基于压缩感知理论的宽带信号波达方向估计

针对一维宽带信号波达方向(DOA)估计中聚焦变换算法需要角度预估值的问题,在双边相关变换算法基础上设计了一种无需角度预估值的DOA估计算法.首先,利用离散傅里叶变换(DFT)变换将宽带信号分解为若干个不同频点处的窄带数据模型.然后,通过本文改进的聚焦矩阵将不同频点处的窄带数据聚焦到同一参考频点,得到单一频率点处窄带信号模型.最后,采用改进阵列协方差矩阵稀疏迭代估计算法进行求解.理论研究和仿真实验结果表明,该方法在低信噪比和多快拍条件下比传统算法具有更高的估计精度和分辨率,且结合压缩感知理论有效降低了算法的运算量.     

一种新的盲联合角度-时延估计方法

提出一种新的盲联合角度-时延的估计方法,对阵列天线输出的过采样样本的Fourier变换后信号进行分析,结果表明,此信号具有三线性模型特征.为此,提出一种改进的三线性交替最小二乘(ITALS)算法,对波达方向(DOA)和时延联合估计.该算法利用方向矩阵和时延矩阵的Vanderm onde特征、基于最小二乘原理对方向矩阵和时延矩阵进行重构,以及对DOA和时延估计.仿真结果表明,ITALS方法具有较好DOA和时延联合估计性能,且在过载系统下仍有较好的性能.ITALS方法随着天线数增加联合估计性能变好;而且该方法无须信道衰落系数,是一种盲、鲁棒的联合处理方法.     

适于相干信号DOA估计的改进矩阵差分方法

提出一种适用于色噪声背景下窄带信号的波达方向估计方法. 假设未知色噪声协方差矩阵具有对称的Toeplitz结构,利用线性变换改变阵列协方差矩阵,并与阵列协方差相减,理论上消除了噪声对算法估计性能的影响. 新差分算法适用于信号不相干或仅有2个信号相干的波达方向估计. 当相干信号多于2个时,通过与空间平滑算法结合,拓展了算法的应用范围. 与传统差分算法相比,新算法避免了“伪”波达方向估计,降低了计算复杂度. 仿真实验结果表明,新算法具有优越的估计性能.     

基于矩阵秩显QR分解的时延估计

近年来，ＭＵＳＩＣ算法在时延估计研究中异常活跃，它获得和利用接收信号的协方差矩阵的一组与信号时延矢量正交的特征矢量。特征分解需要很大的计算量。本文基于矩阵秩显ＱＲ分解提出一种新的时延估计方法。计算机模拟结果表明此方法与ＭＵＳＩＣ算法同样有效，而且计算量大为减小。     

基于协方差矩阵对角化的盲信号分离

将基于协方差矩阵对角化的盲分离方法用于盲分离。当信号具有时间结构且空间独立时,通过对角化独立成分的自协方差矩阵（不同时延下的协方差矩阵）对混合信号进行盲分离。首先构造白化信号的时延协方差矩阵,然后选取不同的时延,将协方差矩阵的对角化程度表示成代价函数,最后利用梯度下降法得到分离矩阵。此方法和基于极大似然估计的FastICA算法的对比试验说明了此算法的有效性。     

修正STFD-ESPRIT到达角估计

提出了基于修正空间时频分布(STFD)矩阵的ESPRIT算法以实现对宽带线性调频信号的到达角估计.通过求阵元输出间的互Wigner-Ville分布(XWVD),并以其幅值最大值对应时频点的XWVD值作为修正STFD矩阵对应的元素,则该矩阵具有类似窄带信号阵列协方差矩阵类似的数学结构;在均匀直线阵列下,阵列输出的修正STFD矩阵在利用变换矩阵进行变换后具有平移不变性,为此可应用ESPRIT算法以实现DOA估计.     

基于四阶累积量的时延估计新方法

针对无线电定位中的时延估计问题,考虑接收信号为窄带信号以及背景噪声为高斯分布的情况下,将四阶累积量的一维切片作为高阶统计量,结合希尔伯特变换,给出一种新的时延估计方法.该方法对相关峰值进行了锐化处理,提高了估计精度.与广义互相关法相比,该算法可有效抑制空间相关高斯噪声的影响,计算量小,易于实现.仿真结果表明了该方法的有效性.     

一种存在阵列误差情况下的宽带DOA估计方法

相对于窄带信号,宽带信号阵列模型误差更加复杂和多样。文章首先给出了宽带信号条件下的阵列误差模型,利用四阶累积量估计出各频点上实际的方向矩阵,然后利用总体最小二乘(TLS)算法给出了一种存在阵列误差情况下的聚焦矩阵的求法。仿真结果表明此方法在存在阵列误差时DOA估计精度较高,稳健性好。     

非平稳噪声下稀疏表示的DOA估计算法

为提高非平稳噪声下远场非相干窄带信号波达方向（DOA）的估计精度,提出了一种基于稀疏重构的DOA估计算法.采用类协方差差分算法构造差分矩阵,抑制非平稳噪声的影响;基于类旋转不变子空间参数估计算法基本原理构造稀疏表示模型与权函数;利用加权l₁范数对模型求解,实现DOA估计.仿真结果表明,与传统的协方差差分算法、噪声协方差矩阵估计算法、秩迹最小化算法以及稀疏重构算法相比,所提算法不仅能较好地抑制非平稳噪声的影响,而且在低信噪比、低快拍数情况下具有较强的稳健性和较高的估计精度.     

基于分数低阶统计量的时延估计算法性能分析

传统的时延估计算法大多建立在高斯模型的基础上,利用信号的二阶、高阶估计量,可以得到理想的结果.然而,现实中的信号往往都处在非高斯环境下,如通信线路瞬间尖峰和环境噪声等,这一类信号的时域波形中存在一个明显的峰值,这时利用α稳定分布模型可以较好地表述非高斯脉冲信号和噪声.因此有必要对α稳定分布模型下的,基于分数低阶统计量（FLOS）的时延估计算法进行研究.通过调整参数取值得到的仿真结果,证明了在非高斯情况下,基于FLOS的时延估计算法相对于传统算法估计效果更好.     

基于延时相关预处理的MUSIC算法

针对MUSIC算法的分辨力受信噪比、快拍数及阵元数等因素限制的问题,利用各阵元接收数据的延时相关函数重新构造协方差矩阵,提出了基于延时相关预处理的MUSIC算法.根据阵元间的延时相关函数与原阵列流型及信号延时相关函数的关系,推导了4个与原阵列流型相同（共轭）的延时相关函数矩阵,分别对各矩阵求协方差并按规则求和得到新的协方差矩阵,之后对协方差矩阵进行特征分解,根据信号子空间处理稳健性高和噪声子空间处理估计精度高的特点构造谱函数进行谱峰搜索,实现DOA估计.通过仿真实验验证了本文算法的可行性和有效性.     

基于改进MUSIC算法的二维DOA估计方法

提出了一种改进的二维MUSIC算法,该算法通过重构阵列接收数据协方差矩阵来降低入射信号源间的相关性,抑制信号子空间向噪声子空间的扩散,从而解决用MUSIC算法估计相干信号源到达方向(DOA)时的漏估计问题.该方法不仅对相关信号源的DOA估计有好的特性,也可以提高非相关信号源的DOA估计特性,而且计算量也没有大的增加.仿真试验证明了改进算法的有效性.     

基于nested阵列的高分辨DOA估计

针对nested阵列对邻近信号的分辨力受信噪比和快拍数等因素限制的问题,提出了基于nested阵列的加权子空间平滑M USIC算法.该算法对协方差矩阵向量化以提高整个阵列的自由度,使用空间平滑恢复新接收数据矢量阵的秩,采用校正的噪声特征值对噪声子空间进行加权,并对信号子空间进行空间谱合成,得到新算法的空间谱函数.通过搜索空间谱函数极大值实现DOA估计.结果表明,该算法在低信噪比及小快拍数条件下,对间隔较近的信号具有高分辨力.     

加权信号张量子空间拟合算法

提出了一种基于三阶张量高阶奇异值分解的声矢量阵列加权信号张量子空间拟合算法. 首先对声矢量阵接收信号进行三阶张量建模, 并通过高阶奇异值分解得到信号张量子空间, 从而结合加权信号子空间拟合算法进行空间方位谱估计. 由于基于高阶奇异值分解得到的信号张量子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声, 并且体现了多维数据之间的关联关系, 因此具有更高的方位估计精度. 理论和仿真结果表明: 该方法在低信噪比、等强度不相关信号和强相关信号条件下仍具有良好的目标分辩能力和稳定性, 工程应用价值较高.     

冲击噪声环境下的快速DOA估计

目前已存在着一些适用于冲击噪声环境的稳健性DOA算法,但它们的计算量仍然较大.为了解决这一问题,对冲击噪声环境下的快速DOA估计进行了研究,并提出了一种新的分数低阶算法.新算法的原理是利用分数低阶矩阵的数据来直接构造与更新C的信号子空间.根据理论分析可知,由于新算法避免了计算量级为O(q3)(q为天线阵元数)的特征分解,其计算量级仅为O(Mq2)(M为信号数),因此它与现有算法相比,计算量更小并能更快速地估计DOA.计算机仿真证实在相同条件下,当子空间更新次数不小于2时,新算法有着与现有算法近似一致的DOA估计性能.     

基于子空间的DS-UWB系统高分辨率低复杂度时延估计

研究了在室内多径衰落信道下直接序列超宽带(DS-UWB)系统的时间延迟估计问题,提出了一种基于子空间的高分辨率、低复杂度的时延估计方法。该方法将滑动相关输出的时间平均相关矩阵分解成信号和噪声子空间,然后用MUSIC谱计算,再通过最大值搜索获取时延估计。将滑动相关的时间分辨率与传统相关MUSIC方法的计算复杂度进行了对比。计算机仿真结果表明,在多径时延差接近一个切谱(Chip)周期情况下,新的算法能够有效分辨出多径时延,性能明显高于传统的滑动相关方法。     

基于实值信号子空间的虚拟阵列解相干算法

针对存在相干信源时,传统的DOA估计算法失效问题,提出一种基于实值特征子空间的虚拟阵列解相干算法.该算法根据虚拟阵列变换的思想,利用阵列接收数据构造虚拟子阵,实现对信号的解相干处理,并将协方差矩阵从复数域变换为实数域,获得一个实值信号子空间,最后利用实数域ESPRIT (Unitary ESPRIT)估计信号波达方向.该方法避免了阵列孔径损失,保持了阵列的空间分辨率,估计精度高,利用个阵元可估计个信源,且引入实数域处理和无需空间谱搜索,运算量小.计算机仿真验证了该方法的有效性和优越性.     

利用数据最小冗余拟合的信源数估计方法

针对低信噪比和小样本条件下难以正确估计信源数目问题,提出利用数据最小冗余拟合检测的信源数估计新方法．该方法首先采用子空间跟踪算法估计训练样本集的一维噪声子空间,然后根据对噪声子空间的谱峰搜索结果构造出信号的冗余阵列流形,最后通过检测该流形对阵列数据的最小冗余表示来估计信源数．仿真试验检验了所提方法的有效性．     

跳频信号2D-DOA与极化参数的欠定估计

为在欠定条件下估计跳频(frequency hopping,FH)信号二维波达方向(two dimensional direction of arrival,2D-DOA)和极化参数,从而有效辅助FH网台分选和信号识别、跟踪等,提出基于空间极化时频分析的联合估计算法.在建立FH信号极化敏感阵列快拍数据模型基础上,推导空间极化时频分布(spatial polarimetric time frequency distributions,SPTFD)的线性时频扩展形式SPSTFT,同时给出一种组合时频分布方法定位各跳(hop)信号在时频面上的自项区域,据此构造各hop的SPTFD和SPSTFT矩阵.利用SPSTFT/SPTFD矩阵中蕴含的信源极化-空域特征信息采取两种不同方法估计2D-DOA和极化参数.新算法无需多维参数寻优和配对,计算量小.仿真结果表明,本算法能在欠定条件下有效估计FH信号2D-DOA和极化参数,SPTFD矩阵法估计精度高,并能处理发生频率碰撞的hop.     

一种基于L型阵列的二维波达方向估计的新方法

提出了一种在高斯白噪声环境下基于L型阵列的二维DOA估计的新方法。该算法利用阵列结构的特点首先计算3个互相关矩阵,然后用这3个互相关矩阵构造一个特殊的大矩阵,对其进行特征值分解获得信号子空间的估计,进而利用二维ESPR IT方法实现方向角与仰角的估计。该方法不需要谱峰搜索,能够很好地解决参数配对问题。仿真试验表明,该算法估计精度高、计算量小,有一定的实用性。