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...     

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。     

基于联合对角化的近场源三维参数估计

提出了一种基于联合对角化的近场源频率、到达角（DOA）和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于白化后的接收数据构造一组高阶累积量矩阵,利用联合对角化方法来得到高阶累积量矩阵的对角结构信息以及对角化矩阵来分别估计阵列流形和信号源的频率,进而由阵列导向矢量结合对应的信号源频率联合估计信号源的到达方向和距离。与基于高阶累积量的类 ESPRIT方法相比,算法可以提高阵元利用率,具有更好的估计效果,同时不需要谱峰搜索且各参数自动配对,计算机仿真结果验证了该方法的有效性。     

Passive localization of mixed sources jointly using MUSIC and sparse signal reconstruction

Source localization for mixed far-field and near-field sources is considered. By constructing the second-order statistics domain data of array which is only related to DOA parameters of mixed sources, we obtain the DOA estimation of all sources using the weighted ℓ₁-norm minimization. And then, we use MUSIC spectral function to distinguish the mixed sources as well as to provide a more accurate DOA estimation of far-field sources. Finally, a mixed overcomplete matrix on the basis of DOA estimation is introduced in the sparse signal representation framework to estimate range parameters. The performance of the proposed method is verified by numerical simulations and is also compared with two existing methods.     

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。     

基于互素对称阵的近场源定位

针对近场源定位中存在的孔径损失问题,该文提出了一种新的近场源定位算法。该算法采用互素对称阵列,使得阵元间距不必限制于1/4信号波长。首先构造一个特殊的四阶累积量矩阵,进而采用MUSIC算法估计信源方位角,然后在每个估计方向上搜索距离。该算法将近场源2维定位问题转化为多次1维搜索,且参数自动配对。互素对称阵的使用有效地扩展了阵列孔径,提高了空间分辨概率和参数估计性能。计算机仿真验证了该算法的有效性。     

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。     

多维延时相关MUSIC方法:一种求解脑电逆问题的新方法

将经典的多信号分类算法(MUSIC)用于研究脑电逆问题时存在两个问题:对有色噪音敏感和不能识别相干源.近年人们提出了利用延时相关、高阶累积量或假设已知噪音协方差来缓解有色噪音对算法的影响.对于相干源,则有人提出了递归的多维MUSIC方法.本文在这些工作的基础上建立了一种基于延时相关阵的、叠代的多维MUSIC算法.仿真数据及实际脑电应用研究表明,该方法能在压制有色噪音的同时识别多个相干源,因而具有明显的意义.     

近场散射体对阵列超分辨波达方向估计性能的影响和补偿方法

测定电波到达方向（DOA）是无线电定位系统的基本任务之一,先进的阵列超分辨测向技术获得广泛关注。在船载和机载等平台应用中,阵列天线由于受安装空间所限,其旁边存在散射体,这时阵列接收到的信号既包括远场目标信号又有近场散射体散射出多径信号。本文分析了这种近场散射信号对DOA估计性能的影响,即散射信号会在DOA谱上多形成一个干扰性质的谱峰,并且若散射信号来波方向靠近直达波来波方向时,会造成模糊现象。最后文章在多重信号分类算法（MUSIC）的基础上提出一种补偿方法,能够很好的抑制散射信号所造成的这种影响,实验仿真结果验证该算法的有效性。      

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TD-SCDMA无线定位虚拟线阵四阶累量修正MUSIC算法的研究

无线定位的圆-角定位技术中,DOA估计极其重要。本文针对基于TD-SCDMA智能天线预处理后的虚拟均匀线阵MUSIC算法带来的阵列孔径小,抗阵元误差扰动性差的不足,研究了基于模式空间虚拟均匀线阵四阶累量的MUSIC算法,由于虚拟线阵四阶累量MUSIC算法的应用范围局限于独立的信号源的DOA估计,不能用于相关信号源DOA估计,因而提出了基于模式空间虚拟均匀线阵四阶累量的修正MUSIC(FOC-MMUSIC)算法,有效地拓展了阵元孔径,改善了系统抗阵元误差扰动和算法对相关信号源DOA的估计性能。     

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。      

一种适用于小样本的迭代多重信号分类算法

当样本数不足时,由采样协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得多重信号分类(MUSIC)算法目标角度(DOA)估计性能下降。为了解决这个问题,该文提出了一种迭代算法通过校正信号子空间来提高MUSIC算法性能。该方法首先利用采样协方差矩阵特征分解得到的噪声子空间粗略估计目标角度;其次基于信源的稀疏性和导向矢量的低秩特性,由上一步得到的目标角度以及其邻域角度对应的导向矢量构造一个新的信号子空间;最后通过解一个优化问题来校正信号子空间。仿真结果表明,该算法有效地提高了子空间估计精度。基于新的信号子空间实现MUSIC DOA估计可以使得性能得到改善,且在低样本数下改善尤为明显。     

稀疏重构混合源参数估计方法

针对近远场混合源定位问题,本文提出了一种基于稀疏信号重构的信源参数估计算法。该算法首先通过对接收信号的协方差矩阵进行稀疏重构估计出远场信源参数,接着采用协方差分离技术将近场源和远场源分离,最后利用均匀线阵的对称性和稀疏信号重构估计近场信源参数。该算法避免了二维谱峰搜索和近场源参数配对,也无需构造高阶累积量,降低了计算复杂度。仿真结果表明,该算法的空间分辨能力和混合源参数估计精度均高于基于子空间的混合源参数估计方法。      

基于累量的近场源快速定位算法

本文提出了一种基于累量的近场源参数快速估计方法。具体地,本文首先构造了一个累量矩阵,对其进行奇异值分解后,利用得到的右奇异向量和左奇异向量分别使用类Root-MUSIC方法得到了近场波达方向和距离估计的闭式解。该方法利用高阶累量矩阵,减少了阵列孔径损失,提高了能分辨的最大信源数,而且与其他基于高阶累积量的方法相比,该方法在近场的波达方向与距离的估计过程中只需要构造一个累量矩阵和进行一次奇异值分解,并且使用闭式解完全避免了峰值搜索,大大降低了运算量,同时还提高了估计的分辨概率和精度。此外,该方法在几乎没有增加额外计算量的情况下可以推广到混合场源的情况。仿真结果表明,该算法的分辨率和精度都有较大的优越性。      

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。     

基于内插阵列变换的非圆信号MUSIC算法

针对非圆信号的波达方向(DOA)估计问题,提出一种基于内插阵列变换的非圆信号MUSIC算法(VIA-NC-MUSIC算法)。利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实协方差矩阵变换为虚拟协方差矩阵,再对虚拟协方差矩阵进行奇异值分解(SVD),利用信号子空间与噪声子空间的正交性,得出算法的空间谱函数。仿真实验表明:存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的非圆信号MUSIC算法(NC-MUSIC算法)相当的估计性能,保持了高估计精度、阵列扩展能力等优点。     

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。     

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．