基于非均匀线阵和修正MUSIC算法的DOA估计

研究了基于非均匀线阵的DOA估计问题。提出了利用修正MUSIC算法进行DOA估计,并设计了对称布阵方式。仿真结果表明在对称布阵非均匀线阵中使用修正MUSIC算法,空间谱分辨率高、栅瓣小,且分辨率要高于均匀线阵。本算法获得了较高的空间谱分辨率,提高了DOA估计性能。     

空间非平稳高斯噪声背景下混合信号的DOA估计

针对空间非平稳高斯噪声背景下混合信号的DOA估计问题,提出了基于四阶累积量对混合波源的DOA估计算法。该算法首先构造四阶累积量矩阵,利用类似ESPR IT方法估计出所有非相关信源的DOA,然后对四阶累积量进行修正空间差分平滑去相干,消除非相关源和空间非平稳高斯噪声的影响,从而实现了对相干源的DOA估计。此方法通过分别估计非相关和相关或者相干信号的DOA,能够以较少的阵元实现对多个信号DOA估计,最后仿真实验也验证该算法的有效性。     

非平稳噪声背景下相干信源DOA估计研究

针对非平稳噪声环境下相干信源的DOA估计问题,提出了一种新的差分平滑DOA估计算法,阐述了算法的实现原理和基本步骤,通过仿真实验分析了算法的子空间收敛性能、角分辨率以及DOA估计精度等性能。仿真结果表明,该算法可消除非平稳白噪声,运算量较小,不存在伪峰并且测向性能优良。     

基于FOCUSS改进算法的DOA估计方法

传统的DOA估计方法不能有效分辨相干源目标;稀疏重构方法能够处理相干源的DOA估计问题,但现有稀疏重构方法大都是针对无噪声或仅存在观测噪声系统提出的,估计性能有待提高。对于同时存在观测噪声和模型噪声的多观测量模型,提出了一种基于FOCUSS稀疏重构的改进算法,可鲁棒地处理相干源、非相干源的DOA估计问题,有效提高分辨力和估计精度等估计性能。给出了DOA估计的稀疏信号模型以及新算法的推导过程,仿真实验证明了新算法在与其他算法对比时的优越性。     

低信噪比条件下改进ESPRIT方法

在低信噪比时,针对估计信源DOA实时性的问题,提出了一种新的适合于ESPRIT算法的多级维纳滤波器(MSWF)结构,找到了一种能判别信号子空间的方法。首先将多级维纳滤波器(MSWF)与ESPRIT算法相结合,采用多级维纳滤波器(MSWF)的前向递推,得到子空间,不需要通过特征值分解。低信噪比时,针对噪声子空间泄漏到信号子空间的现象,提出一种判别方法,找到了更精确的信号子空间,结合ESPRIT方法实现信号的DOA估计。由于该算法实现了真实的信号子空间的判断,因此,比传统基于MSWF算法具有更高地估计精度。特别是在低信噪比时,增强了算法的实用性,仿真结果证明了算法的有效性。     

基于FOCUSS二次加权的DOA估计方法

针对■-SVD、FOCUSS等稀疏重构算法应用波达方向(DOA)估计时,存在或运算量大、或精度不高的问题,提出了一种基于FOCUSS二次加权的信号DOA估计方法。将传统DOA估计表述为稀疏表示的信号模型,通过贝叶斯理论推导目标函数的最优解及加权矩阵,并在迭代过程中对结果进行二次加权优化,进一步增强恢复结果的稀疏性,提高恢复性能。仿真实验证明了该方法的优越性:与其他稀疏重构方法相比,该方法恢复精度高、稳健性好、运算量低。     

基于稀疏贝叶斯学习的DOA估计

针对基于l1范数约束的稀疏表示DOA(Direction Of Arrival)估计算法对初始参数较为敏感的问题,提出了一种基于稀疏贝叶斯学习的DOA估计算法。首先通过信号来波方向的空间采样构造冗余字典,将阵列信号处理中的DOA估计信号模型转化为压缩感知中的稀疏重构信号模型。然后基于经验贝叶斯推理的方法,将待估计的稀疏系数值用方差未知的联合高斯分布描述,而未知的方差值决定了待估计系数的稀疏性。通过观测数据估计得到未知的方差,进而得到信号的DOA估计值。仿真结果表明,提出的算法有较高估计精度,并且对非相干信源和相干信源都具有较好的估计性能。     

基于修正的子空间正交测试宽带DOA估计方法

投影子空间正交性测试法(TOPS)是利用宽带信号多个频点的噪声子空间与信号子空间的正交性实现到达角(DOA)估计。在中等信噪比时该方法估计性能较好,而在其他信噪比条件下空间谱易存在多个"伪峰",算法性能依赖于参考频点的选择。针对该问题,提出了一种新的TOPS算法,该方法通过最大化各频率点信号子空间与噪声子空间特征值区分度选择参考频点,同时利用信号子空间投影代替其零空间投影,避免信号子空间估计误差导致空间谱中产生伪峰,最后利用子空间的正交性实现宽带DOA估计。仿真结果表明,相比于传统的TOPS算法,该方法在一定信噪比条件下,避免了伪峰的出现,提高了TOPS算法的估计精度和分辨率。     

运动目标DOA自适应跟踪算法

战场区域移动通信系统中,指挥中心实时地将主波束对准作战分队来波方向,而将其他方向的来波作为干扰置零陷,不仅提高了抗干扰能力,而且还可对作战分队进行定位。这一过程是通过跟踪移动用户信号的波达角(DOA)来实现的,传统的高分辨率DOA估计算法,如MUSIC、ESPRIT等算法,无法实现自适应、实时跟踪,因为它需要对接收信号的协方差矩阵反复进行特征值分解或奇异值分解,计算量大。针对这一问题,引入基于改进的信号子空间自适应跟踪的卡尔曼(Kalman)滤波算法,该算法直接从信号子空间中提取DOA的更新,无需从协方差矩阵中提取。仿真结果表明,该算法不仅降低了运算量,而且可跟踪多用户的DOA。     

基于辅助阵元的幅相误差和DOA同时估计算法北大核心

针对阵元幅相误差使波达方向(direction of arrival,DOA)估计精度下降的问题,提出了一种阵元幅相误差和DOA同时估计算法。该算法通过在阵列一侧设置少量已校正阵元,改变了误差矩阵的结构,并根据改变后的矩阵特征构造了变换矩阵,通过构造的变换矩阵和子空间算法,实现了对阵元幅相误差和DOA的同时估计。此外,该算法能够解决信源功率存在较大差异时误差估计不准的问题,实现了高精度的误差和角度的同时估计。计算机仿真结果证明了所提算法的正确性和有效性。     

基于空间时频分布的欠定DOA估计

波达方向（DOA）估计是阵列信号处理领域的热点问题,但经典的DOA估计方法通常要求阵元数大于源信号个数,即满足超定条件。而在实际中往往面临的是源信号个数大于阵元数目的欠定条件。提出了一种基于空间时频分布的MUSIC扩展算法,该算法通过将空间时频分布矩阵进行拓展,实现了欠定条件下的DOA估计。相比时频MUSIC算法,该算法能同时适应超定和欠定条件;相比已有的欠定DOA估计方法,该算法在保证DOA估计精度的情况下,放宽对源信号稀疏性的要求,同时降低对快拍数的要求。仿真实验结果表明了本文算法的有效性。     

使用双阵元的双目标快速DOA估计算法

比相单脉冲测角法通常被用来对1个目标进行DOA估计,受限于已知数据的数量,该算法无法对多个目标进行DOA估计。在比相单脉冲测角法基础上,利用目标多普勒频率对空间相位的影响提出一种使用双阵元的双目标快速DOA估计算法。该算法对于硬件的要求几乎与比相单脉冲测角法一致,功能上可以同时对2个目标进行DOA估计,且计算量小,实时性高。通过理论分析与仿真实验证明了算法的有效性并进一步探讨了信噪比、方位角、数据采集间隔对估计精度的影响。     

一种非均匀噪声下的DOA估计算法

通用协方差差分算法用来实现对空间非均匀噪声环境下相干信号的波达方向(DOA)估计,该算法可以完全消除空间非均匀噪声,且适用于低信噪比环境,但该算法的DOA估计结果存在伪峰。针对这一问题,提出了一种改进的算法。改进算法通过对通用协方差差分(GCD)算法的信号协方差矩阵进行变换,再用特征分解的方法得到信号的DOA估计值。改进的算法可以完全消除伪峰,理论分析和仿真实验验证了改进算法的有效性。     

基于空间平滑的单次快拍DOA估计方法

针对DOA估计的实时性和数据污染影响,给出了一种基于空间平滑的单次快拍DOA估计算法.由空间平滑技术,对接收的单次快拍数据采取解相干,再对Toeplitz矩阵进行协方差处理、采用特征分解、MUSIC算法和ESPRIT算法对信号实现DOA估计.该算法只需单次快拍,大大地减少了计算量,并且比现有的算法估计性能更好.采用计算机实验模拟分析和验证,证实了其有效性.     

基于四阶累积量阵列扩展的稀疏分解方法

提出了一种基于四阶累积量稀疏表示的估计方法,解决信号数多于阵元数时的DOA估计问题。该方法首先构造了包含所有DOA信息的最小冗余矢量,利用扩展阵列的最小冗余导向矢量构造完备字典减小完备字典的复杂度;然后利用L1范数作为稀疏约束条件建立稀疏模型进行DOA估计。理论分析和仿真实验,验证了该方法能够估计出的信号个数大于阵元数目,可直接应用于相干信号,比MUSIC-like算法具有更好的性能。     

大规模 MIMO系统中用户分层变长时隙分配方法研究

大规模MIMO系统时分双工模式中分配的物理时隙长度是固定的,不能根据不同时长的信道相干时间灵活地调整长度,二者长度的不匹配导致部分时频资源的浪费,因此系统的总体容量不能达到最优。针对此问题本文提出一种用户分层变长时隙分配方法,即根据不同终端的移动性对终端进行分层,并为不同层中的移动终端灵活地分配不同时长的物理时隙,使物理时隙长度与移动终端所对应信道的相干时长相匹配,从而减少时频资源的浪费,提高了资源利用率。同时,避免了低速移动终端过频繁的信道估计,降低了信道训练序列开销,使系统的总体数据容量得到很大的提升。实验仿真结果验证了本文所提方法的有效性。     

导向矢量正交分解的离格信号DOA估计

当存在离格信号时,网格失配将导致基于压缩感知理论的DOA估计算法估计性能严重下降。为解决这个问题,在对接收数据协方差矩阵进行KR积变换的基础上,提出了一种基于压缩感知理论下的导向矢量正交分解的离格信号DOA估计算法。算法利用信号导向矢量与其一阶导函数矢量间的正交性构建了新的离格信号导向矢量模型,并基于最小二乘法对离格信号的网格偏离量进行估计。在构建稀疏重建模型时,采用ILSSE方法精确估计噪声协方差矩阵,提高了稀疏重建的精度。仿真结果表明,所提算法在不同信噪比和不同的网格间距下对离格信号DOA都有较好的估计精度。     

分布信号源的DOA估计

由于信号模型的偏差,传统的点目标假设下的DOA估计算法对分布信号源的估计误差较大,为此建立了分布信号源的模型,提出适用于分布源信号的DIS-MUSIC算法,并分析了该算法的估计性能。仿真结果表明,所提算法对分布信号源的DOA估计性能远优于MUSIC算法。     

基于单快拍数据的嵌套阵列DOA估计算法

针对嵌套阵列DOA估计实时性不好的问题,提出了一种基于单快拍数据的估计算法。该算法将嵌套阵分为阵元间距等于信号半波长和阵元间距大于信号半波长的两个均匀子阵。利用两子阵接收的单快拍数据分别构造Toeplitz矩阵,然后进行特征值分解结合MUSIC算法得到低精度无模糊的DOA估计和高精度有模糊的DOA估计,最后结合解模糊算法得到高精度无模糊DOA估计。在阵列孔径相同的条件下,相比于阵元间距等于信号半波长的均匀线阵,算法需要的阵元个数较少,节约了硬件成本。该算法具有较好的实时性,并且拥有较高的测向精度。仿真结果证明了算法的有效性。     

相干信号源DOA估计改进ESPRIT算法研究

在目标方位估计(DOA)的众多算法中,ESPRIT是一种运算速度快、精度高的常用算法,但它不能解相干信号。提出一种基于观测数据直接空间平滑的改进型ESPRIT算法,解决了常规ESPRIT算法不能解相干、对信噪比要求高等问题。该方法适用于所有信号(非相干和相干信号)的目标方位估计。