宽带独立信号和相干信号的DOA估计

当独立信号和相干信号共存时,传统四阶累积量方法无法估计出宽带相干信号的来波方向(DOA),针对这个问题提出了一种新方法。该方法首先通过离散傅里叶变换,将宽带阵列接收数据分解为若干个窄带信号,构造出各个窄带频率处的自相关矩阵,再通过MUSIC(Multiple Signal Classification)算法估计出各个窄带信号的DOA,将各个窄带信号的空间谱相加求平均,通过谱峰搜索得到宽带独立信号的DOA;然后分离出独立信号的信息,构造出一个只包含宽带相干信号信息的矩阵,最后通过稀疏重构的方法估计出相干信号的DOA。计算机仿真结果证明该算法的正确性和有效性。     

宽带相干信源DOA估计算法

针对现有宽带相干信源DOA估计算法存在的问题,提出了一种解决宽带相干信源空间谱估计的新方法。简述了宽带阵列信号模型以及投影子空间正交性测试(TOPS)方法,并深入分析了TOPS不能适应相干信号的实质。通过将矩阵共轭重构算法引入TOPS算法中,解决了TOPS算法不能处理相干信号的问题。此方法不仅提高了抗相干信号的能力,而且在聚焦中不需要角度的预估计。数值仿真实验结果验证了该方法的有效性。     

空间非平稳噪声下的宽带DOA估计算法

投影子空间正交性测试(TOPS)法是利用子空间的正交性实现宽带信号DOA估计,而在空间非平稳噪声环境下子空间的正交性条件不再满足,尤其是在低信噪比或低快拍条件下子空间估计将出现较大误差,TOPS算法性能将急剧下降。针对该问题,提出了一种空间非平稳噪声下宽带DOA估计算法。该算法首先通过构造特殊对角矩阵将噪声从数据协方差矩阵中剔除,从而克服非平稳噪声对DOA估计的影响;然后利用平方TOPS法实现宽带信号DOA估计,消除了传统TOPS算法中的伪峰。该算法适用于空间非平稳噪声背景及低信噪比环境,提高了对角度相近目标的分辨性能;仿真实验表明了该算法的有效性。     

一种新的宽带DOA估计方法

提出了一种新的宽带DOA估计方法:频域子空间正交性测试方法(TOFS:Test of orthogonality of frequency subspace).该方法通过同时测试频域信号共同带宽内各频段噪声子空间与阵列流形之间的正交性来进行DOA估计.与宽带相干信号子空间方法不同,TOFS方法不需要任何初始值的预估及聚焦操作.与宽带非相干信号子空间方法也不同,TOFS方法同时测试各频段噪声子空间与阵列流形之间的正交性.本文仿真了TOFS与IMUSIC、CSSM、TOPS的性能比较.仿真结果表明TOFS方法在中等信噪比以上时有较好的性能,且避免了TOPS方法中常出现的伪峰.     

基于空间斜投影的宽带多相干组 DOA 估计算法

针对宽带多相干组信号条件下传统的聚焦类算法性能下降的问题,提出一种基于空间斜投影的宽带波达方向(DOA)估计算法。该算法首先利用窄带解相干算法得到初始的DOA估计值,接着通过求解约束最小化问题得到各相干组信号的衰落系数估计值;然后,利用空间斜投影技术将不同的相干组信号分离,并利用聚焦变换将分离的信号聚焦到单一频点处;最后,利用窄带高分辨算法得到最终的DOA估计值。仿真实验表明:与现有的聚焦类算法相比,文中算法具有更好的估计性能,在较低信噪比情况下尤为明显;同时,文中方法对于相关性较低的空间色噪声也有一定适用性。     

基于波束域的子空间正交性测试宽带DOA估计方法研究

投影子空间正交性测试(Test of Orthogonality of Projected Subspace:TOPS)算法通过测试宽带信号各频率点上噪声子空间和信号子空间之间的正交性对目标方位进行到达角估计(DOA:direction-of-arrival)。此算法对参考频点上的信号子空间的估计依赖性较大,因此存在较多伪峰,低信噪比条件下性能差等缺点。针对该问题,提出一种基于波束域的宽带DOA估计方法。该方法通过将阵列接收信号转换到波束域,在波束域中利用信号带宽内各频率分量的波束域方向向量与噪声子空间之间的正交关系构造判决向量,根据判决向量搜索空间谱的极大值对应的角度进行DOA估计。该方法不需要进行角度预估,避免了TOPS算法中常出现的伪峰,降低了信噪比分辨门限,减少了计算量,具有较好的估计效果。将该方法分别运用到均匀圆阵和线阵上,通过仿真对比和海试实验数据的处理,证明了本文所提方法的有效性。      

高分辨率宽带相干信号波达方向的高效估计

本文给出了一种用于多源宽带相干信号波达方向(DOA)估计的快速算法。它是基于信号子空间技术,通过截取中心窄带频段数据并进行空间平滑来获得对方向的高效估计。文中最后通过计算机仿真,与CSM方法进行了比较,验证了本算法的快速、高分辨率等优良性能。     

基于稀疏近似最小方差的宽带DOA估计算法

提出了一种基于稀疏近似最小方差的宽带波达方向(DOA)估计算法,有效解决当前宽带波达方向估计方法分辨率较低、相干干扰条件下DOA估计误差大等问题。该算法在空域稀疏模型的基础上利用宽带相干信号子空间算法,将宽带信号聚焦到固定频点处,再以近似最小方差准则进行迭代,实现高分辨DOA估计。该算法得到的空间谱具有稀疏度高和副瓣低的特点,且与CSM算法相比无需任何先验信息。通过仿真计算表明,该算法的方位分辨能力较宽带传统DOA估计算法提升30% ,并具有分辨相干信号能力。通过某海试实测数据处理得到的时间历程图有效验证该算法性能。     

基于四阶累积量的宽带OFDM信号DOA估计

当宽带OFDM(Orthogonal Frequency Division Multiplexing)独立信号和相干信号共存时,传统四阶累积量方法无法估计出宽带OFDM相干信号的来波方向,针对这个问题提出了一种新算法。该算法首先通过离散傅里叶变换,将宽带阵列接收数据分解为若干个窄带信号,通过四阶累积量方法估计出各个频点处独立信号的来波方向,将各个频点处的独立信号的DOA估计相加求平均即为宽带OFDM独立信号的DOA估计;然后分离出独立信号的信息,构造出一个只包含OFDM相干信号信息的矩阵,最后通过稀疏重构的方法估计出OFDM相干信号的DOA。计算机仿真结果证明该算法适用于非高斯信号和色噪声情况。     

频谱分析在DOA估计中的应用

子空间方法的本质是利用噪声子空间与阵列流型之间的正交性对阵列空间采样数据中空间频率进行估计。文章从快拍数据频谱分析的角度来实现这一估计。文中详细推导了窄带情况下DOA和快拍频谱的关系,提出了两种运算量较小、便于工程实现的利用FFT估计窄带DOA的方法。在宽带情况下,详细推导了宽带信号空间频率和时间频率的关系,推导出宽带信号频率对齐的方法,提出了两种直接利用对齐结果来估计宽带DOA的新方法。文中所用方法运算量小,便于硬件实现,仿真结果证明了算法的有效性。     

基于TOFS的宽带信号波束空间DOA估计

频域子空间正交性测试(TOFS)方法是宽带信号DOA估计的一类重要算法。TOFS无需进行聚焦,避免了角度的预估计,在中等信噪比时性能较优,但该方法信噪比门限较高。文中利用均匀线阵模型,将波束空间方法应用于TOFS算法,在降低分辨信噪比门限的同时减少了TOFS算法的运算复杂度。通过仿真验证了新方法性能优于TOFS算法。     

基于单快拍极化平滑处理的DOA跟踪算法

该文研究了基于电磁矢量传感器阵列的相干信号波达方向(DOA)跟踪问题。首先,对一种增强阵列有效孔径的单快拍极化平滑估计算法(SSPSA)的解相干性能进行了分析,此算法可以用于相干信号的DOA快速估计。在此基础上,提出了一种基于迭代的相干信号DOA跟踪算法,此算法无需奇异值分解和矩阵求逆运算,具有较快的跟踪速度。仿真实验验证了算法的有效性。     

采用单次快拍数据实现相干信号DOA估计

该文针对均匀线性阵列的相干信号DOA估计问题,提出了一种基于单次快拍数据的解相干算法,该算法直接利用快拍数据构造一个Toeplitz矩阵,经理论推导,该Toeplitz矩阵的秩不受信号的相干性影响,仅和入射信号的个数有关,因此对该矩阵进行特征值分解可得到正确的信号子空间和噪声子空间,结合MUSIC,ESPRIT等子空间算法,即可实现对相干信号的DOA估计。数值仿真验证了该算法的有效性。     

相干声波信号DOA单快拍矢量平滑估计与跟踪算法

本文研究了基于声矢量传感器阵列的相干信号波达方向(DOA)估计和跟踪问题.首先,根据中心对称均匀线阵方向矩阵的平移不变特性,提出了一种增强阵列有效孔径的单快拍矢量平滑估计算法(PVFSIA),该算法可以用于相干信号的DOA快速估计.在此基础上,提出了基于迭代的相干信号DOA跟踪算法,该算法无需奇异值分解和矩阵求逆运算,...     

一种新的去强相关信号方法的波达方向研究

波达方向估计（DOA估计）是智能天线中实现目标精确定位的关键算法。文中针对DOA估计中相干信号源的问题,提出了一种能有效解相关的关于TOPETIZE矩阵的DOA估计算法。该算法利用了阵列接收数据互相关矢量的内在关系,对噪声子空间进行处理,实现了相干源的完全解相干。该算法不牺牲阵元有效数目,同时能分辨低信噪比信号和强相关信号。仿真结果表明了该算法的有效性。     

利用深度学习方法的相干源DOA估计

基于子空间分解的相干信源DOA ( Direction of arrival) 估计算法对阵列有特殊的要求，且估计性能较差，在低信噪比时甚至失效；另外，基于压缩感知的DOA估计算法在高信噪比下可以实现相干源的DOA估计，但计算复杂度较高。针对这些不足，本文基于稀疏表示的阵列接收信号模型，提出一种基于深度学习的相干源DOA估计方法，该方法利用卷积网络和全连接网络构造了深度学习网络，并通过选择合适的训练策略，对网络进行了有效训练，利用训练好的深度学习网络能够对相干源进行有效的DOA估计。仿真实验表明，与现有的相干源DOA估计算法相比，本文提出的方法适合于任意阵列结构，在时间复杂度上有着明显的优势，在估计性能上优于平滑解相干和L1-SVD（Sigular Value Decomposition）算法，略差于OGSBI（Off-Grid Sparse Bayesian Inference）算法。      

一种DOA估计的T差分平滑快速算法

针对未知非平稳噪声背景下相干信源的波达方向估计问题,提出了一种T差分平滑快速(TDSF)算法,算法根据非平稳噪声对角占优的特性,通过构造一个T矩阵,对协方差矩阵进行T变差分平滑运算,可同时分辨相干和非相干信源.算法采用幂迭代法直接获得噪声子空间,无需特征值分解,运算量较小,可有效地消除非平稳复噪声的影响,且不存在伪峰问题,适用于广泛的未知非平稳噪声和低信噪比环境.计算机仿真实验证实了算法的有效性.     

基于相干信号源的改进MUSIC算法

提出一种基于相干信号源的改进多重信号分类（IMUSIC）算法,以估计相干信号波达方向（DOA）。相干信号间接收数据特征值分解后,直接利用大特征值对应的信号子空间与信号导向矢量的关系,通过多维来波方向搜索谱峰,实现对来波方向的有效估计。与空间平滑算法相比,IMUSIC算法具有4大优点,仿真结果也验证了IMUSIC算法的有...     

一种基于Toeplitz矩阵重构的相干信源DOA估计算法

提出一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。