基于向量化的稀疏重构解相干算法

针对稀疏重构中正交匹配追踪（Orthogonally Matched Pursuit,OMP）算法解相干问题,利用矢量化的接收数据自相关矩阵,提出一种改进解相干方法——矢量化正交匹配追踪（Vectorized OMP,VO）算法.改进方法只通过矢量化后的一维矢量来重构角度,无需知道信号源的数目,即可降低噪声影响,实现解相干.相对于经典OMP算法,稀疏重构效果更优.理论分析和仿真结果都验证了算法的良好性能.     

双圈圆阵方向特性分析

研究了双圈圆阵在两种不同放置情况下的方向特性, 主要包括阵列方向图的指向、主瓣波束宽度和副瓣峰值电平等.首先, 建立了双圈圆阵的阵列模型, 推导方向图公式并推广到多圈圆阵的情况, 随后对其进行了理论分析.其次, 通过大量仿真实验, 分析了主瓣的半功率点波束宽度和副瓣峰值电平以及扫描角分别与内、外圈阵元数以及内、外圈阵元半径之间的关系.最后, 对理论分析和仿真结果进行综合梳理, 发现在阵元内、外半径之比为0.5左右时副瓣电平最低, 波束宽度会随着内圈阵元数增大而增大, 随外圈阵元数增大而减小等结论.实验结果可为实际工程应用中合理设置阵元数目以及阵元位置提供理论参考.     

两种基于SVD的稀疏重构解相干改进算法

针对稀疏重构中正交匹配追踪(OMP)算法解相干问题,利用接收数据构造目标矩阵奇异值分解(SVD)后的大特征值对应的特征矢量,提出了两种改进解相干算法(NSO算法和MNSO算法).首先根据稀疏重构的框架下的阵列DOA估计模型,理论上分析了经典OMP算法、NSO算法和MNSO算法的运算量和重构精度,然后给出了算法性能的仿真结果.仿真结果表明,相对于经典OMP算法,两种改进算法的运算速度更快,稀疏重构效果更优.理论分析和仿真结果验证了两种改进算法的良好性能.     

稀疏圆阵的解相干求根MUSIC算法

针对稀疏圆阵的波达方向估计问题,提出了解相干求根MUSIC算法(Sparse UCA Decorrelation Root-MUSIC,SDR)。通过改进传统的波束变换方法,进行相位校正,并在波束域进行误差补偿,得到具有共轭对称结构的波束域导向矢量。在波束域进行前后向平均处理和使用求根MUSIC算法,实现多组相干源的解相干,且避免了谱搜索,减少了运算量。平均处理增加了数据量,算法在低信噪比和低快拍数情况下有更好的估计性能。计算机仿真表明,本算法适用于稀疏圆阵对相干源的DOA估计而且有较好的估计性能。     

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。