基于ESPRIT算法的柱面共形阵列天线DOA估计

由于共形天线阵列流形的多极化特性(polarization-diversity,PD),信源方位参数与极化状态的“耦合”是实现共形阵列天线波达方向(direction-of-arrival, DOA)估计的主要难点。针对柱面共形阵列天线的特点,建立了柱面共形阵列天线的导向矢量模型;通过合理的阵元排列结构设计,结合ESPRIT (estimation of signal parameters via rotational invariance techniques)算法参数估计的特点,实现了信源极化状态与方位参数的去耦合,推导了ESPRIT算法多参数估计的参数配对方法,最终提出了柱面共形阵列天线盲极化DOA估计算法。计算机Monte Carlo仿真实验验证了所提算法的有效性。     

基于单个多模天线的非圆信号闭式DOA估计

针对因使用天线阵列而造成的天线互耦和阵元位置未核准问题,利用多模天线多个模式输出间的内在联系,以及完全非圆信号的特殊性质,提出了一种旋转不变型闭式波达方向（direction of arrival, DOA）估计方法。由于该法只需使用单个结构紧凑的双锥天线,无须像传统天线阵列一样进行复杂的阵元空间位置校准,适用于阵列摆放空间受限的应用场合。计算机仿真结果验证了算法的有效性和优越性。     

非理想阵列的信号波达方向和多普勒频率估计

在均匀线阵存在误差的情况下 ,提出了一种信号波达方向和多普勒频率的估计方法。此方法在空间域 ,不仅考虑了阵元幅相误差 ,而且考虑了阵元位置误差 ,使包括幅相误差和位置误差在内的误差矩阵达到Frobe nius范数的最小值。在时间域考虑了测量噪声 ,使得多普勒频率估计的似然概率达到最大。仿真结果表明了此算法的有效性。     

评"基于小波变换的多分辨信号波达方向估计法"

从信号泄漏和空间模糊的角度出发,详细分析了一种基于小波分解的多分辨信号波达方向估计方法(WD MDoA)并指出其缺陷。WD MDoA方法的基本思路是通过小波变换,把接收的阵元数据在空间上分解成多个子带,然后对每个子带进行波达方向估计。分析表明:对于WD MDoA方法,把接收的阵元数据在空间上被分解成多个子带后,如果某个子带外存在其它来波信号时,对该子带进行波达方向估计会产生虚假估计。因此,WD MDoA方法存在着较大的缺陷,计算机仿真结果验证了这个结论。     

基于酉变换ESPRIT的相干信源DOA估计算法

为了增强重构Toeplitz矩阵算法的估计性能,降低计算复杂度,提出了适用于相干信源波达方向估计的Toep UESPRIT算法。它使用利用旋转不变性的信号参数估计代替多重信号分类,避免了谱搜索,并且在构造Toeplitz矩阵的基础上,两次构建centro Hermitian矩阵,利用酉变换将复数域的特征值分解和总体最小二乘问题的求解实数化,使计算量大大降低。同时,由于centro Hermitian矩阵的构造过程重复利用了接收数据,估计精度得到大幅提高。实验仿真和分析证明了该算法的正确性和有效性。     

任意平面阵列的相干信号二维波达方向估计方法

相干信号的波达方向(direction of arrival, DOA)估计一直是阵列信号处理中研究的关键问题,但传统的算法受到阵列流型的限制。为了解决任意平面阵列对二维相干信号的DOA估计问题,提出了一种新的方法。首先利用信号的循环平稳特性构造数据协方差矩阵,再利用信号在极化域的差异来实现解相干。该方法具有噪声抑制的能力,无需空间平滑,不影响阵列孔径,并且对窄带信号和宽带信号均适用。仿真结果证明了该算法的有效性。     

基于信号时频表示的宽带源波达方向估计

提出一种时频域宽带源波达方向(DOA：Direction of Arrival)估计算法。该算法通过计算参考阵元和其它阵元的互Wigner-Ville分布，构造出一种新的时频域数据向量模型，并利用Chirp信号的局部窄带特性，在信号的主要能量聚集区选择时频点构造时频相关矩阵代替传统的阵列相关矩阵，进行特征分解实现信号的DOA估计。该方法同时在空域和时频域进行处理，充分利用了时频分布的能量聚集性，不但实现了非平稳信号时频域的分离，还有效地提高了信噪比，增强了算法对噪声的稳健性。仿真结果验证了新方法的有效性。     

基于延时相关处理的ESPRIT算法

为了提高旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法的分辨力和测角精度,充分利用非零延迟相关函数中信号入射角度的信息,提出了基于延时相关处理的ESPRIT算法。根据所有阵列间延时相关信息,构造新的阵列输出矩阵,并且得到新的协方差矩阵。对新的协方差矩阵进行特征值分解得到特征向量,通过将特征向量划分得到含有入射角度信息的子阵,最终求得信源的入射角度。仿真结果表明,该算法的分辨力和测角精度均优于原ESPRIT算法,并且在小角度间距情况下也有较好的分辨性能。     

锥面共形阵列天线相干信源盲极化DOA估计算法

针对共形天线阵列流形的多极化特点,建立了锥面共形阵列天线导向矢量的数据模型。通过合理的阵元排列结构设计,推导了锥面共形阵列天线信源解相干的空间平滑算法,解决了ESPRIT(estimation of signal parameters via rotational invariance technique)算法多信源方位估计的参数配对问题,最终给出了锥面共形阵列天线相干信源盲极化波达方向(direction of arrival, DOA)估计算法。该算法利用锥面共形载体的单曲率特性,结合ESPRIT算法参数估计的特点,在盲极化条件下实现了相干信源的高分辨DOA估计。Monte Carlo仿真实验验证了算法的有效性。     

两种强干扰下弱信号的二维波达方向估计算法研究

当信号的功率相差较大时,常规的空间谱估计算法往往无法估计出微弱信号的来波方向(DOA).针对此问题,该文基于矩形阵列,研究了两种强干扰下弱信号的二维DOA估计算法.首先将干扰阻塞(JJM)算法推广至二维DOA估计;然后给出了一种基于正交投影预变换的弱信号测向算法,并且分析了这两种测向算法的统一理论框架;最后通过计算机仿真给出了两种测向算法的性能.     

阵列通道不一致条件下波达方向估计及其校正

现有的基于特征分解类的角度超分辨算法在理想阵列条件下,其估计性能良好,但当信号模型与实际信号环境不匹配,即存在系统误差时,算法的估计性能会严重下降,甚至失效.针对此问题,提出了一种波达方向估计和通道误差校正的新算法,先对各子阵接收信号预处理,使得通道误差对每个子阵的影响一致,这样阵列旋转因子就与通道误差无关,再利用阵列旋转不变性,实现波达方向估计和阵列通道误差的校正.无需校正源,也不需要知道通道误差的先验信息,无需多维搜索寻优和迭代.理论分析和计算机仿真都表明新算法的优越性.     

基于柱面共形阵列天线的快速波达方向估计

由于共形天线载体曲率不同,阵列中每个阵元的方向图的指向各不相同,这导致了阵列中各个阵元极化特性(polarization diversity, PD)的差异。因此,共形阵列天线的数学模型中考虑了不同阵元的极化特性。共形阵列实现波达方向(direction of arrival, DOA)估计的过程中,主要难点在于信源方位参数与极化状态的去“耦合”。本文利用圆柱的单曲率特性,通过合理摆放子阵中的天线阵元,结合传播算子方法(propagator method, PM)和子阵分割技术,提出了一种适合于柱面共形阵列的DOA估计方法。本文的DOA估计算法不需要天线单元方向图的任何信息,不需要谱峰搜索和参数配对,计算量较小。最后通过Monte-Carlo仿真实验验证了本文算法的有效性。     

多输入多输出阵列目标方位估计方法

提出了一种主动阵列目标定向空时编码新构型,即多输入多输出(multi-input multi-output,MIMO)阵列。MIMO阵列发射不相关信号(正交信号),扫描向量是常规相控阵发射扫描向量与接收扫描向量的卷积,从而产生了虚拟阵元,扩展了阵列孔径,形成的波束图是常规发射阵波束图与接收阵波束图的乘积,因此主瓣更窄,旁瓣更低。两目标高分辨统计性能的仿真分析和实验研究表明,与常规相控阵相比,MIMO阵列具有更高的目标角度分辨率和检测性能。     

分布式nested阵列及其高精度DOA估计

为了进一步提高分布式阵列的自由度和分辨力,提出一种分布式nested阵列。该阵列将nested阵列作为分布式阵列的子阵。基于Khatri Rao积, nested子阵可提高整个阵列的自由度。分布式nested阵列以较少的阵元数及硬件成本实现大的孔径和较高的分辨力,而且提高了目标波达方向(direction of arrival, DOA)估计的精度。并利用基于Khatri Rao积的空间平滑酉旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法进行DOA估计。其先对协方差矩阵向量化提高自由度,然后利用空间平滑对新数据协方差矩阵进行秩恢复,最后使用双尺度酉ESPRIT算法得到DOA估计。仿真结果证明所提方法的有效性。     

基于ESPRIT的多基线分布式阵列DOA估计方法

为了提高分布式阵列在低信噪比（signal-to-noise ratio, SNR）条件下的波达方向(direction-of-arrival, DOA)估计性能,同时放宽阵列物理孔径扩展程度的限制,提出了一种基于旋转不变子空间（estimation of signal parameters via rotational invariance techniques, ESPRIT）的多基线分布式阵列DOA估计方法。该方法通过优化分布式阵列结构,在子阵间使用多基线结构布阵,结合ESPRIT算法和多步解模糊方法得到多基线分布式阵列的高精度无模糊DOA估计。此外,利用最大后验概率准则近似法分析分布式阵列DOA估计的门限效应,给出了SNR门限和基线长度门限的近似计算方法。计算机仿真结果验证了所提方法的有效性。     

低信噪比下非冗余阵列的无网格DOA估计

波达方向(direction of arrival, DOA)是阵列信号处理模型中的非线性参数，当信噪比较低时，其估计值会偏离真实值。为了降低无网格DOA估计方法中该问题的阈值，介绍了一种基于无网格的基于协方差的稀疏迭代估计(sparse iterative covariance-based estimation, SPICE)方法。引入了最大似然求根多重信号分类(maximum likelihood root multiple signal classification, ML-Root-MUSIC)来计算DOA,使用最大似然准则来选择根，可以降低阈值并获得更好的分辨率特性。在原始无网格SPICE的优化问题中加入了负熵项，使得无网格SPICE的均方根误差曲线更接近于Cramer-Rao下界。最后，蒙特卡罗仿真实验验证了所提方法在低信噪比非冗余阵列情况下的优越性。     

Joint 2D DOA and Doppler frequency estimation for L-shaped array using compressive sensing

A joint two-dimensional(2D) direction-of-arrival(DOA)and radial Doppler frequency estimation method for the L-shaped array is proposed in this paper based on the compressive sensing(CS) framework. Revised from the conventional CS-based methods where the joint spatial-temporal parameters are characterized in one large scale matrix, three smaller scale matrices with independent azimuth, elevation and Doppler frequency are introduced adopting a separable observation model. Afterwards, the estimatio...     

基于级联MUSIC的面阵中的二维DOA估计算法

提出了适用于面阵中的基于级联多重信号分类(multiple signal classification,MUSIC)方法的二维波达方向(direction of arrival,DOA) 估计算法。该算法仅采用级联的一维搜索即可实现二维DOA的联合估计,避免了经典二维MUSIC算法的复杂计算量,复杂度大大降低,同时角度估计性能非常接近经典二维MUSIC算法。此算法可以实现二维角度的自动配对,角度估计性能优于传播算子算法(propagator method,PM)以及借助于旋转不变技术的信号参数估计算法。同时,该算法可以很好地估计出相同方位角(或仰角)的信源。结合算法的高性能及低复杂度,该算法拥有更广泛的适用范围,其优越性得到验证。