一种空间非均匀噪声环境下DOA估计的改进方法

文中提出一种空间非均匀噪声环境下的信号源DOA估计的改进方法.该算法首先对阵列协方差矩阵进行平滑处理,在此基础上估计出空间非均匀噪声协方差矩阵,通过已估计的噪声协方差矩阵对平滑处理后的阵列数据协方差矩阵进行白化处理,克服了空间非均匀噪声对空间谱估计的影响,实现信号源DOA估计.相对于原方法,文中所提方法改善了DOA估计的性能,计算量小,并且能够估计强相关或相干信号源DOA.理论分析和仿真结果均表明所提方法的有效性.     

一种改进的信源数估计算法

均匀线阵的信号源个数的估计是阵列信号处理中一个重要研究课题,也是雷达、通信等领域基本任务之一。文章依据阵列信号协方差的特征值,对信号所对应的特征值进行了适当的放大,增加了信号与噪声之间的差距,更准确地估计信源个数。实验表明,改进的信源数估计方法在小快拍数和低信噪比的情况下,检测性能优于现有的算法。     

基于Bootstrap的宽带阵列信号个数检测

本文提出了一种基于Bootstrap的宽带阵列信号个数检测方法,该方法采用多重假设检验来估计信号的个数。通过对宽带信号的阵列采样输出分段并进行FFT变换,取其中一个频率点上的采样值构成阵列的采样协方差矩阵,得到假设检验的统计量,对选取的阵列采样输出使用Bootstrap方法得到检验阈值。该方法不需要对宽带阵列信号进行“聚焦”变换,且对高斯和非高斯信号均有很好的估计性能。计算机仿真试验证实了方法的有效性。     

用改进的盖氏圆半径法进行信源数目估计

确定空间窄带信号源个数在高分辨率测向中起着至关重要的作用。对信源数目估计而言,需要具体知道特征值的数值,只需根据它的分布便可以估计出特征值的位置。将盖氏圆盘定理应用于阵列天线超分辨测向算法中,通过对协方差矩阵进行变换,将噪声圆盘和信号圆盘分开,并对传统的盖氏圆盘估计进行了改进。同时在均匀圆阵条件下,进行了计算机仿真,并对仿真结果进行了分析,结果表明此方法能准确估计出被测信源个数。     

未知信源数目的DOA估计方法

针对信源数目未知情况下的DOA估计问题,该文提出了两种基于稀疏表示的DOA估计方法。一种是基于阵列协方差矩阵特征向量稀疏表示的DOA估计方法,首先证明了阵列协方差矩阵的最大特征向量是所有信号导向矢量的线性组合,然后利用阵列协方差矩阵的最大特征向量建立稀疏模型进行DOA估计;另一种是基于阵列协方差矩阵高阶幂稀疏表示的DOA估计方法,根据信号特征值大于噪声特征值的特性,通过对协方差矩阵的高阶幂逼近信号子空间,利用协方差矩阵的高阶幂的列向量建立DOA估计的稀疏模型进行DOA估计。理论分析和仿真实验验证,两种方法都不需要进行信号源数目的估计,具有较高的精度、较好的分辨力,对相干信号也具有优越的适应能力。     

基于协方差、正性和L1范数约束的迭代波达方向估计方法

本文通过将只能用于均匀线阵的PHD方法推广到稀疏线阵,同时将正性约束引入FOCUSS方法,得到了一种基于协方差、正性和l1范数约束进行协方差重建的迭代波达方向(DOA)估计方法.该方法利用了MUSIC方法忽略的反映阵列几何形状的协方差矩阵结构信息和DOA估计的稀疏约束信息,不仅突破了信号源个数小于阵元数的限制,并具有提高DOA估计性能的潜力.理论分析和仿真实验结果表明,这种迭代DOA估计方法一般经过数次迭代就能获得稳定的高分辨率DOA估计.     

低信噪比下的信号源个数估计方法

针对低信噪比下信号源个数估计问题,改进基于特征向量与阵列流形正交性的这种目前信号源个数估计效果很好的算法。该改进主要在于引入一个更能去噪的门限准则,结合原来的盲波束形成方法,最后得到一种基于阵列信号处理的信号源个数估计算法。仿真结果证实在低信噪比下,文中所提方法在等功率信号入射时比原方法有效,而且在不等功率信号入射时效果也比原方法好。     

基于高阶累积量虚拟阵列扩展的DOA估计

该文提出了一种基于高阶累积量虚拟阵列扩展的DOA估计新方法。该方法基于高阶累积量孔径扩展的性质,由实际阵元的坐标与方向矢量直接计算出虚拟阵元的坐标与方向矢量,利用两种阵元的坐标之间的关系构造四阶或六阶协方差矩阵,运用MUSIC方法对非高斯独立信号源进行DOA估计。该方法在任意阵列的情况下,对非高斯独立信号源进行一维与二维DOA估计,均能准确地估计出多于实际阵元数目的方向角与仰角。实验表明,该方法简单、有效地扩展了阵列孔径,提高了阵列的空间分辨能力,有效地抑制了高斯噪声的干扰,降低了高阶累积量协方差矩阵的计算量。     

一种低信噪比下的信号源数检测新方法

空间信号源数检测是阵列信号处理的关键问题之一,该文针对低信噪比下传统检测方法的性能差的问题,提出了一种基于近似特征向量的检测新方法DTAE(Detection Technique based on Approximate Eigenvectors)来改善低信噪比下传感器阵列的信源数检测性能。该方法首先利用波束形成器在空间做预扫描来估计信号群中心的位置,以这些位置作为参考方向计算接收数据协方差矩阵的特征向量的近似值,然后使用特征向量的近似值对阵列输出数据加权,最后计算加权输出数据的频域峰值-平均功率比值从而估计信号源的个数。仿真结果表明,提出的新方法在低信噪比下的检测性能显著优于AIC(Akaike Information Criterion)等方法,有一定的工程应用价值。     

基于虚拟阵列变换的相干源测向方法

针对传统空间谱测向方法对相干信号源测向失效的实际问题,提出了一种基于任意形状平面阵列的测向方法。该方法在建立了相干信号源数学模型的基础上,对虚拟阵列变换思想进行了分析,给出了采用虚拟阵列变换原理和MUSIC算法实现了对相干信号源DOA的估计,提高了测向性能。经仿真试验和理论分析,验证了算法的可行性,并分析了该算法的适用局限性。     

基于协方差匹配SLO算法的MIMO雷达DOA估计

利用加权平滑l0范数(Smoothed l0, SL0)算法估计MIMO雷达目标DOA时,需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型,并利用信号和噪声子空间的正交性来构造加权向量。然而当存在相干信源时,MIMO雷达协方差矩阵的秩将退化,这会使得稀疏重构模型的误差较大以及无法正确区分信号和噪声子空间,导致加权SL0算法的DOA估计性能恶化。针对上述问题提出了一种基于协方差匹配SL0算法的MIMO雷达DOA估计方法。该方法利用协方差匹配准则重构出一个满秩的协方差矩阵,恢复MIMO雷达协方差矩阵的Toeplitz特性,并利用协方差逆矩阵的高阶幂来近似噪声子空间从而计算加权向量。仿真分析表明,该方法能够在无需预知信源数目的情况下有效地完成对相干信号的DOA估计。     

修正的干扰噪声自相关矩阵重构波束形成算法

为改善采样自相关矩阵求逆(SMI)算法中期望信号存在于接收信号所引起的性能下降,提出一种修正干扰噪声自相关矩阵重构(CMR)算法。该算法首先选取采样自相关矩阵特征分解的最小特征值对应的特征向量构造空间分布系数,再对其在非期望信号波达方向上进行累加实现矩阵的重构。当存在相干信号时,可采取先利用特征向量元素对协方差矩阵进行托普利兹化处理实现解相干,再进行矩阵重构的托普利兹矩阵重构(TCMR)算法。计算机仿真与实验结果证明适用于非相干信号条件下的CMR算法与适用于相干信号条件下的TCMR算法具有更好的输出性能。     

混合信号情况下信源数与DOA联合估计算法

针对非相关信源与相干信源共存情况,提出了一种基于矩阵重构的信源数与波达方向（direction of arrival,DOA）联合估计算法.该算法首先利用特征值的二阶统计量（second order statistic of eigenvalues,SORTE）法和子空间旋转不变技术（estimated signal parameter via rotational invariance techniques,ESPRIT）实现非相关信源数与DOA估计;然后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法检测相干信源数,结合求根多重信号分类（multiple signal classification,MUSIC）算法估计相干信源DOA.与传统的差分平滑方法相比,该算法在可估计信源数与低信噪比情况下DOA估计性能等方面优于传统算法.数值仿真实验结果验证了该算法的有效性.     

一种改进的极化敏感阵列解相干算法

在相干信号源情形下,常用的极化敏感阵列信号处理方法(如参数估计、波束形成等)会出现性能下降甚至失效的现象。该文在极化平滑算法的基础上提出一种改进的解相干算法,通过对各子相关矩阵选择适当的加权系数,使平滑之后的相关矩阵具有Toeplitz的形式,进而消除信号之间的相干性。该文推导了最优加权系数的表达式及最大解相干信号个数,并利用加权平滑之后的相关矩阵完成了参数估计和波束形成。计算机仿真结果表明改进的方法具有比常规极化平滑算法更优越的性能,且适用于非均匀噪声和相干噪声的情况。     

一种有效的相关噪声背景下宽带相干信号DOA估计算法

利用均匀线阵,本文提出了一种有效的相关噪声下宽带相干信号DOA估计算法.首先,在各个频率点,利用空间差分技术消除色噪声分量,并通过平方操作构造新矩阵;然后,通过聚焦操作得到通用的协方差矩阵;最后,通过使用传播算法估计得到宽带相干信号的DOA.算法能够分辨的相干组中相干信号的个数可以是奇数或是偶数.仿真结果验证了算法的有效性和性能.     

一种相干信号自适应波束形成零陷展宽算法

针对传统自适应波束形成器在相干干扰位置出现快速变化时,输出性能下降,甚至干扰抑制失效的问题,提出了一种相干信号自适应波束形成零陷展宽算法。首先,对接收数据协方差矩阵进行解相干处理得到Toeplitz矩阵;其次,对协方差矩阵进行重构和优化;最后,进行零陷展宽和对角加载处理。仿真结果表明：该算法不仅能对相干干扰自适应形成宽零陷,而且可以灵活地控制零陷的深度和宽度;与Mailloux算法相比,在输入信噪比较高的情况下,该算法能得到更低的波束旁瓣电平和更高的输出信干噪比     

基于IAA的协方差矩阵重构稳健波束形成方法

针对小样本背景下,存在相干信号、相位及阵元位置误差,传统波束形成方法性能不佳的问题,提出了基于迭代自适应法(IAA)的协方差矩阵重构稳健波束形成方法。该方法利用IAA估计出精确的功率谱,并进一步利用IAA估计的功率重构干扰协方差矩阵。重构过程中,将积分区域缩小到三维立体环域,减少无用信息的影响,提高了干扰协方差矩阵的重构精确度。最后通过波束形成抑制干扰信号。由于IAA不依赖于信号的非相干假设,解决了相干信号存在下的方位估计和功率估计。仿真表明,所提出的方法在相干信号、少快拍、相位及阵元位置误差同时存在的情况下,相对于其他波束形成方法,具有最优的信干噪比(SINR)输出,表明该方法具有优良的抑制干扰性能。     

基于二阶锥规划的相干信号深零陷自适应波束形成

针对常规自适应波束形成算法在强相干干扰情况下零陷深度不够、甚至干扰抑制失效的问题,提出了一种基于二阶锥规划的相干信号深零陷自适应波束形成算法。该算法首先对接收数据协方差矩阵进行Toeplitz重构,使其包含信号和干扰的所有方位信息。然后重构了干扰加噪声协方差矩阵。接着在保证期望方向波束无失真前提下,约束主瓣宽度和旁瓣电平,使得波束形成器干扰和噪声的输出功率最小。最后将该问题转化为凸优化中的二阶锥规划问题,并使用凸优化工具箱进行快速求解。仿真结果验证了该算法的有效性。     

低信噪比下相干信号的DOA估计的白噪声滤除方法

在波达方向估计中,“相干”和“信噪比”一直引人关注。相干会使多重信号分类等算法失效,究其原因就是信源协方差矩阵的秩亏缺。低信噪比使阵列协方差矩阵的主次特征值区分困难,造成信号和噪声的子空间划分错误。针对相干,人们往往都是从“解相干”的角度出发,通过各种手段使信源的协方差矩阵能够满秩,但并未对秩亏缺特性加以利用。基于此,本文给出了一种在低信噪比下对相干源的波达方向估计的噪声消除方法,在仅有加性白噪声的环境下,利用相干信号协方差矩阵不能满秩的特点,通过求解方程组,用求的值代替估计的协方差矩阵的相关对角元素（即对角加载处理）,置换被噪声污染的对角元素,进而可以滤除掉白噪声的影响。仿真结果证实了方法的有效性。