锥面共形阵列天线实值盲极化DOA估计方法

将快拍数据协方差矩阵分裂思想引入到锥面共形阵列天线的测向中，提出了一种高效的锥面共形阵列盲极化波达方向(DOA)估计方法。该方法将子空间估计过程进行了实值化处理，通过子阵分割解决了协方差矩阵分裂引起的“镜像模糊”问题，同时，对参数估计的理论性能界进行了分析，推导了实值盲极化DOA估计的克拉美-罗界，并讨论了算法复杂度改善情况，在保证DOA估计精度的前提下有效降低了算法复杂度。仿真实验表明，所提算法在信噪比为10 dB时，估计精度与已有盲极化复值算法基本一致，而运算量仅为原算法的60%～70%,证明了算法的有效性。     

一种减小互耦的互素嵌套阵列及测向算法

为了减小阵元之间的互耦效应,首先提出一种阵元间距可调节的互素嵌套阵列.这种阵列由2个不同的嵌套子阵列组成,2个子阵的最小阵元间距由一对互素的正整数确定.只要这对正整数足够大,2个子阵的最小阵元间距便可远超过入射信号的半个波长,从而将阵元间的互耦效应减小到可忽略的程度.然后,为了解决大间距阵列所引起的角度模糊问题,提出了一种基于四阶累积量的无模糊波达方向(DOA,direction of arrival)估计算法.仿真实验表明,此算法具有较好的估计性能,相比一些经典的自校正DOA估计算法,此算法具有更高的角度分辨力和估计精确度.     

单频点频域卷积混合盲分离技术

在双频点频域卷积混合盲分离算法的基础上,提出一种单频点频域卷积混合盲分离算法.通过恰当地选取频域盲分离中短时傅里叶变换（STFT）的参数,可仅依靠一个频率片上的分离信号来完成双频点算法.相对于传统频域卷积混合盲分离方法,该方法不受各频率片顺序不确定性不统一及比例不确定性不统一的影响.仿真实验证明了该算法的有效性.     

卷积混合信号频域盲分离技术研究

阵列声纳观测的舰船辐射噪声信号是由多目标源、海洋环境噪声等经多途卷积混叠形成,为提高被动声纳的检测能力、有效分离多目标信号与环境噪声,提出一种新的信号盲分离方法,利用滑窗短时傅里叶变换将时域信号卷积混合形式转换到频域瞬态混合形式,针对每个频率点利用非平稳水声信号的多拍交叉相关序列,建立频域适用盲分离算法,估计分离网络矩阵,分离恢复多源信号,研究了多源多途水声信号盲分离技术,用仿真信号和水池实验实录信号进行频域盲分离算法检验,结果表明信号分离效果较好。     

二维DOA估计中麦克风阵列优化设计

在DOA估计中,往往事先假设麦克风阵列的结构,然后通过改进DOA估计方法来提高定位精度,忽视了麦克风的摆放位置对 DOA 估计性能的影响。基于此,针对二维 DOA 估计,提出改进遗传优化算法,将空时滤波器系数和麦克风阵列结构分开,构造由二维 MUSIC空间谱函数欧式距离和优化后阵元个数共为变量的适应度函数,以 DOA 估计精度为停止条件,对均匀矩形阵、均匀圆形阵和均匀同心圆阵开展优化设计。仿真结果表明,采用所提方法优化后的阵列取得了较好的DOA估计性能。     

一种分布式阵列无模糊波达方向估计方法

为解决分布式阵列应用常规算法估计波达方向(DOA)时出现的角度模糊问题,提出一种基于压缩感知(CS)理论的无模糊DOA估计方法.利用新方法对分布式阵列的接收信号分别通过直接采样和随机矩阵两种压缩采样方式进行二次采样,将接收信号转换为CS理论所需的随机观测数据,并利用CS重构算法将目标DOA信息从观测数据中高概率、无模糊地获取.将新方法与多重信号分类法(MUSIC)和旋转不变子空间算法(ESPRIT)等经典常规DOA估计算法的运算量进行了详细对比,指出新方法的运算量更小.通过与现有分布式DOA估计方法的仿真实验对比,验证了新方法的有效性,并分析分布式阵列接收阵元数的改变对新方法 DOA估计精度的影响.     

基于改进MUSIC算法的宽带DOA估计

经典MUSIC算法的统计特性主要建立在阵元数固定且快拍数趋于无穷的情况下,在有限样本中,当快拍数无法满足远大于阵元数的条件时,DOA估计会产生偏差.对于宽带信号的DOA估计,利用相干信号子空间(Coherent Signal-subspace Method,CMS)方法,构造聚焦矩阵使不同频率的信号子空间映射到同一参考频率上,用聚焦后的频域窄带模型进行DOA估计,并针对在实际应用中,阵列的阵元数较大且快拍数受限时经典MUSIC算法估计精度不高的情况,利用改进后的MUSIC算法-Spike-MUSIC算法,提高DOA估计精度.在不同信噪比下,分别对DOA估计的误差进行了MonteCarlo仿真实验,仿真结果表明,相对于普通的CSM方法,基于Spike-MUSIC算法改进的CSM方法在宽带DOA估计中具有更高的精度.     

基于连续小波互谱的宽带Chirp信号DOA估计

提出一种时频域宽带源波达方向（DOA）估计算法．该算法通过计算参考阵元和其他阵元的连续小波互谱，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，实现了非平稳信号时频域的分离，仿真结果验证了新方法的有效性．     

近场声源方位和距离联合估计算法

为提高近场麦克风阵列的声源定位精确度,对基于麦克风阵列的声源定位技术进行研究.详细分析了近场信号传播模型,并结合窄带子空间算法,对宽带ISM(Incoherent Signal-Subspace Method)算法进行改进,提出一种近场子空间声源方位和距离联合估计算法.该算法根据短时信号的频率特性,在特定频率上对信号应用子空间算法进行方向距离联合估计并对结果进行叠加,从而得到最终结果.该算法在相关信源和混响条件下均能得到较好的DOA(Direction-of-Arrival)估计效果.计算机仿真验证了算法的有效性.     

最小输出熵盲反卷积方法中概率密度估计

针对多通道卷积混叠模型 ,给出了两种基于最小熵盲反卷积算法中概率估计的方法—基于Edgeworth展开非参数逼近方法和基于核函数的参数逼近法 ,概率估计方法和反卷积滤波器参数逼近的训练公式一起构成最小熵盲反卷积方法 .文中给出了计算机仿真实例     

基于旋转不变子空间原理的共形阵列DOA与极化状态联合估计

利用交叉电偶极子天线单元在锥面共形载体上构造极化敏感阵列,推导并建立了其快拍数据模型.在此基础上,利用锥面共形载体的单曲率特性构造满足旋转不变关系的成对子阵,根据旋转不变子空间思想提出一种信源方位和极化参数的联合估计算法.Monte Carlo仿真实验表明,该算法能够很好地解决锥面共形阵列应用中的多参数联合估计问题.
     

基于麦克风阵列多声源定位的新方法

针对传统方法不能准确地测量远场多声源位置的问题,提出了在近场和远场都能用的多声源定位新方法.该方法采用两个L型麦克风阵列,在每个阵列通过多声源的频率及到达角的联合估计求得信号源的夹角,基于每个信号源的夹角对估计多声源的位置.通过仿真实验验证了该方法在近场、远场都能准确地测量多声源位置,通过调节两个L型麦克风阵列之间的距离能得到误差在5%以下的声源定位精度.     

基于两个L型阵列的远场多声源定位方法

针对传统方法不能准确地测量远场多声源位置的问题,提出了在近场和远场都能用的多声源3D定位新方法.该方法采用两个L型麦克风阵列,在每个阵列通过多声源的频率及到达角的联合估计求得信号源的夹角,基于每个信号源的夹角对估计多声源的位置.通过仿真实验验证了该方法在近场、远场都能准确地测量多声源位置,通过调节两个L型麦克风阵列之间的距离能得到误差在5%以下的声源定位精度.     

基于高阶累计量的车辆上下行声频检测方法

提出了一种基于麦克风阵列信号处理的车辆上下行估计的新方法,将车辆的上下行估计归结为阵列信号处理中的波达方向变化的估计。针对车辆噪声信号的复杂性和二阶统计量的局限性,采用高阶累计量实现了DOA估计,并说明了基于高阶累计量实现的估计结果明显优于二阶统计量。最后通过试验论证了该方法在实现行车方向估计时的有效性。     

A self-steering close-talking microphone array

For communication in extremely noisy environments, close-talking microphone arrays are useful. Differential microphone array systems possessing excellent nearfield directivity and strong farfield-noise reduction capability are very suitable for close-talking situations. In order to improve the focusing effect at the desired bearing in the nearfield, we propose a novel self-steering system of close-talking arrays with the first-order differential sub-arrays in this paper. Calculations of directivity patterns and directivity factors show that when a kind of optimized beamforming technique is adopted even small arrays with a focusing configuration will exhibit a satisfactory nearfield directivity which is electronically steerable within a specific range. The superiority of the proposed array system is verified by experiments with real acoustic data.     

基于无网格压缩感知的波达方向估计方法

针对密集分布目标的波达方向(DOA)估计,是当前高精度定位技术的难点和热点.已有的基于压缩感知原理的DOA估计方法往往存在离散网格与连续域参数匹配难度高、离散网格之间相关性高、计算效率低等问题.针对DOA密集分布、低信噪比的非理想情况,分别采用稀疏参数法(SPA)和连续压缩传感(CCS)算法,设计了无网格的压缩感知密集DOA估计方法,分析了这两种算法的性能特点.通过对比仿真实验证明:该方法可以有效提高密集DOA的估计精度.     

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.     

基于改进SST算法的宽带信号DOA估计

信号子空间变换算法(SST)的聚焦矩阵是利用各频率点与参考频点之间信号子空间的关系导出的。针对传统的宽带DOA算法存在的计算复杂度高和估计偏差大的问题,利用聚焦的本质,提出了SST改进算法。改进后算法的性能分析优于传统算法,能正确的分辨出信号的方位,降低了运算量。     

传感器网络中基于节点数据相关的DOA估计

 波达方向(DOA)估计是水声阵列信号处理的重要研究方向.由多个矢量水听器组成的传感器网络利用各节点所在位置的声压、质点振速可以实现DOA估计,节点的协同合作能够确定目标声源的位置.本文根据矢量水听器的特点、相关性及DOA算法等理论,仿真分析相关性对DOA算法的影响,并结合实际湖试对节点数据的相关性进行分析处理.由于各节点数据包含严重的噪声,导致其频谱情况很差,处理后节点数据的频谱及节点间的互相关性明显改善,并能有效抑制宽带噪声干扰.结果表明,处理后节点线谱信号突显出来,各节点的互相关性得到了提高,且满足DOA算法对数据相关性的要求,具有一定的工程实用性.