互质线阵中一种基于共轭增广的DOA估计算法

论文开展互质线阵下的空间谱估计研究。通过利用信号二阶统计量的共轭增广特性,提出互质阵下基于共轭增广的酉旋转不变性进行信号参数估计 (Conjugate augmented unitary estimation of signal parameters via rotational invariance technique, CA-UESPRIT)波达方向(Direction of arrival, DOA)估计算法。该算法先利用不同时长间隔下接收信号的二阶统计量,构造共轭增广虚拟阵列以扩展阵列孔径和提高空间自由度。然后采用基于互质特性的联合UESPRIT算法实现DOA估计。相比于传统互质线阵下的联合UESPRIT算法,CA-UESPRIT算法DOA估计性能更优。此外,通过酉变换可以将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了复杂度的同时保证了测向精度。仿真结果证实了所提算法的有效性。     

基于双频互质阵列的DOA估计方法

本文提出了一种利用双频工作模式提升互质阵列DOA估计最大可分辨率信号源数目的方法,通过选择单个合适的额外工作频率获取额外不同位置的差协同阵虚拟阵元,进而填充参考工作频率下互质阵列差协同阵中两个缺失的虚拟阵元。相比于单频工作模式,双频工作模式获取了更多均匀分布的虚拟阵元,DOA估计的自由度得到了提升,实现了对更多非相干信号源的DOA估计。     

基于ResNet的和差共阵DOA估计

传统互质阵列的差分共阵存在“空洞”,即缺少一些虚拟阵列元素。论文采用和差共阵形成更大尺寸的连续虚拟阵列,保留了传统的互质阵列配置,同时,将残差网络（ResNet）应用于到达方向（DOA）估计算法。论文采用的算法先将和差共阵输出的空间平滑矩阵处理后,得到特征数据,然后输入到ResNet中,将DOA估计转变为特征数据和DOA之间的非线性映射关系。通过ResNet对信号分类来实现DOA估计,相比于传统的互质阵列,基于ResNet的和差共阵DOA估计算法具有更强的准确性和适应性。     

基于移位内插互质阵列高分辨DOA估计

针对互质阵列现有算法中可估计信源数少,自由度仍低的问题.提出一种新的虚拟域波达方向(DOA)估计算法.首先,对一般互质阵列改进形成移位互质阵列,通过差集数组形成虚拟阵列,增加了阵元个数,提高了阵列自由度;其次,通过虚拟阵元内插对虚拟域中缺失孔洞进行填充,形成连续虚拟阵列;最后,通过最小化原子范数的设计和内插虚拟阵列协方...     

稀疏互质阵列的迭代加权l_1范数约束来波方向估计

在阵元数确定的情况下,稀疏互质阵列能增大阵列孔径。为利用阵列的互质关系形成具有更多自由度的互质差合成阵列,采用稀疏重构方法,提出一种迭代加权l_1范数约束波达方向(DOA)估计算法。通过矢量化对稀疏互质阵列进行孔径扩展,进而在相应的过完备基下获得观测模型的l_0范数约束稀疏重构,再用加权l_1范数约束代替l_0范数约束重构方法,采用多次迭代运算求取最优解实现DOA估计。实验结果表明,该算法能够更好地利用稀疏互质阵列的阵列孔径,提高测向精度,并且通过迭代运算来弥合l_1范数约束与l_0范数约束之间的差别,克服传统l_1范数约束类算法存在估计偏差的缺点。     

电磁矢量互质阵中基于降维Capon的DOA和极化估计算法

将传统电磁矢量均匀阵列推广为电磁矢量互质阵列,突破了阵元间距不大于半波长的限制。提出了电磁矢量互质阵列中基于降维Capon的波达方向（Direction of arrival,DOA）和极化联合估计算法。该算法无需假设已知极化信息,且只需一维搜索,避免了多维搜索,可实现DOA和极化参数自动配对;与相同阵元数的均匀阵列相比,明显提高了角度估计性能,并拓展了天线孔径,具有相对较高的自由度,且降低了运算复杂度。相同阵列及参数条件下,本文算法的角度估计性能优于ESPRIT算法和三线性分解算法。     

基于内插阵列变换的扩展传播算子实值算法

针对内插阵列变换(VIA)思想在非圆信号波达方向(DOA)估计算法中的应用问题,提出一种基于内插阵列变换的扩展传播算子实值算法——VIA-EPM实值算法。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,通过对扩展阵列输出矩阵进行分块并得出扩展传播算子,进而得到一种传播算子(PM)类的DOA估计算法。仿真实验表明：存在阵元位置误差的情况下,VIA-EPM实值算法通过对阵元位置校准数据进行内插阵列变换,取得与阵元位置校准的扩展传播算子实值算法(EPM实值算法)相当的估计性能,保持了阵列扩展能力、高估计精度以及高分辨力;并且在二维阵元位置误差情况下,其估计性能明显优于阵元位置未校准的EPM实值算法。结合VIA-EPM实值算法的计算复杂度分析可以看出：它同时获得了内插阵列变换技术以及信号非圆特性的优势;与复运算相比,其复杂度也相对降低。     

面阵中基于传播算子的二维DOA估计算法

考虑面阵中的二维波达方向（DOA）估计问题,提出了一种基于传播算子（PM）的二维DOA估计算法。该算法利用4个子面阵接收数据的互相关矩阵构造新的数据矩阵,利用线性运算代替特征分解得到旋转不变关系矩阵,由该关系矩阵得到方位角与俯仰角的参数估计。所提算法的波达方向估计性能优于传统的面阵二维ESPRIT算法,且降低了计算复杂度,提高了阵列接收数据的利用率和算法的抗干扰能力。算法可以实现二维角度的自动配对。仿真实验证明了算法的有效性。     

一种改进的信号子空间聚焦宽带DOA估计算法

信号子空间聚焦（FSS）算法可实现宽带相干信号的波达方向（DOA）估计,但其在短快拍条件下存在估计精度差、分辨率低的问题。提出一种改进的信号子空间聚焦（MFSS）算法。根据波长间隔与阵元间距的匹配度选取最佳参考频点及子频带,通过Hankel矩阵奇异值分解重构子频带的协方差矩阵,并利用信号子空间聚焦法构造聚焦协方差矩阵,使用Root-正交传播算子实现DOA估计。实验结果表明,相比FSS、MTOPS、LR-MUSIC算法,MFSS算法复杂度较低,能够有效提高估计精度和速度。     

一种基于阵列虚拟平移的互耦自校正算法

阵元间的互耦和相干信源对阵列的DOA(Direction-Of-Arrival)估计性能产生了严重影响.针对这一问题,在应用子空间原理的基础上,利用均匀线阵互耦矩阵的带状循环特性及时称Toeplitz性,并结合阵列虚拟平移,提出了一种阵元互耦条件下的相干信源的波达方向估计新算法.该算法无需阵元的互耦参数信息,就可准确地估计出相干信源的DOA,估计性能优良,而且只需一维搜索,计算量较小.计算机仿真结果验证了该算法的有效性.     

An IDFT approach for coprime array direction-of-arrival estimation

In massive multiple-input multiple-output (MIMO) systems, efficiently estimating both the direction-of-arrival (DOA) and the source power with an increased number of degrees-of-freedoms (DOFs) is important but challenging. Aiming at this, we introduce the framework of coprime array signal processing into massive MIMO system and propose an efficient inverse discrete Fourier transform (IDFT)-based DOA estimation algorithm in this paper. By implementing IDFT on the second-order virtual array signals characterized by the equivalent spatial frequency, it is proved that the resulting spatial response enables to effectively estimate both DOA and source power with an increased number of DOFs. Meanwhile, the window method and the zero-padding technique are sequentially considered to alleviate the spectral leakage phenomenon and improve the DOA estimation accuracy. Compared with the existing coprime array DOA estimation algorithms, the implementation of IDFT indicates a remarkably reduced computational complexity as well as the hardware overhead. Simulation results show the effectiveness of the proposed algorithm.     

A novel high degree of freedom sparse array with displaced multistage cascade subarrays

The coprime array is a recently developed sparse array that is widely used in direction-of-arrival (DOA) estimation. The degree of freedom (DOF) for existing coprime arrays relies on the virtual array model, which is limited to the array structure. Furthermore, the continuous virtual array aperture is restricted. This paper aims to propose a novel high DOF sparse array with displaced multistage cascade subarrays to further increase the length of the continuous virtual array and improve the DOF. Through cascading and separating the same sparse arrays, the continuous virtual array aperture is improved and the accuracy of the direction-of-arrival estimation is increased. It is proved that the range of the displaced distance for the maximized continuous virtual array can be obtained. The comparison between the array configuration presented in this paper and the existing common arrays are analyzed. The simulation experiments show that, compared with the uniform array, the coprime array, the nested array, and the coprime array with displaced subarrays (CADiS), the sparse array configuration proposed in this paper can significantly increase the aperture of the continuous virtual array, greatly improve the array DOF and the DOA estimation accuracy, and effectively estimate the DOA of multiple sources in underdetermined conditions.     

基于改进MUSIC算法的宽带信号DOA估计

现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时,存在DOA估计结果偏差大、运算复杂度高等问题,难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率,提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征,利用S变换处理阵列接收信号,得到多分辨的时频谱矩阵,同时构建时频域的阵列信号数据模型,结合信号功率谱矩阵呈联合对角化结构的特点,设计基于S变换的子空间谱估计公式。在此基础上,通过谱峰搜索进行DOA估计,实现多源宽带信号的声源定位。仿真结果表明,在信噪比范围为-15～10 dB的条件下,该算法的估计成功率始终保持在90%以上,相比TCT、CS＿TCT、CWT＿MUSIC算法,其具有较优的估计性能,并且无需预估信号源数。     

Quaternion-MUSIC for near-field strictly noncircular sources with large-scale polarization array

In this paper, a novel localization method is proposed for DOA, range and polarization estimation of near-field noncircular sources in massive multiple-input-multiple-output (MIMO) systems. Compared with traditional MUSIC-based algorithms, the proposed algorithms can separate the polarization parameters from the spatial spectrum function, avoiding the four-dimensional (4-D) spectrum search and realizing the fast localization of the near-field source with high accuracy. First, the dimension-reduced MUSIC (DR-MUSIC) algorithm is proposed for DOA and range estimation with low computational complexity, and given a closed-form expression of polarization estimation. Next, based on the quaternion theory, a novel algorithm named quaternion non-circular MUSIC (QNC-MUSIC) is proposed for parameter estimation of non-circular signals with high estimation accuracy. In addition, the analysis of the computational complexity and simulations of the proposed method are provided, showing that the proposed method yields a better performance than DR-MUSIC in massive MIMO systems.     

基于改进遗传算法的稀疏重构算法

稀疏重构算法中凸松弛法在恢复效率方面、贪婪追踪法在恢复精度方面存在不足,基于遗传算法迭代优化的思想,结合模拟退火以及多种群算法的优势,提出了基于模拟退火遗传算法和基于多种群遗传算法的启发式稀疏重构算法。所提算法均从传统遗传算法易陷入局部最优解的缺陷出发,分别通过保持个体间的差异性和提高种群多样性来搜索待求稀疏信号的全局最优解,并通过理论分析证明了所提算法参数选取及搜索策略的有效性。此外,以阵列信号处理中空间信源的波达方向（DOA）估计问题为例,验证所提算法的有效性。仿真结果表明,相较于正交匹配追踪OMP算法和基于l1范数奇异值分解的l1-SVD算法,所提算法提高了DOA估计的精度,且降低了运算复杂度,使其快速收敛至全局最优解。     

虚拟阵列Khatri-Rao积与子空间联合稀疏表示的DOA估计方法

利用目标信号在空域分布的稀疏性,该文提出了一种基于虚拟阵列Khatri-Rao(KR)积与信号子空间联合稀疏表示的单快拍DOA估计方法;该方法利用单次快拍的采样数据,构造出双向虚拟阵列数据,并对虚拟阵列数据的协方差矩阵进行KR积变换处理,然后对向量化后的数据进行顺序重构,利用重构矩阵的大奇异值对应的左奇异向量为估计信号子空间;最后,利用凸优化工具箱对稀疏模型进行二阶凸规划的优化求解,得到高精度的DOA估计值;仿真实验验证了算法的有效性,在低信噪比下比传统MUSIC和OMP算法具有更高的估计精度。