采用信号子空间稀疏表示的DOA估计方法

利用目标辐射源空间分布的稀疏性,提出了一种基于稀疏表示的多快拍联合波达方向(direction of arrival, DOA)估计方法。该方法首先利用采样数据矩阵大奇异值对应的左奇异向量估计信号子空间,然后采用加权迭代最小方差方法对信号空间进行稀疏表示。与传统的角度高分辨估计方法不同,该方法没有利用样本的统计信息,因而对具有任意相关性的信号源能进行有效的波达方向估计,不需要进行去相关处理,且具有很高的分辨力及估计精度。实验表明在该方法能准确的对目标源方位进行估计,且极大地降低了稀疏表示的计算量。     

基于压缩感知的米波雷达低空测角算法

为解决多径环境下米波雷达对低空目标探测问题,本文结合信号空域稀疏性和多径模型下的复合导向矢量提出了一种多径环境下高分辨的低空测角方法,能够有效地克服多径效应问题。该方法首先利用多径模型下的先验信息产生复合导向矢量,然后利用该导向矢量构造压缩感知矩阵,此时的感知矩阵是整合了多径衰减系数和回波角度关系等先验信息,同时通过对多快拍数据矩阵的奇异值分解获得较高信噪比的信号数据矩阵,继而利用感知矩阵和信号数据矩阵建立最优化L1范数约束求解模型,最后利用凸优化工具求解稀疏空间谱,估计直达波和反射波入射角度值。该方法能够增强信息矢量稀疏性,在较低信噪比下可获得高分辨的角度估计性能。仿真实验证明了该方法的优越性。     

基于凸约束下泰勒估计的主瓣干扰抑制算法

针对真实信号协方差矩阵估计难以直接获取及低快拍条件下传统采样协方差矩阵存在较大误差的问题,提出了基于凸约束下泰勒估计的抗主瓣干扰波束形成算法。该算法首先利用凸约束下的泰勒估计法在低快拍数条件下对信号协方差矩阵进行估计。其次利用多信号分类算法进行波达方向估计,筛选主瓣干扰对应特征矢量。而后利用特征投影矩阵法对主瓣干扰进行抑制。最后,通过添加线性约束获得权值矢量进行波束形成。仿真结果显示,在低快拍数条件下,所提算法对信号协方差矩阵具有更高的估计精度,波束形成性能稳健且具有更高的输出信干噪比。     

基于稀疏表示的平行互素阵二维测向方法

针对传统平行阵二维测向自由度低问题,提出一种改进型平行互素阵,基于稀疏表示方法和最小二乘法来估计目标方位。该方法首先利用改进型互素阵构建双平行稀疏阵列,计算平行互素阵的互协方差矩阵。然后通过矢量化处理,利用重排,去冗余处理生成较大孔径的虚拟阵列,将二维波达方向(direction of arrival,DOA)估计问题降维为一维DOA估计问题。进一步将一维DOA估计问题转为复数信号稀疏重构问题,并利用二阶锥规划来进行求解,通过峰值搜索得到方位角信息。最后利用方位角来构建方向矩阵,通过最小二乘方法求解俯仰角。该方法可以在没有目标先验信息的条件下,能够准确估计目标方位,且能够实现自动配对。相比传统的平行均匀线阵以及平行互素阵,该方法扩展了阵列虚拟孔径,提高了估计精度,能够辨识更多的目标源。实验仿真验证了该方法的有效性。     

稀疏阵列的鲁棒矩阵填充DOA估计算法

稀疏阵列布阵灵活,增大阵列孔径的同时还能减少阵元间耦合,但基于稀疏阵列的传统波达方向估计会导致角度模糊混叠,带来估计精度差和稳健性不足的问题。针对以上问题,提出一种适用于稀疏阵列波达方向估计的加权截断奇异值投影(weighted truncated singular value projection, WT-SVP)的鲁棒矩阵填充算法。在填充迭代过程中根据奇异值的大小分配权重,突出大奇异值包含的阵列信息,减少小奇异值中不必要的噪声信息,从而优化传统奇异值投影算法。该算法可以实现稀疏阵列的孔洞信息恢复,对不连续阵元充分利用,同时WT-SVP填充算法实现了稀疏阵列波达方向估计的高精度、高分辨以及在低信噪比、低快拍时的高鲁棒性。     

基于子空间的后验稀疏约束迭代DOA估计方法

子空间波达方向 (DOA)估计方法的一个缺点是在子空间分解过程中难以利用信号的相关信息或有关DOA估计的先验信息改善DOA估计的性能。结合子空间方法和协方差矩阵拟合方法 ,利用信号相关信息和DOA估计的稀疏约束信息 ,研究了一种新的不相关窄带信号DOA估计方法。理论分析和仿真实验结果表明 ,这种迭代DOA估计方法一般经过几次迭代就能获得稳定的高分辨率DOA估计。     

准平稳信号的Khatri-Rao积联合稀疏分解DOA估计方法

针对准平稳信号的波达方向估计,提出一种基于Khatri-Rao（KR）积的联合稀疏分解算法。该算法借助KR积将阵列接收数据表示成多个虚拟联合稀疏测量矢量模型,通过求解联合稀疏反问题实现波达方向估计,给出了联合稀疏反问题的唯一性条件,解决了当前稀疏分解方位估计不能处理欠定情况的问题。仿真实验验证了算法的有效性,在低信噪比下获得了更高的分辨率。     

一种不依赖超参数的稀疏信号单快拍DOA估计方法

基于传感器阵列输出模型的稀疏重构,研究了利用单快拍数据进行相干信号波达方向(direction-of-arrival,DOA)估计的问题.定义一个干扰协方差矩阵作为权矩阵,通过加权最小二乘(weighted least squares,WLS)准则的迭代自适应求解,实现单快拍DOA高精度估计算法,简称WLS-IAE算法...     

均匀圆阵相干信源二维波达方向估计

提出一种基于弹载双均匀圆阵（uniform circular array, UCA）的相干信源二维波达方向（direction of arrival, DOA）估计算法。算法首先沿轴向对阵列进行虚拟平移,利用空间平滑技术处理数据以恢复协方差矩阵的秩,实现相干信号解相干,再依据轴向双圆阵列的结构特点构造波达方向矩阵,对波达方向矩阵进行特征值分解可得到包含俯仰角信息的特征值和包含俯仰角信息与方位角信息的特征矢量,完成相干信源DOA估计。算法将波达方向矩阵法引入均匀圆阵,估计参数自动配对,同时避免了常规算法的二维谱峰搜索,实时性好。仿真结果表明,与矩阵重构的均匀圆阵旋转不变子空间（uniform circular array estimation of signal parameters via rotational invariance techniques, UCA-ESPRIT）算法相比,本文算法计算量较小,分辨率高。     

单次快拍波达方向矩阵法

提出了一种新的基于阵列系统单次快拍数据的相干信源二维波达方向(direction of arrival, DOA)快速估计方法--单次快拍波达方向矩阵法(single snapshot DOA matrix method, SS-DOAM)。该方法保持了原DOA矩阵法无需二维谱峰搜索和参数配对的优点,利用阵列系统结构特点,构建单次快拍数据矩阵,通过对单次快拍波达方向矩阵进行特征分解,解决了二维DOA估计问题并实现了相干信源完全解相干。由于该算法只利用一次快拍数据,不需要快拍累计和进行相关运算,计算复杂度大幅降低,适用于对二维DOA估计实时性要求高的应用背景。针对单快拍算法在低信噪比时估计误差较大的问题,进一步提出了利用同相数据叠加来改善估计精度的对策。仿真结果证明了该方法的有效性。     

基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

幅度相位误差条件下的互质阵列DOA估计方法

针对基于互质阵列的欠定波达方向(direction of arrival, DOA)估计方法在阵元幅相误差条件下性能急剧下降的问题, 提出一种基于校正阵元的互质阵列DOA估计方法。首先, 将阵列接收数据分解为两个子阵数据, 基于校正阵元对子阵分别进行幅相误差估计, 并将子阵幅相误差排序重组。然后, 对接收数据协方差矩阵进行误差补偿并扩展为高维的Toeplitz矩阵。最后, 基于矩阵填充理论对高维协方差矩阵进行空洞填充, 结合求根多重信号分类(root multiple signal classification, root-MUSIC)算法进行DOA估计。理论分析和仿真结果表明, 该方法可以实现互质阵列的幅相误差估计, 并通过误差补偿有效恢复幅相误差条件下的互质阵列DOA估计性能, 提高估计精度。     

基于增广数据陈SVD的MNM 信号DOA估计算法

本文介绍了一种将接收数据共轭重排构造出增广数据矩阵,然后对该数据矩陈进行奇异位分解,用 ＭＮＭ算法实现对信号的 ＤＯＡ估计的方法,并指出了这将改善协方差矩阵特征值的分布,从而提高ＭＮＭ算法的角估计性能。文中最后给出了验证理论分析的模拟结果。     

基于特征向量空间聚焦的宽带DOA估计方法

针对传统宽带阵列信号波达方向(direction of arrival,DOA)估计方法中由入射角预估带来的DOA估计偏差及其在多径效应等环境下的应用问题,提出基于特征向量空间聚焦的宽带阵列DOA估计方法.首先,考虑多径干扰等对DOA估计算法的影响,对接收信号自相关矩阵进行平滑处理.然后,以平滑自相关矩阵特征向量空间过...     

压缩感知视角的鲁棒波达角估计算法

从压缩感知的视角对鲁棒波达角估计进行了探索,通过将可能存在的波达角进行空间离散化,从而将波达角估计问题转换为压缩感知信号支撑恢复问题。同时将阵元存在的增益失配、相位失配和阵元间互耦等非理想因素,通过一阶近似,将其建模成均值为理想流形矩阵的随机矩阵,从而建模了阵列非理想特性和波达角空间离散化带来的误差。基于这种新的随机测量矩阵模型,提出了一种基于压缩感知的鲁棒波达角估计算法,分析表明本文提出算法对阵列模型扰动和角度空间离散化具有良好的鲁棒性。仿真验证了分析结果。     

基于双/多基地方位联合估计算法

提出一种基于双/多基地方位联合估计的新算法,利用两个阵列或多个阵列的接收数据的相关矩阵,再结合ESPRIT算法估计方位。该算法可以同时估计目标信号入射到双/多基地的方位角。所估计的参数自动配对,不需要额外的配对运算,并且给出了该方法方位估计的CRLB,计算机仿真结果证明了算法的有效性。     

基于ESPRIT的均匀互耦线阵DOA及互耦参数估计

利用均匀线阵的特殊结构及其互耦矩阵,提出了一种阵列互耦存在下基于ESPRIT的DOA和互耦参数估计方法.首先通过ESPRIT法中子阵的选取,无需阵列互耦任何信息,直接得到方位估计,即对互耦参数稳健的DOA估计方法;接着在方位估计的基础上,基于真实导向矢量的最小方差拟合得到均匀线阵的互耦系数估计.与已有算法相比,该算法同时利用了天线阵列结构及其互耦特点,一方面将信号角度与互耦系数估计相互分离,使角度估计精度不受互耦估计的制约;另一方面,方位和互耦系数估计均可通过表达式求解,因此算法运算量小.计算机仿真证明该算法的有效性和正确性,并从仿真角度研究了算法分别在幅相误差和互耦矩阵误差下的性能.