增元通道增益不一致情况下一种新的DOA快速估计算法

提出一种在阵元通道增益不一致情况下多个空间窄带信号波达方向(DOA)的快速估计算法。与传统DOA估计算法完全不同,该算法通过对阵列输出数据的快速傅立叶变换(FFT),建立了FFT频谱与波达方向角的关系;利用这一关系并通过对FFT谱峰的搜索,从而实现了对波达方向的快速估计。讨论接收阵列阵元通道增益不一致对算法的影响,计算机模拟实验验证了算法的可行性。     

基于FFT预估计的宽带信号DOA估计

将离散傅立叶变换（DFT）运用到宽带阵列信号处理中,对等距线阵接收的信号进行波达方向（DOA）估计,解决了基于聚焦的宽带信号DOA估计中预估速度较慢的问题.该方法能快速预估出DOA,与采用传统的波束形成法预估相比,计算速度大大提高.用该方法预估后再对波达方向作高精度估计,仍具有对信号的超分辨特性.计算机仿真结果表明此方法可以运用到宽带信号处理中,计算量与传统的波束形成法相比大大减少.     

基于FFT预估计的宽带信号DOA估计

将离散傅立叶变换（DFT）运用到宽带阵列信号处理中,对等距线阵接收的信号进行波达方向（DOA）估计,解决了基于聚焦的宽带信号DOA估计中预估速度较慢的问题。该方法能快速预估出DOA,与采用传统的波束形成法预估相比,计算速度大大提高。用该方法预估后再对波达方向作高精度估计,仍具有对信号的超分辨特性。计算机仿真结果表明此方法可以运用到宽带信号处理中,计算量与传统的波束形成法相比大大减少。     

基于均匀圆阵的信号源DOA估计方法

该文研究了基于均匀圆阵阵列的信号波达方向向估计问题，对一维角度估计采用MUSICK算法，通过谱峰搜索得到信号的方位角；对二维角度估计采用模式激励法，对均匀圆形阵列的输出信号进行模式激励，其使阵列流形具有类似于均匀线性阵列的列式，在此基础上，对波达矩阵进行分解，由各特征值对应的特征向量处理得到对应信号的到达方向，给出的计算机仿真结果证实了它们的有效性。     

混合信号情况下基于均匀线阵的测向方法

基于均匀线阵,在不相关信号和相干信号共存的情况下提出了一种有效的测向方法.不相关信号的波达方向通过采用传统的多重信号分类方法(MUSIC)首先被估计.然后,利用空间差分矩阵构造了一个新的矩阵,通过对这个新构造的矩阵运用前向空间平滑技术进行处理就可以完成对相干信号的测向.提出的方法克服了空间差分方法内在的问题,其所处理的信号个数可以多于阵元的个数并具有良好的性能.     

未知互耦条件下的均匀线阵波达方向估计算法

基于互耦矩阵的特殊结构,提出了两种在未知互耦条件下改进的均匀线阵波达方向估计算法.为了提高在未知互耦条件下波达方向估计算法的性能,提出了一种采用空间平滑的改进算法.由于未采用迭代算法,从而降低了算法运算复杂度.仿真实验证实了该算法的有效性.     

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。     

基于抵消干扰信号相关阵的DOA估计

讨论了异步直接序列码分多址(DS-CDMA)系统中多用户环境下的波达方向(DOA)估计问题,针对路径总数大干天线阵元数这一问题,提出了一种有效的DOA估计模式．通过抵消干扰信号的相关阵,可方便地提取出感兴趣信息;此时,采用传统的DOA估计算法即可逐次估计出各DOA信息．为改善系统性能,本文提出了2种改进措施：Mahalanobis变换法及矩阵点除算法．前者能够大幅度地提高估计精度,而后者则可避免特征值分解运算,大大降低算法复杂度．仿真实验验证了算法的有效性．     

基于Y形阵的宽带信号波达方向估计研究

理论分析表明,Y形阵具有所需阵元少和在DOA估计的范围内其估计性能基本保持一致等优点,是角度一致性和阵元数的较好折衷,在阵元数受限和对角度一致性要求较高的场合具有较高的应用价值。为了研究Y形阵在宽带信号的DOA估计中的性能,将Y阵与双边相关变换算法相结合,对多个宽带相关信源进行DoA估计。计算机仿真实验结果验证了上述理论分析的正确性。关     

基于非圆信号的互质阵列欠定DOA估计方法

针对欠定波达方向（direction of arrival,DOA）估计问题,研究了一种基于非圆信号的互质阵列DOA估计方法.对互质阵列输出互协方差矩阵和椭圆协方差矩阵进行向量化处理,通过数据重新链接并去冗余得到一个虚拟均匀线阵输出数据,实现阵列的充分扩展且扩展后的虚拟阵元进一步得到增加;结合入射信号的空域稀疏性,在连续角度域将DOA估计问题转化为一个连续稀疏重构问题,有效避免了传统稀疏重构算法中由于角度域离散化所导致的基不匹配问题对估计性能的影响;通过求解相应的凸优化问题以及多项式求根实现DOA的估计.理论分析和仿真结果表明,该方法具有阵列扩展能力强、估计精度和分辨性能高等优良性能.      

阵列天线MC-CDMA系统用户波达方向估计

提出了一种阵列天线MC-CDMA系统用户波达方向估计算法.该算法首先利用MC-CDMA系统用户扩频码的正交性、子载波频域分集性,进行用户信号的分离、多址干扰的抑制和用户信号的增强,然后再通过传统波达方向估计的子空间算法实现用户信号波达方向的估计.仿真结果显示所提出算法在估计阵列天线MC-CDMA系统用户波达方向时,波达角估计误差很小,表明了算法的有效性.     

基于四阶累积量虚拟阵列扩展的DOA估计

针对Music-like方法能很好地扩展阵列孔径,但计算量较大的问题,提出了一种虚拟阵列扩展的新方法。该方法基于四阶累积量孔径扩展的性质,由实际阵元的坐标与方向矢量直接计算出虚拟阵元的坐标与方向矢量,利用两种阵元坐标之间的关系构造四阶协方差矩阵,运用MUSIC(Mu ltip le S ignal C lassification)算法对非高斯独立信号源进行DOA(D irection of Arrival)估计。该方法在任意阵列的情况下,对非高斯独立信号源进行一维与二维DOA估计,均能准确估计出多于实际阵元数目的方向角与仰角。实验表明,对一N元阵列,该方法最多能够扩展N2-N 1个虚拟阵元,能够估计出N2-N个非高斯独立信源,提高了阵列的空间分辨能力,有效抑制了高斯噪声的干扰,减少了高阶累积量协方差矩阵的计算量。     

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.      

均匀圆形阵列的联合二维角度-频率估计

研究均匀圆形阵列的联合二维角度-频率估计问题.基于数据矩阵的重新排列、信号子空间的实数化处理、复数移不变方程以及联合特征值估计,推导出联合估计参数的ESPRIT类算法,该算法将参数估计问题转化为3个具有实特征值的实数矩阵的联合特征值估计问题.通过同时对角化算法估计矩阵的联合特征值,获得了参数联合估计的强可辨识性,即允许信号参数在任何一维任意重复,并可以使估计参数实现自动配对.理论分析和仿真证明了所提算法的有效性.     

基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计

针对传统算法进行DOA估计时因删除重复虚拟阵元而造成有效信息损失、估计性能不佳等问题,提出基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计算法。首先,将一组密布均匀线阵和一组稀疏均匀线阵分别以零点为中心对称排列,构成单基地MIMO雷达的发射阵列和接收阵列,将传统的虚拟阵元由“差联合”结构变成对称“和联合”结构形式,提高了系统的自由度、降低了阵元互耦,并将其应用于非相干目标和全相干目标DOA估计;其次,向量化样本协方差矩阵,将“和差联合”阵列重复的虚拟阵元进行冗余平均处理后重构Toeplitz矩阵;最后,结合MUSIC算法进行非相干目标DOA估计,有效提升了目标估计个数和角度估计性能。仿真实验验证了阵列结构和算法的有效性。     

柱面共形阵列DOA与极化参数高效联合估计算法

针对共形阵列天线信源方位与极化状态联合估计算法计算量大的问题,给出了一种基于多级维纳滤波器前向递推的柱面共形阵列天线信源方位与极化参数高效联合估计算法.新算法推导了柱面共形阵列天线多级维纳滤波器的前向递推.算法以某一期望信号的训练信号为已知条件,通过多级维纳滤波器的前向递推,来实现信号子空间和噪声子空间的快速估计,避免了协方差矩阵估计与特征值分解,大大减少了已有联合估计算法的运算量,使计算量由原来的O(N3+N2L)降低到O(N2L).仿真实验表明:算法在降低算法复杂度的同时,可保证算法的估计精度,在信噪比大于10 dB时,与已有算法具有近似相同的估计精度,证明了算法的有效性.     

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。     

基于深度卷积神经网络的DOA估计

针对现有均匀线阵远场窄带非相干多目标估计算法对低信噪比、少快拍情况适应性差、运算复杂度高，以及现有深度学习方法难以有效提取数据复值特征的问题，提出基于深度卷积神经网络的波达方向估计方法。该方法将波达方向估计问题转换为阵列输出协方差矩阵到目标到达角度的逆映射问题，利用阵列输出协方差矩阵的Hermitian特性，提取其上三角阵的实部、虚部及相位特征，构造网络的输入数据，搭建包含三维卷积层的深度卷积神经网络用来提取数据特征，网络的标签对应目标的到达角度，从而实现多个信源的波达方向估计。试验仿真表明:该方法可以充分提取空间特征，提高波达方向估计精度并降低算法复杂度。所提方法在低信噪比、少快拍数的情况下，其估计精度明显优于MUSIC、ESPRIT以及ML算法。