中,均能够得到较好的定位效果。     

基于联合对角化的MIMO雷达近场目标定位

目标定位经典算法有很多,但大多不能直接适用于MIMO雷达近场目标定位,而现存的单基地MIMO雷达近场目标定位算法很少.为了解决这个问题,提出了一种基于联合对角化的MIMO雷达近场多目标定位算法.该算法使用十字形收发阵列,利用接收信号的协方差矩阵构造新的矩阵,灵活运用联合对角化算法得到发射角和距离估计值,再利用谱峰搜索得...     

对称子阵列的近场信号稀疏表示定位方法

针对近场信号源,本文基于对称子阵列提出了两种稀疏信号表示的目标定位方法。首先利用对称阵元导向矢量的关系分离出时延中的方向角和距离两个参数,将一个近场目标定位问题转换为一个类远场的方向角估计问题,再通过稀疏信号重构的方法分步得到方向角和距离两个参数的估计。在参数分离的过程中,方法二通过构造共轭部分,所得到的虚拟远场阵列阵元数等效于原始阵列,故所能估计的信源数约为方法一的两倍。和同类方法相比,本文提出的方法具有较低的计算量。仿真表明,本文两种方法具有更高的分辨率。      

Near-field time-frequency localization method using sparse representation

This paper presents a novel near-field source localization method based on the time-frequency sparse model.Firstly,the method converts the time domain data of array output into time-frequency domain by time-frequency transform;then constructs sparse localization model by utilizing the specially selected time-frequency points,and finally the greedy algorithms are chosen to solve the sparse problem to localize the source.When the coherent sources exist,we propose an additional iterative selection procedure to improve the estimation performance.The proposed method is suitable for uncorrelated and coherent sources,moreover,the improved estimation accuracy and the robustness to low signal to noise ratio(SNR) are achieved.Simulations results verify the efficiency of the proposed algorithm.     

基于旋转均匀圆阵的单近场源参数估计解模糊算法

基于阵列的信源定位在无线通信、雷达、声纳等领域运用广泛.针对均匀圆阵下单个高频近场源参数估计存在相位模糊的情况,本文提出利用旋转使同一阵元形成虚拟短基线的解模糊算法.首先,为了对旋转前后两组观测数据进行配准,在圆阵中心设置参考阵元并利用其初始相位差对其他阵元数据进行相位补偿;随后,在通过复共轭积计算各阵元旋转前后无模糊相位差的基础上,使用最小二乘法反演出近场源的方位、俯仰和距离;进一步地,利用反演得到的无模糊近场源参数消除旋转前最长基线阵元间接收信号的相位差模糊,得到长基线下的高精度参数;最后,利用仿真实验验证了本文算法在高频单近场源下的解模糊性能.     

基于深度展开ISTA网络的混合源定位方法

针对嵌套阵列下近场和远场混合源定位问题,本文通过构建和训练深度展开迭代收缩阈值算法（Iterative Shrinkage Thresholding Algorithm,ISTA）网络实现混合源的波达方向（direction of arrival,DOA）和距离参数估计。首先考虑到近场源协方差矩阵具有Hermitian矩阵形式,远场源协方差矩阵具有Hermitian和Toeplitz矩阵形式,通过将混合源协方差矩阵进行差分可以得到近场源差分向量,其中近场源差分向量转换到实数域,可以显著降低深度展开ISTA网络的计算复杂度。接着将不同参数下的近场源差分向量和近场源真实空间谱进行配对作为训练样本,对近场源深度展开ISTA网络进行训练,其中深度展开ISTA网络的隐藏层对应模型驱动ISTA方法的迭代步骤。然后利用估计出的近场源DOA和距离参数,通过子空间差分方法得到远场源协方差向量。最后将不同参数下的远场源协方差向量和远场源真实空间谱进行配对作为训练样本,对远场源深度展开ISTA网络进行训练,其中远场源协方差向量同样转换到实数域。在深度展开ISTA网络的训练过程中,损失函数只与重构误差和网络输...