无参考信号条件下基于MSWF的DOA估计算法

现有基于多级维纳滤波(MSWF)的子空间法波达方向(DOA)估计算法复杂度较低,但需要先验的参考信号.论文从MSWF求解线性预测问题入手,将基于MSWF的线性预测和子空间两种不同的DOA估计方法结合起来,提出了一种实用的低复杂度DOA估计算法.该算法无需构造专门的参考信号,在低信噪比或信源数估计不准的情况下,算法依然具有较好的稳健性和估计性能.仿真实验验证了本文的结论.     

基于压缩感知的空域信号DOA估计

研究了基于压缩感知的空域信号DOA估计问题。针对空域信号DOA算法采样数据量大,在低信噪比情况下估计结果较差的问题,文中提出一种基于奇异值分解的多矢量欠定系统聚焦求解算法(SVD-MFOCUSS)。该算法在一定程度上克服了稀疏重构算法在低信噪比情况下的缺陷,具有较低的运算复杂度。实验仿真验证了该算法性能优于传统的DOA估计算法,且能够对相干信号进行有效的DOA估计。     

IR-UWB 系统中基于 root-MUSIC 算法的 TOA 和 DOA 联合估计简

针对二维多重信号分类算法可以估计出系统的到达时间(TOA, time-of-arrival)和波达方向(DOA, direction- of-arrival)参数,但需要复杂度非常高的二维谱峰搜索这一问题,提出了IR-UWB系统中基于求根MUSIC(root-MUSIC)的TOA和DOA联合估计算法,该算法对接收信号的频域形式建模,先估计出TOA,然后由TOA的差值计算出DOA,从而实现TOA和DOA的联合估计。该算法不需谱峰搜索,可直接给出估计参数的闭式解,还可实现参数配对。还推导了参数估计的误差方差。仿真结果表明,该算法的参数估计性能明显优于矩阵束算法、传播算子算法以及基于旋转不变技术估计信号参数算法,并且非常接近于2D-MUSIC算法,但该算法的复杂度却远远低于2D-MUSIC算法。     

引入蝙蝠算法的最大似然DOA估计

DOA估计理论的传统算法中,最大似然DOA估计方法能准确地估计出目标方向角度,性能优良,并且具有很好的稳定性。与MUSIC及其他的子空间分解类算法相比,在信噪比较低、小快拍信号时,最大似然DOA估计算法优势更为突出。但是由于其自身算法复杂度较高的缺陷而碍于工程上的应用。针对这一问题,将蝙蝠算法与最大似然算法相结合,应用于信号的DOA估计,利用蝙蝠搜索算法搜索路径优、寻优能力强的优点,快速搜索到似然函数的全局最优值,优化多维非线性的估计谱函数。仿真结果表明,蝙蝠搜索算法有效地克服最大似然DOA估计中存在的运算量大,计算复杂度高等问题,通过与其他经典的仿生智能优化算法相比较,该方法体现出更好的收敛性。     

柱面共形阵列高性能低复杂度DOA估计算法

针对柱面共形阵列的波达方向(DOA)估计问题,从信号子空间的角度分析了在阵元遮挡下应用多重信号分类(MUSIC)算法的性能缺陷。在此基础上提出通过偏置常数的方法克服经典MUSIC算法的阵元遮挡问题。进一步提出一种基于数据自适应子阵分割的快速DOA估计算法,该方法先利用稀疏采样的偏置MUSIC算法进行DOA预估,依此确定所需要的子阵及二维搜索区域,确定MUSIC算法的搜索范围,进而得到高精确度的DOA估计。利用子阵分割的方法进行DOA估计,避免了经典MUSIC算法因阵元遮挡导致运算量大、精确度低等问题。仿真结果表明,该方法能大幅度降低运算复杂度,同时提高DOA估计精确度。     

一种双基地嵌套MIMO雷达快速角度估计算法北大核心CSCD

针对双基地嵌套多输入多输出雷达现有算法复杂度较高的问题,文中提出了一种基于泰勒展开离散傅里叶变换(DFT)的快速角度估计算法。该算法首先将匹配滤波输出转化为等效虚拟阵列接收信号的DFT空间谱,随后通过谱峰搜索得到波离方向(DOD)和波达方向(DOA)的初始角度估计,然后通过相位旋转技术在角度初始估计值附近搜索得到DOD和DOA的二次角度估计,最后根据虚拟阵列等效方向矩阵的一阶泰勒级数展开式对角度二次估计值进行误差修正,计算得到修正后的DOD和DOA的精确角度估计。与子空间算法相比,该算法避免了协方差矩阵计算和特征值分解,不仅提高了估计性能,而且显著降低了计算复杂度。仿真结果验证了所提算法的有效性和优越性。     

采用降秩多级维纳滤波器的二维DOA估计快速算法

针对双平行线阵的二维波达方向(DOA)估计问题,为有效降低计算复杂度,提出了一种基于降秩多级维纳滤波器(MSWF)的快速算法。首先利用MSWF的前向递推实现信号子空间的快速估计,无需估计协方差矩阵和特征分解;然后,通过MUSIC算法对方位角和俯仰角的估计进行分维估计,使二维DOA估计退化为两个一维DOA估计问题,且方位角和俯仰角自动配对,进一步降低了运算量。仿真结果表明,该方法的估计精度优于同样基于双平行线阵提出的波达方向矩阵法(DOAM),俯仰角兼并时同样适用,计算复杂度低,适用于实时性要求高的应用背景。     

采用局部搜索的二维DOA估计

针对酉旋转不变估计信号参数(Unitary-ESPRIT)算法估计精度较低的问题,提出了一种采用局部搜索实现的非相干信源二维波达方向(2-D DOA)估计方法.该方法首先利用实特征矢量近似值估计导向矩阵,然后利用矩阵Kronecker积性质以及阵列旋转不变特性获得自动配对的角度估计值,降低了2-D DOA初始估计复杂度,实现了对Unitary-ESPRIT算法的改进;接着,采用一维局部搜索法对该初始估计结果进行优化,提高了低信噪比下的2-D DOA估计精度.仿真实验结果表明,相较于传统的Unitary-ESPRIT算法,所提方法在DOA估计精度和成功率上具有明显的优势,特别是在低信噪比以及快拍数较少条件下,因此该方法能够在计算复杂度和估计性能之间取的较好的折中.     

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。      

一种高精度低复杂度波达方向估计新方法

提出了一种应用于移动自主网中节点定位的波达方向(Direction of Arrival,DOA)估计新方法,以满足移动自主网对节点定位机制的高精度和低复杂度的要求。利用牛顿法将延迟相加法和求根多重信号分类算法(Root-MUSIC)进行联合估计,定位过程分为2个阶段:采用延迟相加法进行实时粗略DOA估计;采用Root-MUSIC进行精准定位。将该方法实现于软件无线电(SDR)系统,综合了延迟相加法低复杂度和Root-MUSIC高估计精度的优点。Matlab仿真实验结果证明了该方法以较低的复杂度获得近似于单独采用Root-MUSIC所达到的高精度,解决了现有方法难以同时达到高精度和低复杂度的问题。     

DS/CDMA系统上行链路一种稳健的阵列接收方法

W G.Hou等对DS/CDMA移动通信系统上行链路提出了通过估计空间到达角（DOA）而进行波束形成的空间滤波方法,本文首先对该方法进行了从对移动台的初始DOA定位到跟踪的大量改进,使该方法对期望用户的跟踪和对干扰用户进行空域抑制更为准确和有效。然后将算法与导频位辅助LMS-DRMTA算法进行了比较,该方法比导频位辅助LMS-DRMTA算法具有更小的运算量,更好的稳定性,当扇区激活用户数较大时,该方法还具有更低的误码率（BER）,该阵列接收法更适合大容量的移动通信系统。     

适用任意阵列的变换域二维波达角快速估计算法

 MUSIC(Multiple Signal Classification)算法是波达角(the Direction of Arrival,DOA)估计的经典算法之一,但其在二维DOA估计中因需进行二维谱峰搜索而计算量十分巨大.为降低MUSIC算法的计算量,本文在引入变换域DOA概念的基础上提出了一种能够适用于任意阵列结构的二维DOA快速估计算法,即变换域MUSIC(transformed domain-MUSIC,TD-MUSIC)算法.理论分析和仿真实验表明:该算法不但将空间谱峰搜索的范围减小一半而且具有更低维度的噪声子空间,因而其计算量远小于 MUSIC算法.同时,新算法具有比MUSIC更高的空间分辨率.     

Low-Complexity DOA Estimation Based on Constraint Solution Space

The Weighted Subspace Fitting (WSF) algorithm is one of the universal algorithms in Direction-Of-Arrival (DOA) estimation, which is of high accuracy. However, it involves the multi-dimensional nonlinear optimization problem, and the computational complexity is usually high. In this paper, we propose a low-complexity DOA estimation algorithm based on constraint solution space. Firstly, we use ESPRIT algorithm to limit the solution space around the best solution and reduce the computational range. Then, we find the best solution in a smaller solution space constraint by Cramr-Rao Bound (CRB), and seek repeatedly until reaching the global optimal solution of WSF algorithm by using the space of the best solution. By limiting the searching process in smaller solution space, this strategy controls the direction of convergence and reduces computational complexity. The experimental results show that this algorithm needs less iterations when the same DOA accuracy is required, and the computational complexity is apparently reduced.

     

Joint Estimation of TOA and DOA in IR-UWB System Using a Successive MUSIC Algorithm

Time-of-arrival (TOA) and direction-of-arrival (DOA) are key parameters in the impulse radio ultra wideband (IR-UWB) positioning system with a two-antennas receiver. A two-dimensional (2D) multiple signal classification (MUSIC) algorithm, which requires the 2D spectral peak search, can be used to estimate the parameters, but it has much higher computational complexity. This paper proposes a successive MUSIC algorithm for joint TOA and DOA estimation in IR-UWB system to avoid 2D spectral peak search. The proposed algorithm obtains the initial estimate of TOA corresponding to the first antenna via Root-MUSIC, and simplifies the 2D global search into successive one-dimensional searches to achieve the estimation of TOAs in the two antennas. It then estimates the DOA parameters via the difference of the TOAs between the two antennas. The proposed algorithm can get the parameters paired automatically, and has a much lower complexity than 2D-MUSIC algorithm. In addition, we have derived the mean square error of TOA and DOA estimation of the proposed algorithm and the Cramer–Rao bound of TOA and DOA estimation in the paper. The simulation results show that the parameter estimation performance of the proposed algorithm is better than that of Root-MUSIC, and is almost the same as that of 2D-MUSIC algorithm. Moreover, it has much better performance than matrix pencil algorithm, propagator method and estimation of signal parameters via rotational invariance techniques algorithm.     

基于双向传播算子的互质面阵二维波达方向估计

针对谱峰搜索的二维波达方向估计中现有算法复杂度高,精度受搜索间隔影响较大的问题,给出了一种双向传播算子的互质面阵二维波达方向估计算法,实现了俯仰角和方位角的低复杂、高精度、无模糊联合估计.该方法首先将互质阵列引入到二维波达方向估计中,构造互质平面阵模型,然后采用两次旋转不变传播算子方法计算出不同阵列流型方向上的旋转因子矩阵,根据旋转因子矩阵解算出目标信号的俯仰角和方位角,同时利用互质理论消除了稀疏阵列角度估计的不确定性,证明了互质阵列模型下采用双向传播算子方法进行俯仰角和方位角估计的无模糊性.对算法的复杂度进行理论分析,并给出了平面阵列角度估计的克拉美罗界推导.理论分析与仿真结果表明,算法不需要进行角度匹配和谱峰搜索,在相同条件下的均方根误差性能优于均匀平面阵的多重信号分类算法,并且以较低的复杂度无模糊的达到了高维网格搜索的精度.     

基于DOA矩阵法的矢量传感器阵列二维波达方向估计

DOA矩阵法是一种二维波达方向估计方法,该方法具有分辩率较高、计算量较少的特点。该文将DOA矩阵法扩展至矢量传感器阵列的波达方向估计,推导出相应的计算公式,分析了算法计算复杂度。算法分析表明,相对于ESPRIT算法,DOA矩阵法计算复杂度大大降低。Monte Carlo仿真结果表明,与ESPRIT算法相比,DOA矩阵法估计的均方根偏差和均方根标准方差相对大一些,所需的最低快拍数也增加。     

一种基于改进PSO的随机最大似然算法

随机最大似然算法(Stochastic Maximum Likelihood,SML)具有优越的波达方位(Direction-of-Arrival,DOA)估计性能,但SML解析过程较高的计算复杂度限制了该算法在实际系统中的应用.针对SML计算复杂度高的问题,提出一种低复杂度的粒子群优化算法(Particle Swarm Optimization,PSO),解决了传统PSO算法中粒子数多和迭代次数多的双重缺点.首先,根据天线获得的信号,将旋转不变子空间法(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)求得的闭式解作为DOA的预估计值,同时计算系统此时的信噪比以及SML在此信噪比下的克拉-美罗界(Cramer-Rao bound,CRB).然后,根据DOA预估计值和当前CRB值在SML最优解的近邻范围内确定较小的初始化空间,并在该空间初始化少量粒子.最后通过设计合适的惯性因子w,使粒子以合理的速度搜索最优解.实验结果表明,改进PSO算法所需的粒子个数和迭代次数大约是传统PSO算法的1/5,降低了SML的解析复杂度,计算时间是传统PSO算法的1/10,因此在收敛速度上也有显著的优势.