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。     

一种圆阵垂直平滑解相干算法

基于均匀圆阵(UCA),提出了一种垂直平滑解相干算法.利用在两个垂直的方向上平移,得到多个平移后的协方差矩阵.对其进行平均,将协方差矩阵的秩恢复为满秩,实现解相干,完成对相干信号的DOA估计.仿真结果表明,该方法具有较好的可行性.     

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Toeplitz矩阵重构的嵌套阵DOA估计算法

针对DOA估计中可测信源数目不足的问题,提出了一种基于Toeplitz矩阵重构的嵌套阵DOA估计算法。首先设计二级嵌套阵,通过对阵列接受信号进行积处理,将阵列扩展为虚拟均匀线阵,然后利用处理后的信号重构Toeplitz矩阵,通过特征值分解,结合MUSIC算法在阵元数目小于信源数目条件下实现了高精度DOA估计。算法增加了阵列孔径,提高了阵列自由度。而且在低信噪比和小快拍下情况下也具有较好的性能。仿真结果证明了算法的有效性。     

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。     

虚拟阵列平移法解相干信号ESPRIT算法

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.提出一种基于虚拟阵列平移方法的解相干信号的ESPRIT算法,解决了常规ESPRIT算法不能解相干的问题,和解相干的空间平滑算法相比,不损失直线阵列的孔径,使M元直线阵可估计相干信号源数目达到M个.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.     

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.     

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。     

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。     

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。     

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。     

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。     

基于四阶累积量的相干信号二维波达方向估计算法

提出了一种基于四阶累积量的相干信号二维波达方向(DOA)估计的算法--CSS算法.该算法利用双平行线阵的接收数据以及平滑技术构造了一个平滑的渡达方向矩阵,通过对其进行特征分解估计出空间相干信号的二维到达角.在色噪声环境下,该算法能够精确地估计空间相干信号的二维到达角,无需谱峰搜索,并且信号的二维参数能够自动配对.计算机仿真结果验证了算法的有效性.     

一种MIMO雷达相干源波达方向估计方法

针对多径效应或智能干扰下信号高度相关,基于单基地MIMO雷达信号模型,提出一种相干源波达方向(DOA)估计方法。该文首先利用降维变换将匹配滤波后数据结构变化成低维信号空间,然后结合共轭ESPRIT(C-SPRIT)思想,通过构造数据矩阵,使得相干源之间完全解相关,获得旋转不变因子,最后利用总体最小二乘ESPRIT方法进行角度估计。仿真结果表明,该方法能够有效解算相干源DOA,在N个物理阵元下MIMO雷达比相控阵雷达能够获得更高的DOA估计精度。     

双圆阵模式空间二维解相干

提出一种相干信号二维波达方向(Direction of Arrival,DOA)估计算法——模式空间波达方向矩阵(Mode-Space DOA Matrix,MS-DOAM)法。算法基于双圆阵,利用模式空间转换将圆阵转换为虚拟双平行线阵,计算虚拟线阵阵元间的互相关信息,构造两个等效协方差矩阵,进而构造波达方向矩阵,对该波达方向矩阵特征分解,利用得到的特征值与特征矢量求得入射信号的仰角和方位角。算法无需二维搜索,实现估计参数自动配对。仿真结果表明,算法在低信噪比和短快拍条件下,估计误差低于虚拟空间平移算法。     

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。     

基于直接数据域自适应算法的相干信号DOA估计

利用直接数据域自适应算法的稳态权值代替噪声子空间构建空间谱,构造了一种超分辨波达方向(DOA)估计方法.为了解决谱峰搜索时的伪峰问题,采用参考阵元轮换得到多组线性无关稳态权值,逼近噪声子空间,能有效去除伪峰.针对相干信号的DOA估计,进一步提出了直接数据域取对称共轭向量的解相干方法.相比子空间分解类算法,本文算法不需估计信号源数目和协方差矩阵、不需特征分解,复杂度仅为O(MP),同时能有效完成解相干处理.