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.      

冲击噪声背景下均匀圆阵相干信源的DOA估计

在对称α稳定分布噪声的假设下,现有的基于共变和分数低阶矩的MUSIC（即ROC-MUSIC和FLOM-MUSIC）方法不能用于均匀圆阵信源相干情况下的波达方向（DOA）估计.为了解决这一问题,基于模式空间变换算法以及空间平滑算法的思想,结合ROC-MUSIC算法和FLOM-MUSIC算法,实现在冲击噪声背景下均匀圆阵相干信源的DOA估计.仿真实验验证了该方法的有效性.     

多径条件下基于辅助阵元的阵列幅相误差自校正

针对多径环境中均匀线阵（uniform linear array, ULA）的幅相误差的校正问题,在不破坏阵列幅相误差矩阵的前提下,提出了一种多径条件下基于辅助阵元的波达方向（direction of arrival,DOA）估计及幅相误差自校正算法。利用阵列平移的方法对相干信号进行解相干预处理,再利用辅助阵元依据子空间原理构建代阶函数实现相干信源的方位估计, 进而对阵列幅相误差进行估计。计算机仿真结果表明,该算法对多径环境下的相干信源具有准确的方位估计与幅相误差自校正性能。     

基于均匀圆阵的信源相干结构的估计

提出了一种估计均匀圆阵信源相干结构的方法,该方法首先利用空间预处理技术将阵元空间内的均匀圆阵变换成模式空间内的均匀线阵,然后在模式空间内对该均匀线阵进行平滑处理,形成平滑子阵序列,获得平滑秩图。该平滑秩图与信源相干结构有着特定的对应关系,利用该关系以及信源估计准则可最终估计出信源相干结构。实验证明该方法是一种较为有效的检测方法,可基于均匀圆阵成功地估计出信源的相干结构。     

基于MUSIC算法的信号DOA估计

本文利用一种改进MUSIC算法——空间平滑法来估计相干信号的DOA,该算法将天线阵列划分为均匀子阵,通过求各个子阵的协方差矩阵的均值实现对相干信号解相干,并对此进行了计算机仿真。     

基于神经网络的相干信源稳健DOA估计

目前基于神经网络的DOA估计主要是针对理想情况下的均匀线阵,且信源非相干,可估计的信源数较少.针对阵列误差和相干信源同时存在的问题,在理想数据集中引入互耦误差、阵元幅度误差、阵元相位误差以及阵元位置误差,并设计了一个多通道CNN+DNN网络和目标函数生成方法,用于相干信源的稳健DOA估计.引用B-band互耦模型和相关误差模型合成阵列输出信号,通过提取阵列输出信号的协方差矩阵的实部、虚部与相位角,构建网络的输入信号.对理想条件下的MUSIC算法DOA估计结果进行拟合,根据拟合公式生成多信源从不同角度入射时的空间谱,作为网络的目标信号.使用相同的数据集对本文DOA估计网络与其它文献中的DOA估计网络进行训练和测试.结果显示,在不同信噪比、不同误差大小以及不同信源数的情况下,本网络的稳健性和解相干能力都更优.     

基于分数低阶矩的空时最大似然DOA估计

为了提高现有基于分数低阶空时矩阵类算法的估计精度和其在低信噪比时的解相干性能,在对称α稳定分布噪声条件下,提出改进分数低阶空时矩阵用于独立信源DOA估计,基于分数低阶矩的空时最大似然算法用于相干信源DOA估计.仿真结果表明:针对独立信源,改进的分数低阶空时矩阵进行DOA估计的成功概率高于分数低阶空时矩方法;针对相干信源,分数低阶矩的空时最大似然算法的估计成功概率比SS-FLOM算法高,均方根误差比SS-FLOM算法小;新方法克服了空间平滑类算法严重损失阵列孔径的弊端,节省阵元.     

基于内插阵列变换的相干源测向方法研究

利用内插阵列变换和前/后向空间平滑技术在阵列信号处理中的优点,提出了一种对相干信源进行超分辨测向的有效方法.该方法首先在不同的内插区间将均匀圆阵虚拟成等距均匀线阵,使其阵列流型具有Vandermonde矩阵形式,然后使用基于前/后向空间平滑技术的MUSIC算法对相干信号的波达方向进行有效地估计.该方法的主要优点在于,当相干信源数多于阵元数时仍可有效地估计出相干信源的二维波达方向,并且可实现全方位、无模糊的角度估计.计算机仿真证明了其有效性.     

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.      

非平稳噪声背景下多径信号DOA估计方法

针对目标信号传输过程中的多径现象或电磁干扰引起的同时存在独立和相干信源(多径信号)的情况,提出了一种非平稳噪声背景下的混合信源DOA分步估计方法。该算法利用常规谱估计算法估计独立信源,在利用广义协方差差分方法排除掉非平稳噪声信息后,然后根据斜投影算子的性质排除独立信源,对剩余的相干信源则可采用修正空间平滑算法恢复为满秩,进而可以用MUSIC算法进行DOA估计。相比较传统的广义差分方法,该算法在提高阵列信源过载能力的同时,避免了对独立信源的平滑运算,计算复杂度降低,并且适用于更广泛的未知噪声背景及低信噪比环境。计算机仿真结果证明了新算法的有效性和正确性。     

阵列信号建模和波达方向估计方法

建立了均匀线阵和均匀圆阵模型,构造阵列接收信号的自相关矩阵,并用MUSIC算法得到来波方向估计.分别以1个信号、2个信号和3个信号的均匀线阵和均匀圆阵为例,通过MATLAB编程进行仿真实验.结果表明,来波方向的估计值与真实值之间的误差很小,证明了MUSIC算法用于来波方向估计的实用价值.总结了阵列信号处理中的几个关键技术和存在的问题.     

阵列误差下宽带信号DOA估计自回归迭代算法

本文基于MMSE准则提出一种新的在随机阵列误差条件下宽带信号波达方向(DOA)估计算法,并分析了随机阵列误差对算法的影响。将含有阵列误差的宽带信号通过窄带滤波器组转化为窄带信号,在MMSE准则下采用自回归迭代方法恢复窄带信号的稀疏表示,由此得到信号源个数和DOA估计。新算法不仅有超分辨率能力,而且不需要预先知道信号源个数,此外还能对相干信号进行DOA估计,对阵列误差有比相干子空间法更好的稳健性。计算机仿真验证了算法的有效性和稳健性。     

二维DOA估计中麦克风阵列优化设计

在DOA估计中,往往事先假设麦克风阵列的结构,然后通过改进DOA估计方法来提高定位精度,忽视了麦克风的摆放位置对 DOA 估计性能的影响。基于此,针对二维 DOA 估计,提出改进遗传优化算法,将空时滤波器系数和麦克风阵列结构分开,构造由二维 MUSIC空间谱函数欧式距离和优化后阵元个数共为变量的适应度函数,以 DOA 估计精度为停止条件,对均匀矩形阵、均匀圆形阵和均匀同心圆阵开展优化设计。仿真结果表明,采用所提方法优化后的阵列取得了较好的DOA估计性能。     

一种基于均匀圆形阵的宽带相干信号二维波达方向估计方法

提出一种宽带相干信号方位角与仰角二维波达方向估计方法.该方法利用相干信号子空间法对带宽内各个频点的信号子空间进行聚焦,然后用均匀圆形阵建立数学模型,来进行二维波达方向的估计.仿真实验结果验证了方法的有效性.同时研究了信噪比,快拍数,相对带宽对方向估计误差的影响.此外,与现行的方法相比具有较小的计算复杂度.     

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。     

基于中心对称圆阵的不相关源和相干源的DOA估计

基于中心对称的圆阵,提出了一种针对不相关源和成对相干源的波达方向(DOA)估计方法.这是一种分两步估计的方法,首先利用阵列流形的唯一性条件估计出不相关源;然后通过构造中心对称的阵列流形来去除不相关源的干扰,同时达到去除成对相干源相干性的目的.这种方法简单有效,由于直接在阵元空间进行估计而不需要进行波束变换,因此具有较高的估计精度.仿真实验结果验证了该方法的有效性.