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.     

一种基于传声器阵列的多弹丸作用情况判定系统及方法

针对常规兵器试验及部队演习过程中地面多弹丸作用情况判定难题,提出了一种采用传声器阵列测量仪器采集声波,采用时域分段和空域滤波分解爆炸声波判定多弹丸作用情况的技术。首先,根据传感器阵孔径在时域上分割信号,将包含较多爆炸声信号的声波数据分割为多段只包含较少爆炸声波的数据;其次运用传感器阵波达角估计技术获取各段信号中爆炸声的来向;再次,将信号通过空域滤波技术分解到相应的爆炸声波来向上,这样,每段信号将被分解为多个信号;最后,检测每个被分解的信号中爆炸声波个数,将其相加即为所有弹丸爆炸数量,据此实现弹丸作用情况判定。应用仿真实验和实弹试验验证了该方法的可行性和有效性,最后分析和探讨了方法使用条件问题。     

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。     

未知相关噪声下的广义波达方向估计算法

针对未知相关噪声情况下信源波达方向的估计,提出一种适用于均匀线阵的广义波达方向估计算法。该算法利用修正后的协方差差分算法,有效地消除了阵元间的相关噪声的影响。不同于以前的算法,提出的算法通过对接收数据的前后向空间平滑协方差矩阵进行共轭运算得到新的变换矩阵,因此修正后的协方差差分矩阵是个实部为零的厄米特矩阵,从而有效地降低了特征分解过程的计算量。本算法能解决相关噪声下,同时分辨相干与非相干信源的问题。理论分析和仿真结果均表明所提算法的有效性。     

双基地MIMO雷达二维方位角及多普勒频率联合估计

提出了一种新的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达二维方位角及多普勒频率联合估计算法。该算法基于m-Capon方法将目标波离方向(direction of departure, DOD)与波达方向(direction of arrival, DOA)相“去耦”,得出了对目标DOD和DOA的估计;然后,在对目标二维方位角的估计的基础上,算法可进一步估计出目标的多普勒频率。因此,其估计出的目标二维方位角与多普勒频率可自动配对。该算法无需预判目标数及对数据协方差矩阵特征值分解,且对目标二维方位角与多普勒频率的联合估计不涉及高维的非线性优化搜索,具有较小的计算量。此外,该算法可适用于发射和接收阵列为任意阵列结构的双基地MIMO雷达系统。计算机仿真结果证明了本文方法的正确性和可行性。     

Ad Hoc网络移动节点的一种快速DOA估计算法的研究

研究了Ad Hoc网络中移动节点的一种快速DOA估计算法,此算法并非独立估计全部时刻的DOA,而利用曲线拟合方法,从前面时刻的DOA拟合成的曲线来获得后面时刻的DOA信息,因此节省了计算时间.算法中曲线拟合的精度决定了DOA估计的准确度和分辨率,采用了代数多项式、拉格朗日插值法和最小二乘法,对3种曲线拟合方法进行了误差分析.计算机仿真结果表明,最小二乘法的精度比较高.所得出的结论对这种快速算法在Ad Hoc网络中移动节点的估计有一定的参考价值.     

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°。     

基于神经网络的相干信源稳健DOA估计

目前基于神经网络的DOA估计主要是针对理想情况下的均匀线阵,且信源非相干,可估计的信源数较少.针对阵列误差和相干信源同时存在的问题,在理想数据集中引入互耦误差、阵元幅度误差、阵元相位误差以及阵元位置误差,并设计了一个多通道CNN+DNN网络和目标函数生成方法,用于相干信源的稳健DOA估计.引用B-band互耦模型和相关误差模型合成阵列输出信号,通过提取阵列输出信号的协方差矩阵的实部、虚部与相位角,构建网络的输入信号.对理想条件下的MUSIC算法DOA估计结果进行拟合,根据拟合公式生成多信源从不同角度入射时的空间谱,作为网络的目标信号.使用相同的数据集对本文DOA估计网络与其它文献中的DOA估计网络进行训练和测试.结果显示,在不同信噪比、不同误差大小以及不同信源数的情况下,本网络的稳健性和解相干能力都更优.     

基于麦克风嵌套子阵列的频域盲反卷积算法

对卷积混叠信号盲分离过程中解决顺序模糊的方法进行了探讨，提出了一种利用麦克风嵌套子阵列，结合DOA法和相关法的更加稳健的纠正顺序不确定性的算法。仿真结果表明，利用基于麦克风嵌套子阵列的频域盲反卷积算法能够有效地解决DOA方法在低频段有效性较差、频域盲反卷积算法中低频段的顺序模糊问题。     

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。