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。     

非平稳噪声背景下DOA分步估计方法研究

针对相干和非相干信源同时存在的情况,结合斜投影理论和互相关矢量Toeplitz矩阵重构(CVTR)的方法,提出一种新的信源DOA分步估计方法。该方法把相干信源和非相干信源分开分辨,对相干信源用CVTR方法来恢复为满秩,避免了常规平滑算法阵列孔径损失大、运算量大的缺点;用斜投影算子而非差分方法对信源进行分离,不受相关矩阵须为Toeplitz结构的限制,使得算法可适用于任意阵列结构形式。这种分步分辨思路可有效增强信源过载能力,同时在互相关矢量Toeplitz矩阵重构过程中,可把非平稳噪声协方差矩阵转换成白噪声结构,使得算法对非平稳噪声有较好的适应能力。     

基于垂直阵列的相干信源二维测向新方法

针对远场窄带相干信源的二维DOA估计问题,提出了一种基于垂直阵列的解相干算法,利用垂直阵列模型特性,在3个线性子阵列进行分维处理运算。在每一个维度,运用空域平滑算法构建数据协方差矩阵实现解相干,并结合ESPRIT算法分别估计信源与各线阵的夹角,利用其中一个角度来组合其他两个角度,实现参数配对。仿真实验结果显示,相较于空域平滑DOA矩阵法,算法的稳定性、估计精度都较高,适用于低信噪比和短快拍情况。     

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。     

无需信源数目的相干信号方位估计算法

针对空间平滑MUSIC算法会损失阵列的有效孔径且需要信源先验数目的问题,提出了一种新算法.该算法从矢量重构的思路出发,通过对接收数据协方差矩阵的最大特征向量进行矢量重构,即可实现不损失阵列孔径的解相干处理,同时利用全空间加权MUSIC算法,实现了信源数目未知下的相干信号准确定位.仿真结果证实了该方法的有效性.     

一种强干扰环境下的相干弱目标DOA估计算法

提出了一种强干扰环境下相干弱信号的DOA估计算法。该算法通过修正的Toeplitz矩阵实现了对相干弱信号的解相干,然后将强干扰信号对应的特征矢量从信号子空间中剔除,最后利用MUSIC算法对弱信号进行DOA估计。所提算法不需要预知强干扰信号方位信息,对非平稳噪声有较好的抑制性能。此外,相对JJM算法,该算法具有更高的估计精度和正确概率,对强干扰信源具有更好的抑制性能。     

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。     

基于矩阵重构算法的宽带相干信号方位估计

根据空间平滑理论准则,提出了一种基于阵列接收数据矩阵重构的宽带相干源方位(DOA)估计算法。将宽带阵列数据分解为若干窄带数据,对每一子带进行空间平滑处理后的数据矩阵重构;再由构造的聚焦矩阵对其进行处理,最终得到平均的阵列协方差矩阵。由子空间方法处理得到信号的方向估计,仿真实验证明了该方法的有效性。     

在线构造Toeplitz矩阵对相干信号DOA估计

针对相干信号源的DOA估计问题,提出了一种基于最大特征矢量在线构造Toeplitz矩阵解相干的方法。通过接收到的数据,实时构造基于最大特征矢量的Toeplitz矩阵来估计相干源的DOA,它无需估计数据的协方差,计算量小,不损失阵列孔径。相比常规的解相干算法,在小快拍和低信噪比情况下,具有更好的估计性能,理论分析和仿真结果验证了该方法的有效性。     

一种高机动场景下的单快拍DOA估计算法

针对高机动场景下目标信号样本数据少,常规算法难以获取信号子空间的问题,提出一种基于改进协方差矩阵的单快拍DOA估计算法。所提算法首先对接收的单次采样数据做互相关预处理,利用预处理所得数据重构等效协方差矩阵,再基于MUSIC算法完成相干信号的DOA估计。在不损失阵列孔径的同时,算法保证了谱估计精度。计算机仿真表明,在样本量较小的情况下,所提算法能够有效估计出相干目标信号,较现有算法估计精度有所提高。     

最小冗余线阵的DOA估计

波达方向(DOA)估计是智能天线技术研究热点之一.研究了最小冗余线阵的DOA估计问题.通过引入阵列冗余度,对非均匀线阵的阵元配置进行研究,在对MUSIC算法进行分析的基础上,利用Matlab对最小冗余线阵的DOA性能进行仿真,通过与均匀线阵进行对比,结果表明,在相同阵元数目的前提下,最小冗余线阵获得了较高的空间谱分辨力和较低的估计均方误差,提高了DOA估计性能.     

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。     

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.     

基于二次特征提取的神经网络信号源个数估计方法

信源数目估计对阵列信号空间谱估计非常关键,但容易受到相关噪声环境和相关信号源的影响。为此,提出一种基于二次特征提取的源数估计算法。首先,利用阵列信号协方差矩阵的特征值和特征向量,提取6组二次特征参数;然后,利用这些参数对神经网络进行训练;最后,利用训练好的神经网络进行信源数目估计。由于稳健性强,该算法非常适合在复杂电磁环境下使用。仿真试验结果表明,该算法在低信噪比、相关噪声和相关信号源条件下均具有良好的估计性能。因此,该算法应用前景广阔。     

基于内插阵列变换的非圆信号MUSIC实值算法

提出一种基于内插阵列变换的非圆信号MUSIC实值算法(VIA-NC-MUSIC实值算法).首先利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实阵列输出转换为虚拟阵列输出,再根据信号源为实数的特点,分别求取虚拟阵列输出的实部和虚部,将其串联组合,扩展阵列输出的维数,进而得到一种多重信号分类(MUSIC)的波达方向(DOA)估计算法.还分析了VIA-NC-MU-SIC实值算法的计算复杂度,并与复运算的复杂度进行了比较,新算法的复杂度相对较低.仿真实验表明:存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的非圆信号MUSIC算法(NC-MUSIC算法)相当的估计性能,保持了高估计精度、高分辨力,并且在二维阵元位置误差情况下,新算法的估计性能明显优于阵元位置未校准的NC-MUSIC算法.     

基于虚拟阵列的信号源数估计算法

信号源数估计是智能天线技术的一个基本问题,经典的信号源数估计算法有:基于信息论"AIC"算法"MDL"算法、假设检验、平滑秩序列法以及盖氏圆算法等,这些算法在低信噪比、小采样、色噪声以及实际信源数近阵列阵元数时,会产生较大的误差。在Kullback准则基础上提出了一种基于虚拟阵列的改进算法,该算法通过对阵列接收的数据进行预处理,虚拟地增加阵元数,按照修正的规则,求取信源数。经仿真验证,该算法克服了经典算法在低信噪比、小采样、色噪声以及实际信源数接近阵列阵元数时,准确估计信源数的难题。     

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。     

基于空间差分平滑的非相关与相干信源数估计

针对非相关信源与相干信源共存时信源数估计问题,提出了一种新的基于空间差分平滑的信源数估计算法。该算法首先利用SORTE法估计相互独立信源个数,结合非相关信源阵列导向矢量与噪声子空间正交关系特性,实现非相关信源数估计;其次基于空间差分法消除非相关信号并构造新矩阵,利用构造矩阵进行前向空间平滑,实现对相干信源解相干;最后利用SORTE法得到相干信源数估计。仿真实验结果验证了该算法的有效性。     

互耦条件下柱面共形阵列多参数联合估计

共形阵列天线中信源方位、极化和互耦系数相互耦合,已有经典阵列的互耦误差校正算法均不能有效地移植应用。针对柱面共形载体的单曲率特点,通过合理的天线布局,利用互耦矩阵的Toeplitz性和秩损理论,给出了柱面共形阵列天线互耦条件下信源方位与极化的联合估计算法,并对可能出现的方位角模糊进行了详细的分析,给出解模糊方法。所提算法无需参数配对,即可实现信源方位、极化和互耦系数的联合估计。计算机Monte-Carlo仿真实验验证了该算法的有效性。