基于重采样的COLD阵列波达方向和极化参数联合估计

针对在低信噪比情形下DOA和极化参数估计性能严重下降的问题,提出了基于重采样的COLD阵列参数估计方法.该算法有效结合了ROOT-MUSIC和重采样技术,并对重采样技术作出了改进,利用COLD阵列ROOT-MUSIC算法,可以降低求根阶数,减少计算量;利用改进后的重采样方法,可以大幅度提升低信噪比下的参数估计性能.并通过参数估计结果可行性判定方法,保留参数估计正常值,剔除异常值.本文提出的这种算法,使在低信噪比情况下,参数估计精度得到提高.仿真实验结果验证了该算法对信号DOA和极化参数估计的有效性.      

二维快速子空间DOA估计算法

提出一种二维快速子空间DOA估计算法,该算法利用阵列协方差矩阵的一个子矩阵得到降维的信号子空间,不需估计整个阵列的协方差矩阵,也不需进行特征值分解,从而使得该方法具有运算量小、复杂度低和易于实时处理的特点,因而可以应用在小数据样本和快速时变的信号环境中.理论分析和计算机仿真结果表明:与MUSIC算法相比,该算法运算量最多为MUSIC算法的1/4,低信噪比条件下DOA估计性能损失并不大,当信噪比大于5dB时,性能与MUSIC算法相当.     

用于二维角度估计的新型阵列结构及性能分析

为提高天线在低信噪比情况下的波达方向(Direction of Arrival,DOA)估计能力和估计精度,基于柱形多层均匀圆阵,提出了一种新型锥形多层均匀圆阵。将该阵列在锥面各条母线上的阵元等效为均匀线阵,并将各线阵上接收的数据构成新的阵列流形矩阵。对比分析2种阵列流形的克拉美罗界(Cramer-Rao bound,CRB),得出该阵列在低信噪比(Signal-to-Noise Ratio,SNR)、大仰角情况下相对柱形多层均匀圆阵可以获得更高的估计精度和估计成功概率。在仿真中,用二维多重信号分类(Two-Dimensional Multiple Signal Classification,2-D MUSIC)算法验证了该阵列在多信源、低信噪比和大仰角时的优越性,同时给出了空间角对该阵列DOA估计性能的影响。     

基于ICA与MUSIC相结合的未知源数目DOA估计算法

从阵列入射信号具有统计独立和空域独立这两个方面出发,利用ICA和MUSIC算法相结合,进行未知源信号数目的DOA估计,在算法迭代的过程中,得到源信号数目的同时也得到了源信号的DOA．通过仿真实验表明,该算法能对未知源数目的信号进行DOA估计,并且在低信噪比和存在弱信号的情况下仍然有效．     

基于未知互耦模型的波达方向估计

在阵列信号处理中,传感器间的互耦效应会对参数估计产生不利影响.为了降低互耦影响,提出了一种用于未知互耦模型下的波达方向（direction of arrival,DOA）估计算法.该算法运用了迭代的思想,利用全部阵列估计初步的DOA.之后基于子空间理论估计角度依赖系数（angularly dependent coefficients,ADCs）,并用得到的ADCs进一步提升DOA估计精度通过求解最小二乘问题确定互耦参数,将新的DOA值作为初始值开始下一轮迭代.仿真结果证实了在未知互耦模型下,相较于其他DOA估计,提出的方法有更好的性能并且更加鲁棒,特别是在小尺寸阵列或低信噪比（signal-to-noise ratio,SNR）情况下.      

基于四阶累积量的非相干分布式信源测向算法

针对非相干分布式信源的不相关散射分量会造成信号空间的扩展从而使阵列最大可估计信源数下降的问题,利用四阶累积量的阵列扩展特性,本文提出了一种基于四阶累积量的非相干分布式信源测向算法。该算法首先利用泰勒级数展开对接收信号的四阶累积量矩阵进行化简;之后根据化简后的矩阵重新划分噪声空间,并利用其和新的阵列流形构造谱峰搜索函数;最后给出算法的自由度及复杂度分析。仿真结果表明,该算法可以有效地提升阵列的最大可识别信源数,同时在低阵元数低信噪比情况下估计误差较小。     

基于均匀圆形阵列的方位角与仰角二维估计

建立了二维DOA估计圆形阵列的数学模型;构建了以MUSIC算法为核心的二维DOA估计测向仿真系统;仿真实验证明该测向仿真系统的有效性与准确性.     

大规模MIMO系统中联合范数去噪与矩阵重构的DOA估计

为了解决移动通信环境中,在低信噪比、少快拍数情况下信号波达方向(Direction of Arrival,DOA)估计性能差问题,提出一种联合范数去噪与Toeplitz矩阵重构的DOA估计算法.首先根据阵列协方差矩阵的Hermitian特性,利用协方差矩阵范数估计其最大特征值,进而估计噪声功率,然后对阵列协方差矩阵主对角元素进行去噪,再对去噪后的协方差矩阵重排.仿真结果表明:可以有效提高子空间类算法在低信噪比、少快拍数条件下的性能.     

低信噪比的空间谱估计通道幅相误差校正算法

针对低信噪比情况下空间谱估计算法性能下降的问题,建立了低信噪比的阵列误差模型.该模型不仅考虑了通道幅相误差对接收信号的影响,还考虑了它对接收机通道噪声的影响.利用该模型提出了一种通道幅相误差校正算法,该算法结合阵列接收数据自相关矩阵的特征值分解和迭代方法,可以在低信噪比情况下准确求得阵列通道幅相误差,使得高分辨率的空间谱估计算法能够很好地应用于毫米波热辐射阵列接收系统.最后通过仿真和实验验证了所建立的阵列误差模型和算法的正确性和有效性.     

非规则部分校准阵列下的宽带LFM信号二维DOA估计

提出了一种宽带线性调频（LFM）信号的二维波达方向（DOA）估计新方法.该方法在空域和时域同时对信号进行采样,并利用观测样本的分数阶Fourier域峰值构造出新的时频空DOA矩阵,进而通过特征值分解的方法实现多个LFM信号的DOA估计.该方法充分地挖掘了观测信号所包含的时频信息,降低了对阵列结构和阵元一致性的约束,使其适用于阵元几何分布不规则且大部分阵元未经校准的阵列.此外,该方法无需谱峰搜索和二维参数配对,计算简单且估计精度较高.仿真结果显示,在DOA估计的均方根误差（RMSE）相同时,与传统方法相比,该方法可获得6～8 dB的信噪比增益.     

基于斜投影算子的混合信号DOA估计算法

为了提高混合信号的波达方向(direction of arrival, DOA)估计精度并降低其阵列孔径损失，提出一种基于斜投影算子的高精度DOA估计算法.所提算法将混合信号中独立信号与相干信号分两个阶段进行估计，首先利用ESPRIT(estimating signal parameter via rotational invariance techniques)算法处理阵元接收数据的协方差矩阵，得到混合信号中独立信号的DOA估计值；而后利用斜投影算子去除混合信号中独立信号的信息，得到新的协方差矩阵；利用新得到的协方差矩阵的信号子空间进行去相干处理；最后结合ESPRIT算法计算得到相干信号的DOA估计值.仿真结果表明，相较传统的混合信号DOA估计算法，所提算法在低信噪比情况下以及信号入射间隔较小的情况下有较高精度，有效地降低了阵列孔径的损失.在不同的采样快拍数下，本文算法也表现出更强的鲁棒性.     

基于角信号子空间的波达方向估计方法

常规多信号分类(MUSIC)在估计信号或噪声子空间时未利用阵列的方向矢量信息.为改善波达方向(DOA)估计性能,提出一种新的角信号子空间概念.首先,由Gram行列式和超维空间中多面体体积公式,给出常规MUSIC方法的几何解释.其次,利用阵列响应矢量扩展观测数据矩阵,在每个搜索方向由增广数据矩阵的奇异值分解获得角信号子空间估计.理论分析表明,常规MUSIC零谱相当于超维空间中由阵列观测数据矢量和搜索方向矢量决定的多面体体积.仿真实验表明,利用角信号子空间能够较明显地改善DOA估计性能,特别是信号相关、信噪比较低以及快摄数较小的情况.     

一种稳健的未知信源数目的DOA估计算法

现有的DOA估计算法都是基于较为理想的模型提出的,在实际工程中,这些算法的性能受快拍数少、阵列误差的影响会严重恶化.针对这一问题,文中提出一种稳健的未知信源数目的 DOA估计算法.该算法先利用投影变换技术对阵列接收数据进行预处理,抑制模型误差并降低数据维数,从而提高算法的稳健性并减少计算量,然后根据变换后的m-Capon算法空间谱函数估计DOA.仿真结果表明:该方法在快拍数少、系统误差不大(小于10%)的情况下依然具有一定的方位"超分辨"能力,而且有较强的稳健性,性能远优于现有的MUSIC算法和对角加载m-Capon算法.     

双L型阵列的二维DOA估计方法

针对双L型均匀线性阵列的二维到达角(direction-of-arrival,DOA)估计问题,提出一种基于扩展传播算子(propagator method,PM)的估计方法.该方法结合双L型天线阵列的结构特征,虚拟地将其划分为2个独立的L型子阵列,并对每个L型阵列的阵元输出数据重排整理.通过2次利用扩展孔径的传播算子算法,并依据均匀线性阵列的旋转不变性,得到4个包含角度信息的旋转矩阵.根据置换矩阵的性质,利用求最小范数的方法进行角度配对.该方法无需谱峰搜索步骤,计算量小.计算机仿真实验结果表明,该方法比现有一些文献中的估计方法的估计误差更小,角度估计性能更优,在不同信噪比和不同角度组合下都有良好的性能表现,有一定的实用价值.仿真验证了该方法的有效性和优越性.     

仿奥米亚棕蝇的小型短波天线阵测向算法

根据奥米亚棕蝇(Ormia ochracea)的耦合听觉系统放大两耳信号相位差的机制,提出将奥米亚棕蝇耦合听觉系统运用于小型天线阵列的测向中.通过调整天线的导向矢量,放大包含来波信号到达角信息的不同通道接收信号间的相位差,再利用多重信号分类(MUSIC)算法进行测向.利用垂直放置的二元单极子交叉环阵列进行仿真实验,结果表明:利用奥米亚棕蝇耦合系统的MUSIC算法估角具有更高的估角精度,10 dB信噪比条件下估角均方根误差相对传统MUSIC算法估角降低了 2°,估角精度提升了约55％,验证了该方法应用于小型天线阵列测向的可行性.     

MIMO雷达双向空间平滑的多径目标DOA估计算法

针对多径情况下MIMO雷达低角目标DOA估计问题,提出了一种基于双向空间平滑FBSS的样本复用MIMO雷达低角多径目标DOA估计算法。考虑到MIMO雷达相干信号测角时与多径信号测角时情况的不同,算法采用了MIMO雷达四路径回波信号模型,首先依据MIMO雷达波形分集的特性对接收信号匹配滤波得到虚拟阵列,在此基础上对虚拟阵列采取行列复用并分别进行双向空间平滑,有效提高了低信噪比条件下低角目标DOA估计精度。计算机仿真结果表明,在信噪比小于-12dB条件下,该算法比M-SSMUSIC算法的均方根误差平均减小了1°。     

基于互相关矩阵的二维传播算子实值算法

为提高传播算子算法在低信噪比下的波达方向（direction of arrival,DOA）估计性能,降低计算复杂度,提出了一种基于互相关矩阵的二维传播算子DOA估计实值算法（UC-PM）.该算法通过构造新的互相关矩阵代替阵列接收数据矩阵,抑制了噪声分量的影响,并且保持了传播算子算法计算量小的优点,利用线性运算代替特征分解求得旋转不变关系矩阵.同时,为进一步降低算法计算量,利用酉变换思想构建新的实数域旋转不变关系,将特征分解和最小二乘问题实数化.仿真结果和计算复杂度分析表明,新算法在低信噪比下的估计性能优于传统二维传播算子算法,接近于二维ESPRIT算法,且其计算复杂度远小于二维ESPRIT算法,实时性好,具有良好的实用价值.      

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.      

广义信号子空间拟合角度-极化联合估计

针对相干信号波达方向(DOA)和极化参数的同时估计问题,提出了适用于任意结构极化敏感阵列和完全/部分极化信号源的广义信号子空间拟合方法.该方法利用空间相位矩阵和信号极化矢量之间的线性关系,借助信号子空间旋转矩阵的适当分离实现了角度和极化参数的解耦,使得DOA估计和极化参数估计可分别通过唯角度和唯极化搜索获得.与传统子阵平滑信号解相干方法不同,广义信号子空间拟合方法对阵列结构无特殊要求,且不存在孔径损失问题.仿真结果表明,广义信号子空间拟合方法在低信噪比和短快拍数条件下性能均要优于空间平滑和极化平滑两种传统方法.     

一种基于ICA与空间谱相关系数最大化的源数目估计算法

为提高在低信噪比和存在小信号情况下的源信号数目估计正确率,提出了一种利用ICA估计出的信号和利用空间谱分离出的信号的相关系数最大化为依据的源数目估计方法。该方法综合利用源信号的统计独立特性和阵列结构信息,降低了算法对噪声和信号强弱的敏感。计算机仿真结果表明,在低信噪比和存在弱信号的情况下,该算法可以高精度的估计出源信号数目。