基于分数低阶矩的空时最大似然DOA估计

为了提高现有基于分数低阶空时矩阵类算法的估计精度和其在低信噪比时的解相干性能,在对称α稳定分布噪声条件下,提出改进分数低阶空时矩阵用于独立信源DOA估计,基于分数低阶矩的空时最大似然算法用于相干信源DOA估计.仿真结果表明:针对独立信源,改进的分数低阶空时矩阵进行DOA估计的成功概率高于分数低阶空时矩方法;针对相干信源,分数低阶矩的空时最大似然算法的估计成功概率比SS-FLOM算法高,均方根误差比SS-FLOM算法小;新方法克服了空间平滑类算法严重损失阵列孔径的弊端,节省阵元.     

循环MUSIC算法的误差分析及改进

通过分析循环MUSIC算法信号模型的误差,考查载波频率、信号带宽、循环频率、阵元间距和波达方向(DOA)等因素对DOA估计性能的影响,根据分析结果提出在计算导向矢量时选择最适当的频率以减小偏差,改进估计性能.仿真结果表明上述与信号模型相关的因素对DOA估计的精度有一定影响,与理论分析一致,且证实改进算法有效.     

基于改进MUSIC算法的宽带DOA估计

经典MUSIC算法的统计特性主要建立在阵元数固定且快拍数趋于无穷的情况下,在有限样本中,当快拍数无法满足远大于阵元数的条件时,DOA估计会产生偏差.对于宽带信号的DOA估计,利用相干信号子空间(Coherent Signal-subspace Method,CMS)方法,构造聚焦矩阵使不同频率的信号子空间映射到同一参考频率上,用聚焦后的频域窄带模型进行DOA估计,并针对在实际应用中,阵列的阵元数较大且快拍数受限时经典MUSIC算法估计精度不高的情况,利用改进后的MUSIC算法-Spike-MUSIC算法,提高DOA估计精度.在不同信噪比下,分别对DOA估计的误差进行了MonteCarlo仿真实验,仿真结果表明,相对于普通的CSM方法,基于Spike-MUSIC算法改进的CSM方法在宽带DOA估计中具有更高的精度.     

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。     

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°。     

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.     

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.     

TR MIMO雷达低空目标DOA估计算法

为解决雷达对低空目标角度估计精度不高的问题,提出一种基于时间反转(TR)多输入多输出(MIMO)雷达的低空目标波达方向估计算法。该算法先利用TR技术的聚焦性能,获得回波信号矩阵;然后根据MIMO雷达波形的分集特性,推导出TR MIMO雷达的虚拟阵列形式;再通过行列复用,采用双向空间平滑(FBSS)算法解相干,有效地提高了低空目标的DOA估计精度。实验仿真结果表明:在信噪比为-10dB的条件下,该算法比传统MIMO雷达DOA估计算法的均方根误差平均减少了0.3°。     

非圆信号扩展传播算子DOA估计求根算法

为有效降低非圆信号DOA估计算法的计算量,提出了一种非圆信号DOA估计快速算法。该算法运用扩展传播算子和多项式求根方法来降低计算量。首先根据非圆信号特性构造出扩展阵列输出矩阵,并生成扩展协方差矩阵,然后不需要对协方差矩阵的特征分解,使用扩展传播算子方法得到估计的扩展噪声子空间,再利用均匀线阵的多项式求根方法快速求出目标的DOA估计值。对算法的性能仿真和计算复杂度分析结果表明,提出的算法不但其均方根误差性能与NC-root-MUSIC、NC-ESPRIT、NC-MSWF-MUSIC等快速算法相似,同时提出的算法还大大减小了非圆信号DOA估计MUSIC算法的计算复杂度,而且其计算复杂度小于上述提到的快速算法,实现了非圆信号DOA估计算法的快速估计。     

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.     

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。     

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。     

一种改进广义正交匹配追踪的DOA估计方法

针对传统匹配追踪算法的波达方向(direction of arrival, DOA)估计方法精度不高、收敛速度较慢等问题,提出一种改进广义正交匹配追踪(generalized orthogonal matching pursuit, GOMP)算法的DOA估计方法。通过空间网格划分建立DOA估计模型,在此模型基础上引入GOMP算法对接收到的信号进行重构,然后在原有GOMP算法基础上引入最速下降法,提出一种改进GOMP算法用于DOA估计中。与GOMP算法相比,改进算法使用运算简单的最速下降法进行信号重构,降低了重构算法的复杂度。仿真结果表明:改进算法成功地得到了DOA估计值,相对于传统OMP算法,改进算法具有更高的DOA估计精度,有效地减少了重构耗时,具有更高的估计性能。     

阵列误差下宽带信号DOA估计自回归迭代算法

本文基于MMSE准则提出一种新的在随机阵列误差条件下宽带信号波达方向(DOA)估计算法,并分析了随机阵列误差对算法的影响。将含有阵列误差的宽带信号通过窄带滤波器组转化为窄带信号,在MMSE准则下采用自回归迭代方法恢复窄带信号的稀疏表示,由此得到信号源个数和DOA估计。新算法不仅有超分辨率能力,而且不需要预先知道信号源个数,此外还能对相干信号进行DOA估计,对阵列误差有比相干子空间法更好的稳健性。计算机仿真验证了算法的有效性和稳健性。     

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.     

基于压缩感知的相干信号DOA估计算法

本文从稀疏信号重建的角度提出了一种相干信号波达方向(DOA)估计改进算法。稀疏信号重建主要受冗余字典中原子间干扰的影响。本文基于正交匹配追踪(orthogonal matching pursuit-OMP)算法通过设计感知字典削弱原子间干扰估计相干信号DOA。通过仿真验证算法的运行速度、DOA估计、估计值的最小均方误差(RMSE)与克拉美罗界(CRLB)对比,仿真结果验证了算法的有效性。本文所提方法运算复杂度低,且具有信源过载能力。     

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。     

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°.