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ESPRIT的ULA波达方向估计改进算法

针对MUSIC(Multiple Signal Classification)算法和ESPRIT(Estimated Signal Parameters via Rotational -Invariance- Technique)算法不能有效估计相干信源波达方向的问题, 在修正MUSIC算法（Modified MUSIC）基础上, 通过引用变换矩阵, 在考虑阵列接收数据及其相应变换矩阵的自相关和互相关信息后, 结合总体最小二乘算法TLS-ESPRITS（Total Least-Squares ESPRIT）提出了能同时适应相干和非相干信号情况的波达方向估计的改进ESPRIT算法（IM-ESPRIT: Improved ESPRIT), 并在相干信号源来波角度间隔较小和低信噪比条件下, 同常规CC-ESPRIT(Cross ESPRIT)算法进行比较。结果表明, 当相干信源角度间隔为3°且信噪比为0时, 实现波达方向估计具有较好的估计精度和分辨率。     

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。     

基于矩阵填充的子阵重构二维波达方向估计算法

为提高稀疏阵列下二维波达方向(2D-DOA)估计的效率,提出1种基于加速近邻梯度矩阵填充的子阵重构旋转子空间(APG-SRESPRIT)算法。建立了基于矩阵填充的稀疏阵列DOA估计信号模型,并验证该信号模型满足零空间性质。通过加速近邻梯度算法将该信号模型恢复为完整信号,划分子阵并构建合并矩阵。对合并矩阵进行奇异值分解,在子阵重构后估计目标角度,且目标角度自动配对。仿真实验表明该文算法可减少70%的阵元数量,且在稀疏阵列下准确估计2D-DOA。     

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。     

基于相关Toeplitz预处理的二维测向方法

针对经典多重信号分类(MUSIC)算法对相干信号的测向性能急剧下降的问题,提出基于相关Toeplitz预处理的二维测向方法。首先,利用阵元接收数据之间的相关性信息构造一个Toeplitz矩阵,使该矩阵中包含各个信号源的角度信息,且矩阵的秩与信号源的相关性无关,实现解相干。其次,利用降维的思想,将对正交阵列的二维测向转换为三个并行的一维测向。最后,通过对相关Toeplitz预处理构造Toeplitz矩阵,对其特征分解,得到噪声子空间,利用MUSIC算法子空间正交原理,实现对相干信号的二维测向。计算机仿真实验验证了该方法的可行性和有效性。     

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。     

一种模式空间中的快速DOA估计算法

在均匀圆阵模式空间中,提出一种基于ESPRIT的快速波达方向估计算法,该算法将均匀圆阵转化成为模式空间的虚拟阵列后,通过利用虚拟阵列的协方差矩阵的近似Toeplitz特性,可以直接得到噪声的方差分量σ2n,因此避免了ESPRIT算法中的第一次特征分解,即只用一次特征分解完成参数估计.分析表明,该算法运算量小,而且能有效估计参数.     

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.      

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。     

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。     

给予窄带信号DOA估计的宽带相干信号DOA估计方法研究

提出了一种用窄带信号的波达方向（DOA）估计方法与宽带聚焦的方法相结合来估计宽带相干信号的DOA的方法.先利用相干信号子空间法将带宽内各个频率点的信号子空间聚焦到参考频点下的同一信号子空间,然后利用窄带信号的波达方向估计方法对DOA进行估计.用了一种新的无需谱峰搜索并且不要对噪声方差进行估计的窄带SSESPRIT算法进行宽带波达方向的估计,为了比较又用了经典的需要进行谱峰搜索的窄带MUSIC算法进行宽带信号的一维及二维波达方向的估计,仿真实验结果验证了方法的有效性.     

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.     

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。     

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.     

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。     

L型结构的互质阵列二维波达方向估计

针对雷达L型均匀阵列因阵元间距太小导致无法在实际中摆放的问题,提出了一种L型互质阵列协方差重构二维波达方向(2D-DOA)估计算法。首先将L型互质阵列2D-DOA问题分解为两个子阵的1D-DOA问题,再根据互质阵列的位置,确定对应的虚拟均匀阵列,由于虚拟均匀阵列具有半正定(PSD)、低秩、托普利兹的结构特点,因而根据互质阵列接收数据的协方差矩阵,构造一个优化过程重构虚拟均匀阵列的协方差矩阵;然后利用MUSIC算法完成两个1D-DOA估计;最后利用配对算法对估计的一维角度进行配对。仿真实验表明,与L型均匀阵列MUSIC算法和L型互质阵列SS-MUSIC算法相比,在信噪比大于0dB、快拍数大于50的条件下,所提算法的方向角和俯仰角均方根误差最小,均低于0.8°,可分辨角度最小间距为5°,证明了所提算法在估计精度和分辨力方面的优越性。     

一种改进的四阶累积量测向算法

针对降维的四阶累积量矩阵因采样快拍数有限而存在估计误差的问题,提出一种结合To-eplitz近似的四阶累积量旋转不变子空间(ESPRIT)测向算法(TFOC-ESPRIT).该算法在保持虚拟阵列有效孔径不变的同时,通过去除原始四阶累积量矩阵中的冗余元素,得到降维的四阶累积量矩阵,再对降维矩阵进行Toeplitz操作,恢复其Toeplitz结构,最后利用ESPRIT算法估计到达信号的方向.仿真实验表明:与MFOC-ESPRIT算法相比,TFOC-ESPRIT算法有效地提高了测向精度,不仅在少阵元数下能实现多信号的估计,而且当快拍数为400时,在空间白噪声和空间色噪声环境中其归一化成功概率也较高,分别达到了0.996和0.788.     

多跳频信号2D-DOA与极化参数的联合估计

为了利用跳频(FH)信号的空域特征参数进行网台分选,提出一种基于空间极化时频分布(SPTFD)的FH信号二维波达方向(2D-DOA)和极化参数联合估计算法.首先定义新的波达方向角并建立FH信号的极化敏感阵列快拍数据模型;然后采用组合时频分布抑制FH交叉项,设计阵元时频点选取策略,并据此构造各跳信号的SPTFD矩阵.在此基础上,根据旋转不变子空间思想估计俯仰角,利用秩损理论结合多项式求根估计方位角和极化参数,最终实现了2D-DOA与极化参数的联合估计.该方法可适用于欠定条件,且无须角度搜索和配对,估计精度高,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.