A cumulant-based parameter estimation algorithm for near-field sources

To efficiently use the array aperture and avoid the complicated parameter pairing computation,this paper proposes a new cumulant-based algorithm for localizing near-field narrowband sources.Firstly,this algorithm proposes a symmetric uniform linear ar- ray (ULA),and constructs three cumulant matrices by using the fourth-order cumulants of some properly chosen sensor outputs;second- ly,unlike the conventional parallel factor (PARAFAC) analysis models in data or subspace domain,it forms a three-way array (TWA) in the fourth-order cumulant domain using the three matrices,and analyzes the uniqueness of its low-rank decomposition;thirdly,it jointly estimates the frequency,the direction-of-arrival (DOA),and the range of each near-field source from the matrices via the low-rank de- composition of the TWA.The simulation results are presented to validate the performance of our proposed method.     

4-D parameter estimation of narrowband sources based on parallel factor analysis

A novel algorithm is presented in this paper to jointly estimate frequency, two-dimensional （2-D） direction-of-arrival （DOA）, and range of near-field narrowband sources. The proposed method extends the parallel factor （PARAFAC） analysis model from the common data- and subspace-domain to the cumulant one, and forms three-way arrays by using the five cumulant matrices obtained from the array outputs, and analyzes the uniqueness of low-rank decomposition of the three-way arrays, then jointly estimates source parameters via the low-rank decomposition. In comparison with the conventional methods, the proposed method alleviates the loss of the array aperture, and avoids pairing parameters. What is more important, this algorithm can deal with mixed far-field and near-field sources. Finally, the simulation results validate the performance of the proposed method.     

基于四阶累积量虚拟阵列扩展的DOA估计

针对Music-like方法能很好地扩展阵列孔径,但计算量较大的问题,提出了一种虚拟阵列扩展的新方法。该方法基于四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,利用两种阵元坐标之间的关系构造四阶协方差矩阵,运用MUSIC(Mu ltip le S ignal C lassification)算法对非高斯独立信号源进行DOA(D irection of Arrival)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,均能准确估计出多于实际阵元数目的方向角与仰角。实验表明,对一N元阵列,该方法最多能够扩展N2-N 1个虚拟阵元,能够估计出N2-N个非高斯独立信源,提高了阵列的空间分辨能力,有效抑制了高斯噪声的干扰,减少了高阶累积量协方差矩阵的计算量。     

近场源频率、二维到达角和距离的联合估计

文章基于四阶累积量提出了一种多个独立非高斯窄带近场源频率、二维到达角和距离的联合估计算法。该算法首先构造六个四阶累积量矩阵,由它们组成五个矩阵对,然后对五个矩阵对进行广义值分解并对广义特征值进行配对,由配对后的广义特征值求得中间参数,最后由中间参数解出各个近场源的参数。该算法无需任何搜索,而且只需五个阵元放置在固定的位置,对阵列的其它阵元并无要求。由于采用四阶累积量,所以该算法适用于任意高斯噪声环境。计算机仿真结果证实了该算法的有效性。     

基于四阶累积量的近场源多参数联合估计

提出了一种近场窄带信源多参数联合估计新方法,通过所构造四阶累积量矩阵的特征值及其特征向量就可以直接获得近场源频率、方位及距离三维参数的联合估计,无须峰值搜索,适用于任意高斯噪声环境．与现有方法相比,所提方法有效地避免了阵列孔径损失,而且算法简单高效．仿真综合结果表明了新方法的有效性．     

基于四阶累积量Root-Music的近场信源二维参数估计

为了对近场信源的距离参数和方向角参数同时进行有效估计,降低算法的计算量,提出了一种基于四阶累积量的Root-Music算法及相应的参数配对方法。该方法无需进行谱峰搜索运算,利用相应的配对程序能够直接得到近场信源的参数值,降低了运算复杂度。仿真实验表明,在估计两个信源参数时,信噪比为0时就能正确分辨方向角和距离参数,信噪比由-5 dB变化到15 dB时,估计参数的均方误差呈下降趋势。     

四四元数域低秩逼近及其在矢量阵列波达方向和估计中的应用

提出了新的多元数概念——四四元数,以及四四元数框架下特征分解和奇异值分解等信号处理领域常用的矩阵运算新规则.在此基础上提出了四四元数矩阵的一种低秩逼近算法,并将其用于矢量传感器阵列信号建模及波达方向(DOA)估计中.结果表明,四四元数特征分解及奇异值分解能获得比现有方法更好的低秩逼近性能,基于四四元数模型的矢量传感器阵列信号DOA估计算法,在资源占用、子空间逼近以及对模型误差的鲁棒性等方面均明显优于传统算法.     

基于四阶累积量的近场源时-空域三维参数估计法

研究了近场源的频率-方向角-距离的三维参数估计问题,并针对已有方法估计精度较低的问题,提出了一种利用四阶累积量和信号的空域和时域信息估计信源的频率-方向角-距离参数的方法.该方法扩展了阵列的孔径,提高了算法的估计性能.仿真实验证明,当信噪比为0时,该算法仍然能够正确估计信源的参数.     

一种新的虚拟均匀线阵的构造方法

基于四阶累积量的DOA估计具有阵列孔径扩展的功能,在基于四阶累积量的均匀线阵基础上,提出一种新的虚拟均匀线阵的构造方法,真实阵元上形成特定的非均匀线阵的排布,使阵列扩展后的四阶累积量矩阵冗余项转化为有用项.仿真结果表明,新算法不但降低了基于四阶累积量的均匀线阵算法的运算量,而且增加了虚拟阵元个数,也带来了阵列孔径扩展的好处.     

空间特征的累量域估计算法与共信道相干源波达方向估计

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系统中的多用户相干源波达方向（ＤＯＡ）估计。该算法构造了累量域空间特征矩阵,通过对空间特征矩阵的特征分解得到用户信号的空间特征估计,基于空间特征的估计,利用前后向平滑空间特征协方差矩阵估计共信道多用户信号的ＤＯＡ,并将各用户的ＤＯＡ自动分组,仿真实验验证了算法的有效性。     

累量域高分辨率二维波达方向估计算法

提出一种利用虚拟双线性平行阵进行累量域高分辩率二维波达方向估计的新算法。该算法将累量用于协方差的计算,构造了一个虚拟ＤＯＡ矩阵,并基于此矩阵进行波达方向估计。理论分析表明,对虚拟ＤＯＡ矩阵特征值分解,就可以得到源信号的二维ＤＯＡ估计。同时由于累量对高斯噪声的自然盲性,因而算法具有稳健性。该算法的另一特点是可以提供虚拟扩展孔径,提高了孔径的利用率。     

空域色噪声下的多输入多输出雷达角度估计

由于多输入多输出(multiple input multiple output, MIMO)雷达的空域色噪声协方差矩阵通常为非对角矩阵,因此在色噪声下信号子空间与噪声子空间无法有效分离,从而致使传统算法无法有效估计目标角度。为此,首先利用信号协方差矩阵的低秩性和色噪声协方差矩阵的稀疏性来抑制空域色噪声。然后,根据MIMO雷达数据的内在多维结构特性,建立四阶张量CP(canonical or parallel factor analysis, CANDECOMP/PARAFAC)分解模型。针对传统交替最小二乘算法对数值病态性较为敏感而导致CP分解精度低的问题,利用张量因子矩阵之间的共轭关系来降低求解的病态敏感度,提高张量分解的稳健性。最后,利用最小二乘拟合法从因子矩阵的估计值中得到目标角度。仿真结果表明,所提算法能够对色噪声有效抑制并提高了角度估计的精度。     

基于前后向矩阵束方法的赋形波束方向图综合

针对阵列天线的方向图赋形问题,研究了一种基于前后向矩阵束方法(FBMPM)。先确定适当的阵元数目,再优化设计激励幅度和阵元位置,最终设计出需要的赋形方向图。由期望方向图的均匀采样数据构造Hankel-Toeplitz矩阵;然后对它进行奇异值分解,舍弃不重要的奇异值,得到此矩阵的低秩逼近矩阵;最后基于广义特征值分解求得重构阵列的阵元位置和激励。FBMPM采用特殊的前后向矩阵来约束极点分布,保证了重构赋形波束方向图的精度可控。仿真实例证明了方法的快速性和有效性。     

4阶量算法在盲波束形成上的应用

对波束形成算法性能进行了比较,考虑盲波束形成算法具有不需要阵列流形、到来方向、训练序列以及干扰和噪声的自相关矩阵等先验知识的特点,设计了基于4阶累积量盲波束形成器·由于直接利用入射信号的高阶量统计信息,不仅可以有效地消除高斯噪声的影响,而且可以消除加性非高斯噪声的影响·仿真实验结果证明,与最小方差无畸变响应的波束形成器(MVDR)相比,作者所提出算法适用于多径传播环境,具有收敛速度快,对信噪比的变化有更好的鲁棒性等特点·     

一种快速二维到来方向估计算法

讨论了无线网络通信中多径窄带信号的二维到来方向估计算法的特点和性能,提出了一种基于双平行线阵列结构的二维到来方向估计的快速算法.与以前的工作相比,该算法在求解过程中只需要对较小维数的数据矩阵进行特征值分解,具有较低的计算复杂性,并且能够解决具有相近的方位角或仰角的入射波束问题.该算法利用特征值估计二维到来方向,利用特征向量的对应关系解决二维到来方向的配对问题.仿真试验表明提出的算法具有较小的估计误差,对信噪比的变化具有更好的鲁棒性等优点.     

宽带循环平稳近场源定位算法

提出一种基于极化敏感阵列的宽带循环平稳近场源方向角和距离二维参数估计算法.采用均匀线阵,根据阵列偶极子对的输出数构造循环自相关矩阵,通过传播算子理论分解子空间,估计噪声子空间的最小二乘解,进而构造MUSIC空间谱函数,通过谱峰搜索估计信源的位置信息.仿真试验证明了本文算法的有效性.     

基于MSWF的宽带LFM近场源二维参数快速估计算法

提出一种基于多级维纳滤波器理论和非相干子空间算法的宽带LFM近场源方向角与距离二维参数联合估计算法.与经典算法相比,利用多级维纳滤波器理论直接从阵列接收信号构造噪声子空间,不必使用特征值分解,因此具有较低的计算量.理论推导和仿真实验证明了本算法的有效性.     

基于CORDIC矩阵奇异值分解的FPGA实现

在矩阵的奇异值分解(singular value decomposition,SVD)过程中,随着矩阵维数的增加,SVD的计算量呈指数型增长,从而降低了算法运行的实时性。针对这个问题,基于Hestenes-Jacobi数值计算方法,提出了一种改进的基于坐标旋转数字计算机(coordinate rotation digital computer,CORDIC)的逻辑设计,该逻辑设计采用并行的全流水线设计思想,能够提高Jacobi平面旋转变换的运行速度,进而加快任意维矩阵奇异值分解的计算速度。分析了基于Hestenes-Jacobi方法的SVD的数值计算过程,介绍了CORDIC算法的基本原理,并具体说明了基于CORDIC算法的Jacobi平面旋转模块的设计,利用Verilog语言实现设计并验证,在现场可编程门阵列(field-programmable gate array,FPGA)上运行该逻辑设计单元,与Matlab软件的运行结果进行对比。实验测试结果表明,该结构能够减少计算时间,适应高速数据处理的要求。     

基于双高斯先验的低秩矩阵分解模型

为了更好地拟合复杂噪声,增强低秩矩阵分解模型的鲁棒性,将双高斯先验引入到传统的高斯混合模型中,提出了基于双高斯先验的低秩矩阵分解(low-rank matrix factorization with double Gaussian prior, DGP-LRMF)模型,通过模型分解得到的2个矩阵均服从高斯先验,从而实现对噪声的有效建模,并在贝叶斯理论框架下利用EM算法实现模型参数的推断。实验结果验证了所提模型能够有效地处理含有复杂噪声的数据,取得了更优且更具稳定性的去噪效果。     

利用高阶矩进行延时估计的方法

采用一种利用高阶矩进行延时估计的方法。该方法利用四阶累积量代替相关法，克服了现有诸多方法仅能用于高斯白噪声中而不能用于高斯色噪声中进行延时估计的缺点。在运算中采用了ＦＦＴ算法，具有运算速度快的优点。实验结果表明该方法是行之有效的。