复杂噪声中基于累积量的二维DOA估计

针对自相关算法的局限性,研究了复杂环境(乘法与加法观测噪声共存时)中,通过高阶累积量对二维DOA估计的问题.算法能同时确定目标的仰角与方位角;高阶累积量使得算法能够更加有效抑制消除乘法噪声.该方法对任何平稳的加性与乘性噪声均不敏感,因而具有较大的实用性.     

基于改进平滑 l 0 范数的 DOA 估计算法

为提高现有基于压缩感知的 DOA(Direction of Arrival)估计算法估计精度, 提出一种基于改进平滑 l 0 范数 的 DOA 估计算法。 该算法在构造一个恰当的平滑连续函数后根据接收数据的初始解确定一个合适的递减{δ} 序列[δ1 ,δ 2 ,…,δ J ], 并对每个δ 值, 采用最速下降法求解 l 0 范数逼近函数 Fδ (S)的最小值; 然后将该δ 值作 为下一次迭代的初始值, 并通过多次的迭代获得逼近函数的最小解, 即逼近的最小 l 0 范数。 同时通过仿真实 验对该算法进行了验证。 结果表明, 该算法在单快拍条件下即可对 DOA 进行有效估计, 与 OMP(Orthogonal Matching Pursuit)算法相比, 运算过程简单、 精度较高, 具有更好的估计性能。     

基于智能天线DOA估计方法

主要研究了基于智能天线的几种DOA估计方法，即旋转不变信号参数估计（ESPRIT）算法、多重信号分类（MUSIC）算法、加权子窨拟合9WSF）算法、最小范数（Min-norm）算法等。第三代移动通信已将智能天线技术作为其关键技术之一。通过理论和仿真实验相结合，将各算法与克拉美－罗限（Cramer-Rao Bound）比较，分析了基于智能天线DOA估计方法的性能。研究结果不仅有利于智能天线的研究与开发，而且有利于智能天线在移动通信中的应用。     

基于改进多重Toeplitz矩阵重构算法的二维DOA估计

针对相干信号源在二维波达方向（2-Dimensional Direction-of-arrival, 2D-DOA）估计中,多重Toeplitz矩阵重构方法在小信噪比时估计性能较差的问题,文章采用一种基于时空延迟的多重Toeplitz矩阵重构方法进行二维波达方向估计。该方法选用L型阵列结构,首先利用信号在时域和空间域内的强相关性以及噪声的弱相关性构造时空相关矩阵,然后结合多重Toeplitz矩阵重构方法重构时空延迟的多重Toeplitz矩阵达到去相干的目的,最后利用ESPRIT(Estimating Signal Parameter via Rotational Invariance Techniques)方法进行两次特征分解进而通过自动匹配来得到2D-DOA估计结果。通过在Matlab平台仿真,将该算法与多重Toeplitz矩阵重构算法,前后向空间平滑算法,ESPRIT算法以及前后向部分Toeplitz重构算法基于均方根误差（Root Mean Square Error, RMSE）和分辨概率（Probability of Resolution, POR）进行对比分析。结果表明本文提...     

L型阵列的二维DOA估计方法

低信噪比（signal-to-noise ratio,SNR）或小接收快拍数条件下,经典的二维（two-dimensional,2D）波达方向（direction of arrival,DOA）算法存在估计精度低的缺点。针对该问题,充分利用 L 型阵列接收数据的自、互相关信息,提出一种适用于低 SNR 及小接收快拍数环境下的2D DOA 估计新方法。该方法首先通过解析优化2D 谱峰搜索问题,获得方位角与仰角之间的特定约束关系,进而将包含2D 角度参量的目标函数转化为只包含一维（one-di-mensional,1 D）角度参量,即可通过1 D 谱峰搜索获得方位角（或仰角）估计值,最后再次利用该约束关系求得与之对应的仰角（或方位角）估计值。该方法只需1 D 谱峰搜索,而且所得2D 角度估计参数可自动实现配对。计算机仿真验证了该方法在低 SNR 及小接收快拍数情况下的有效性。     

二维快速子空间DOA估计算法

提出一种二维快速子空间DOA估计算法,该算法利用阵列协方差矩阵的一个子矩阵得到降维的信号子空间,不需估计整个阵列的协方差矩阵,也不需进行特征值分解,从而使得该方法具有运算量小、复杂度低和易于实时处理的特点,因而可以应用在小数据样本和快速时变的信号环境中.理论分析和计算机仿真结果表明:与MUSIC算法相比,该算法运算量最多为MUSIC算法的1/4,低信噪比条件下DOA估计性能损失并不大,当信噪比大于5dB时,性能与MUSIC算法相当.     

DFT在二维DOA估计的MUSIC法中的应用

波达方向DOA估计(Direction Of Arrival)广泛应用于各种空间滤波系统中,而MUSIC算法是DOA估计中的经典和实用的算法.但由于算法中需要进行各种矩阵运算,其计算量相当大.笔者提出了在阵元数为2i的均匀圆阵中,利用数据的循环特性,采用DFT(Discrete Fourier Transform)的计算方法,完成MUSIC法的空间谱函数二维谱峰搜索.同时,分析了该方法相对于传统MUSIC法谱峰搜索时计算量的改进,给出了仿真结果.改进后的MUSIC算法计算量可以减少到传统算法计算量的一半.     

基于自适应快拍数的DOA估计

在DOA估计中,为达到相同的估计精度,不同信噪比所需的快拍数是不一样的,低信噪比所需快拍数较多,高信噪比所需快拍数较少。然而传统DOA估计所采用的快拍数是固定的,造成无法选取适当的快拍数。研究了估计精度一定时,所需最小快拍数随信噪比的变化规律,提出了一种自适应快拍的DOA估计算法,该算法根据信噪比自适应选取合适的快拍数。分别以MUSIC算法、ESPRIT算法为例验证了本算法的有效性,仿真实验结果表明:当信噪比为15 dB时,MUSIC算法运算量降低6.7%,本文ESPRIT算法运算量降低61%;本算法估计精度比较稳定,低信噪比下,仍能保持较高的估计精度。     

基于LD分解的广义特征值DOA估计方法

对阵列输出的相关矩阵进行ＬＤ分解，可找到信号子空间，由此得出了估计信号源ＤＯＡ的一种新的方法－基于ＬＤ分解的广义特征值ＤＯＡ的估计方法。理论分析和计算机模拟结果表明本文提出的方法切实可行。     

基于布谷鸟搜索算法的最大似然DOA估计

为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题, 将布谷鸟搜索算法与最大似然算法相结合, 利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时, 改进了算法的位置迭代方式, 加快了收敛速度。仿真结果表明, 改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性, 估计性能较好。     

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。     

基于局部保持投影和RBF神经网络的DOA估计

提出了一种有效的降维构建方法改善来波到达角（DOA）估计的性能。该方法利用局部保持投影（LPP）对DOA估计用的神经网络的训练样本进行降维,以降低神经网络的复杂度,加快神经网络的训练过程。与常用的协方差矩阵上三角特征相比,在不损失有效方位信息的基础上,可以使特征维数极大地降低。数值实验表明,基于局部保持投影和神经网络的方法具有良好的估计精度和效率,同时对噪声也有较强的适应能力,能够很好地满足波达方向估计实时性的要求。     

基于RBF网络的扫描体制雷达DOA估计方法

针对传统扫描体制雷达无法分辨半功率波束宽度内存在多目标的问题,利用阵列信号处理的思想,把RBF神经网络理论应用于机扫雷达的DOA高分辨估计.首先给出了扫描体制雷达DOA估计的信号模型,提出了一种基于RBF网络实现扫描体制雷达DOA高分辨估计的SRBF算法.然后针对RBF网络存在的学习收敛速度慢等问题,给出了基于模糊学习矢量量化(Fuzzy Algorithm for Learning Vector Quantization,FLVQ)的网络学习算法,FLVQ方法采用模糊C均值方法中的模糊权重函数在线自适应调整,来确定输入和中心之间的权值,使得网络具有更高的非线性逼近性能和高效的收敛性.理论分析和仿真结果均表明SRBF网络具有快速准确的DOA估计能力,算法便于工程实现,具有较高的实用价值.     

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°。     

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。     

状态输入估计两段解耦Wiener滤波器

运用现代时间序列分析方法,基于ARMA模型和白噪声估值器,对一类控制输入存在不确知性的随机系统,提出了状态输入估计两段解耦Wiener滤波新算法,仿真例子说明了其有效性。     

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。