基于矢量传感器阵列空间谱DOA估计

研究了两种典型的空间谱估计方法在水声矢量传感器阵列定向中的应用，推导了空间谱的解析表达式，与标量传感器阵相比，基于矢量传感器阵列空间谱的DOA估计方法对阵列定向性能有明显改善，数值算例证明了这一点。     

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．     

基于水声矢量传感器阵的波达方向估计

推导了基于水声矢量传感器阵的Bartlett和Capon空间谱的解析表达式，并与标量传感器的空间谱相比较，分析了基于矢量传感器阵的两种DOA估计方法对阵列定向性能的改善，并给出了数字算例。     

基于TSVD的在线相干DOA估计算法

对信号波达方向估计中的解相干问题,提出一种新的去相关信号波达方向估计方法。利用阵列实时接收的快拍数据迭代得出协方差矩阵的最大特征矢量,然后通过最大特征矢量建立一个新的Toeplitz矩阵实现去相关,最后对新得到矩阵进行奇异值分解得到信号的波达方向。通过仿真实验证明该方法能够实现对相干信源的有效估计,并且具有很好的实时性,能够有效的降低算法的复杂性。它在低信噪比和小快拍数的情况下有着比TSVD算法更加优良的估计性能。     

基于窄带信号DOA估计的宽带相干信号DOA估计方法研究

提出了一种用窄带信号的波达方向(DOA)估计方法与宽带聚焦的方法相结合来估计宽带相干信号的DOA的方法.先利用相干信号子空间法将带宽内各个频率点的信号子空间聚焦到参考频点下的同一信号子空间,然后利用窄带信号的波达方向估计方法对DOA进行估计.用了一种新的无需谱峰搜索并且不要对噪声方差进行估计的窄带SSESPRIT算法进行宽带波达方向的估计,为了比较又用了经典的需要进行谱峰搜索的窄带MUSIC算法进行宽带信号的一维及二维波达方向的估计,仿真实验结果验证了方法的有效性.     

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.      

空间稀疏角域以及多普勒域下的DOA估计

提出可在稀疏角域以及多普勒域下对天线阵列信号向量进行接收和分析的方法,讨论在多普勒频域范围内的DOA估计问题,并在有效的频带范围内提取信号冲激响应较大的值. 在稀疏DOA的恢复过程中采用的是L2,0估计算法,并在多路天线频谱感知的架构下充分利用DOA所固有的稀疏特性,对其进行稀疏恢复. 对于在测试环境中不可避免的噪声问题,分析三种不同噪声分布下的DOA估计误差问题. 仿真结果显示频域范围内的L2,0-DOA估计算法具有较低的计算复杂度和较高的准确度,并且算法对噪声不敏感,鲁棒性较高.     

基于中心对称圆阵的不相关源和相干源的DOA估计

基于中心对称的圆阵,提出了一种针对不相关源和成对相干源的波达方向(DOA)估计方法.这是一种分两步估计的方法,首先利用阵列流形的唯一性条件估计出不相关源;然后通过构造中心对称的阵列流形来去除不相关源的干扰,同时达到去除成对相干源相干性的目的.这种方法简单有效,由于直接在阵元空间进行估计而不需要进行波束变换,因此具有较高的估计精度.仿真实验结果验证了该方法的有效性.     

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。     

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。     

海杂波背景下基于四元数电磁矢量阵列DOA估计

针对复杂多变的海杂波常伴随待测信号混入雷达系统而严重干扰目标信号的波达角度估计的问题, 提出一种新的基于电磁矢量阵列的四元数模型, 通过分数低阶统计量特性抑制海杂波噪声的二维波达角度估计方法。首先推导出电磁矢量阵列的四元数导向矢量, 然后利用分数低阶概念得到四元数分数低阶协方差矩阵,最后根据奇异值分解MUSIC(Multiple Signal Classification)算法得到谱估计公式。仿真实验结果表明, 与标量阵列和非四元数电磁矢量阵列MUSIC 算法相比较, 该方法可较好地抑制海杂波噪声, 且能提高估计精度。     

基于伪数据相关矩阵二次重构的DOA估计新算法

针对传统波达方向估计算法在强信号邻近时弱信号难以估计和信源相干情况下算法性能失效的问题,通过对传统波达方向估计算法的理论推导和研究分析,变换阵元的数据接收矩阵来重构协方差矩阵,再对新的协方差矩阵对应信号的较大特征值进行重新排序,构造出伪数据相关矩阵,并结合MUSIC谱进行谱峰搜索完成对强弱邻近相干信源的波达方向估计.通过仿真比较,结果表明新算法消除了信号的相干性,不造成阵列孔径损失,并能对强弱邻近信号作出准确估计.     

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。     

均匀圆型声矢量阵的四元数二维波达方向估计

为提高声场空域中目标参数估计的精度, 将四元数理论应用于均匀圆型声矢量阵列的二维空间角度估计中, 建立了基于四元数模型的信号接收模型, 推导了圆型声矢量阵的四元数导向矢量, 给出了二维波达角估计的四元数域空间谱算法。考虑算法的软硬件可实现性, 理论分析了算法的内存占用空间和计算量。此外, 分析了圆阵半径对侧向性能的影响, 为实际工作中圆阵的半径选取提供了一定的依据。仿真结果表明, 基于四元数模型的MUSIC(Multiple Signal Classification)算法的分辨力较高, 抗干扰能力较强, 提高了信号参数估计的精度。     

基于酉ESPRIT的跳频信号DOA估计

为了利用跳频信号的空域信息辅助同步跳频信号的网台分选,提出了一种基于STFD酉ESPRIT的跳频信号DOA估计算法。首先用WVDSPWVD组合时频分析方法对接收数据进行时频变换,然后提取出跳频信号的有效跳(hop),并对其建立空时频矩阵(STFD),最后利用酉ESPRIT算法进行跳频信号DOA估计。该方法通过酉变换将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了计算量,而且酉ESPRIT算法利用了数据的共轭信息使数据长度等价增加了一倍,提高了估计精度。仿真结果表明文中算法在信噪比大于2dB时,DOA估计性能优于ESPRIT算法。     

基于未知互耦模型的波达方向估计

在阵列信号处理中,传感器间的互耦效应会对参数估计产生不利影响.为了降低互耦影响,提出了一种用于未知互耦模型下的波达方向（direction of arrival,DOA）估计算法.该算法运用了迭代的思想,利用全部阵列估计初步的DOA.之后基于子空间理论估计角度依赖系数（angularly dependent coefficients,ADCs）,并用得到的ADCs进一步提升DOA估计精度通过求解最小二乘问题确定互耦参数,将新的DOA值作为初始值开始下一轮迭代.仿真结果证实了在未知互耦模型下,相较于其他DOA估计,提出的方法有更好的性能并且更加鲁棒,特别是在小尺寸阵列或低信噪比（signal-to-noise ratio,SNR）情况下.      

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.