基于空间角稀疏表示的二维DOA估计

论文提出一种基于空间角稀疏表示的维DOA估计方法,解决了维DOA估计中冗余字典构造的难题。构建的空间角包含了方位角和俯仰角的信息,利用其构造冗余字典可以将方位角和俯仰角的组合从维空间映射到1 维空间,极大地降低了字典的长度和求解的复杂度;同时将算法推广到频域,扩展了其应用范围。与传统的高分辨算法相比,该方法对信噪比和快拍数要求不高、无需特征值分解和多维搜索过程。理论分析和仿真实验,验证了该方法对维相干信号和非相干信号都具有较高的估计精度和较好的分辨力,在不同信噪比下性能优于MUSIC算法。     

基于子空间投影角度配对的L型阵列二维DOA估计算法

针对传统二维MUSIC角度估计计算量巨大的缺点,及Root-MUSIC算法可减少计算量却无法完成角度配对的问题,提出了一种基于子空间投影角度配对的L型阵列二维DOA估计算法.该方法利用Root-MUSIC算法估计L型阵列的角度参数,并利用子空间投影完成方位角和俯仰角的角度匹配,从而得到正确的二维DOA结果.计算机仿真验证了该方法的有效性.     

酉稀疏贝叶斯学习降维MIMO雷达角度估计

针对收发共址多输入多输出（Multiple-Input Multiple-Output,MIMO）雷达的低计算复杂度波达方向（Direction of Arrival,DOA）估计问题,提出一种降维的MIMO雷达高精度DOA新算法。首先采用经过白化的降维矩阵对MIMO雷达脉冲压缩后的接收信号进行降维;然后通过最优信号子空间拟合对无幅度误差阵列流型下的接收信号矩阵进行重构;接下来通过酉变换得到实值增广数据矩阵,并在实值稀疏字典矩阵下对其进行稀疏表示;接着将DOA估计问题转化为行稀疏矩阵的稀疏恢复问题,通过改进的稀疏贝叶斯学习对其进行求解,实现目标DOA的估计。理论分析和仿真实验结果验证了该方法的有效性和实用性。     

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。     

稀疏表示框架下无需参数配对的二维到达角估计

现有二维到达角估计算法大多基于子空间理论及需要参数配对,针对这一问题,在稀疏表示理论框架下提出了一种参数自动配对的二维到达角估计新算法。该算法在L阵列下构建阵列互相关矩阵的稀疏表示模型,利用奇异值分解降低复杂度并基于群LASSO(Least Absolute Shrinkage and Selection Operator)获得方位角估计。在方位角估计的基础上,基于向量化操作构建稀疏空间谱匹配模型,然后利用LASSO 获得俯仰角估计。与参数配对ESPRIT 和改进的传播算子方法相比,所提算法不仅无需参数配对过程,而且可以提供改进的估计精度。计算机仿真结果验证了所提算法的有效性。     

基于约束最小冗余阵列的MIMO雷达二维波达方向估计

基于约束最小冗余线阵（RMRIA）,提出利用增广矩阵束（MEMP）算法来估计MIMO雷达的二维DOA。采用约束最小冗余线阵配置L形阵列,计算两线阵的互四阶累积量并构造增广矩阵,利用RMRLA—MEMP方法估计出二维波达方向。此方法同时利用约束最小冗余和四阶累积量阵列扩展的性质,提高了角度的估计精度,且估计过程不需要谱峰搜索,能够很好地解决MIMO雷达二维DOA估计中的相位模糊问题,仿真验证了算法的有效性。     

DOA估计中自相关矩阵的时空二维估计方法

利用阵列信号的空间平稳性质，本文提出了自相关矩阵的时空二维估计方法．本文还首次提出了中等冗余非均匀线阵的概念。模拟实验验证了时空二维估计方法比常规的时间最大似然估计方法有明显的优越性，它以微弱的计算量换来了DOA估计性能的大幅度改善。     

基于稀疏表示的双平行线阵二维DOA估计

为了对空域目标的方位角和俯仰角进行有效估计,提出一种基于稀疏表示的双平行线阵二维DOA估计方法。首先需构建包含目标方位角和俯仰角信息的2个空间复合角;然后利用稀疏表示技术求解其中的一个空间复合角,以此作为前提条件,另一个空间复合角就可以解耦为一维波达方向(DOA)估计问题,利用矩阵运算可以求解出来;最后根据已求解的2个空间复合角对方位角和俯仰角进行配对求解。与现有算法相比较,所提方法受快拍数的影响较小,在信噪比较高、角度间隔较大的情况下,具有良好的性能。     

高斯色噪声下的相干信号 DOA 高分辨率估计*

针对高斯有色噪声下的DOA估计问题,提出一种基于高阶累积量稀疏表示的DOA估计方法。该方法利用四阶累积量矩阵中的第一列生成最小冗余向量,利用扩展阵列的最小冗余导向矢量构造过完备字典。然后利用L1范数作为稀疏约束条件,建立最小冗余向量的稀疏模型进行DOA估计。该方法将求解四阶累积量的次数从M4次降为M2-M+1次。同时又能充分利用四阶累积量的优点,对高斯有色噪声具有良好的抑制能力,并使阵列孔径得到了扩展,估计信号个数能大于阵元数目。仿真实验和理论分析验证了该方法比MUSIC-like和MUSIC算法具有更好的性能,不需要任何处理可以直接应用到相干信号。     

阵元失效下基于矩阵重构的MIMO雷达DOA估计

针对阵元失效下MIMO雷达目标DOA估计性能下降问题,提出一种基于虚拟阵列采样数据矩阵重构的MIMO雷达DOA估计方法。MIMO雷达的阵元失效分为冗余虚拟阵元失效和非冗余虚拟阵元失效两种情况。当冗余虚拟阵元失效时,通过合并空间上位置相同的正常冗余虚拟阵元输出数据以实现信号降维与失效阵元数据填充。当非冗余虚拟阵元失效时,经降维填充后的数据矩阵中仍存在整行缺失数据,根据降维数据矩阵的低秩和稀疏先验,建立带低秩和稀疏约束的矩阵填充模型,并利用ALM-ADMM算法求解来恢复完整的降维数据矩阵。最后利用root-MUSIC算法估计目标DOA。仿真结果表明,本文方法能够有效提高MIMO雷达在阵元失效时的DOA估计精度。     

未知信源数目的DOA估计方法

针对信源数目未知情况下的DOA估计问题,该文提出了两种基于稀疏表示的DOA估计方法。一种是基于阵列协方差矩阵特征向量稀疏表示的DOA估计方法,首先证明了阵列协方差矩阵的最大特征向量是所有信号导向矢量的线性组合,然后利用阵列协方差矩阵的最大特征向量建立稀疏模型进行DOA估计;另一种是基于阵列协方差矩阵高阶幂稀疏表示的DOA估计方法,根据信号特征值大于噪声特征值的特性,通过对协方差矩阵的高阶幂逼近信号子空间,利用协方差矩阵的高阶幂的列向量建立DOA估计的稀疏模型进行DOA估计。理论分析和仿真实验验证,两种方法都不需要进行信号源数目的估计,具有较高的精度、较好的分辨力,对相干信号也具有优越的适应能力。     

基于DML-ESPRIT算法的多维参数快速联合估计

将确定性最大似然估计准则的多维参数估计能力与ESPRIT算法的高时效性有机结合,提出了一种二维DOA-功率-频率快速联合估计方法--DML-ESPRIT算法。利用双L阵列的空间特性,通过引入空间锥角,将多维空间搜索问题转换为一维角度估计,并基于确定性最大似然估计准则推导得到了多信源的空间锥角、功率和频率联合估计的数学模型;然后在对子阵进行扩展的基础上,利用TLS-ESPRIT算法对模型进行求解,避免了谱峰搜索问题,实现了多维参数的快速联合估计。实验结果表明,DML-ESPRIT算法在保持高估计精度的同时运行耗时约35 ms,具有较好的工程应用前景。     

Khatri-Rao积变换下的离格信号DOA估计

当存在离格信号时,基于稀疏表示的波达角(DOA)估计算法性能损失严重.为解决这个问题,在对接收数据协方差矩阵进行Khatri-Rao积变换的基础上,推导了离格信号网格偏离量与紧邻信号原子系数之间的关系,提出了一种单一离格信号DOA估计方法.为提高对邻近离格信号DOA的估计性能,利用矩阵的广义逆性质提出了基于多原子系数的联合估计方法.仿真实验表明,单一离格信号DOA估计方法在低信噪比下有较好的性能,联合估计方法在高信噪比条件下对邻近离格信号DOA有较高的估计精度,同时所提算法估计性能几乎不受网格划分间距的影响,可以通过增大网格间距降低算法运算量.相关研究对阵列天线DOA估计具有一定的参考价值.     

基于稀疏恢复的循环平稳信号DOA估计

基于信号稀疏恢复的思想,提出了一种新的循环非相关平稳信号DOA估计算法.首先,对阵列的二阶循环互相关矩阵矢量化,并将感兴趣的空间划分成若干段以构造过完备的方向矩阵,从而得到基于Khatri-Rao积的稀疏模型;其次,利用凸优化技术对稀疏模型进行优化求解,并根据恢复得到的稀疏信号中非零元素的位置估计出高精度的DOA值.与传统的循环互相关算法比较,本文算法具有更高的DOA估计精度,同时也适用于信号个数多于阵元个数的场合.理论分析和仿真实验结果都验证了算法的有效性.     

Double-constraint flexible tree search-based orthogonal matching pursuit for DOA estimation using dynamic sensor arrays

Greedy algorithms have leveraged sparse signal models for parameter estimation purposes in applications including bearing estimation and direction-of-arrival (DOA) estimation. A dictionary whose elements correspond to observations for a sampling of the angle space is used for sparse approximation of the received signals; the resulting sparse coefficient vector’s support identifies the DOA estimates. Increasing the angle space sampling resolution provides better sparse approximations for arbitrary observations, while the resulting high dictionary coherence hampers the performance of standard sparse approximation, preventing accurate DOA estimation. To alleviate this shortcoming, in the each iteration, we use the structured sparsity model that keeps high coherent and close spacing dictionary elements. Besides, the proposed approach allows exploitation of the array orientation diversity (achievable via array dynamics) in the compressive sensing framework to address challenging array signal processing problems such as left-right ambiguity and poor estimation performance. And the simulation results show that our proposed algorithm can offer significantly improved performance in single-snapshot scenario with multiple sources.     

宽带协方差矩阵的多字典联合稀疏表示DOA估计

为了直接处理相干宽带信号和提高其波达方向估计的分辨率,提出一种基于宽带协方差矩阵的多字典联合稀疏分解估计方法。首先,利用多个频率点处的过完备基对其协方差矩阵进行稀疏表示,然后形成多个字典的多测量矢量稀疏表示模型,最后通过多字典稀疏表示系数的联合稀疏约束以求解稀疏反问题的形式实现宽带信号的波达方向估计。对于均匀线阵结构,多字典协方差矩阵稀疏表示系数的联合稀疏性使其不再受空域采样条件的限制,既可通过增大阵元间距提高分辨率,而又无空域混叠现象。通过对噪声功率的预估计抑制噪声,提高了波达方向估计的稳健性。另外,该方法与信号协方差矩阵的秩无关,对相干信号和不相干信号都适用。仿真实验验证了该方法的有效性。      

Joint frequency and DOA estimation using spatial-temporal co-prime sampling with off-grid sources

A method of joint frequency and direction of arrival (DOA) estimation using spatial-temporal co-prime sam-pling with off-grid sources was proposed to solve the problem of two-dimensional (2D) mismatches of signals.Firstly,the received signal was sampled by spatio-temporal co-prime sampling technique to construct 2D sparse reconstruction model with the filled coarray.Then the frequency mismatch term and angle mismatch term were incorporated into the re-ceived data model.Based on the above modified model,an improved greedy algorithm was presented to obtain the fre-quency mismatch and angle mismatch by estimating the spectrum leakage terms jointly.So the 2D off-grid sources can be corrected to accurate positions.The method can increase the degrees of freedom (DOF) in the space-frequency domain.Moreover,the method has reduced the amount of computation,and it can improve the frequency and DOA estimation accuracy in the meantime.Simulation results demonstrate the correctness and effectiveness of the proposed approach.