一种新的近场源参数估计的子空间方法

提出了一种新的近场源到达方向和距离的联合估计算法．基于阵列接收数据的高阶累积量,构造了两个适当的矩阵束,它们的广义特征值的相位给出到达方向和距离的估计,同时其特征值的幅度实现二维参数配对．该算法的参数估计有闭式解,不需要复杂的谱峰搜索和参数配对算法．由于算法使用了四阶累积量,所以适用于任意结构的加性高斯噪声环境．计算机仿真实验证实了所给算法的有效性．     

双基地MIMO雷达目标定位及互耦自校正算法

利用均匀线阵互耦矩阵的带状和对称Toeplitz特性,提出了一种基于旋转不变技术估计目标参数(ESPRIT)的双基地多输入多输出(MIMO)雷达目标定位及互耦自校正算法.该算法通过ESPRIT算法中子阵的选取,将目标二维方位角估计与互耦参数估计相"去耦",角度估计过程不需任何互耦矩阵信息,且估计精度高、分辨力强;基于对目标二维方位角的估计,算法还可以精确地估计出互耦矩阵,从而实现双基地MIMO雷达的互耦自校正.该算法对目标二维方位角与互耦矩阵的估计不涉及任何角度搜索和迭代过程,具有较小的运算量.计算机仿真结果证明了该算法的正确性和可行性。     

一种二维到达方向估计的ESPRIT新方法

提出了一种在高斯白噪声环境下基于L型阵列的二维到达方向估计新算法。该算法利用阵列结构的特点形成多个相关矩阵。然后构造一个特殊的大矩阵并由其特征分解获得信号子空间的估计。进而利用2-D ESPRIT方法实现二维角度估计．新算法具有估计精度高,运算量小的优点。而且能够很好地解决信号参数配对问题．     

利用多次奇异值分解对ESPRIT 改进

本文主要讲述了一种ESPRIT的改进算法，该算法利用两次奇异值及一次SCHUR分解从而实现对ESPRIT各维估计参量的配对，该方法采用了二排均匀直线阵并附加一阵元，以此来对阵列进行两次子阵分解。利用子阵信号数据矩阵中包含的信号空间的旋转不变性质，借助于矩阵束方法求解出信号的二维到达角，仿真结果证实了该算法的有效性。     

基于Unitary ESPRIT的双基地MIMO雷达目标定位算法

针对双基地MIMO雷达目标定位问题,提出一种基于Unitary ESPRIT的双基地MIMO雷达目标定位算法.该算法利用MIMO雷达发射阵列和接收阵列的相位延迟特性对接收数据矩阵进行重构,使协方差矩阵为Centro-Hermitian矩阵,然后通过酉变换将协方差矩阵从复数域变换为实数域,最后利用Unitary ESPRIT算法实现目标的DOD和DOA估计,且DOD和DOA自动配对.与传统的ESPRIT算法相比,该方法有效地增加接收数据信息,提高了目标角度估计性能,且所有的特征值分解及矩阵计算均在实数域进行,大大降低了运算复杂度.仿真结果验证了该算法的有效性.     

近场源频率、二维到达角和距离的联合估计

文章基于四阶累积量提出了一种多个独立非高斯窄带近场源频率、二维到达角和距离的联合估计算法。该算法首先构造六个四阶累积量矩阵,由它们组成五个矩阵对,然后对五个矩阵对进行广义值分解并对广义特征值进行配对,由配对后的广义特征值求得中间参数,最后由中间参数解出各个近场源的参数。该算法无需任何搜索,而且只需五个阵元放置在固定的位置,对阵列的其它阵元并无要求。由于采用四阶累积量,所以该算法适用于任意高斯噪声环境。计算机仿真结果证实了该算法的有效性。     

基于修正ESPRIT算法的二维DOA估计

针对二维ESPRIT算法在求解相干信号的时候存在较大的阵列冗余度,为了降低计算量,提高算法的解相干能力,在双排平行均匀线阵的基础上,介绍了一种二维修正ESPRIT算法.通过对子阵的合并,摒弃了原协方差矩阵中的冗余数据,使得新构成的协方差矩阵的维数比原来下降了近33%,从而降低了特征值分解的维数,并且新构成的协方差矩阵可以对接收数据进行共轭重排再利用.理论分析和仿真实验表明,该算法降低了计算量,提高了对非相干信号的估计准确度,同时具有一定的解相干能力.     

二维传播算子DOA估计的改进算法

针对传播算子算法在低信噪比和小快拍数环境下进行二维DOA估计性能下降的实际问题,提出了一种改进的二维传播算子DOA估计方法.该方法继承了ESPRIT算法无需谱峰搜索的优点,并且利用线性运算代替特征分解求得旋转不变关系矩阵,再通过简单的除法运算实现方位角和俯仰角的快速配对,极大地降低了运算量.重新构造的协方差矩阵对接收数...     

基于传播算子的二维ESPRIT算法

为了提高经典参数估计旋转不变法(Estimation of signal parameters via rotational Invariance Technique,ESPRIT)处理数据的效率,提出基于传播算子的二维虚拟ESPRIT的改进算法。该算法通过构造一组虚拟阵列得到新的虚拟接收数据,利用传播算子将这组新数据与真实阵列得到的数据进行数据重构,从而得到噪声子空间避免特征值分解,最终可估计出用户的二维波达方向估计。理论分析表明,该方法的波达方向估计性能优于传统的ESPRIT方法,且降低了运算量,提高了阵列的利用率和算法的抗干扰能力,最后由计算机仿真实验证明此方法的有效性。     

基于空间平滑算法的二维相干源DOA估计

基于均匀矩形阵列,利用2D Unitary ESPRIT算法二维参数自动配对的优点,运用二维空间平滑技术进行解相干,并结合虚拟阵列扩展的EVESPA算法,提出了相干源的2D-SS-EVESPA-DOA估计算法。该算法在多径环境下能精确估计出二维波达角,能实现多径波达方向的分组估计,而无需进行谱峰搜索;并实现二维角度的自动配对,二维参数自动配对,无需二维谱峰搜索。仿真实验证明了算法的有效性。     

New method for estimating 2-D DOA in the coherent source environment based on data matrix reconstruction

The performance of classical two dimensional (2-D) Direction-Of-Arrival (DOA) estimation algorithms degrade substantially in the presence of coherent environment. A new DOA matrix method——DOA matrix method based on data matrix reconstruction (DMR-DOAM) is proposed for 2-D DOA estimation in the coherent source environment. The proposed algorithm reconstructs two Toeplitz equivalent covariance matrices by using cross-correlation information among receiving data from arrays. Decorrelation and 2-D DOA estimation can be realized via the eigen-decomposition of the new DOA matrix. The algorithm can retain the advantages of the traditional DOA matrix method, such as automatical parameter alignment and no need of 2-D search spectrum peak. The equivalent covariance matrices only use the middle column of classical covariance matrices, so the calculation amount is reduced, and the algorithm can be realized easily. Furthermore, the paper analyzes the estimation performance and influencing factors of the proposed algorithm. Theoretical analyses and simulation results both show that the proposed algorithm is effective.     

一种用于矩形阵列的二维波达方向估计方法

针对现有使用均匀矩形阵列或稀疏矩形阵列的二维无格波达方向估计方法的性能欠佳的问题,提出一种基于二阶特普利茨矩阵重构和二维旋转不变参数估计技术的无格波达方向估计方法。使用均匀矩形阵列或稀疏矩形阵列,对其接收信号的协方差矩阵进行二阶特普利茨结构表达,通过log-det稀疏测度与正定约束构造约束优化问题,并使用优化最小算法求解,最后通过二维旋转不变参数估计技术估计源的二维波达方向,即方位角与俯仰角。这种方法需要多次求解半定规划问题,计算复杂度相对较高,但能获得更好的波达方向估计性能。在仿真实验中,这种方法在均匀矩形阵列或稀疏矩形阵列条件下均有非常低的均方根误差,接近克拉美罗界,证明了其良好的波达方向估计性能。     

Y形阵列宽带信号二维来波方向估计

利用Y形阵列结构的特点,提出一种宽带信号二维来波方向的估计方法.该方法在相干信号子空间法的基础上,通过采用流型矩阵展开的方式获得聚焦矩阵,并针对聚焦后的协方差矩阵,利用基于子阵的ESPRIT算法和二维MUSIC算法进行联合估计,从而提高了测向精度且减小了谱峰搜索的范围.理论分析和计算机仿真实验表明,该方法对于非相干信号源和相干信号源都具有较好的估计效果,并具有较低的计算量.     

非圆信号的二维相干测向新方法

传统的二维相干测向算法都是针对圆信号提出的,且要求大快拍数和较多阵元数,在低信噪比时估计性能较差.通过充分利用非圆信号的特点和L型阵列的结构优势,提出了一种非圆信号的二维解相干新方法.该方法利用阵列接收信号数据及其共轭信号数据,重新构造阵列接收数据矩阵,有效地扩展了阵列孔径;同时,提出了一种修正的空间平滑技术进行解相干,最后采用ESPRIT算法实现相干信号的二维DOA估计.所提方法具有阵列利用率高的优点,能够有效弥补传统二维测向算法阵列利用率低的缺点,提高了ESPRIT算法在低信噪比时的估计性能.实验仿真结果表明,所提方法能够有效实现二维相干信号估计并且估计性能优良.     

Joint Estimation of 2-D DOA and Polarization by Using the Linear Array with Diverse Polarizations

Antenna arrays with diverse polarizations havesome inherent advantages over the conventional uni-formly polarized array,for instance,higher accuracyof direction-of-arrival(DOA)esti mation,capabilityof resolving or separating signals based ontheir polar-ization characteristics as well as DOAs[1-7].Thepresence of polarization diversity,complicates themeasurement model which introduces a relativelyhigher computational requirement[8,9].Moreover,many existing algorithms proposed in the literature…     

一种改进的二维ESPRIT算法

针对二维旋转不变子空间算法(estimation of signal parameters via rotational invariance technigues,ESPRIT)在求解信号时协方差矩阵存在阵列冗余问题,提出一种改进后的二维ESPRIT算法。该算法利用阵列结构原理构造2个互相关矩阵,然后由合并的特殊大矩阵进行奇异值分解来估计信号子空间,最后利用2D-ESPRIT方法实现二维测向。该算法估计精度高,计算量小,通过空间平滑后既能对相干信号进行估计,也能同时估计非相干信号。     

基于改进MUSIC算法的二维DOA估计方法

提出了一种改进的二维MUSIC算法,该算法通过重构阵列接收数据协方差矩阵来降低入射信号源间的相关性,抑制信号子空间向噪声子空间的扩散,从而解决用MUSIC算法估计相干信号源到达方向(DOA)时的漏估计问题.该方法不仅对相关信号源的DOA估计有好的特性,也可以提高非相关信号源的DOA估计特性,而且计算量也没有大的增加.仿真试验证明了改进算法的有效性.     

Propagator method for multiple-parameter estimation of LFM signal for conformal array antenna

A multiple parameter estimation method for the LFM signal for the conformal array antenna is presented. By employing the energy focusing property of certain-ordered-FRFT to the LFM signal, multiple components blended in received data are separated in the FRFT domain, and hence the simplified data model is acquired, because of which the complicated parameter match is avoided, and then the DOA and polarization estimation is performed by using the PM algorithm. Benefiting from the avoiding of parameter matching and high dimensional eigen-value decomposition, the complexity and computational burden of the algorithm is remarkably controlled. Simulation results show that the proposed algorithm has an approximate performance with a much lower computation burden than ESPRIT.