基于相关矢量法L型阵列相干信号DOA估计

针对L型阵列提出了一种基于互相关矩阵的相关矢量(cross correlation matrix correlation vector method,CCM-CVM)重构解相干的波达方向(direction of arrival,DOA)估计算法。为了进一步提高估计精度,在此方法基础上又得到一种改进方法,即CCM-MCVM的方法。该方法基于前后向矢量重构理论,利用阵列互相关矩阵不含噪声的特点,把互相关矩阵的每一个列矢量作为前向矢量,通过对其前向矢量元素进行复共轭变换并颠倒顺序得到后向矢量。利用所有的前后向矢量来重构信号的协方差矩阵并提取信号的子空间,该方法相较于CCM-ESPRIT算法具有损失阵列孔径小,估计精度高的特点。理论分析和仿真结果表明了该方法在低信噪比和小快拍数条件下相较于对比算法具更好的估计性能。     

双L型阵列的二维DOA估计方法

针对双L型均匀线性阵列的二维到达角(direction-of-arrival,DOA)估计问题,提出一种基于扩展传播算子(propagator method,PM)的估计方法.该方法结合双L型天线阵列的结构特征,虚拟地将其划分为2个独立的L型子阵列,并对每个L型阵列的阵元输出数据重排整理.通过2次利用扩展孔径的传播算子算法,并依据均匀线性阵列的旋转不变性,得到4个包含角度信息的旋转矩阵.根据置换矩阵的性质,利用求最小范数的方法进行角度配对.该方法无需谱峰搜索步骤,计算量小.计算机仿真实验结果表明,该方法比现有一些文献中的估计方法的估计误差更小,角度估计性能更优,在不同信噪比和不同角度组合下都有良好的性能表现,有一定的实用价值.仿真验证了该方法的有效性和优越性.     

平面阵列的半实值MUSIC波达方向估计算法

针对二维波达方向(DOA)估计算法运算量大的问题,基于平面阵列提出一种优化后的半实值MUSIC算法,将问题转化为对目标与x轴、y轴的2个夹角的估计,首先提取接收信号协方差矩阵的实部,并对其特征值分解得到噪声子空间;利用Kronecker积降维得到搜索区域减半的MUSIC谱,估计入射方向与x轴夹角;接着利用最小二乘法得到目标与y轴夹角的估计值;最后根据角度的对应关系方程求得二维DOA的估计值。仿真结果表明,该算法在保证精度的同时显著减小了运算量,且算法估计性能与常规MUSIC算法相当。     

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.     

用V形阵列估计二维波达方向

提出了一种Ｖ形阵列,它可以分解为两个一致位移子阵列．由子阵列信息可以形成混合波达方向矩阵．在无需谱峰搜索的条件下,对混合方向矩阵进行特征分解,可以获得信号的混合方向矢量和方向元素．因此可以估计出信号的二维波达方向．本文方法不仅保持波达方向矩阵方法的优点,而且在一定程度上可以分辨来自于同一方位角或同一高低角的信号．     

累量域高分辨率二维波达方向估计算法

提出一种利用虚拟双线性平行阵进行累量域高分辩率二维波达方向估计的新算法。该算法将累量用于协方差的计算,构造了一个虚拟ＤＯＡ矩阵,并基于此矩阵进行波达方向估计。理论分析表明,对虚拟ＤＯＡ矩阵特征值分解,就可以得到源信号的二维ＤＯＡ估计。同时由于累量对高斯噪声的自然盲性,因而算法具有稳健性。该算法的另一特点是可以提供虚拟扩展孔径,提高了孔径的利用率。     

二维DOA估计中麦克风阵列优化设计

在DOA估计中,往往事先假设麦克风阵列的结构,然后通过改进DOA估计方法来提高定位精度,忽视了麦克风的摆放位置对 DOA 估计性能的影响。基于此,针对二维 DOA 估计,提出改进遗传优化算法,将空时滤波器系数和麦克风阵列结构分开,构造由二维 MUSIC空间谱函数欧式距离和优化后阵元个数共为变量的适应度函数,以 DOA 估计精度为停止条件,对均匀矩形阵、均匀圆形阵和均匀同心圆阵开展优化设计。仿真结果表明,采用所提方法优化后的阵列取得了较好的DOA估计性能。     

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.      

非规则部分校准阵列下的宽带LFM信号二维DOA估计

提出了一种宽带线性调频（LFM）信号的二维波达方向（DOA）估计新方法.该方法在空域和时域同时对信号进行采样,并利用观测样本的分数阶Fourier域峰值构造出新的时频空DOA矩阵,进而通过特征值分解的方法实现多个LFM信号的DOA估计.该方法充分地挖掘了观测信号所包含的时频信息,降低了对阵列结构和阵元一致性的约束,使其适用于阵元几何分布不规则且大部分阵元未经校准的阵列.此外,该方法无需谱峰搜索和二维参数配对,计算简单且估计精度较高.仿真结果显示,在DOA估计的均方根误差（RMSE）相同时,与传统方法相比,该方法可获得6～8 dB的信噪比增益.     

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.     

二维波达方向估计的非酉联合对角化方法

针对高斯白噪声中的二维角度估计问题,提出一种非酉联合对角化方法.该方法利用平移不变结构阵列信号子空间的旋转不变性,构造一组具有对角结构的空时相关矩阵,通过降维相关矩阵组的联合对角化,估计出阵列导向矢量矩阵,实现二维波达方向估计,所得二维角度能自动配对.该方法的计算量小于交替列对角化中心(ACDC)算法,且由于每步迭代具有精确的最小二乘闭式解,消除了ACDC算法的误差积累问题,其估计精度比二维旋转不变子空间方法和ACDC算法至少高5dB和2dB.     

子阵和相位平滑的相位差方向估计方法

针对相位差波达方向(DOA)估计方法(PDM)的均方根误差偏离克拉-美罗界较多的问题,提出了子阵和相位平滑的相位差方向估计方法(SUPDM).首先将阵列接收信号转换到频域,并把阵列划分为若干子阵,然后对各子阵中心频点处的频谱作相干平均后得到各子阵的输出频谱,再求取输出频谱的相位并进行纵向相位平滑,以平滑后相位的最大最小值的差值的倒数作为方向估计算子,最后采用角度搜索得到方向估计算子的峰值所对应的角度,即为SUPDM的方向估计结果.在不同信噪比和不同角度间隔下,SUPDM的方向估计性能均优于PDM,当存在频谱泄漏时,SUPDM的成功分辨率仍高于PDM和常规波束形成算法.仿真结果表明,在单源入射、信噪比为-5dB时,SUPDM比PDM的均方根误差小0.03°.     

平面六边形天线阵列波达方向估计

分析了智能天线自适应算法波达方向估计（DOA）问题,在一维MUSIC算法的基础上讨论了二维六边形天线阵列的空间谱并进行了Matlab仿真实验;仿真结果表明,六边形天线阵列不仅可以判断波达方向的俯仰角而且可以判断方位角;同时讨论了DOA算法的分辨率,与一维MUSIC算法相似,二维条件下六边形天线阵列具有良好的角分辨率,可以满足非相干信号的工程要求。     

基于L阵的分布式信源二维波达方向估计算法

研究了将相干分布式信源积分形式的方向向量化简为点信源方向向量与实向量的Schur-Hadamard积的方法,提出了一种基于L阵的相干分布式信源二维波达方向分离估计算法.利用阵列结构的特点首先估计仰角,然后构造基于Schur-Hadamard积的二阶统计量估计方位角,所利用的二阶统计量对噪声不敏感,具有较好的信噪比性能.该算法将二维波达方向联合估计简化为两步一维估计,有效降低了计算量.仿真实验验证了所提算法的有效性.     

基于特征矢量输入的神经网络测向方法

提出了一种新的基于特征矢量的采集输入数据方法，经该方法训练的径向基函数神经网络（RBFNN）可用于码多分址（CDMA）系统中多源信号波达角（DOA）的估计。该方法对信道噪声不敏感，能以较少的训练样本就可得到推广能力较好的神经网络。仿真结果表明，以新方法训练的RBFNN对多源信号DOA估计精度较高，实时性好，适用于CDMA通信系统的高分辨率测向。     

四四元数域低秩逼近及其在矢量阵列波达方向和估计中的应用

提出了新的多元数概念——四四元数,以及四四元数框架下特征分解和奇异值分解等信号处理领域常用的矩阵运算新规则.在此基础上提出了四四元数矩阵的一种低秩逼近算法,并将其用于矢量传感器阵列信号建模及波达方向(DOA)估计中.结果表明,四四元数特征分解及奇异值分解能获得比现有方法更好的低秩逼近性能,基于四四元数模型的矢量传感器阵列信号DOA估计算法,在资源占用、子空间逼近以及对模型误差的鲁棒性等方面均明显优于传统算法.     

一种新的基于多用户去相关的波达方向估计方法

以直接序列码分多址 (DS/CDMA)系统中的天线阵为背景 ,讨论了一种新的基于多用户去相关的波达方向 (DOA)估计方法 .该方法在基站对各用户波达时延估计的基础上 ,根据扩频序列表现出的周期性和非完全正交的性质 ,通过充分利用多址干扰部分表现出的信息 ,自相关处理后再去相关 ,进而同时实现对各用户的DOA、信号功率与噪声功率的精确估计 .该方法不是简单地将多址干扰部分当作噪声进行处理 ,而是通过去相关的方法来消除它们的影响 ,因此 ,该方法不仅在低信噪比下具有高估计精度 ,对系统中存在的远近效应的影响也有一定的抵抗能力 .仿真实验验证了该方法的有效性 .