基于实值特征值分解的求根MUSIC算法

针对非圆信号DOA估计问题,提出了一种基于实值特征值分解(Eigenvalue decomposition,EVD)的求根MUSIC算法.首先利用非圆信号为实值信号的特点,将阵列上的接收数据及其共轭用欧拉公式转换为实值正弦与余弦数据,然后将正弦与余弦数据进行串联,从而扩展了数据维数.由于采用实值矩阵的EVD,因此在EVD阶段的运算量简化为复值EVD的1/4.根据EVD后获得的信号与噪声子空间的特点,对噪声子空间和导向矩阵进行重构以便于可以使用求根MUSIC算法获取对DOA的估计.仿真实验验证了本文算法的有效性.     

相干信号的空间谱估计算法研究

研究相干信号谱估计精度问题,由于空间信号噪声影响,识别精度低。为此提出了一种改进的解相干谱估计算法——全局滑动修正算法。可通过对平滑子阵划分的修正,突破了阵列布局限制,有效地使可利用的子阵数目大于双向空间平滑中的子阵个数,采用全部的阵元当做一个滑动的子阵,得到一个新的包含空间谱信息的协方差矩阵,再对其进行特征值分解,然后按照MUSIC算法进行谱估计。仿真结果证明,全局滑动修正算法能很好地对相干信号进行解相干DOA估计,并且在信噪比较低时,比前后向空间平滑算法具有更高的估计精度。     

一种新的高分辨稳定阵列信号估计算法

为提高信号的分辨率,提出了一种新的基于均匀线阵的高分辨稳定的阵列信号方向(DOA)估计方法。主要利用阵列接受数据的自相关矩阵进行特征分解,得到最大特征值所对应的最大特征向量。按一定的方式对最大特征向量数据进行重排,构成新的矩阵,通过SVD分解获取信号的噪声子空间,然后利用特征空间的正交性进行DOA估计。新方法由于新构矩阵的特殊性能实现相干和非相干信号的同时分辨,能克服常用阵列信号估计MUSIC法信噪比门限较高以及常用解相干平滑算法(FBSS)无法完全利用阵列接受数据自相关矩阵的固有缺陷。大量的计算机仿真实现表明,方法是一种高分辨、高稳定性的DOA估计算法。     

一种混合源环境下的波达方向估计方法

提出了一种基于均匀线阵的混合源波达方向DOA估计的新方法。该方法首先利用传统MUSIC方法估计出非相干信号源的DOA,然后对整个阵列数据协方差矩阵进行差分消除不相关源信号和噪声的影响,再对此差分矩阵进行特殊的空间平滑去相干,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,优点是在可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。理论分析和仿真结果表明此方法的估计性能优于空间差分平滑算法。     

实值GEESE算法对相干信号的DOA估计

本文基于信号子空间特征向量的广义特征值算法(Generalized Eigenvalues Utilizing Signal Subspace Eigenvectors,GEESE),结合空间平滑技术和实值分解技术,提出一种实值GEESE算法.通过结合空间平滑技术,较好的解决了信号源相关的来波方向(DOA)估计问题;通过结合实值分解技术,降低了计算量,并且提高了算法的精度.计算机仿真结果表明,采用了实值技术的算法对相干信号的DOA估计有估计精度高.计算量小的特点.     

多重信号分类算法在共形阵列天线中的应用

在天线信号优化设计中,传统的共形阵列天线的信号波达方向(DOA)估计采用了波束扫描技术,需要大量的阵元才能获得较高分辨率,对于有限的阵列孔DOA估计来说,上述技术的分辨率会受到瑞利限制.而多重信号分类(MUSIC)算法,由于充分利用了噪声子空间和信号子空间的正交性,构造了空间谱函数,可以通过谱峰值的搜索来达到DOA估计.对MU-SIC及改进算法进行分析,并且分别在均匀线阵,柱面阵列和锥面阵列天线模型下进行了仿真,结果表明,阵列的排列方式对波达方向的估计性能具有重要的影响.     

基于稀疏电磁矢量传感器阵列的相干目标DOA自适应估计和跟踪

研究了利用阵元稀疏分布的电磁矢量传感器阵列对相干目标二维波达方向(DOA)进行自适应估计和跟踪的问题.首先,提出了一种新的解相干预处理方法--极化差分平滑算法(PSDA),并结合传播算子给出一种相干目标DOA的估计方法(PSDA-propagator),无需特征值分解以获得信号/噪声子空间,与基于极化平滑算法(PSA)的同类子空间方法相比,提出的方法在非均匀噪声环境有更好的估计性能.其次,为了实现DOA的自适应估计或对时变DOA的跟踪,论文结合最小均方(LMS)或归一化最小均方(NLMS)算法估计瞬时传播算子,并且通过近似牛顿(approximate Newton)算法更新方位角/仰角的估计.实验结果显示了算法有良好的自适心估计和跟踪性能.     

非圆信号与圆信号共存下的快速方位估计算法*

针对非圆信号和圆信号共存时,信号的波达方向估计算法运算量较大的问题,提出了一种可同时估计非圆信号和圆信号DOA的快速算法。首先,利用观测数据及其复共轭构造中心复共轭对称矩阵,通过双映射定理可将该矩阵转换为实矩阵;然后,利用多级维纳滤波,无需计算阵列协方差矩阵及对其进行特征分解,仅通过对接收的实数据矩阵递推可快速求出观测数据的信号子空间;最后,利用酉ESPRIT算法的实值性,不必谱峰搜索,在保证DOA估计精度的同时可大大降低算法的计算复杂度。仿真结果验证了算法的有效性。     

基于混合型MUSIC算法对相干信源DOA估计

在实际通信环境中,由于传播环境的复杂性使空间中存在大量的相干信号,从而导致信源协方差矩阵的秩亏缺。为使得矩阵的秩恢复到等于信号源数并解决相干信源波达方向（direction of arrival ,DOA）估计问题,提出了一种混合型MUSIC算法。该算法通过前后向空间平滑技术对天线阵列进行预处理,并将得到的新协方差矢量矩阵应用于改进的IMUSIC算法进行信号数据处理分析,得到相干信号的DOA角度估计。仿真结果表明,在信噪比低的情况下,信号间隔很小且存在相关信号时,混合型MUSIC算法能准确地估计出信源的DOA,验证了该算法的高分辨率和高性能。     

基于宽带聚焦矩阵和高阶累积量的OFDM信号的来波方向估计

为了解决正交频分复用(OFDM)宽带信号处理的问题,研究了基于宽带聚焦矩阵和高阶累积量的波达方向(DOA)估计方法。前者是通过傅里叶变换将宽带阵列数据分解为若干窄带信号,再利用一种聚焦矩阵将不同频带下的方向矩阵变换到同一参考频率下,然后用多重信号分类(MUSIC)算法来估计DOA;高阶累积量算法是通过聚焦操作,把各个窄带频率处的阵列输出矢量变换到聚焦频率处,然后求其累积量矩阵。对各个累积量矩阵进行加权平均并特征值分解,再应用MUSIC算法估计DOA。理论分析和仿真结果表明,两种方法都能够精确地估计OFDM信号的DOA,四阶累积量方法的空间分辨率比聚焦矩阵方法有所提高。四阶累积量算法扩展了阵列孔径,信噪比(SNR)较低的时候也有很好的适应性。     

一种相干信号DOA估计的新方法研究

针对自适应阵列信号处理中的关键问题之一波达方向(DOA)估计,首先介绍了阵列信号处理中DOA估计的一般处理方法,如先对信号进行解相干处理后用经典MUSIC算法进行估计,然后给出了一种用于相干信号DOA估计的基于扩展卡尔曼滤波理论的新方法,并通过详细理论分析与一般的相干信号DOA估计的处理方法比较表明,不依赖于输入信号的协方差矩阵的特征值属性,能够利用较少的阵元对相干信号DOA和功率同时进行准确估计,仿真效果良好,证明有实用性,对自适应阵列信号处理中对相干信号干扰的研究有一定意义.     

DOA estimation of closely-spaced and spectrally-overlapped sources using a STFT-based MUSIC algorithm

The multiple signal classification (MUSIC) algorithm based on spatial time-frequency distribution (STFD) has been investigated for direction of arrival (DOA) estimation of closely-spaced sources. However, the limitations of the bilinear time-frequency based MUSIC (TF-MUSIC) algorithm lie in that it suffers from heavy implementation complexity, and its performance strongly depends on appropriate selection of auto-term location of the sources in time-frequency (TF) domain for the formulation of a group of STFD matrices, which is practically difficult especially when the sources are spectrally-overlapped. In order to relax these limitations, this paper aims to develop a novel DOA estimation algorithm. Specifically, we build a MUSIC algorithm based on spatial short-time Fourier transform (STFT), which effectively reduces implementation cost. More importantly, we propose an efficient method to precisely select single-source auto-term location for constructing the STFD matrices of each source. In addition to low complexity, the main advantage of the proposed STFT-MUSIC algorithm compared to some existing ones is that it can better deal with closely-spaced sources whose spectral contents are highly overlapped in TF domain.     

多波束天线通道幅相误差的自校正算法

多波束天线利用多信号分类(MUSIC)算法对目标参数进行精确估计时,存在多波束天线的通道幅度和相位误差的失配现象,使MUSIC算法的性能严重下降;针对基于MUSIC的数字波束通道不一致问题,给出了一种新的基于MUSIC算法的最小化代价函数的波束无源自校正算法,利用阵列结构的先验知识对接收数据进行预处理,得到校正矩阵后自校正,并根据多波束阵列天线形成网络天线实测参数,加入随机幅度和相位误差进行计算机模拟仿真,验证仿真算法的正确性。     

Array geometry impact on music in the presence of spatially distributed sources

The MUltiple SIgnal Classification (MUSIC) estimator has been widely studied for a long time for its high resolution capability in the domain of the direction of arrival (DOA) estimation, with the sources assumed to be point. However, when the actual sources are spatially distributed with angular dispersion, the performance of the conventional MUSIC is degraded. In this paper, the impact of the array geometry on the DOA estimation of spatially distributed sources impinging on a sensor array is considered. Taking into account a coherently distributed source model, we establish closed-form expressions of the MUSIC-based DOA estimation error as a function of the positions of the array sensors in the presence of model errors due to the angular dispersion of the signal sources. The impact of the array geometry is studied and particular array designs are proposed to make DOA estimation more robust to source dispersion. The analytical results are validated by numerical simulations.¹     

信号相关性与修正MUSIC算法二维波达方向估计

实际环境中相干信号源是普遍存在的,但传统的多信号分类(MUSIC)二维测向算法不能处理相干信号的问题,为此,采用修正MUSIC(MMUSIC)算法进行二维波达方向(DOA)估计,将修正MMUSIC算法的应用范围由一维的均匀线阵(ULA)扩展到二维中心对称阵,并理论推导出MMUSIC算法的测向性能与信号相差的余弦值呈反比。仿真实验中,二维MMUSIC对相隔4°以上两相干信号的分辨概率能够达到90%以上。     

非均匀线阵的宽带波达方向估计

研究了基于非均匀线阵的宽带DOA估计问题和非均匀线阵的阵形。对宽带相干信号子空间算法（CSM）和修正MUSIC算法（MMUSIC）的基本原理作了简单介绍。基于修正MUSIC算法和CSM算法,提出了一种适合非均匀线阵的宽带DOA估计算法。仿真结果表明提出算法在非均匀线阵对称布阵方式下取得很好的效果,提高了DOA估计性能。     

Joint direction of arrival estimation and array calibration for coprime MIMO radar

Compared to large-scale MIMO radar, coprime MIMO radar can achieve approximate estimation performance with reduced antenna number. In this paper, joint direction of arrival (DOA) estimation and array calibration for coprime multiple-input multiple-output (MIMO) radar is considered, and an iterative method for the estimations of DOA and array gain-phase errors is proposed. Based on the received data structure of coprime MIMO radar, trilinear decomposition is firstly adopted to obtain the estimations of transmit and receive direction matrices, which are perturbated by the gain-phase errors. Through equation transformation, the un-perturbated direction matrices and gain-phase errors can be iteratively updated based on Least squares (LS). Finally, the unique DOA estimation is determined from the intersection of transmit and receive direction matrices. The proposed algorithm achieves better DOA estimation and array calibration performance than other methods including estimation of signal parameters via rotational invariance techniques (ESPRIT)-like algorithm, multiple signal classification (MUSIC)-like algorithm and joint angle and array gain-phase error estimation (JAAGE) method, and it performs close to the method with ideal arrays. Multiple simulation results verify the algorithmic effectiveness of the proposed method.     

基于离散多项式变换的宽带线性调频信号波达方向估计

为了解决宽带信号处理的问题,研究了一种宽带线性调频(LFM)信号的波达方向(DOA)估计方法。该方法采用离散多项式变换(DPT)将宽带的LFM信号变换成窄带的,经过变换后,即变换为单个正弦信号和新的噪声。这样可将时变的方向向量转化为时不变的方向向量,再采用常规的窄带信号处理方法--多信号分类(MUSIC)算法,对信号的波达方向进行估计。理论分析和仿真结果表明,该方法能够精确地估计信号的波达方向;不仅计算量小,易于实现,而且估计性能好。