基于虚拟阵列的二维稀疏阵列相干源DOA估计

波达方向DOA估计是雷达阵列信号处理的一个重要方向,传统的MUSIC算法对均匀阵列条件下独立信号源的估计有很强的适应性,但实际的雷达工作中,稀疏布阵下多相干源测角是一个经常出现的应用场景。文中针对二维稀疏阵列的相干源测角,提出了一种基于虚拟阵列的相干源DOA估计方法。该方法利用虚拟阵列内插的方法,将一个任意二维稀疏阵列内插为一个均匀面阵,再通过二维空间平滑方法对相干源进行测角,能够同时获得信号的方位角和俯仰角信息。稀疏面阵和稀疏圆阵的仿真实验结果表明,该方法可以有效的解决二维稀疏阵列的相干源测角问题。     

双正交电磁矢量阵列低角估计方法研究

电磁矢量阵列由于利用了信号的极化信息,能显著提高阵列的环境感知性能。建立双正交电磁矢量阵列低仰角测高多径模型,提出利用极化平滑与空间平滑结合的预处理方法对直达波和多径进行解相干,同时利用极化和空域信息提高低仰角角度估计性能;并推导低仰角多径模型下双正交电磁矢量阵列的Cramer-Rao界,分析极化参数对测角性能的影响。仿真实验结果表明,低角情形下电磁矢量阵列相较于标量阵列测角性能更优;所提的极化空间平滑算法由于结合了极化平滑和空间平滑的优点,较现有方法解相干效果更好,精度更高,特别适用于直达波和多径极化状态差异较小的低仰角情形。     

基于EPUMA的相干干扰零陷加深算法研究

麦克风阵列信号处理中,自适应波束形成技术能够实现空域上的滤波,增强期望方向的有效信号同时抑制干扰源方向信号。但在相干干扰功率较大的环境下,许多传统算法的估计精度和性能会受到很大影响甚至失效。对此,提出一种基于增强型主奇异向量模态分析(EPUMA)重构优化协方差矩阵进行自适应处理的方法。该方法首先对信号协方差矩阵进行特征值分解,然后利用加权最小二乘计算线性预测系数,最后通过代价函数估计出期望的空间谱。仿真结果显示,该方法可以有效减少功率较大的相干干扰对自适应波束形成的影响,提高了阵列接收信号的信噪比。     

基于噪声空间加权重构的相干信号DOA估计

针对传统相干信号DOA估计算法在低信噪比、少快拍数以及阵列通道幅相误差下存在的角度分辨力差和测角性能不稳定问题,本文提出一种基于噪声空间加权重构的相干信号DOA估计算法。该算法首先利用共轭重构对阵列接收信号协方差矩阵作解相干处理;然后在信源大致方位内对导向矢量作定积分,计算积分矢量与整个噪声子空间正交基矢量的交空间基矢量,并以此对噪声子空间进行加权;最后运用加权重构后的噪声子空间建立算法空间谱函数,谱峰搜索估计得目标的DOA。计算机仿真结果表明,本文所提算法易实现低信噪比、少快拍数以及通道幅相误差下相干信号的DOA估计。     

基于最大似然算法的空间谱估计测向性能分析

本文针对车载小阵列的情况，首先研究解决相干源方向估计的有效方法－最大似然法，然后着重分析了角分辨能力和估计精度，并与前后向平滑法进行了估计精度的比较。本文对每一结论都给出了仿真结果。     

基于数据矩阵重构的相干源波达方向 共轭ESPRIT(C-SPRIT)估计方法

 本文提出了一种相干源波达方向估计算法.该方法利用C-SPRIT思想,通过构造数据矩阵,使得无论是否存在相干信号,均能很好估计信号波达方向(DOA).传统的空间平滑技术通过子阵平滑来解决相干源DOA估计问题,但信号之间并没有完全解相干,孔径损失也很大,且最多只能估计2N/3个相干源(N为阵元数目).本文方法也采用空间平滑去相干的思想,但无孔径损失,信号之间完全解相关,提高了相干源DOA估计精度,并且能估计N-1个相干源,该方法利用ESPRIT数值求解进行角度估计,无需角度搜索,运算量小,计算机仿真验证了该方法的有效性和优越性.     

基于对称旋转不变性的非圆相干分布源直接定位算法

针对现有相干分布源直接定位方法中存在的依赖分布模型、计算复杂等问题,该文提出一种基于非圆信号特征的对称旋转不变直接定位算法。该方法首先根据分布源参数化假设建立基于数据域信息的直接位置估计模型,并利用非圆信号特征扩展接收信号的协方差矩阵。然后针对中心对称阵列,证明了相干分布源的确定性角信号分布函数矢量具有对称特性,基于这一特征建立了扩展方向矢量的旋转不变关系;构造了融合多个观测站信息的目标函数,直接估计目标位置,避免了对分布模型的依赖,且降低了待估计参数维度。仿真结果表明,与现有相干分布源定位算法相比,所提算法提高了分布源位置估计精度和效率,避免了对分布模型的依赖,更具实用价值。     

空间平滑差分方法

针对相干信号源超分辨空间谱估计中存在的问题，本文提出了空间平滑差分方法。利用常规超分辨方法估计不相关源和相关源的空间谱，利用空间平滑差分方法估计相关源和相干源的空间谱，这样可以重复利用接收阵列输出数据，兼顾不相关信号源和相干信号源的空间谱估计，因而可以估计更多的信号源。     

基于MUSIC算法对相干信号DOA估计的研究

空间谱估计是阵列信号处理中的一个重要研究课题。针对经典MUSIC算法在入射源相关的情况下测向失败的问题,通过前后向空间平滑MUSIC算法,利用子阵平滑恢复数据协方差矩阵的原理进行解相干,进而对入射源的波达方向（DOA）进行估计。仿真结果证明：前后向空间平滑算法不仅能估计出空间相互独立信号源的波达方向,还能有效分辨出相干信源的到达角度,且具有较高的分辨能力和估计精度。     

基于Toeplitz矩阵重构的相干信源波达方向估计研究

波达方向估计(DOA估计)是实现目标精确定位的重要内容。针对相干信号源的波达方向角估计问题,提出了一种能有效解相干的互相关矢量Toeplitz矩阵重构算法。该算法利用了阵列接收数据互相关矢量的内在关系,实现了相干源的完全解相干。该算法不损失阵列孔径,无需阵列平滑。仿真结果表明了该算法的有效性。     

混合信号情况下信源数与DOA联合估计算法

针对非相关信源与相干信源共存情况,提出了一种基于矩阵重构的信源数与波达方向（direction of arrival,DOA）联合估计算法.该算法首先利用特征值的二阶统计量（second order statistic of eigenvalues,SORTE）法和子空间旋转不变技术（estimated signal parameter via rotational invariance techniques,ESPRIT）实现非相关信源数与DOA估计;然后基于空间差分法消除非相关信号并构造新矩阵,利用构造矩阵进行前向空间平滑,实现对相干信源解相干;最后利用SORTE法检测相干信源数,结合求根多重信号分类（multiple signal classification,MUSIC）算法估计相干信源DOA.与传统的差分平滑方法相比,该算法在可估计信源数与低信噪比情况下DOA估计性能等方面优于传统算法.数值仿真实验结果验证了该算法的有效性.     

DOA estimation of wideband sources using a harmonic source modeland uniform linear array

We consider the problem of estimation of the DOAs of multiple wideband sources incident on a uniform linear array (ULA) in the presence of spatially and temporally white Gaussian noise (WGN). The approach presented builds up on the IQML algorithm suggested by Bresler and Macovski (1986) for the case of narrowband DOA estimation. It is shown that the concept of an ARMA model for the observed data vector for the narrowband case can be generalized to model an appropriately stacked, space-time data vector obtained by combining the space-time samples. The coefficients of the corresponding 2-D predictor polynomial can be used to represent the null subspace of the wideband array steering matrix, and rooting of the polynomial at each frequency, separately, gives the DOA estimates. These separate estimates at multiple frequencies are combined into a single DOA estimate in a least squares sense. This leads to the formulation of an IQML like procedure for the spatial parameter estimation of wideband sources. Like its narrowband counterpart, the proposed approach is applicable to both noncoherent and coherent sources. The performance of the proposed method is studied via extensive computer simulations and by comparison with the Cramer-Rao bounds     

A Low-Complexity Algorithm for Coherent DOA Estimation in Monostatic MIMO Radar

This paper investigates the topic of direction of arrival (DOA) estimation for coherent sources in monostatic multi-input multi-output (MIMO) radar, and proposes a low-complexity algorithm for coherent DOA estimation. The direction vector of MIMO radar can be firstly mapped into a vector of virtual uniform linear array (ULA), and after that, a linear operator is constructed by partial cross-correlations from the received data of the virtual ULA. Finally, the DOAs can be obtained via roots finding method based on this linear operator. The DOAs can be estimated without any eigen-decomposition, nor evaluating all correlations of the received data. The proposed algorithm has much lower complexity as well as much better angle estimation performance than conventional forward backward spatial smoothing (FBSS)-propagator method (FBSS-PM), FBSS- estimation method of signal parameters via rotational invariance techniques (FBSS-ESPRIT), FBSS- root multiple signal classification (FBSS-Root MUSIC), and ESPRIT-like algorithm. Simulations present the effectiveness and improvement of our approach.     

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。     

基于虚拟阵列空间平滑的相干信号DOA估计

 针对相干共轭循环平稳信号的DOA估计问题,提出了一种基于虚拟阵列前后向空间平滑的方法。该方法利用特定阵元输出间共轭循环相关函数的多时延采样,构造出与真实线阵阵元具有一一对应关系的虚拟阵列,并将空间平滑技术应用于该虚拟阵列实现了相干信号DOA估计。理论分析和仿真结果均表明,与FBSS-CCMUSIC算法和CCHAM算法相比,本文方法避免了最优时延选择问题,并获得了更高的DOA估计精度,同时,对信号不同入射方向也具有较好的稳健性。此外,该方法也可推广用于具有循环平稳特性的信号。     

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。      

DOA Estimation of Coherent Signals Based on Coherent Accumulation Vector

The direction-of-arrival (DOA) method based on multiple Toeplitz matrices reconstruction (MTOEP) method that employs all rows of the array output covariance matrix to reconstruct the Toeplitz matrix, which can effectively resolve coherent signals. However, the existing MTOEP method suffers serious performance degradation when in low signal-to noise (SNR) owing to the square transformation of noise energy. In this paper, a modified MTOEP method based on coherent accumulation processing is proposed. Firstly, because the strong coherence of the narrowband signal and the uncorrelated noise at adjacent snapshots, the accumulation vector is obtained via performing coherent accumulation processing on multiple snapshots. Then, the Toeplitz matrix can be reconstructed by exploiting the coherent accumulation vector and the received data from all sensors, which improves the signal energy, and further results in the improvement of the SNR. Finally, the DOAs can be estimated via the subspace-based methods. Theoretical analysis and simulation results show that compared with the existing MTOEP method, the proposed method provides an improved DOA estimation accuracy and a higher probability of successful resolution at low SNR.

     

Simplified Estimation of 2D DOA for Coherently Distributed Sources

In mobile communications, local scattering in the vicinity of the mobile results in angular spreading as seen from a base station antenna array. In this paper, we consider the problem of estimating the two-dimensional (azimuth and elevation) direction-of-arrival (DOA) parameters of spatially distributed sources. Based on double parallel uniform linear arrays (ULAs), a simplified method without spectrum-peak searching is proposed for the 2D DOA estimation of multiple coherently distributed (CD) sources. The proposed method firstly obtains two approximate rotational invariance relations with respect to the nominal DOAs of CD sources by using one-order Taylor approximation to the generalized steering vectors (GSVs) of two pairs of shifted subarrays. And then a new ESPRIT-based method is utilized to estimate the nominal azimuth DOA and nominal elevation DOA. In addition, a simple parameter matching approach is also given. Compared with the conventional methods, our method has significantly reduced the computational cost and can sustain the estimation performance within a tolerable level. Moreover, our method is a blind estimator without any prior knowledge about angular distribution shape. Numerical examples illustrate the performance of the method.     

一种互耦和相干源条件下的DOA估计方法

空间平滑算法是一种常用的解相干处理方法,而阵元间互耦的存在会导致空间平滑算法失效,从而无法准确估计相干源DOA。针对这个问题,文中提出了一种新的DOA估计方法。该方法基于信号子空间和噪声子空间的正交性原理,利用入射信号源中的独立信号源可以有效估计出互耦矩阵,再通过估计的互耦矩阵对接收数据协方差矩阵进行互耦补偿,克服了互耦对空间平滑算法的影响,从而保证了相干源DOA能准确估计。计算机仿真实验表明了该方法的有效性。     

空间相干源信号频率和波达方向的同时估计方法

本文针对宽频段窄带相干信号源,充分利用多重信号分类和旋转不变两大技术,结合一定的时域信息,提出了一种高精度的信号频率和波达方向同时估计方法.该方法通过构造平滑波达方向矩阵进行参数估计,无需搜索过程和配对处理.计算机仿真验证了本文所提出方法的有效性.