基于均匀线阵的改进MUSIC算法

在相干信源下,传统的MUSIC(MUltiple SIgnal Classification)算法不能准确地估计波达方向。为此,在对传统的MUSIC算法进行研究的基础上,提出了一种改进的MUSIC算法。该算法是将阵元接收的数据做相应的变换,从而得到新的阵列数据,再通过求互协方差等运算,得到新的数据协方差矩阵。同时,对该算法和传统的MUSIC算法进行了仿真,对其DOA(Direction of Arrival)估计性能进行比较。仿真实验表明,改进后的算法在相干信源的情况下具有很好的去相干性能,而且没有阵列孔径的损失。能精确地估计信号的波达方向。     

基于TSVD的在线相干DOA估计算法

对信号波达方向估计中的解相干问题,提出一种新的去相关信号波达方向估计方法。利用阵列实时接收的快拍数据迭代得出协方差矩阵的最大特征矢量,然后通过最大特征矢量建立一个新的Toeplitz矩阵实现去相关,最后对新得到矩阵进行奇异值分解得到信号的波达方向。通过仿真实验证明该方法能够实现对相干信源的有效估计,并且具有很好的实时性,能够有效的降低算法的复杂性。它在低信噪比和小快拍数的情况下有着比TSVD算法更加优良的估计性能。     

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。     

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.     

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.      

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。     

采用前向空间平滑分组的混合信号波达方向估计算法

针对混合信号在估计其波达方向时阵列孔径和信噪比损失严重的问题,提出了一种基于对称均匀线阵的波达方向估计算法。对于独立信号,利用旋转不变性子空间类算法估计出其波达方向;对于多径传播引起的多组相干信号,利用矩阵的差分以及斜投影分组估计出其波达方向。这种利用矩阵差分的算法不仅消除了独立信号对相干信源的影响,而且相比前向空间平滑算法减少了斜投影和空间平滑的次数,降低了阵列孔径和信噪比的损失。该算法还可以与多种平滑算法相结合,降低对阵元数的要求并提高仿真性能。在估计相干信号的波达方向时,利用旋转不变性子空间类算法思想代替多信号分类算法,避免了谱峰搜索,降低了运算时间。仿真结果表明:存在5个相干信源时,在-10dB的低信噪比的情况下,所提算法仅需7个阵元就可获得误差较低的估计结果,而且与多信号分类算法相比节约了大量运行时间。     

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。     

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.      

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.     

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.      

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.     

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。