阵列信号处理中DOA估计的误差分析

多重信号分类法(即MUSIC算法)具有很高的分辨力、估计精度及稳定性,在阵列信号处理中对DOA(direction of arrival)的估计也一直是人们研究的热点。通过对MUSIC算法中影响DOA估计的误差因素进行分析和研究,讨论MUSIC算法的估计性能。理论分析和仿真结果表明,对非相关或相干信号,MUSIC算法是一种有效的测量目标方位角的方法。     

基于MUSIC算法的圆柱共形阵DOA估计

柱面共形阵由于其载体曲率的影响,导致在利用经典MUSIC(Multiple Signal Classification)算法进行DOA(Direction-of-Arrival)估计时,导向矢量与噪声子空间不正交,算法性能严重下降甚至失效。在考虑载体遮挡效应的同时,结合阵元的方向性,通过对导向矢量进行重构,解决了导向矢量与噪声子空间不正交这一问题。对比子阵分割MUSIC算法,进行了Monte Carlo仿真验证,分析了有向阵元MUSIC算法的估计性能。最后以多层圆柱阵为例对4个从不同方向入射的信源进行了DOA估计仿真验证。仿真结果表明：该方法具有分辨力高,估计精度高的优点,证明了该方法的有效性和高估计性能。     

基于MUSIC算法的信号DOA估计

本文利用一种改进MUSIC算法——空间平滑法来估计相干信号的DOA,该算法将天线阵列划分为均匀子阵,通过求各个子阵的协方差矩阵的均值实现对相干信号解相干,并对此进行了计算机仿真。     

一种相邻相干信号的DOA估计新方法

提出一种估计相邻相干信号方位的新方法.该方法首先对传统空间平滑算法得到的数据协方差矩阵进行修正,然后对修正后的协方差矩阵进行奇异值分解,由左奇异矩阵得到噪声子空间;再构造新数据协方差矩阵,进行奇异值分解得到噪声子空间;最后取两次噪声子空间的平均值得到噪声子空间,利用MUSIC算法找到极大值对应的信号方向.计算机仿真表明,该方法能有效地估计出小信噪比下角度相隔较小的相干信号.     

调频信号DOA估计的研究

针对传统信号DOA估计技术的不足,采用近年来时频分析技术与传统DOA估计相结合的估计方法—时频MUSIC,对线性调频信号进行DOA估计,得到了较传统DOA估计方法精度高的估计结果,并简叙了这种方法的主要基本思想及适用背景。     

基于空间平滑MUSIC算法的智能天线DOA估计方法

波达方向(DOA)估计是智能天线系统中的关键技术之一,在研究基于MUSIC算法的传统DOA估计的基础上,提出了一种基于空间平滑技术MUSIC算法的DOA估计方法。仿真结果表明,对于相干信源,采用空间平滑MUSIC算法,能够得到尖锐的谱峰和较高的分辨率。     

阵列天线阵元位置误差的校正算法

天线阵元位置误差会对接收信号相位有很大的影响。接收信号相位误差会使高精度的信号波达方向估计性能恶化甚至失效,因此在实际系统中对阵元位置误差进行校正是非常有必要的。该文提出了一种基于多重信号分类算法的不需已知准确信号源方位的校正算法。该算法适用于任何形式的阵列,稳健性较好。实验仿真分析证实了该算法的有效性,并根据实际测向系统取得的数据对系统的天线位置进行了校正,实验取得较好的结果。     

线性阵列DOA估计方法的研究

比较了不同阵列类型的优缺点,阐述了MUSIC算法在全角域搜索时存在的不足,分析了互质线性阵列中基于子阵列法的DOA估计存在的不足,把互质线性阵列分解成两个子阵列会丢失自由度和互信息量。最后,对三种不同阵列结构下使用Root-MUSIC获取DOA估计的方法,从精确度和复杂性两方面进行了仿真并对仿真结果进行了分析。     

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。     

基于频率不变性的改进MUSIC算法的DOA估计

针对传统的波达方向估计（DOA）精度较低的问题,文章提出了一种基于频率不变性的改进多重信号分类方法（Multiple Signal Classification,MUSIC）的算法。该算法利用均匀同心圆阵列先将阵列接收到的数据进行预处理,再使用本文中所提出的改进的MUSIC算法来估计波达方向。改进MUSIC算法是在传统MUSIC算法的原噪声子空间的基础上,依次向信号子空间多取一个特征向量,形成一系列的子空间,加入原来的空间谱估计公式当中,构成新的空间谱估计公式。仿真结果表明,使用改进的MUSIC算法得到的空间谱图的波峰值比传统MUSIC算法增大了85.47 dB,提高了系统的分辨率。     

天线阵通道不一致及阵元间互耦的有源校正法

在超分辨测向领域模型误差往往会导致系统性能的急剧下降,因此必须进行有效的校正。首先研究了借助于单个辅助信号源来校正模型误差的方法,对它的原理进行了详细的推导和分析,最后通过计算机模拟结果来证明其可行性。     

CDMA通信信号的波达方向估计

通信信号或雷达信号的波达方向估计常采用MUSIC算法,但是传统的MUSIC算法不能适用于相关信号处理.针对CDMA通信信号的DOA估计问题,采用一种空时二维平滑处理算法,在空间平滑技术的基础上,结合时间平滑处理.该算法在确保估计准确性的前提下能有效减小计算量,更适合实时处理.仿真结果验证了这种改进算法的有效性.     

一种多分辨率DOA估计的小波包算法

根据MUSIC算法在信号波达方向(DOA)较近或相干时性能迅速下降的情况,提出了一种多分辨率信号波达方向估计的小波包算法基于子带分解的MUSIC算法(SB MUSIC)·算法对全带信号进行子带分解,并根据最优基选取准则选择最优叶节点,然后对每个叶节点应用MUSIC算法进行谱估计·研究表明子带分解具有提高信噪比(SNR)和放大频率间隔等优点·考虑到算法应用时只有全带频率才有意义,提出了子带频率向全带频率映射的方法·仿真证明,SB MUSIC不仅提高了特征子空间方法的分辨率,而且在子带划分适当时,具有一定的信号去相关能力,并且子带谱的估计成功率和谱平度都高于全带谱·     

基于引力搜索算法的相干信号源DOA估计方法

针对最大似然(ML)DOA估计方法存在着运算量高且容易收敛到局部极值的问题。结合引力搜索算法(GSA)与最大似然方法,提出了一种GSA-ML方法。将最大似然函数作为GSA算法的适应度函数,在遵循ML方法的主体思想同时,利用GSA算法运算量低和收敛速度快的优点,成功地找到似然函数的全局最优解;并保存了ML方法的优点。仿真结果表明,GSAML方法不仅能有效估计相干信号源;并且相比MUSIC、ESPRIT和TLS-ESPRIT算法,拥有更高的精度和估计成功概率。     

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.     

均匀圆型声矢量阵的四元数二维波达方向估计

为提高声场空域中目标参数估计的精度, 将四元数理论应用于均匀圆型声矢量阵列的二维空间角度估计中, 建立了基于四元数模型的信号接收模型, 推导了圆型声矢量阵的四元数导向矢量, 给出了二维波达角估计的四元数域空间谱算法。考虑算法的软硬件可实现性, 理论分析了算法的内存占用空间和计算量。此外, 分析了圆阵半径对侧向性能的影响, 为实际工作中圆阵的半径选取提供了一定的依据。仿真结果表明, 基于四元数模型的MUSIC(Multiple Signal Classification)算法的分辨力较高, 抗干扰能力较强, 提高了信号参数估计的精度。     

基于子空间旋转的信号频率和波达方向同时估计方法

针对宽频段窄带信号,利用时间平移构造伪数据矩阵,同时,将伪数据矩阵信号子空间进行旋转,并通过对构造的信号空间矩阵进行特征分解,提取导向矢量矩阵和旋转因子中所包含的角度和频率信息,从而直接获得频率和波达方向（DOA）的同时估计,计算机仿真表明,该方法在中等信噪比下是有效的,且无需搜索过程和配对处理。