基于约束最小冗余阵列的MIMO雷达二维波达方向估计

基于约束最小冗余线阵（RMRIA）,提出利用增广矩阵束（MEMP）算法来估计MIMO雷达的二维DOA。采用约束最小冗余线阵配置L形阵列,计算两线阵的互四阶累积量并构造增广矩阵,利用RMRLA—MEMP方法估计出二维波达方向。此方法同时利用约束最小冗余和四阶累积量阵列扩展的性质,提高了角度的估计精度,且估计过程不需要谱峰搜索,能够很好地解决MIMO雷达二维DOA估计中的相位模糊问题,仿真验证了算法的有效性。     

互相关矩阵重排获取信号子空间的二维DOA估计算法

本文提出一种L型阵列的二维子空间DOA估计算法,该算法通过重排阵列接收数据的互相关矩阵获取信号子空间,然后根据信号子空间生成一个二维谱函数,最后通过二维搜索估计信号的来波方向。由于该算法采用二维谱峰搜索,所以不需要对俯仰角和方位角进行配对。与二维MUSIC算法相比,该算法的估计精度略有下降,但该算法不需要对矩阵做特征值分解,计算量降低且易于实现。文中给出了该算法的推导过程和具体实现步骤,并进行了实验仿真,仿真结果说明了算法的有效性。      

基于MUSIC算法的L型阵列MIMO雷达降维DOA估计

该文提出一种基于MUSIC算法的L型阵列多输入多输出雷达降维波达方向(DOA)估计算法。该算法首先针对L型阵列导向矢量的结构,构造出一个降维矩阵,将回波信号转换到低维空间。然后利用二次优化方法将2维DOA估计分解为两个1维DOA估计。最后利用MUSIC空间谱估计其中1维角度,并利用求得的角度回代谱函数,对另1维角度进行求根估计。该算法将2维空间谱搜索降为1维搜索,极大地降低了运算复杂度。理论分析和仿真结果验证了该算法的准确性和可行性。     

基于L型和差嵌套阵的二维波达方向估计

针对传统L型均匀阵列二维波达方向（Direction of Arrival,DOA）估计中可估计信源数目受限于阵元数、分辨率低等问题,提出了一种新的L型和差嵌套阵列结构。该L型阵列的两个子阵布置相同,是非均匀的稀疏阵,通过阵元位置之间的差分、求和操作达到虚拟扩展阵元数目的效果,从而提升阵列的自由度。采用该阵列进行二维DOA估计时,两个子阵分别先进行一维的DOA估计,再采用PSCM（Pair-matching Signal Covariance Matrices）算法进行一维角度配对。每个子阵进行一维波达方向估计时,先采用VCAM（Vectorized Conjugate Augmented MUSIC）算法生成非均匀稀疏阵的求和求差协方差矩阵,再采用矩阵重构的方法恢复协方差矩阵的秩,最后对协方差矩阵采用MUSIC（Multiple Signal Classification）算法进行DOA估计。实验仿真表明,本阵列有着更高的自由度和估计精度。      

一种基于修正数据矩阵的广义波达方向矩阵方法

该文提出了一种基于平面阵的相干信号二维DOA估计算法,文中先将平面阵分为3个具有旋转不变性的子阵列,并分别构造了3个子阵列的数据矩阵,结合这3个数据矩阵,构造了两种修正数据矩阵,提高了阵元利用率。然后仿照波达方向矩阵的构造方法,得到了一种广义波达方向矩阵。通过理论分析证明了对该矩阵进行特征分解,就可以获得信号的方向矢量和信号方向元素,从而能够进行相干信号的二维DOA估计,并且避免了谱峰搜索,减少了运算量,仿真结果验证了该算法的有效性和精确性。     

基于L型阵的二维Root-MUSIC波达方向估计算法

提出一种适用于L型阵列的基于Root-MUSIC的二维DOA估计算法。该算法先利用L型阵列的两个相互垂直的线阵独立的估计波达方向,然后利用该L阵构造二维MUSIC谱峰搜索表达式实现先前两个独立线阵计算出来角度的配对。本算法不仅具有MUSIC算法高分辨率的优点,还有运算量小、方法简单的特点。     

高斯白噪声下L阵二维波达方向快速估计

针对L型阵列,提出一种在高斯白噪声环境下的二维波达方向( DOA)快速估计方法。首先利用阵列结构特点构建两个互协方差矩阵,同时实现了噪声分量的有效抑制,再依据协方差矩阵的性质构造了波达方向矩阵。对该矩阵进行一次特征分解即可分别得到包含方位角和俯仰角信息的方向矢量和方向元素,实现二维DOA估计。该算法避免了传统算法的谱峰搜索或大矩阵构造及其特征分解过程,计算量小,且参数自动配对。仿真结果表明,该算法在低性噪比和少快拍下的估计精度与2 D ESPRIT算法近似,但计算复杂度大幅降低,适用于实时性高的工程应用背景。     

基于L型阵列的方位估计及互耦自校正算法研究

 针对L型阵,提出了一种互耦自校正算法（SAL: self-calibration algorithm for L-shaped array）。该算法利用L型阵列特殊的互耦特性,实现了对信源信息（DOA）和阵列互耦系数的解耦合,从而无需任何校正源就可以实现两类参数的估计。与基于循环迭代最小化技术的传统自校正算法相比,该算法先通过搜索谱峰估计信源信息（DOA）,再估计互耦系数,从而避免了多维搜索带来的庞大运算量和迭代中的全局收敛性问题。仿真结果表明本文提出的自校正算法具有精度高、计算量小的特点。     

基于传播算子的宽带谱相关测向算法

考虑宽带源波达方向（DOA）估计问题,提出了一种基于传播算子的宽带谱相关测向算法。该算法通过循环相关运算降低了噪声和干扰对估计结果的影响,通过多尺度布阵可以获得高精度无模糊二维DOA估计。此外,该算法不需要谱峰搜索,具有计算复杂度低的优点。计算机仿真验证了算法的有效性。     

一种新的波达方向和多普勒频率估计算法

基于均匀圆形阵列，提出了一种同时估计空间非相干信号源方位角、仰角和多普勒频率的快速算法。该方法对均匀圆阵的输出信号进行模式空间转换，使得阵列流形具有类似于均匀线阵的形式，然后通过构造相应的数据矩阵得到传播算子的最小二乘（LS）估计，并由传播算子构造出一个特殊的低维矩阵，其特征值给出多普勒频率估计，特征向量舍有阵列流形的信息。结合模式空间阵列流形的性质，给出了一种DOA估计的总体最小二乘算法，在低信噪比条件下可提高测向精度。该方法不需要谱峰搜索和参数配对，具有运算量小的优点。计算机仿真验证了该方法的有效性。     

基于主奇异矢量的L型阵列相干信号二维DOA估计方法

针对现有L型阵列相干信号DOA估计算法精度不高、孔径损失较大的问题,该文提出一种基于主奇异矢量的解相干(L-PUMA)方法以及改进的主奇异矢量法(L-MPUMA)。L-PUMA算法首先对互协方差矩阵进行降噪,再通过奇异值分解得到2维主奇异矢量,然后利用加权最小二乘法得到线性预测方程的多项式系数,该线性预测方程的根即为信号的DOA估计,最后提出一种新的配对算法实现仰角和方位角的配对。L-MPUMA算法利用反向共轭变换构造增广主奇异矢量,进一步提高了数据利用率,克服了信号完全相干时L-PUMA算法性能下降严重的问题,仿真实验验证了所提算法的高效性。     

一种有效的二维DOA估计算法研究

为了获取用户空间位置,实现通信容量倍增的目的,采用时空DOA矩阵方法,并提出了一种有效的改进算法——时空虚拟DOA矩阵方法。做了60多次Monte—Carlo仿真实验,获得时空DOA矩阵方法和时空虚拟DOA矩阵算法的仿真结果。得到的结论是时空DOA矩阵具有很强的分辨能力,且能解决二维估计中的角度兼并问题,时空虚拟DOA矩阵算法可以估计超过阵元数的信号,具有较高的分辨性能和较好的稳健性。     

Efficient 2-D DOA and frequency estimation for L-shaped array via RD-PM

This paper addresses the issue of joint two-dimensional direction of arrival (2-D DOA) and frequency estimation via reduced-dimensional propagator method (RD-PM) with L-shaped array. The proposed algorithm has no need for eigenvalue decomposition of the sample covariance matrix and simplifies three-dimensional global spectral search within the three-dimensional propagator method (3-D PM) to one-dimensional local search, which greatly reduces computational complexity. Furthermore, the proposed algorithm can work under both uniform and non-uniform L-shaped array and can achieve paired 2-D DOA and frequency estimates automatically. In addition, the 2-D DOA and frequency estimation performance for the proposed method is approximate 3-D PM algorithm and parallel factor (PARAFAC) method but exceeds the estimating signal parameters via rotational invariance techniques (ESPRIT) algorithm and improved PM algorithm. The detailed derivation of Cram´er-Rao bound (CRB) is provided and the simulation results demonstrate the effectiveness and superiority of the proposed approach.     

Subspace extension algorithm for 2D DOA estimation with L-shaped sparse array

A subspace extension algorithm for two-dimensional (2D) direction-of-arrival (DOA) estimation with an L-shaped array is proposed. This L-shaped array is comprised of two orthogonal sparse linear arrays (SLAs). Each SLA consists of two different uniform linear arrays. The cross-correlation matrix of received data is used to construct two extended signal subspaces, by which the azimuth angles and elevation angles can be estimated independently. The procedure used to extend signal subspace only needs a small amount of calculation. Then, an effective pair-matching method is addressed to pair the estimated elevation angles and azimuth angles. Although the signal subspaces are extended, the complexity of the proposed 2D DOA estimation algorithm is lower than many similar algorithms. Simulation results indicate the availability of the proposed pairing-matching method and subspace extension algorithm.     

2D DOA estimation for noncircular sources using L-shaped sparse array

We present an algorithm for two-dimensional (2D) direction-of-arrival (DOA) estimation of noncircular sources using an L-shaped sparse array. An L-shaped sparse array consisting of two co-prime arrays is firstly introduced. Then, the fourth-order-cumulants (FOCs) of received data are used to construct a FOC matrix (FOCM), by which we can get the estimations of elevation angles. With the estimated elevation angles, the azimuth angles can be estimated by a low-complexity signal separation algorithm. During the procedure used for estimating azimuth angles, no any eigenvalue decomposition (EVD), peak search and pair-matching procedure need to be implemented. Although the aperture is extended significantly, the computation complexity of proposed algorithm still is acceptable. Compared with some analogous algorithms, our approach shows more attractive estimation performance. A lot of simulation results prove the advantages of proposed DOA estimation technology.     

一种二维信号波达方向估计的改进多重信号分类算法

多重信号分类(MUSIC)算法是一种经典的空间谱估计算法。该文以L型阵列为例,针对2D-MUSIC算法在接收信号信噪比较小时对多个目标中方位相近的目标无法进行准确估计的问题,提出一种改进2D-MUSIC算法。该算法对经典2D-MUSIC算法所构成的协方差矩阵进行共轭重组,并将重组后矩阵的平方与原协方差矩阵的平方进行相加求平均,由此获得新的矩阵,再对该矩阵对应的噪声子空间进行加权处理,选取适当的加权系数构造新的噪声子空间,最后通过谱峰搜索识别出目标位置。计算机仿真结果表明,与2D-MUSIC算法相比,改进后的算法在接收信号信噪比较小时对多个目标中方位相近的目标也能够进行信号波达方向(DOA)估计,提高了L型阵列2维DOA估计的分辨率,具有较好的工程应用价值。     

基于DML-ESPRIT算法的多维参数快速联合估计

将确定性最大似然估计准则的多维参数估计能力与ESPRIT算法的高时效性有机结合,提出了一种二维DOA-功率-频率快速联合估计方法--DML-ESPRIT算法。利用双L阵列的空间特性,通过引入空间锥角,将多维空间搜索问题转换为一维角度估计,并基于确定性最大似然估计准则推导得到了多信源的空间锥角、功率和频率联合估计的数学模型;然后在对子阵进行扩展的基础上,利用TLS-ESPRIT算法对模型进行求解,避免了谱峰搜索问题,实现了多维参数的快速联合估计。实验结果表明,DML-ESPRIT算法在保持高估计精度的同时运行耗时约35 ms,具有较好的工程应用前景。     

估计相干与非相干信源的ESPRIT新方法

在目前信号波达方向（DOA,Direction-of-Arrival）估计中,ESPRIT算法是一种速度快、精度高的常用算法,但对于低信噪比下混合信号（同时含有相干与非相干信号）,ESPRIT算法难以估计出它们的DOA。提出了一种新的同时估计相干与非相干信源的ESPRIT方法,新方法充分利用数据协方差矩阵的自相关信息和互相关信息来重构含有信号方位信息的矩阵,再从它的特征值中解得信号的到达角。新方法解决了常规ESPRIT算法不能解相干,对信噪比要求高等问题,且与同类算法相比较,分辨能力和估计精度明显提高。仿真实验证明了该方法在混合信号估计中的优越性和可靠性。