一种新的单次快拍二维ESPRIT算法

针对复杂电磁干扰背景下相干信源的二维波达方向快速估计问题,从减小协方差矩阵计算量角度,提出了一种新的单次快拍二维ESPRIT算法(SS-ESPRIT). 该算法仅用一次快拍数据构造4个等效的协方差矩阵,进一步构造扩展的等效协方差矩阵,通过对其一次特征分解,即可实现完全解相干和二维波达方向估计. 为进一步提升该算法估计性能,提出了同相位数据叠加的对策. 数值仿真验证了SS-ESPRIT算法在提升实时性的同时,不会造成估计性能的下降,仅利用一次快拍数据的该算法估计性能优于快拍数为50次的空域平滑波达方向矩阵算法(DOAM),且接近快拍数为100次的DOAM算法,叠加8次同相数据后的该算法性能明显优于200次快拍的DOAM算法. 结果表明新算法适用于小数据样本估计或对实时性要求高的应用背景.      

直接数据特征值分解的相干源DOA估计

提出一种基于均匀圆阵单次快拍数据的相干信源波达方向(direction of arrival,DOA)估计方法——直接数据特征值分解(direct data eigenvalue decomposition,DD-EVD)法. 算法通过模式空间转换将均匀圆阵虚拟为均匀线阵,再直接利用波束空间的快拍数据,构造一个Toeplitz矩阵,并对矩阵按阵列流形分解. 理论推导证明,矩阵的秩得到恢复,只与入射信号个数有关. 对该矩阵进行特征值分解可得到正确的信号子空间和噪声子空间,进而完成相干信源DOA估计. 算法使用单次快拍数据构造矩阵,适合非平稳信号参数的估计,同时不需要快拍累计和相关运算,降低了计算复杂度. 仿真结果验证了算法的有效性.      

强干扰背景下基于局部空间差分算法的相干目标DOA估计

针对传统算法对强干扰背景下相干目标的波达方向(direction of arrival, DOA)估计效率低、精度不高等问题,在构造干扰阻塞矩阵消除特定方向强干扰的基础上,基于局部空间差分算法进行相干目标的DOA估计。首先通过接收信号矩阵的角度信息构造阻塞矩阵来剔除协方差矩阵的强干扰信息,然后利用局部空间差分算法将协方差矩阵划分为若干子阵,从而充分提取有效信息并实现解相干,最后利用线性算子算法完成对目标的DOA估计,避免高复杂度的谱峰搜索。结果表明：该算法有效提高了数据利用率,有较好的解相干效果,能够在不同的信噪比和快拍数条件下获得比传统算法更低的估计偏差和更高的成功概率。     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

单快拍数据预处理的相干信号波达方向估计

针对已有的相干信号单次快拍波达方向(direction-of-arrival,DOA)估计算法需要限定入射信号类型或者通过损失部分阵列孔径来放宽限定条件的问题,提出一种新的单快拍解相干算法.算法首先对接收的单次快拍数据做互相关预处理,利用预处理所得的数据重构等效协方差矩阵,再基于多重信号分类法(multiple signal classification,MUSIC)或信号参数估计的旋转不变子空间技术(estimation of signal parameters via rotational invariance techniques,ESPRIT)完成相干信号DOA估计.算法在不损失阵列孔径的同时,无需限定入射信号类型.进一步的快拍数叠加试验表明,在低信噪比条件下,通过随机快拍数据叠加,算法性能较已有算法更好.计算机仿真结果验证了算法的有效性.     

利用单次快拍实现相干信源二维测向的新算法

针对复杂电磁干扰背景下相干信源二维波达方向的快速估计问题,根据垂直阵列系统特点,利用单次快拍数据在3个不同维度构造了数据矩阵实现解相干,并结合ESPRIT算法实现了二维DOA的快速估计. 该算法仅利用单次快拍数据,不需要进行协方差矩阵的计算,并将二维DOA估计问题转化为3个一维DOA估计,可同时在3个维度并行处理,因此运算量大大降低,利于工程实现. 针对算法存在阵列孔径损失和仅采用一次快拍数据量导致的估计误差偏大问题,利用非圆信号特征和同相位数据叠加,改善了算法的估计性能,提高了阵列自由度. 数值仿真验证了本文算法及提高估计精度对策的有效性.      

基于斜投影算子的混合信号DOA估计算法

为了提高混合信号的波达方向(direction of arrival, DOA)估计精度并降低其阵列孔径损失，提出一种基于斜投影算子的高精度DOA估计算法.所提算法将混合信号中独立信号与相干信号分两个阶段进行估计，首先利用ESPRIT(estimating signal parameter via rotational invariance techniques)算法处理阵元接收数据的协方差矩阵，得到混合信号中独立信号的DOA估计值；而后利用斜投影算子去除混合信号中独立信号的信息，得到新的协方差矩阵；利用新得到的协方差矩阵的信号子空间进行去相干处理；最后结合ESPRIT算法计算得到相干信号的DOA估计值.仿真结果表明，相较传统的混合信号DOA估计算法，所提算法在低信噪比情况下以及信号入射间隔较小的情况下有较高精度，有效地降低了阵列孔径的损失.在不同的采样快拍数下，本文算法也表现出更强的鲁棒性.     

基于相关矢量法L型阵列相干信号DOA估计

针对L型阵列提出了一种基于互相关矩阵的相关矢量(cross correlation matrix correlation vector method,CCM-CVM)重构解相干的波达方向(direction of arrival,DOA)估计算法。为了进一步提高估计精度,在此方法基础上又得到一种改进方法,即CCM-MCVM的方法。该方法基于前后向矢量重构理论,利用阵列互相关矩阵不含噪声的特点,把互相关矩阵的每一个列矢量作为前向矢量,通过对其前向矢量元素进行复共轭变换并颠倒顺序得到后向矢量。利用所有的前后向矢量来重构信号的协方差矩阵并提取信号的子空间,该方法相较于CCM-ESPRIT算法具有损失阵列孔径小,估计精度高的特点。理论分析和仿真结果表明了该方法在低信噪比和小快拍数条件下相较于对比算法具更好的估计性能。     

一种有色噪声背景下混合信号的波达方向估计算法

提出一种有色噪声背景下,不相关信号和相干信号构成的混合信号的测向算法。在本文算法中,不相关信号和相干信号采用并行处理方式,缩短运算时间。首先,通过对划分的阵列输出矢量子阵构造2组自相关矩阵和互相关矩阵,利用它们构造新的矩阵并进行特征值分解,估计出不相关信号的来波方向;然后利用Toeplitz矩阵的特性,采用空间差分法去除混合信号中的不相关信号和有色噪声;再采用本文提出的改进的矩阵分解法解相干,最后应用ROOT-MUSIC算法对重构矩阵进行波达方向估计。本文所提算法在进行混合信号的波达方向估计问题时充分利用接收信号2组自相关矩阵和互相关矩阵,同时不需要进行谱峰搜索,计算量较小。理论分析和实验仿真结果验证本文算法的有效性和良好的测向性能。     

基于张量ESPRIT-SVD算法的双基地MIMO雷达测向方法

针对双基地MIMO雷达的波离方向(DOD)和波达方向(DOA),提出了一种基于张量ESPRIT-SVD的估计方法。该方法利用匹配滤波输出数据具有多维结构特性构造3阶测量张量,进而获得协方差张量并通过高阶奇异值分解(HOSVD)来估计信号子空间。然后利用ESPRIT算法估计目标的波离方向,使用估计的波离方向构建发射端的导向矢量,将信号子空间进行矩阵变换并与构建的发射端的导向矢量一起构造新的数据矩阵,将新构造的数据矩阵经过奇异值分解(SVD)来估计接收端的导向矢量,最后估计目标的波达方向。该算法在小快拍情况下具有较好的均方根误差、成功概率等性能,且运算量低,估计的波离方向和波达方向不需要额外配对。     

波达方向估计的一种改进SVD算法

本文主研究智能天线算法中的关键技术波达方向估计（DOA）。针对相干信号源的信号子空间与噪声子空间相互渗透,导致空间协方差矩阵缺秩从而经典算法失效的问题,本文基于奇异值分解（SVD）算法,提出了一种改进的SVD算法。该算法利用入射信号矩阵的最大特征向量元素包含所有入射信号信息的性质,进行矩阵重构,并对重构矩阵进行特征值分解得到噪声子空间和信号子空间,最后利用经典谱估计算法得到相干信源的入射方向。仿真试验结果表明改进SVD算法性能优于原始算法。     

DOA矩阵方法及其性能分析

针对位于远场的多径相干窄带信号源,利用3个均匀直线阵提出了一种高分辨2-DDOA估计方法DOA矩阵方法·该方法利用DOA矩阵的同一特征向量估计2-DDOA,因此自动实现2-DDOA的配对,它能够解决具有角度兼并的入射波束问题·从理论上给出了DOA矩阵方法的估计误差,并通过Matlab软件进行仿真试验,比较了均方根误差、理论误差和克拉美-罗界(CRB)三者的关系·仿真结果表明该方法具有很高的分辨率和较小的估计误差,适用于复杂的多径传播环境·     

广义信号子空间拟合角度-极化联合估计

针对相干信号波达方向(DOA)和极化参数的同时估计问题,提出了适用于任意结构极化敏感阵列和完全/部分极化信号源的广义信号子空间拟合方法.该方法利用空间相位矩阵和信号极化矢量之间的线性关系,借助信号子空间旋转矩阵的适当分离实现了角度和极化参数的解耦,使得DOA估计和极化参数估计可分别通过唯角度和唯极化搜索获得.与传统子阵平滑信号解相干方法不同,广义信号子空间拟合方法对阵列结构无特殊要求,且不存在孔径损失问题.仿真结果表明,广义信号子空间拟合方法在低信噪比和短快拍数条件下性能均要优于空间平滑和极化平滑两种传统方法.     

基于均匀圆阵的循环平稳信号的DOA估计

相干信源的DOA估计一直是一个十分棘手的问题,由此提出了一种基于均匀圆阵的利用信号循环平稳特性进行DOA估计的方法.利用模式空间变换算法以及矩阵分解算法的思想,结合信号的循环平稳特性和Cyclic MUSIC算法,实现在高斯白噪声背景下均匀圆阵相干信源的DOA估计.通过MATLAB仿真验证了该算法具有良好的解相干能力,在低信噪比条件下具有比常规的循环空间平滑算法更好的解相干性能.     

一种新的相干信源互耦自校正算法

针对互耦效应下相干信源的波达方向（direction of arrival,DOA）估计问题,提出一种基于阵列接收数据一阶统计量的解相干及互耦自校正算法.算法利用阵元接收数据的一阶统计量构造伪协方差矩阵,理论推导证明,互耦系数已从理想导向矢量中剥离,且该矩阵的秩与信源相关性无关,仅与信源个数相等,即实现了信源的解相干及互耦自校正,因此通过对重构矩阵进行一次特征分解即可实现DOA估计.此外,对算法的子空间估计性能及由互耦系数导致的测角模糊性进行了分析,结果表明该算法实现过程简单,计算量小,在低信噪比和短快拍数时仍具有很高的估计性能.仿真结果验证了算法的有效性.      

一种基于Toeplitz矩阵重构的波达方向估计新算法

为了提高空间谱中信号与噪声的区分度以及改善传统Toeplitz矩阵重构算法在进行波达方向(direction of arrival,DOA)估计时的精度,本文提出一种新的基于Toeplitz矩阵重构的DOA估计算法。首先将观测数据估计的自相关矩阵预处理得到数据向量,并基于数据向量进行Toeplitz矩阵重构;再对重构后的矩阵进行奇异值分解,得到信号子空间和噪声子空间;最后同时利用信号子空间和噪声子空间进行空间谱估计。结果表明:无论是相干源还是非相干源的DOA估计,该算法估计精度均优于传统Toeplitz算法,在非相干源的DOA估计精度性能与多重信号分类(multiple signal classification,MUSIC)算法一致,并在处理相干信源个数能力与传统Toeplitz算法相同。     

基于伪数据相关矩阵二次重构的DOA估计新算法

针对传统波达方向估计算法在强信号邻近时弱信号难以估计和信源相干情况下算法性能失效的问题,通过对传统波达方向估计算法的理论推导和研究分析,变换阵元的数据接收矩阵来重构协方差矩阵,再对新的协方差矩阵对应信号的较大特征值进行重新排序,构造出伪数据相关矩阵,并结合MUSIC谱进行谱峰搜索完成对强弱邻近相干信源的波达方向估计.通过仿真比较,结果表明新算法消除了信号的相干性,不造成阵列孔径损失,并能对强弱邻近信号作出准确估计.     

基于特征矢量输入的神经网络测向方法

提出了一种新的基于特征矢量的采集输入数据方法，经该方法训练的径向基函数神经网络（RBFNN）可用于码多分址（CDMA）系统中多源信号波达角（DOA）的估计。该方法对信道噪声不敏感，能以较少的训练样本就可得到推广能力较好的神经网络。仿真结果表明，以新方法训练的RBFNN对多源信号DOA估计精度较高，实时性好，适用于CDMA通信系统的高分辨率测向。     

基于协方差矩阵重构的DOA估计方法

针对空间信号的波达方向估计,提出了协方差矩阵重构测向算法。由数据协方差矩阵的特征分解求得信号特征值及其对应的信号特征向量,根据各个信号特征向量构造相应的子协方差矩阵,算法定义一个新协方差矩阵。从理论上证明了新协方差矩阵在信号相干时仍然满秩,新算法在解除信号相干性的同时没有造成阵列孔径的损失。与空间平滑类算法相比,估计同样相干信号数,新算法能节省更多阵元。仿真实验证实了新算法优越的分辨能力和估计性能。