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。     

基于均匀圆阵的循环平稳信号的DOA估计

相干信源的DOA估计一直是一个十分棘手的问题,由此提出了一种基于均匀圆阵的利用信号循环平稳特性进行DOA估计的方法.利用模式空间变换算法以及矩阵分解算法的思想,结合信号的循环平稳特性和Cyclic MUSIC算法,实现在高斯白噪声背景下均匀圆阵相干信源的DOA估计.通过MATLAB仿真验证了该算法具有良好的解相干能力,在低信噪比条件下具有比常规的循环空间平滑算法更好的解相干性能.     

冲击噪声背景下的虚拟空间平滑算法

为解决在冲击噪声背景和相干信源条件下,高斯白噪声的相干信源DOA(Direction-Of-Arrival)估计算法失效的问题,提出了基于虚拟空间平滑共变系数矩阵(ROC-VSS:RObust Covariation-Based Virtual Spatial Smoothing)的DOA估计算法.该算法以虚拟空间平滑...     

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。     

冲击噪声背景下均匀圆阵相干信源的DOA估计

在对称α稳定分布噪声的假设下,现有的基于共变和分数低阶矩的MUSIC（即ROC-MUSIC和FLOM-MUSIC）方法不能用于均匀圆阵信源相干情况下的波达方向（DOA）估计.为了解决这一问题,基于模式空间变换算法以及空间平滑算法的思想,结合ROC-MUSIC算法和FLOM-MUSIC算法,实现在冲击噪声背景下均匀圆阵相干信源的DOA估计.仿真实验验证了该方法的有效性.     

冲击噪声下的改进TLS-ESPRIT算法研究

在冲击噪声背景和相干信源下,基于高斯白噪声的DOA估计算法完全失效,为了解决该问题,本文提出了一种改进的TLS—ESPRIT算法。本算法的原理是结合分数低阶矩阵知识,将空间平滑理论应用于TLS—ESPRIT算法之中。本文算法无需进行空间谱搜索,因而大大地减少了计算量。计算机仿真实验证明,在冲击噪声背景和多径干扰下,新算...     

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。     

基于分数低阶矩的空时最大似然DOA估计

为了提高现有基于分数低阶空时矩阵类算法的估计精度和其在低信噪比时的解相干性能,在对称α稳定分布噪声条件下,提出改进分数低阶空时矩阵用于独立信源DOA估计,基于分数低阶矩的空时最大似然算法用于相干信源DOA估计.仿真结果表明:针对独立信源,改进的分数低阶空时矩阵进行DOA估计的成功概率高于分数低阶空时矩方法;针对相干信源,分数低阶矩的空时最大似然算法的估计成功概率比SS-FLOM算法高,均方根误差比SS-FLOM算法小;新方法克服了空间平滑类算法严重损失阵列孔径的弊端,节省阵元.     

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.      

多径条件下基于辅助阵元的阵列幅相误差自校正

针对多径环境中均匀线阵（uniform linear array, ULA）的幅相误差的校正问题,在不破坏阵列幅相误差矩阵的前提下,提出了一种多径条件下基于辅助阵元的波达方向（direction of arrival,DOA）估计及幅相误差自校正算法。利用阵列平移的方法对相干信号进行解相干预处理,再利用辅助阵元依据子空间原理构建代阶函数实现相干信源的方位估计, 进而对阵列幅相误差进行估计。计算机仿真结果表明,该算法对多径环境下的相干信源具有准确的方位估计与幅相误差自校正性能。     

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。     

基于中心对称圆阵的不相关源和相干源的DOA估计

基于中心对称的圆阵,提出了一种针对不相关源和成对相干源的波达方向(DOA)估计方法.这是一种分两步估计的方法,首先利用阵列流形的唯一性条件估计出不相关源;然后通过构造中心对称的阵列流形来去除不相关源的干扰,同时达到去除成对相干源相干性的目的.这种方法简单有效,由于直接在阵元空间进行估计而不需要进行波束变换,因此具有较高的估计精度.仿真实验结果验证了该方法的有效性.     

空间平滑和盖氏半径变换的宽带相干信源数估计

采用空间平滑处理和不同信源数估计准则进行宽带相干信源数估计。该方法针对宽带相干信号,不需要聚焦处理,直接对宽带信号阵列采样输出分段并进行快速傅立叶变换(fast Fourier transform,FFT),得到不同频点处的窄带采样协方差矩阵,然后采用空间平滑处理技术进行解相干处理,接着利用信源估计准则进行信源数估计,对每个频点处的结果进行加权处理得到宽带信源数目。仿真结果表明,通过对信息论准则、基于盖氏半径的似然准则、盖氏圆估计准则的性能的对比,进而得到了一种在色噪声下估计宽带相干信源数的方法。     

基于双阵元的宽带相干信源数估计

不同噪声条件下,宽带相干信源数估计是阵列信号处理中的难点问题.本文针对宽带信号的特点,利用虚拟阵列扩展技术,将宽带信号的不同频率成分虚拟为不同间距的虚拟阵元,通过空间平滑削弱信号之间的相干性.但由于噪声的功率谱非严格平坦,虚拟阵列协方差矩阵的噪声特征值发散程度严重,经典的信息论方法完全失效.基于对角加载技术,提出了一种新的加载量,有效地平滑了噪声特征值,减弱了其发散程度,并在此基础上利用比率准则改进了信息论方法,实现了两阵元对多个信源的数目估计.仿真实验表明,改进后的方法在白噪声和色噪声条件下均具有较好的性能,优于盖氏圆方法.     

一种改进的盖氏圆盘估计信源数方法

 信源数估计是空间谱估计中的关键技术,研究符合实际应用环境的稳健的信源数估计方法具有十分重要的现实意义.基于空间谱估计中用于估计信源数的传统盖氏圆盘法,结合Toeplitz去相干算法在此提出了一种改进的盖氏圆盘法(T-GDE).该方法先对接收数据协方差进行Toeplitz预修正,再对得到的修正矩阵进行盖氏圆盘法估计信源数,使得新的盖氏圆盘法可用于低信噪比条件下的相干信源数估计.并通过仿真实验验证了其有效性.     

用于高分辨率测向的噪声子空间抽取算法

高分辨率测向是有广阔应用前景的技术，当前的一个主要问题是其计算量巨大，噪声子空间抽取算法（ＮＯＳＥ）首先利用最小二乘法求得噪声子空间中的一组基或这组基的一个子集，然后形成空间谱并估计可能的波达方法。最后，再利用一次最小二乘法检测信号数目并确定真实波达方向。在存在相干源时，ＮＯＳＥ可利用空间平滑技术去相干后进行检测和估计。与标准的高分辨率测向算法（多信号分类算法ＭＵＳＩＣ）相比，ＮＯＳＥ不但运算量大为减少，而且分辨率也有提高，文中的信号数目的检测方法基于对波达方向的估计，具有简单准确的特点，可以推广到多种算法中去。