空间非平稳噪声环境下非均匀线阵的DOA估计

针对在空间非平稳噪声环境下传统的MUSIC算法会失效的问题,提出了一种新的波达方向（DOA）估计方法。该方法利用转换矩阵法,通过对阵列数据相关矩阵进行预处理,从而克服噪声对方位估计的影响,并且该算法适用于非均匀线阵,而非均匀线阵在阵元数目一定的情况下,通过合理设置阵元间距。其方位分辨率较之均匀线阵有较大的提高。计算机仿真结果表明,在非平稳噪声环境下利用该算法非均匀线阵的分辨能力要明显高于均匀线阵。     

通道失配对二维MUSIC算法测向性能的影响

针对二维MUSIC算法在空间谱估计中计算量大的问题,提出了一种基于三维垂直阵列结构的二维MUSIC算法,该算法在降维技术的基础上通过组合三个并行的均匀线阵分别估计出的一维DOA进行空间测向。然后重点分析了通道失配（幅相特性不一致）对二维MUSIC算法测向性能的影响。计算机仿真结果表明,通道失配严重影响着二维MUSIC算法的测向性能,在应用该算法进行空间信号波达方向估计的时候,必须考虑通道幅相误差的影响并对各通道的幅相特性进行均衡。     

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。     

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。     

不同信号的DOA估计算法比较

波达方向(Direct of Arrival,DOA)估计技术渐渐成为移动通信中的研究热点,当用户的信号方向未知时,可以根据经典算法多重信号分类(Multiple Signal Classification,MUSIC)和旋转不变技术信号参数估计(Estimating Signal Parameters Viarotational Invariance Techniques,ESPRIT)等方法估计信号DOA。针对不同的信号采取不同的算法分析。对窄带信号,从信噪比、阵元数、快拍数等不同情况下对TLS-ESPRIT算法和MUSIC算法进行了仿真实验,并比较了TLS-ESPRIT算法与MUSIC算法的DOA性能。对宽带信号,主要重点分析了基于非相干信号处理算法(Incoherent Signal-subspace Method,ISM)的两种改进的方法,对低信噪比子带赋予低权重或舍弃。通过仿真实验,证明了改进算法的优越性,同时对两种改进算法的使用场合作了简单的分析。     

基于最小冗余线阵的谱相关波达方向估计算法

根据均匀线阵输出的共轭循环相关矩阵具有很大的冗余特性，提出了基于最小冗余线阵的谱相关共轭循环MUSIC算法。该算法利用了信号的时域和空域联合特征，并引入了伪数据矩阵，使算法的性能远优于其他方法。理论分析和计算机仿真实验均表明，与基于最小冗余线阵的共轭循环MUSIC算法相比，该算法具有良好的波这方向估计性能，扩展了阵列孔径，抗噪能力强，分辨率高，能用较少的阵元估计更多的信号源方向。     

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.     

未知互耦下双基地MIMO雷达阵列DOD和DOA估计算法

针对MIMO雷达阵列中存在的互耦效应会严重影响发射角（DOD）和接收角（DOA）估计性能的问题,提出了一种基于ESPRIT算法的双基地MIMO雷达阵列DOA和DOD估计方法。该方法利用阵列流型矩阵的结构特点和均匀线阵互耦矩阵的带状Toeplitz特性,能实现互耦效应未知情况下DOA和DOD的精确估计。本文方法无需对角度进行搜索,计算量小,对角度的估计精度高,特别是在低信噪比环境下依然能取得 较好的估计性能。仿真结果验证了本算法的可行性和正确性。     

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。     

一种新的宽带DOA估计自聚焦算法

具有较高精度的宽带信号波达方向（DOA）快速估计算法是其实用化所要解决的重要问题。提出了一种新的相干子空间（CSM）类宽带DOA估计自聚焦算法。算法利用子空间投影变换将信号分离后分别处理,通过不断更新聚焦方向实现自聚焦。与已有算法相比,不受DOA初始值的影响,有更小的聚焦误差;不同目标在聚焦矩阵更新过程中无需再做奇异值分解,有较低的实时计算量。仿真实验表明,算法以较小的计算代价实现了近乎最优的聚焦性能,有较高的DOA估计精度。     

空间任意阵的MUSIC算法性能研究

针对特定应用环境对阵列结构的特殊要求,以及一维线阵无法完成多维空间谱估计的问题,建立了空间任意阵列的数学模型,推导了空间任意阵的MUSIC算法,分析了算法的性能,实现了空间目标信号波达方向的方位角和俯仰角二维联合估计;以空间任意四元阵为例,通过计算机仿真,对比研究了3种不同阵列结构的MUSIC算法定向性能,仿真结果证明了算法的正确性和有效性。     

基于主分量分析的宽带DOA估计自聚焦算法

提出了一种基于主分量分析(PCA)的CSM类宽带DOA估计自聚焦算法,利用子空间投影变换将信号分离后应用PCA算法快速估计信号DOA,通过不断更新聚焦方向实现自聚焦.与已有算法相比,该算法不受DOA初始值的影响,有更好的聚焦精度.聚焦矩阵更新过程中无需再做奇异值分解,用PCA迭代算法替代特征分解过程,计算量小.仿真实验结果表明,该算法以较小的计算代价实现了较好的估计精度.     

DPT和虚拟阵列相结合的相干NLFM信号的DOA估计

针对无线电通信领域中经常遇到多径传输和反射因素的现象,必须考虑宽带相干信号源的存在。提出一种离散多项式相位变换(DPT)与虚拟阵列变换法相结合的相干非线性调频(NLFM)信号的波达方向(DOA)估计方法,并对其中的算法做了对比、分析和改进。解决了常规MUSIC、ESPRIT算法不能估计宽带信号、相干信号的问题,不仅能更准确地进行DOA估计,而且不损失阵列的孔径,提高了阵元数的利用率。同时还提出了当两个信号源很近的情况下的角度估计算法。仿真实验证明了该算法的有效性。     

基于改进加权空间平滑的凸优化协方差估计

针对相干信号受到非均匀噪声的干扰,在低信噪比环境中常规DOA估计存在估计效果较差甚至失效的情况,基于改进加权空间平滑,提出一种使用凸优化构造最优权重矩阵的方法。改进加权空间平滑算法解相干的同时构造权重矩阵,再用凸优化重构无噪声权重矩阵,将平滑过的协方差矩阵加权,并用MUSIC算法进行DOA估计。仿真结果证实,所提方法相对于空间平滑（spatial smoothing,SS）、基于特征空间MUSIC的空间平滑估计（spatial smoothing and eigen space based MUSIC,SS-ESMUSIC）以及接收信号协方差矩阵秩最小化（spatial smoothing based covariance rank minimization,SS-CRM）算法能更好地抑制非均匀噪声和解相干,且减少了低信噪比的干扰,展现出更优良的分辨力和准确性。     

基于FFT的子孔径MUSIC波达方向估计

针对现 有的很多波达方向估计算法涉及到数据协方差矩阵的估计及其特征分解,甚至是求逆,导致 运算复杂度高的问题,提出了基于快速傅里叶变换的子孔径MUSIC波达方向估计算法 。首先将等距线阵的接收数据矢量均匀划分为4个子矢量,然后对各个子矢量分别求FFT。将 FFT的结果相干积累,并找到最大峰值点。最后,利用子矢量FFT的结果中与最大峰值点对应 的数据构造新的降维矢量,借助MUSIC算法进行波达方向估计。该方法避免了直接接收数据 的协方差矩阵估计和特征分解,有效地降低了运算量和计算复杂度,在阵元数和快拍数都较 多的情况下优越性尤为明显。计算机仿真验证了所提方法的有效性和优越性。     

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。     

基于改进MUSIC算法的宽带信号DOA估计

现有的波达方向（DOA）估计算法在估计被动探测系统中的宽带信号方位时,存在DOA估计结果偏差大、运算复杂度高等问题,难以满足信号实时处理的要求。为提高多源信号DOA估计的空间分辨率,提出一种基于S变换且不需要预估信号源个数的多重信号分类改进算法。根据宽带信号的频域特征,利用S变换处理阵列接收信号,得到多分辨的时频谱矩阵,同时构建时频域的阵列信号数据模型,结合信号功率谱矩阵呈联合对角化结构的特点,设计基于S变换的子空间谱估计公式。在此基础上,通过谱峰搜索进行DOA估计,实现多源宽带信号的声源定位。仿真结果表明,在信噪比范围为-15~10 dB的条件下,该算法的估计成功率始终保持在90%以上,相比TCT、CS_TCT、CWT_MUSIC算法,其具有较优的估计性能,并且无需预估信号源数。