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.     

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。     

一种相邻相干信号的DOA估计新方法

提出一种估计相邻相干信号方位的新方法.该方法首先对传统空间平滑算法得到的数据协方差矩阵进行修正,然后对修正后的协方差矩阵进行奇异值分解,由左奇异矩阵得到噪声子空间;再构造新数据协方差矩阵,进行奇异值分解得到噪声子空间;最后取两次噪声子空间的平均值得到噪声子空间,利用MUSIC算法找到极大值对应的信号方向.计算机仿真表明,该方法能有效地估计出小信噪比下角度相隔较小的相干信号.     

基于空间差分算法的相干信号二维DOA估计

针对传统解相干算法对阵列孔径利用率不高的问题,提出了一种改进的空间差分算法,通过重构子阵之间的协方差矩阵,将阵列接收信号协方差矩阵的所有自相干信息和互相关信息充分利用,再通过建立差分矩阵,利用空间差分算法去除噪声的影响。最后采用传播算子（PM）算法完成二维波达方向（DOA）估计。仿真结果表明,该算法相比传统解相干算法,解相干效果较好,角度估计精度有较大的提高。     

基于改进多重Toeplitz矩阵重构算法的二维DOA估计

针对相干信号源在二维波达方向（2-Dimensional Direction-of-arrival, 2D-DOA）估计中，多重Toeplitz矩阵重构方法在小信噪比时估计性能较差的问题，文章采用一种基于时空延迟的多重Toeplitz矩阵重构方法进行二维波达方向估计。该方法选用L型阵列结构，首先利用信号在时域和空间域内的强相关性以及噪声的弱相关性构造时空相关矩阵，然后结合多重Toeplitz矩阵重构方法重构时空延迟的多重Toeplitz矩阵达到去相干的目的，最后利用ESPRIT(Estimating Signal Parameter via Rotational Invariance Techniques)方法进行两次特征分解进而通过自动匹配来得到2D-DOA估计结果。通过在Matlab平台仿真，将该算法与多重Toeplitz矩阵重构算法，前后向空间平滑算法，ESPRIT算法以及前后向部分Toeplitz重构算法基于均方根误差（Root Mean Square Error, RMSE）和分辨概率（Probability of Resolution, POR）进行对比分析。结果表明本文提...     

基于矩阵重构和酉变换的DOA估计

为了提高重构相干信号测向算法的估计性能,降低算法运算量,提出了一种基于矩阵重构和酉变换方法的酉矩阵重构算法。该算法首先通过酉变换将阵列接收数据从复值计算转换为实值计算,使计算量大大降低;然后计算阵列协方差矩阵并进行特征值分解得到信号子空间,再将信号子空间重构为Toeplitz矩阵实现解相干并再次进行酉变换;最后通过特征值分解得到信号子空间并使用最小二乘法实现波达方向(direction of arrival, DOA)估计。相比于改进的旋转不变性的信号参数(estimation of signal parameters via rotational invariance techniques-like, ESPRIT-Like)算法和空间平滑处理算法,由于消除了噪声影响、构造了Toeplitz矩阵以及充分利用了数据的共轭信息,该算法的估计精度更高、具有更高的运算效率且在ESPRIT-Like算法失效的条件下新算法仍能有效估计DOA。本文算法的运行时间是ESPRIT-Like算法的71.2%,实验结果证明了该方法的有效性和真实性。     

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.      

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。     

一种高精度低复杂度的改进Root-MUSIC算法

针对目前多数低复杂度Root-MUSIC算法的精度损失问题，研究并提出了一种具备精度补偿能力的低复杂度Root-MUSIC算法.该算法依据有限快拍数得到的近似数据观测矩阵首行重构具有Toeplitz形态的自相关矩阵，使重构的自相关矩阵具备Hermitian性;对重构的自相关矩阵特征值分解后获得噪声子空间，并将噪声子空间翻转拆分，重构新的求根多项式，进而通过求根方法得到DOA估计值.本文算法通过Toeplitz矩阵重构及求根多项式降阶，不但有效提高了改进Root-MUSIC算法的DOA估计精度，同时改进算法的时间复杂度不高于前人算法;在不同的入射信源及采样快拍数下，本文算法表现出更强的鲁棒性和稳定性.     

一种新的实值信号共轭MUSIC算法

利用实值信号特性提高波达方向(direction of arrival,DOA)估计性能,提出一种新的共轭多重信号分类(conjugate multiple signal classification,CMUSIC)算法。先拼接阵列上的接收数据矩阵和其共轭矩阵,再利用新矩阵中数据间的均匀延迟关系进行矩阵重构,对其奇异值分解获得信号子空间。CMUSIC可充分利用信号的实值特点,对多于阵元数的信号进行测向,不仅可以处理非相干信号,还可以处理相干信号,获得的测向精度优于多重信号分类(multiple signal classification,MUSIC)算法和空间平滑算法。仿真实验结果证实了CMUSIC算法的有效性。     

ED与SVD及相关阵中信号的提取

本文介绍信号相关矩阵的奇异值分解(SVD)与特征根结构分解(ED)之间的关系及用信号特征矢量表示平稳随机过程和信号子空间的方法。利用信号子空间对信号进行信息提取,可减少噪声对估计参数精度的影响。文中论述了提高前向预测定向精度的方法。SVD能把信号空间与噪声空间分开,以提出互相关矩阵中信号信息。     

色噪声背景下的正弦信号相位估计方法

噪声背景下的正弦信号相位估计在雷达、导航、波达方向估计等领域有着广泛的应用。提出了一种基于互高阶累计量的正弦信号相位估计方法——奇异值分解法。这种方法通过对互高阶累积量矩阵进行奇异值分解,得到信号子空间和噪声子空间。由于信号子空间不包含噪声信息,因此是提取信号成分与抑制噪声意义下的最优解。信号的自高阶累积量矩阵是共轭对称矩阵,它的左、右奇异矢量是相同的,而两个幅值和频率都相同、只有相位不同的正弦信号的互高阶累积量矩阵却是非共轭对称矩阵,左右奇异矢量也不相同,这说明是谐波信号之间存在相位差导致了这一结果。因此,从这一点出发,证明了谐波信号的互高阶累积量矩阵左、右奇异矢量内积的相角等于正弦信号相位差这一重要定理。并根据这一定理推导出估计正弦信号相位差的奇异值分解法。仿真结果验证了这种方法的有效性。     

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.     

基于量子遗传算法的子空间拟合测向

针对子空间拟合算法对独立信源和相干信源求解过程中,多维搜索运算量大的问题,通过采用实数编码的量子位表示染色体和用量子旋转门更新量子位的方法,提出一种实数编码的量子遗传方法(RC-QGA)来实现加权信号子空间拟合(WSSF)测向,从而有效地降低传统算法的计算量.还研究了WSSF算法的一维解相干性能和二维波达方向(DOA)估计性能.实验仿真表明,RC-QGA方法在进化代数为10时就可以达到收敛,有效提高了传统遗传算法的收敛性能,并且具有计算量小和估计性能优良的特点.     

文化鱼群算法的广义MUSIC测向技术

针对现有的测向算法测相干信号源会损失天线阵列孔径的问题,在引入广义导向矢量和广义导向矩阵的基础上,建立了一种通用的阵列数据模型,提出了一种基于四阶累积量的广义MUSIC测向算法。为求解所提的广义MUSIC测向算法,在文化算法中使用人工鱼群进化机制,引入了一种多维搜索的文化鱼群算法。仿真结果证明了所设计的测向算法在不损失四阶累积量所扩展阵列孔径的情形下,可有效测相干信源与独立信源的方向,与现有一些经典算法相比,所提算法有较大的优势和较广的应用范围。     

一种宽带信号方位估计算法

针对多种宽带信号方位估计算法在不同程度上受到阵元数目、预角度估计、多次求逆矩阵、多次特征值分解或奇异值分解等因素的制约,文章提出了一种在传感器阵列存在误差的情况下,基于统计方法的宽带信号方位估计算法.该算法先将传感器阵列接收的宽带信号转换到频率域内,并考虑在阵列互耦的情况下,采用统计的方法,推导出阵列流形与噪声子空间正交的结论;最后,利用统计结果和窄带方位估计的方法对宽带信号进行方法估计.仿真试验表明,统计方法具有较好的方位角分辨率、噪声不敏感性和较低的计算复杂度.