多用户多径环境下DOA估计算法研究

针对移动通信中多用户多径环境下的DOA估计问题，提出利用CARE算法求出各用户的空间循征矢量，进而利用基于对称阵列的改进MUSIC算法求出各用户对应多径信号DOA的联合算法，仿真结果表明：结合CARE算法，基于对称阵列的改进MUSIC算法能自动对多用户的DOA进行分组，并能对每个用户的多径相干信号进行DOA估计，不需要做平滑计算，不需要判断多径信号的个数，不增加计算量。     

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.     

CDMA系统中多径环境下的多用户DOA估计

在CDMA智能天线系统中,提高系统容量和性能实现空分多址(SDMA)的关键技术问题之一是DOA估计.文中充分利用CDMA伪随机码序列的特点,提出了一种无须大量存储数据,只需简单矩阵分解的子空间平滑ESPRIT算法,从而大大提高了算法的适时性.该算法理论上可估计多径环境下任意多具有不同伪随机码用户的DOA.实验仿真验证了算法的有效性.     

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.     

基于LD分解的广义特征值DOA估计方法

对阵列输出的相关矩阵进行ＬＤ分解，可找到信号子空间，由此得出了估计信号源ＤＯＡ的一种新的方法－基于ＬＤ分解的广义特征值ＤＯＡ的估计方法。理论分析和计算机模拟结果表明本文提出的方法切实可行。     

一种宽带非相关信号DOA估计的新方法

介绍一种宽带非相关信号DOA估计的新方法(TOPS),该方法利用信号源各频率段噪声子空间和信号子空间的正交关系对信号源的方位进行估计.TOPS算法与宽带聚焦类算法不同点在于,该方法不需要对信号方位进行预估计.仿真显示该算法的分辨力高,在高信噪比条件下估计性能优越.     

未知信源数条件下基于合成空间谱的弱信号DOA估计方法

针对强弱信号并存时信源数和弱信号波达方向难以准确估计的问题,提出了一种基于合成空间谱的弱信号DOA估计方法.该方法将阵列的特征波束通道输出进行加权叠加,并用其对噪声子空间逼近法的空间谱函数进行方位加权,得到合成空间谱对弱信号DOA进行估计.本方法无需信源数目已知的先验信息.相比于已有的基于特征波束形成的弱信号DOA估计法,本方法在多个弱信号来波方向较接近时具有更好的估计性能,仿真结果证实了本方法的有效性和优势.     

噪声信号极点估计的一般方法

建立了阻尼指数和信号的状态空间模型，提出了噪声中阻尼指数和信号极点估计的状态空间方法；基于输出方程和状态方程的估计算法，证明了矩阵预测方法等价于状态空间方法的算法二，从而使Ｐｒｏｎｙ方法，Ｋ－Ｔ方法，矩阵束方法以及矩阵预测方法在状态空间意义之下得到统一。     

冲激噪声背景下基于虚拟阵列变换的DOA估计

目前,大多数的DOA(direction of arrival)估计算法是应用在高斯噪声环境下的.随着冲激噪声的应用越来越广泛,利用虚拟阵列变换的方法,解决了在冲激噪声背景下对任意阵列进行DOA估计的问题.该方法将任意阵列虚拟成等距均匀线阵,使其阵列流型具有Vandermonde矩阵形式.然后结合分数低阶矩的特点,利用FLOM-MUSIC算法对来波方向进行有效的估计.经计算机仿真,证明了该方法的有效性.     

基于有色噪声卡尔曼滤波的GPS多径估计研究

在最大似然多径估计技术的基础上,提出了一种新的基于有色噪声卡尔曼滤波的全球定位系统(GPS)多径信号估计技术.建立了GPS多径信号的卡尔曼滤波估计模型,推导了观测噪声为有色噪声的卡尔曼滤波的状态方程和观测方程,阐述了有色噪声的形成过程,推导了卡尔曼滤波的递推公式.实验结果表明,提出的设计技术可以在20dB·Hz的载噪比条件下对多个GPS多径信号进行较精确的估计.     

基于重构噪声子空间的相干信号DOA估计

传统DOA(direction of arrival)估计算法无法处理相干信号,因此提出一种基于重构噪声子空间的高精度DOA估计算法.该算法利用阵元接收数据的自协方差与互协方差信息构造成增广矩阵作为新的协方差矩阵,对该矩阵进行奇异值分解得到相应的噪声子空间和特征值矩阵.为了获得更精确的信号向量,重构一个由新特征值矩阵对应的特征向量所组成的噪声子空间.最后通过谱峰搜索得到DOA估计值.算法不影响对非相干信号估计的效果,并且比IMMUSIC(improved multiple signal classification)算法具有更高的估计精度,在低信噪比及信号入射间隔较小的情况下也有良好的准确性.仿真结果表明,提出的改进算法在低信噪比及低采样快拍数的条件下,能有效估计出相干信号的波达方向.     

宽带信号DOA估计的一种快速算法

CSM(Coherent Signals-subspace Method)算法需要构造聚焦矩阵和进行预估计,运算量大且估计精度容易受预估计的影响,很难达到信号实时处理的目的。为此,提出了一种基于前后向平均的改进非相干信号子空间算法(ISM:Incoherent Signals-subspace Method)。该算法通过把宽带信号分解为若干个窄带信号,对每个窄带信号先用前后向平均法进行去相关处理,再利用ISM算法对宽带非相干信号和相干信号进行DOA(Direction Of Arival)估计。该算法不需要进行预估计,且去相关处理简单容易实现,对宽带相干信号的估计虽然性能不如相干信号子空间算法,但运算量比CSM算法减小很多,是一种快速的宽带信号DOA估计算法。通过实验仿真和性能分析,验证了该算法的有效性。     

基于小波分析的非平稳FD过程分形指数估计

提出了一种非平稳FD过程分形指数估计的新方法。首先对过程进行平稳小波变换以获得各个尺度下的子过程。随后给出这些子过程方差的无偏估计;最后建立方差与尺度的函数关系,并在对数意义下对方差和尺度作线性回归,从而完成估计。计算机仿真表明该方法具有较高精度。     

利用修正的Cyclic—SSF对宽带信号波达方向的估计

提出一种修正的Ｃｙｃｌｉｃ－ＳＳＦ方法用于波达方向估计。该方法不仅具有原Ｃｙｃｌｉｃ－ＳＳＦ方法避免了ＳＣ－ＳＳＦ方法所涉及的一系列移位相乘运算,使运算速度大大提高。     

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。     

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°。     

分数阶Fourier域宽带相干LFM信号的DOA估计

针对具有相同时频分布的宽带相干LFM信号,提出了一种DOA估计新算法.该方法利用分数阶Fourier域前后向空间平滑技术对信号去相干,然后由MUSIC算法估计信号的DOA.这种算法既具有避免矩阵插值和汇聚变换,不需要到达角初始估计等优点,又能正确地估计宽带相干LFM信号的DOA.仿真结果验证了算法的有效性.     

一种基于时频分布的DOA估计方法

提出了一种基于信号时频分布波达方向估计的新方法。该方法根据信号的时频特征来构造阵列的时频相关矩阵Wxx和Wxy，再利用旋转不变技术对信号的波达方向(DDA)进行估计。由于充分利用了信号的时频域特征，此方法既适用于时不变的、平稳信号又适用于时变的、非平稳信号，与传统的一维ESPRIT方法比较，改善了DOA估计的性能，尤其是在低信噪比和空间近角度时，性能的改善是明显的。数值仿真的结果证明了上述结论。     

基于RBF网络的扫描体制雷达DOA估计方法

针对传统扫描体制雷达无法分辨半功率波束宽度内存在多目标的问题,利用阵列信号处理的思想,把RBF神经网络理论应用于机扫雷达的DOA高分辨估计.首先给出了扫描体制雷达DOA估计的信号模型,提出了一种基于RBF网络实现扫描体制雷达DOA高分辨估计的SRBF算法.然后针对RBF网络存在的学习收敛速度慢等问题,给出了基于模糊学习矢量量化(Fuzzy Algorithm for Learning Vector Quantization,FLVQ)的网络学习算法,FLVQ方法采用模糊C均值方法中的模糊权重函数在线自适应调整,来确定输入和中心之间的权值,使得网络具有更高的非线性逼近性能和高效的收敛性.理论分析和仿真结果均表明SRBF网络具有快速准确的DOA估计能力,算法便于工程实现,具有较高的实用价值.     

基于低秩矩阵近似的鲁棒DOA估计方法

针对非均匀噪声背景下传统非离散化方法在少快拍条件下波达方向（DOA）估计性能恶化的问题, 提出基于原子范数最小化和零化滤波器的非离散化参数估计方法. 该方法利用参数空间连续性构建基于原子集合的阵列信号稀疏表示模型, 将信号协方差矩阵的恢复问题转化为原子${\ell _0}$范数最小化问题. 基于信号协方差矩阵的厄米特托普利兹结构和低秩特性, 将原子${\ell _0}$范数最小化问题转化为实际可解的基于低秩矩阵近似的半定规划问题, 从而恢复信号协方差矩阵. 根据零化滤波理论通过求解零化滤波器系数获取DOA参数估计. 仿真结果表明, 在非均匀噪声和少快拍同时存在条件下, 该方法比现有同类方法具有更高的估计精度和鲁棒性. 在不同最大噪声功率比条件下,本文方法的均方根误差比现有方法平均减小59.4%.