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.      

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.     

基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计

针对传统算法进行DOA估计时因删除重复虚拟阵元而造成有效信息损失、估计性能不佳等问题,提出基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计算法。首先,将一组密布均匀线阵和一组稀疏均匀线阵分别以零点为中心对称排列,构成单基地MIMO雷达的发射阵列和接收阵列,将传统的虚拟阵元由“差联合”结构变成对称“和联合”结构形式,提高了系统的自由度、降低了阵元互耦,并将其应用于非相干目标和全相干目标DOA估计;其次,向量化样本协方差矩阵,将“和差联合”阵列重复的虚拟阵元进行冗余平均处理后重构Toeplitz矩阵;最后,结合MUSIC算法进行非相干目标DOA估计,有效提升了目标估计个数和角度估计性能。仿真实验验证了阵列结构和算法的有效性。     

圆形阵列的相干源分辨问题研究

将Gram-Schmidt正交化算法和空间平滑技术应用于解决圆形阵列天线的相干源的分辨问题,对采用有向阵元的圆形阵列天线和无向阵元的圆形阵列天线的相干源分辨的仿真结果进行了比较,分析了有向阵元的圆形阵列天线对相干源分辨力强的原因．     

一种基于四阶累积量的近场源二维参数估计方法

提出了一种基于四阶累积量和极化敏感阵列的近场源方位角、距离二维参数联合估计算法,其特点是采用非中心对称均匀线阵,无需参数配对,可直接计算出待估计参数的闭式解,具有较高的估计精度,可应用于加性高斯噪声环境,仿真试验证明了该算法是有效的.     

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。     

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。     

存在阵列误差条件下的目标二维参数估计

提出了一种针对均匀线阵中互耦误差、阵元幅相误差和位置误差存在情况下的多个目标高分辨方向 -多普勒频率二维估计的方法 .这一方法采用旋转不变技术 ,在参量估计过程中只需将阵列天线旋转两次 ,即可对目标方向 -多普勒频率作较精确的估计 ,同时精确地估计出互耦矩阵和各阵元的幅度、相位以及位置因子 ,从而可校正综合误差存在情况下的阵列流形 .最后 ,进行了计算机模拟 .     

一种高精度的近场与远场混合源定位算法

提出了一种高精度的近场和远场混合信号源定位算法．此算法利用混合源阵列流形的对称性特点,从阵列流形里分离出到达角（directionofarrival,DOA）信息,并实现对所有近场与远场信号源DOA的估计．基于得到的DOA估计值,根据近场与远场源距离参数位于不同区间的特点实现对近场及远场源的分类,以及对近场源距离参数的估计．此算法由于充分利用了数据协方差矩阵的信息,并且基于多项式根值方法形成了一个统一的DOA估计器,所以获得了一个高精度的DOA估计性能,且进一步提高了近场源range参数的估计精度．此外,此算法不需要构造高阶累积量,不需要进行二维搜索,不需要进行参数配对;所有的实现过程仅需一维搜索,计算量小,实现简便．数值及与现有算法的对比实验验证了所提出算法的有效性及优越性．     

近场麦克风阵列幅相误差校正技术

针对近场均匀麦克风线阵,提出了一种利用单个校正源对存在阵元幅度和相位误差的阵列模型进行校正的方法,该方法要求在已知校正源和各个阵元位置的前提下对阵列幅相误差进行估计,从而得出了阵列误差校正矩阵.对实际麦克风阵列校正的结果表明,该方法简单快速,计算量小,且具有较高的估计精度.     

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。     

一种色噪声背景下的信源方位估计快速算法

针对实际环境中相干信源普遍存在的情况,提出一种基于对称均匀线阵的波达方向(DOA)分步估计方法。该算法在未知噪声协方差矩阵为复对称Toeplitz(色噪声)结构的情况下,利用空间差分方法和相干信源Toeplitz矩阵重构方法相结合,来处理同时存在相干(或相关)和独立信源的情况。首先利用常规谱估计算法估计独立信源;然后用差分的方法将其排除掉,同时可以排除色噪声信息;然后用Toeplitz重构的方法将剩下的相干信源恢复为满秩,进而可以利用传播算子的方法进行DOA估计。与传统的去噪、解相干算法相比,该算法在提高阵列信源过载能力的同时,可明显减小算法的运算量。计算机仿真结果证明了新算法的有效性和正确性。     

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。     

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。     

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.     

基于均匀圆阵的信号源DOA估计方法

该文研究了基于均匀圆阵阵列的信号波达方向向估计问题，对一维角度估计采用MUSICK算法，通过谱峰搜索得到信号的方位角；对二维角度估计采用模式激励法，对均匀圆形阵列的输出信号进行模式激励，其使阵列流形具有类似于均匀线性阵列的列式，在此基础上，对波达矩阵进行分解，由各特征值对应的特征向量处理得到对应信号的到达方向，给出的计算机仿真结果证实了它们的有效性。     

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.     

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.