一种多分辨率DOA估计的小波包算法

根据MUSIC算法在信号波达方向(DOA)较近或相干时性能迅速下降的情况,提出了一种多分辨率信号波达方向估计的小波包算法基于子带分解的MUSIC算法(SB MUSIC)·算法对全带信号进行子带分解,并根据最优基选取准则选择最优叶节点,然后对每个叶节点应用MUSIC算法进行谱估计·研究表明子带分解具有提高信噪比(SNR)和放大频率间隔等优点·考虑到算法应用时只有全带频率才有意义,提出了子带频率向全带频率映射的方法·仿真证明,SB MUSIC不仅提高了特征子空间方法的分辨率,而且在子带划分适当时,具有一定的信号去相关能力,并且子带谱的估计成功率和谱平度都高于全带谱·     

基于协方差拟合旋转不变子空间信号参数估计算法的高分辨到达角估计

为进行高分辨到达角(DOA)估计的同时避免稀疏类算法的不足,提出了协方差拟合旋转不变子空间信号参数估计(ESPRIT)算法.首先将协方差拟合准则转换成半正定规划问题,利用凸优化进行求解,得到更接近理论值的信号协方差矩阵;然后对估计的信号协方差矩阵进行特征分解,利用信号子空间和噪声子空间特征值的差异估计信源个数;最后利用子空间旋转不变性反解出未知DOA.仿真实验从DOA估计精度、分辨率等方面验证了该算法的有效性,较传统ESPRIT算法具有更高的DOA估计分辨率并且受相干信源影响小;与稀疏类算法相比,不依赖先验信息以及避免了网格失配问题.     

一种基于L型阵列的改进的二维DOA估计方法

二维DOA估计在电子侦察、智能天线、雷达等方面都有广泛应用.二维DOA估计的方法有很多,主要用水平面L型阵列和ESPRIT算法进行二维DOA估计.提出用水平线阵和垂直线阵构建L型阵列,分成四个子阵,计算四个互相关矩阵,四个互相关矩阵构造一个特殊的大矩阵,对该矩阵进行特征值分解获得信号子空间估计,再用ESPRIT算法进行方位角和仰角的估计.该方法可以直接得到目标仰角,不需要换算,简化了计算,通过子空间估计,提高了DOA估计的分辨率并可以估计更多目标的DOA.仿真结果表明本文的改进二维DOA估计方法提高了DOA估计的精度.     

基于酉ESPRIT的跳频信号DOA估计

为了利用跳频信号的空域信息辅助同步跳频信号的网台分选,提出了一种基于STFD酉ESPRIT的跳频信号DOA估计算法。首先用WVDSPWVD组合时频分析方法对接收数据进行时频变换,然后提取出跳频信号的有效跳(hop),并对其建立空时频矩阵(STFD),最后利用酉ESPRIT算法进行跳频信号DOA估计。该方法通过酉变换将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了计算量,而且酉ESPRIT算法利用了数据的共轭信息使数据长度等价增加了一倍,提高了估计精度。仿真结果表明文中算法在信噪比大于2dB时,DOA估计性能优于ESPRIT算法。     

基于斜投影算子的混合信号DOA估计算法

为了提高混合信号的波达方向(direction of arrival, DOA)估计精度并降低其阵列孔径损失，提出一种基于斜投影算子的高精度DOA估计算法.所提算法将混合信号中独立信号与相干信号分两个阶段进行估计，首先利用ESPRIT(estimating signal parameter via rotational invariance techniques)算法处理阵元接收数据的协方差矩阵，得到混合信号中独立信号的DOA估计值；而后利用斜投影算子去除混合信号中独立信号的信息，得到新的协方差矩阵；利用新得到的协方差矩阵的信号子空间进行去相干处理；最后结合ESPRIT算法计算得到相干信号的DOA估计值.仿真结果表明，相较传统的混合信号DOA估计算法，所提算法在低信噪比情况下以及信号入射间隔较小的情况下有较高精度，有效地降低了阵列孔径的损失.在不同的采样快拍数下，本文算法也表现出更强的鲁棒性.     

直接数据特征值分解的相干源DOA估计

提出一种基于均匀圆阵单次快拍数据的相干信源波达方向(direction of arrival,DOA)估计方法——直接数据特征值分解(direct data eigenvalue decomposition,DD-EVD)法. 算法通过模式空间转换将均匀圆阵虚拟为均匀线阵,再直接利用波束空间的快拍数据,构造一个Toeplitz矩阵,并对矩阵按阵列流形分解. 理论推导证明,矩阵的秩得到恢复,只与入射信号个数有关. 对该矩阵进行特征值分解可得到正确的信号子空间和噪声子空间,进而完成相干信源DOA估计. 算法使用单次快拍数据构造矩阵,适合非平稳信号参数的估计,同时不需要快拍累计和相关运算,降低了计算复杂度. 仿真结果验证了算法的有效性.      

基于支持向量机可控功率响应的MUSIC-DOA估计方法

针对MUSIC归一化算法在低信噪比时波达方位(DOA)估计性能下降的问题,提出了基于支持向量机(SVM)可控功率响应的MUSIC-DOA算法。该算法首先对宽带信号进行快速傅里叶变换,然后用MUSIC算法进行DOA估计,最后通过SVM对每个子带信号的DOA估计结果进行分类,选择分类后DOA估计结果较为准确的子带信号进行融合,得到宽带信号的DOA估计。该文方法有效解决了MUSIC归一化算法在低信噪比时定位精度不高的问题,提高了定位系统的稳定性。     

一种分布式阵列无模糊波达方向估计方法

为解决分布式阵列应用常规算法估计波达方向(DOA)时出现的角度模糊问题,提出一种基于压缩感知(CS)理论的无模糊DOA估计方法.利用新方法对分布式阵列的接收信号分别通过直接采样和随机矩阵两种压缩采样方式进行二次采样,将接收信号转换为CS理论所需的随机观测数据,并利用CS重构算法将目标DOA信息从观测数据中高概率、无模糊地获取.将新方法与多重信号分类法(MUSIC)和旋转不变子空间算法(ESPRIT)等经典常规DOA估计算法的运算量进行了详细对比,指出新方法的运算量更小.通过与现有分布式DOA估计方法的仿真实验对比,验证了新方法的有效性,并分析分布式阵列接收阵元数的改变对新方法 DOA估计精度的影响.     

OS-ESPRIT算法

讨论了无线网络环境中多径窄带信号的波达方向(DOA)估计算法的特点和性能,提出了基于一步特征值分解的S ESPRIT(OS ESPRIT)算法,该算法利用空间平滑的思想抽取采样数据,利用这些数据把对阵列流型的估计转化为旋转矩阵的估计,只需要一次特征值分解就可以求解DOA,与S ESPRIT算法相比,该算法求解过程简单且具有较小的估计误差,对信噪比的变化有更好的鲁棒性等优点,而且更适用于信噪比较低的通信环境·计算机仿真结果证明了该算法的有效性·     

基于智能天线DOA估计方法

主要研究了基于智能天线的几种DOA估计方法，即旋转不变信号参数估计（ESPRIT）算法、多重信号分类（MUSIC）算法、加权子窨拟合9WSF）算法、最小范数（Min-norm）算法等。第三代移动通信已将智能天线技术作为其关键技术之一。通过理论和仿真实验相结合，将各算法与克拉美－罗限（Cramer-Rao Bound）比较，分析了基于智能天线DOA估计方法的性能。研究结果不仅有利于智能天线的研究与开发，而且有利于智能天线在移动通信中的应用。     

基于聚焦矩阵的毫米波信号DOA估计

针对毫米波信号源的到达角(DOA)估计随频率变化、导致估计误差较大的问题,提出毫米波信号向窄带信号转化的DOA估计算法.该算法通过在频域内建立毫米波信号接收模型,将接收信号看成多个不相关的窄带信号,并将其“聚焦”在某一参考频率下,减少波束因频率变化带来的影响,进而利用旋转不变子空间(ESPRIT)算法进行毫米波DOA估计.仿真结果表明:该算法可有效降低中等信噪比下的DOA估计误差,当阵元数达到70时,可实现相对稳定的DOA估计,随频率变化估计效果保持整体稳定,从而提升毫米波系统定向传输时的链路质量.     

基于压缩感知的智能天线 DOA 估计算法

波达方向（direction of arrival,DOA）估计是利用具有一定空间结构的天线阵元对空间信源的来波方向进行估计。为解决MUSIC算法和ESPRIT算法在智能天线DOA估计中空间谱分辨率和抗噪声性能方面的不足,依据压缩感知理论的贪婪算法思想,将匹配追踪（matching pursuit,MP）算法和子空间追踪（subspace pursuit,SP）算法应用在DOA估计中,即提出2种新的算法MP-DOA和SP-DOA。这2种算法主要包括原子库建立、信号投影、最佳匹配原子筛选及信号特征提取等过程。4种算法的仿真实验与对比分析结果表明,MP-DOA算法在低信噪比情况下较其他3种算法性能更优越,SP-DOA算法在角度分辨率和对信源数的包容方面的性能较其他3种算法优越,也验证了应用压缩感知理论的优越性。     

一种新的单次快拍二维ESPRIT算法

针对复杂电磁干扰背景下相干信源的二维波达方向快速估计问题,从减小协方差矩阵计算量角度,提出了一种新的单次快拍二维ESPRIT算法(SS-ESPRIT). 该算法仅用一次快拍数据构造4个等效的协方差矩阵,进一步构造扩展的等效协方差矩阵,通过对其一次特征分解,即可实现完全解相干和二维波达方向估计. 为进一步提升该算法估计性能,提出了同相位数据叠加的对策. 数值仿真验证了SS-ESPRIT算法在提升实时性的同时,不会造成估计性能的下降,仅利用一次快拍数据的该算法估计性能优于快拍数为50次的空域平滑波达方向矩阵算法(DOAM),且接近快拍数为100次的DOAM算法,叠加8次同相数据后的该算法性能明显优于200次快拍的DOAM算法. 结果表明新算法适用于小数据样本估计或对实时性要求高的应用背景.      

利用单次快拍实现相干信源二维测向的新算法

针对复杂电磁干扰背景下相干信源二维波达方向的快速估计问题,根据垂直阵列系统特点,利用单次快拍数据在3个不同维度构造了数据矩阵实现解相干,并结合ESPRIT算法实现了二维DOA的快速估计. 该算法仅利用单次快拍数据,不需要进行协方差矩阵的计算,并将二维DOA估计问题转化为3个一维DOA估计,可同时在3个维度并行处理,因此运算量大大降低,利于工程实现. 针对算法存在阵列孔径损失和仅采用一次快拍数据量导致的估计误差偏大问题,利用非圆信号特征和同相位数据叠加,改善了算法的估计性能,提高了阵列自由度. 数值仿真验证了本文算法及提高估计精度对策的有效性.      

基于ESPRIT的ULA波达方向估计改进算法

针对MUSIC(Multiple Signal Classification)算法和ESPRIT(Estimated Signal Parameters via Rotational -Invariance- Technique)算法不能有效估计相干信源波达方向的问题, 在修正MUSIC算法（Modified MUSIC）基础上, 通过引用变换矩阵, 在考虑阵列接收数据及其相应变换矩阵的自相关和互相关信息后, 结合总体最小二乘算法TLS-ESPRITS（Total Least-Squares ESPRIT）提出了能同时适应相干和非相干信号情况的波达方向估计的改进ESPRIT算法（IM-ESPRIT: Improved ESPRIT), 并在相干信号源来波角度间隔较小和低信噪比条件下, 同常规CC-ESPRIT(Cross ESPRIT)算法进行比较。结果表明, 当相干信源角度间隔为3°且信噪比为0时, 实现波达方向估计具有较好的估计精度和分辨率。     

单快拍数据预处理的相干信号波达方向估计

针对已有的相干信号单次快拍波达方向(direction-of-arrival,DOA)估计算法需要限定入射信号类型或者通过损失部分阵列孔径来放宽限定条件的问题,提出一种新的单快拍解相干算法.算法首先对接收的单次快拍数据做互相关预处理,利用预处理所得的数据重构等效协方差矩阵,再基于多重信号分类法(multiple signal classification,MUSIC)或信号参数估计的旋转不变子空间技术(estimation of signal parameters via rotational invariance techniques,ESPRIT)完成相干信号DOA估计.算法在不损失阵列孔径的同时,无需限定入射信号类型.进一步的快拍数叠加试验表明,在低信噪比条件下,通过随机快拍数据叠加,算法性能较已有算法更好.计算机仿真结果验证了算法的有效性.     

基于互相关矩阵的二维传播算子实值算法

为提高传播算子算法在低信噪比下的波达方向（direction of arrival,DOA）估计性能,降低计算复杂度,提出了一种基于互相关矩阵的二维传播算子DOA估计实值算法（UC-PM）.该算法通过构造新的互相关矩阵代替阵列接收数据矩阵,抑制了噪声分量的影响,并且保持了传播算子算法计算量小的优点,利用线性运算代替特征分解求得旋转不变关系矩阵.同时,为进一步降低算法计算量,利用酉变换思想构建新的实数域旋转不变关系,将特征分解和最小二乘问题实数化.仿真结果和计算复杂度分析表明,新算法在低信噪比下的估计性能优于传统二维传播算子算法,接近于二维ESPRIT算法,且其计算复杂度远小于二维ESPRIT算法,实时性好,具有良好的实用价值.      

一种无需特征值分解的快速ESPRIT算法

ESPR IT算法是一种用于估计到达角(DOA)的参数类超分辨算法,由于这种算法在有效性和稳定性方面都有非常突出的表现,所以其受到了广泛的研究,并成为主要的超分辨算法.但是,在运用ESPR IT算法时不可避免的要进行特征值或奇异值分解(EVD/SVD),这使得其无法运用于实时系统.基于实时性方面的考虑,提出了一种无需特征分解的快速算法(VESPR IT).此算法有效性和稳健性方面虽然要比标准的ESPR IT算法稍差一些,但是其节约了计算时间使得此算法可以运用于实时处理.