非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

基于差分和斜投影的信源DOA分步估计方法

提出一种色噪声背景下,同时存在独立、相关和相干信源的DOA分步估计方法.该算法利用常规谱估计算法估计独立和相关(非相干)信源,然后用差分方法排除掉协方差矩阵具有Toeplitz结构的噪声和独市源信息,在利用斜投影算子的方法去除相关信源后,对剩余的相干信源采用修正平滑算法恢复为满秩.该算法在提高阵列的信源过载能力的同时,可避免重复估计相关信源.计算机仿真结果证明了新算法的有效性和正确性.     

一种改进的MVDR相干信源DOA估计算法

最小方差无失真响应(MVDR)算法是一种经典的波束形成算法,同时也能实现DOA估计,但是其分辨力往往比较低.针对这一不足,提出了一种改进的MVDR相干信源DOA估计算法.该算法首先对阵列接收数据阵进行共轭重排构造出增广数据矩阵,然后利用奇异值分解(SVD)求出增广矩阵的伪逆,再用传统的MVDR算法进行DOA估计.仿真结果表明,与传统的MVDR算法和前后向空间平滑算法相比,在阵元数较少和快拍数较低的情况下,该算法具有更高的DOA估计精度和分辨力,因而是一种很好的相干信号DOA估计算法.     

基于均匀线阵的混合源波达方向估计方法

文中提出了一种基于均匀线阵的混合源波达方向DOA估计的改进方法。该方法首先利用传统MUSIC方法估计出非相干信号源的DOA,然后接收数据协方差矩阵进行差分消除不相关源和噪声的影响,对其进行特殊的空间平滑去相干,从而利用重建的数据协方差矩阵估计相干源的DOA。此方法的特点是分别估计不相关信号和相干信号的DOA。优点是算法在估计出多于阵元数信号的前提下具有较高的DOA估计精度和稳健性。仿真结果表明此方法的估计性能优于空间差分平滑算法。     

基于矢量奇异值分解的DOA估计方法及其改进

对相干信号的波达方向（DOA）估计是空间超分辨谱估计的热点。在均匀线性阵列模型下,特征矢量奇异值分解法（ESVD）能够很好的对相干信号进行DOA估计,但是当相干信号和非相关信号同时存在时,ESVD并不能对全部信号进行DOA的估计。本文通过对ESVD算法的理论分析后,选取经过加权处理的特征向量来构造新矩阵,再利用奇异值分解得到信号的噪声和信号子空间,从而进行DOA估计。理论分析和计算机仿真表明该改进算法(MESVD)解决了ESVD算法在相干信号和不相关信号同时存在不能正确进行DOA估计的问题,估计精度与空间平滑算法（FBSS）相当。     

基于互相关抽样分解的分布式非圆信号DOA快速估计

在非相干分布式非圆信号波达方向(DOA)估计中,针对利用信号非圆特性后输出矩阵维数扩展带来的较大运算量问题,该文提出一种基于互相关抽样分解的DOA快速估计算法。该算法仅需要从子阵间的扩展互相关矩阵中抽样出少量行元素和列元素,构成两个低维子矩阵,进而通过低秩近似分解便可快速地同时求出左右奇异矢量,即分别对应两个子阵的信号子空间,避免了计算整个互相关矩阵及其奇异值分解运算;最后利用两个子阵信号子空间的旋转不变性通过最小二乘得到DOA估计。仿真分析表明,当行列抽样数大于信源数的两倍时,所提算法与直接基于互相关矩阵奇异值分解的非相干分布式非圆信号DOA估计算法性能相近,但复杂度得到了大幅度降低;而相比于传统的低复杂度非相干分布源DOA估计算法,所提算法利用信号非圆特性具有更高的估计性能。     

基于差分时间平滑的多径信号DOA估计

针对移动通信环境中,多径信号与独立信号共存的混合信号模型DOA估计问题,依据差分方法与时间平滑原理,提出一种改进的DOA算法。该算法增加了可分辨信源个数,同时提高了相干信源DOA估计的性能,仿真实验证明,该算法在混合信号模型下解相干性能优于传统空间平滑法。     

混合信源背景下的DOA估计分步改进算法

信号在传输过程中会产生多径和电磁干扰,到达天线阵列后会同时存在非相干和相干信源,针对这种情况,文中提出了一种分步估计到达角的改进算法。该算法首先利用MUSIC算法估计非相干信源的到达角,然后在信号协方差矩阵中分离出相干信源的协方差矩阵,只对相干信源进行空间平滑估计出相干信源到达角。相比传统空间平滑算法,该算法在保持良好到达角分辨力的同时,减小了对天线阵列数的要求,在低信噪比时拥有更精确的估计能力。     

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。     

冲击噪声背景下相干信源DOA估计方法研究

研究了冲击噪声环境下相干信源波达方向(DOA)估计问题.在对称α稳定分布冲击噪声假设下,基于共变和分数低阶矩的MUSIC(即ROC-MUSIC和FLOM-MUSIC)方法不能用于相干信源DOA估计.本文首次将空间平滑思想应用于共变系数矩阵和分数低阶矩矩阵中,定义了新的前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵,提出了两种新的适用于冲击噪声环境的相干信源DOA估计方法:基于前后向平滑共变系数矩阵的空间平滑(ROC-SS)算法和基于前后向平滑分数低阶矩矩阵的空间平滑(FLOM-SS)算法.理论分析表明,可以通过前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵的特征分解来估计噪声子空间,从而实现对相干信源的DOA估计.论文还对提出的ROC-SS算法和FLOM-SS算法进行了性能对比分析.计算机仿真结果证明了ROC-SS算法和FLOM-SS算法的有效性和正确性.     

ICA-based direction-of-arrival estimation of uncorrelated and coherent signals with uniform linear array

A novel approach for direction-of-arrival (DOA) estimation of uncorrelated and coherent signals with uniform linear array is proposed in this paper. First, the mixing matrix, which contains all azimuth information of signal sources, is estimated by independent component analysis. Afterward, several parameter equations are established upon the new mixing matrix. Finally, all DOAs of coherent and uncorrelated signals are estimated by solving these equations. Compared with traditional methods, the proposed method has higher angle resolution and estimation accuracy. Moreover, the signal number resolved by our approach can exceed the number of array elements. Simulation results have demonstrated the efficiency of the proposed method.     

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。     

Two-dimensional direction of arrival estimation in the presence of uncorrelated and coherent signals

In this paper, a novel two-dimensional direction of arrival (2-D DOA) estimation method is proposed based on a new array configuration when uncorrelated and coherent signals coexist. The DOAs of uncorrelated signals are estimated using the non-zero eigenvalues and corresponding eigenvectors of the DOA matrix (DOAM) combined with our proposed criterion. Meanwhile, we can form a new matrix without the information of uncorrelated signals. Then the coherent signals are resolved with the redefined DOAM that is constructed by the smoothed matrices of the new matrix. Simulation results demonstrate the effectiveness and efficiency of the proposed method. Other arrays that contain multiple identical central-symmetric subarrays (e.g. uniform rectangular arrays) can also be applied with our method.     

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。     

基于特征分解MUSIC算法的DOA估计

对于非相干信号源,基于特征分解的多重信号分类算法是一种具有高分辨率的波达方向估计算法,通过计算机仿真比较了它与Bartlett和Capon算法的性能,并分析了信号源数目估计值大于或小于真实值时接收信号入射角的估计结果.研究了一种新的自适应加权空间平滑算法,提高了MUSIC算法对于相干信源DOA估计的性能.仿真结果表明该算法可以有效地去除期望信号与干扰信号之间的相关性,在相干干扰方向上形成深的零陷,在平滑次数相同的情况下新算法比常规空间平滑算法得到更高的输出信干噪比.     

基于四阶循环累积量的DOA估计方法

提出了一种新的波达方向估计算法,该算法构造了一个“谱相关DOA矩阵”,并基于此矩阵进行DOA估计。理论分析表明,通过谱相关矩阵的特征值分解,就可以得到源信号的DOA,该方法不需要进行谱峰搜索,同时利用循环平稳特性,可以有效抑制平稳噪声和滤除与信号循环频率不同的干扰信号,从而大大提高了算法的检测能力。另外还给出了相干信号DOA解决方法。     

电磁矢量阵列的四元数Toeplitz矩阵重构算法

对于电磁矢量阵列的相干信源波达方向估计,针对空间平滑算法解相干时减少阵列有效孔径的问题,提出了一种四元数Toeplitz矩阵重构算法。首先,根据四元数的正交特性建立了信号接收模型,很好地保持了电磁矢量阵列的阵元输出信号两分量间的正交性,同时保证了波达方向角信息和极化信息都能包含在重构矩阵中;然后,在阵列各阵元接收数据与参考阵元接收数据的相关函数基础上,构成Hermitian Toeplitz矩阵,从而实现解相干。该算法与空间平滑算法相比增加了相干信源估计个数,且在低信噪比和入射角度接近时具有更好的估计性能,通过仿真实验得到了验证。