波达方向估计的一种改进SVD算法

本文主研究智能天线算法中的关键技术波达方向估计（DOA）。针对相干信号源的信号子空间与噪声子空间相互渗透,导致空间协方差矩阵缺秩从而经典算法失效的问题,本文基于奇异值分解（SVD）算法,提出了一种改进的SVD算法。该算法利用入射信号矩阵的最大特征向量元素包含所有入射信号信息的性质,进行矩阵重构,并对重构矩阵进行特征值分解得到噪声子空间和信号子空间,最后利用经典谱估计算法得到相干信源的入射方向。仿真试验结果表明改进SVD算法性能优于原始算法。     

一种适合任意阵列流型的相干信号波达方向估计算法

针对多径环境中相干信号波达方向(DOA)估计问题,提出了一种适合任意阵列流型的相干信号波达方向估计算法(DOA-CSAA).先通过联合使用时域和空域相关函数估计出每个用户组的广义导向矢量,再估计出每个用户组内多条路径上的波达方向.由于DOA-CSAA算法所利用的信号的空域相关信息和时域相关信息均为信号的二阶统计量,因而运算量远小于基于四阶统计量的算法.此外,DOA-CSAA算法由于未使用子空间平滑算法,所以不受阵列流型限制,且阵列孔径没有降低,因此当使用M个阵元的任意阵列流型时,可估计出的DOA个数最多可达M(M-1)个.仿真实验表明,与经典子空间平滑算法相比,DOA-CSAA算法在均方根误差为10-4～10-3时可获得20 dB左右的信噪比增益.     

SαS噪声环境下的宽带信号二维波达方向估计算法

为克服在SαS噪声环境下的DOA估计方法没有考虑宽带信号的情况,在分析SαS噪声环境下宽带信号阵列输出矩阵性质的基础上,将时域方法与频域方法有机结合起来,通过构造L型阵列的各频带的分数阶累计量,将一维宽带信号阵列模型拓展到二维,并利用CSM聚焦算法,通过k个聚焦矩阵T(fk)把不同频率处的方向矩阵变换到同一参考频率f0下的矩阵,采用改进的分数低阶矩阵(MFLOM)来作为共变矩阵的估计子.实现了SαS噪声环境下的宽带信号的二维波达角估计,通过仿真分析证明了该算法的有效性.     

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。     

一种水声宽带双曲调频信号波达方向估计方法

提出了一种基于短时分数阶傅里叶变换的水下宽带双曲调频信号波达方向估计方法.建立了均匀线列阵声呐远场宽带双曲调频信号接收数据模型,在时域将接收信号进行分时段处理,对每一段短时信号分别进行分数阶傅里叶变换,将时域阵列接收数据转化成多段短时分数阶傅里叶域阵列数据,同时将多个时段的时变阵列流形矩阵变换成与每个时段一一对应的多个固定阵列流形矩阵.利用多重信号分类算法估计各短时信号的空间谱,应用求和运算进一步得到整体时段双曲调频信号空间谱,通过谱峰搜索实现对双曲调频信号的波达方向估计.通过仿真实验与分析,对该方法的水声双曲调频信号波达方向估计的有效性进行了验证,分析了该方法在阵列接收信号时域分段数、信噪比、目标方位等参数变化条件下的性能.与传统方法相比,该方法具有更高的方位分辨率和估计精度.     

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.     

一种基于神经网络的宽带相干信号波达方向估计方法

相干信号子空间处理方法（ＣＳＭ）是一种通过构造聚焦（ｆｏｃｕｓｉｎｇ）矩阵来估计宽带相干源波达方向（ＤＯＡ）的有效方法．本文基于逆传播（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）学习算法，给出了一种用神经网络来实现聚焦过程的新颖方法．利用这种方法进行ＤＯＡ估计，可以无需预先知道源信号初始信息，不经预处理过程即可获得对ＤＯＡ的高性能估计     

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。     

未知互耦条件下相干与非相干混合信号的波达方向估计

针对阵列互耦对导向矢量的扰动,以及信号相干性对数据协方差矩阵造成的秩损致使超分辨波达方向(DOA)估计算法性能变差甚至失效的问题,提出了一种在相干与非相干信号混合状态下无需阵列互耦补偿的DOA估计算法.其中:仅截取部分阵元的接收数据,即可达到阵列互耦自抑制的目的;对数据协方差矩阵进行特征分解,利用所得特征矢量重构等效协方差矩阵,并对等效协方差矩阵进行奇异值分解,基于多重信号分类法或信号参数估计的旋转不变子空间技术完成混合信号的DOA估计;并利用计算机进行数值仿真以验证算法的有效性.结果表明,在阵列互耦未知的条件下,所提出的算法能够正确估计信号的DOA,无需互耦参数的估计或补偿.     

采用 RWT的信号波达方向估计方法

针对宽带多线性调频信号波达方向（DOA）估计精度低的问题,提出了一种基于Radon-Wigner变换（RWT）和多重信号分解（MusIc）的信号DOA估计方法．该方法首先利用RWT在多目标环境下能够有效抑制交叉项干扰和噪声,具有很好的时频汇聚性特点,通过峰值搜索提取信号的初始频率和调频斜率;然后将信号阵列的时变方向矩阵...     

基于MUSIC算法在空间信号波达方向估计中的研究

多重信号分类是信号处理的一个重要分支。本文主要介绍了采用MUSIC方法实现信号分类,通过编写一个music方法的噪声子空间法来对空间信号的波达方向进行估计。通过实验程序与matlab自带函数pmusic所获得的结果进行比较,说明了要获得一个比较好的DOA估计,必须控制信噪比,当然多用一些阵元以及多一些快拍数也能进一步地提高估计的效果。     

有色测量噪声下的输入白噪声估计算法

由于在实际工程中,测量噪声并不是白噪声而是时间相关的有色噪声．本文通过建立等效测量方程提出了测量噪声是有色的情况下输入白噪声的估计算法．     

阵列信号建模和波达方向估计方法

建立了均匀线阵和均匀圆阵模型,构造阵列接收信号的自相关矩阵,并用MUSIC算法得到来波方向估计.分别以1个信号、2个信号和3个信号的均匀线阵和均匀圆阵为例,通过MATLAB编程进行仿真实验.结果表明,来波方向的估计值与真实值之间的误差很小,证明了MUSIC算法用于来波方向估计的实用价值.总结了阵列信号处理中的几个关键技术和存在的问题.     

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。     

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.     

基于盲源分离算法的阵列信号波达方向-频率估计

盲信号处理已成为近年信号处理和神经网络热点领域,主要用于语言信号处理,应用于雷达信号处理并不多见.确定空间辐射源的波达方向(DOA)和频率是雷达阵列信号处理的基本问题之一,近20年来许多学者提出了性能各异的算法,其中有代表性的是多信号分类法和旋转不变技术的参数估计法.近年来,越来越多文献将盲源分离算法应用到阵列信号处理中,开辟了一条DOA估计的新道路.本文首先给出了一种用来盲分离复数信号的盲源分离算法,结合该算法,提出了可同时估计波达方向、频率的波达方向-频率盲估计算法.盲源分离算法是基于负熵的快速定点算法,不需要给出复数信号的概率密度函数,具有收敛速度快,鲁棒性强等特点.本文证明了波达方向-频率盲估计算法的收敛性.仿真研究表明新的波达角估计算法的特点:1)估计算法是有效并且鲁棒的;2)估计算法能从含噪声的阵列接收信号中同时估计出辐射源波达方向和频率;3)估计算法能将雷达杂波和目标回波分离.     

基于神经网络智能天线的一种波达方向估计方法

该文提出利用径向基函数神经网络来估计无线通信中智能天线的信号到达方向．为了减少输入，利用信号相关阵的对称性质，仅考虑相关阵中的上三角或下三角的部分元素作为网络的输入量，计算量较小．计算机模拟结果表明，该方案是有效的．     

基于ESPRIT的ULA波达方向估计改进算法

针对MUSIC(Multiple Signal Classification)算法和ESPRIT(Estimated Signal Parameters via Rotational -Invariance- Technique)算法不能有效估计相干信源波达方向的问题, 在修正MUSIC算法（Modified MUSIC）基础上, 通过引用变换矩阵, 在考虑阵列接收数据及其相应变换矩阵的自相关和互相关信息后, 结合总体最小二乘算法TLS-ESPRITS（Total Least-Squares ESPRIT）提出了能同时适应相干和非相干信号情况的波达方向估计的改进ESPRIT算法（IM-ESPRIT: Improved ESPRIT), 并在相干信号源来波角度间隔较小和低信噪比条件下, 同常规CC-ESPRIT(Cross ESPRIT)算法进行比较。结果表明, 当相干信源角度间隔为3°且信噪比为0时, 实现波达方向估计具有较好的估计精度和分辨率。     

基于角信号子空间的波达方向估计方法

常规多信号分类(MUSIC)在估计信号或噪声子空间时未利用阵列的方向矢量信息.为改善波达方向(DOA)估计性能,提出一种新的角信号子空间概念.首先,由Gram行列式和超维空间中多面体体积公式,给出常规MUSIC方法的几何解释.其次,利用阵列响应矢量扩展观测数据矩阵,在每个搜索方向由增广数据矩阵的奇异值分解获得角信号子空间估计.理论分析表明,常规MUSIC零谱相当于超维空间中由阵列观测数据矢量和搜索方向矢量决定的多面体体积.仿真实验表明,利用角信号子空间能够较明显地改善DOA估计性能,特别是信号相关、信噪比较低以及快摄数较小的情况.     

阵列信号波达方向-频率的同时估计方法

入射信号的参数估计是阵列信号处理中的基本问题．基于阵列信号处理中高分辨率波达方向－频率的同时估计问题,提出了针对等距线阵的方法．利用时延数据,以时间变元作为旋转因子,在此基础上实现ＥＳＰＲＩＴ技术,对波达方向和频率同时进行估计．方向和频率之间的配对问题可以对应关系自动解决．这样不但可以完全避免多项式搜索,运算量少,而且分辨率也相当高．给出的计算机模拟实验证实了该方法的有效性．