基于稀疏对称阵列的混合信源定位

针对混合信源定位中存在阵列孔径损失的问题,基于稀疏对称阵列提出了一种新的混合信源定位方法。首先,通过不同子阵的接收数据构造一个仅与信源角度有关的特殊四阶累积量矩阵,进而利用MUSIC算法估计出所有信源方位角,然后在每个估计角度上进行距离维的搜索,从而得到近场信源的距离估计。该方法避免了二维搜索,且参数自动配对。同时,稀疏对称阵列的有效使用扩展了阵列孔径,提高了参数估计精度。实验仿真结果表明该算法的有效性。     

一种利用均匀圆阵对称特性的近场源酉变换估计算法

针对现有均匀圆阵的近场源三维参数估计算法运算量大的缺点,提出了一种基于均匀圆阵对称特性的近场源酉变换估计算法。该算法利用均匀圆阵对称特性将阵列导向矢量进行酉变换和对角化分离处理,消除距离参数,把三维搜索问题化简为二维搜索问题,同时把复值方向矢量转化为实值方向矢量。计算机仿真结果显示,所提算法估计性能优于相关序列降维估计方法,与三维多重信号分类算法性能相当,且通过矩阵分离降维和实值化处理,减少了运算量,有利于工程实时处理。     

基于稀疏面阵的低复杂度三维信源定位算法

针对3维信源定位中阵列结构过于复杂、算法复杂度过高、谱峰搜索范围过大的问题,该文提出一种基于互素线阵互素平移的稀疏面阵(CLACS-SPA)的3维降秩MUSIC算法(RARE-MUSIC)。所提CLACS-SPA拥有中心对称的互素稀疏面阵结构,相较于同口径均匀面阵结构减少了大量的阵元,降低了阵列的结构复杂度;以CLACS-SPA为基础的3维RARE-MUSIC算法利用泰勒公式将接收信号中的方向信息与距离信息进行分离估计,从而将3维谱峰搜索转化为方位角俯仰角的2维搜索和距离项的1维搜索,降低了定位算法的计算复杂度。仿真分析表明:在口径与定位算法相同条件下,与均匀面阵结构相比,所提结构的计算复杂度降低了1～2个数量级;在相同口径与CLACS-SPA结构下,与经典3维MUSIC算法相比,所提算法的复杂度降低了2～3个数量级;在相同口径和阵元数量条件下,与经典3维MUSIC算法相比,所提算法不仅降低了计算复杂度,而且提升了方位角与俯仰角的测量精度。     

基于稀疏面阵的低复杂度三维信源定位算法

针对3维信源定位中阵列结构过于复杂、算法复杂度过高、谱峰搜索范围过大的问题,该文提出一种基于互素线阵互素平移的稀疏面阵(CLACS-SPA)的3维降秩MUSIC算法(RARE-MUSIC).所提CLACS-SPA拥有中心对称的互素稀疏面阵结构,相较于同口径均匀面阵结构减少了大量的阵元,降低了阵列的结构复杂度;以CLACS-SPA为基础的3维RARE-MUSIC算法利用泰勒公式将接收信号中的方向信息与距离信息进行分离估计,从而将3维谱峰搜索转化为方位角俯仰角的2维搜索和距离项的1维搜索,降低了定位算法的计算复杂度.仿真分析表明:在口径与定位算法相同条件下,与均匀面阵结构相比,所提结构的计算复杂度降低了1～2个数量级;在相同口径与CLACS-SPA结构下,与经典3维MUSIC算法相比,所提算法的复杂度降低了2～3个数量级;在相同口径和阵元数量条件下,与经典3维MUSIC算法相比,所提算法不仅降低了计算复杂度,而且提升了方位角与俯仰角的测量精度.     

基于均匀圆阵的近场源三维参数估计

基于均匀圆阵,提出一种近场源距离-方位角-俯仰角联合估计算法。利用阵元观测数据,构造一组高阶累积量矩阵,通过矩阵联合对角化技术得到阵列流形矩阵的估计。根据阵列流形矩阵的估计以及近场和远场条件下方位角相同的结论,获得方位角的估计。利用阵列流形矩阵和方位角的估计,得到距离和俯仰角的估计。该方法无需二维频域峰值搜索或参数配对。计算机仿真验证了算法的有效性。     

基于MIMO雷达虚拟阵列的近场目标定位

提出了一种基于MIMO雷达虚拟阵列的近场目标定位新算法。该算法通过MIMO雷达形成的虚拟阵列的互协方差矩阵来构造一个新的二阶统计量矩阵,利用其相应的特征值及特征向量估计出近场目标的三维参数。由于不同虚拟阵列的噪声是不相关的,所以该算法可适用于任意的加性高斯噪声环境。与现有的无源阵列近场源定位算法相比,该算法的参数估计结果能自动配对,无需参数配对过程,且不存在接收阵列孔径损失的问题。计算机仿真结果证明了本文算法的正确性和有效性。     

基于双电磁矢量传感器的近场源多参数估计

基于双电磁矢量传感器(EVSs),提出一种新的近场源频率、波达方向(DOA)、距离和极化参数联合估计方法.该方法首先计算近场源的频率以及其在两个电磁矢量传感器处的二维DOA和极化参数,然后利用几何方法或搜索方法,得到近场源的距离估计.该方法仅需要两个电磁矢量传感器,节约了阵列孔径,适合于阵列孔径有限的场合.估计过程中仅需一次互相关以及特征分解等简单的运算,且各参数自动配对,节省了运算量.实验结果验证了该方法的有效性.     

互耦条件下均匀线阵DOA盲估计

阵元间存在互耦时,经典的波达角(DOA)估计算法性能急剧下降甚至失效。针对互耦条件下均匀线阵DOA估计问题,该文提出一种基于盲源分离的DOA盲估计算法。首先,利用源信号的统计特性,由盲源分离方法估计广义阵列流形矩阵;然后,利用均匀线阵互耦矩阵带状、Toeplitz矩阵的特点,将DOA估计问题转化为多个可分离非线性最小二乘问题,由多个1维频域搜索得到DOA的估计。该算法无需高维搜索或多维迭代,对互耦自由度要求更低,互耦自由度未知时仍旧适用,稳健度高。数值仿真验证了该文算法的有效性。     

基于矢量传感器MIMO雷达的DOD DOA和极化联合估计算法

该文研究了一种基于多输入多输出(MIMO)电磁矢量传感器阵列雷达目标波离角(DOD),波达角(DOA)和极化联合估计问题。提出一种新型矢量阵MIMO雷达系统模型,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器。在此基础上,该文提出4维MUSIC, ESPRIT和迭代1维MUSIC 3种联合参数估计算法。其中迭代1维MUSIC算法首先利用矢量传感器的内在结构特点获得目标DOA预估计,随后采用MUSIC算法对DOD和DOA分别进行1维搜索获得目标角度的高精度估计,最后给出一种基于ESPRIT的目标极化估计算法。迭代1维MUSIC算法可用于不规则阵列,对接收阵列约束较少,无需2维搜索及多维搜索,还可以利用矢量阵特点扩展阵列孔径提高DOA估计精度。此外,论文还推导了DOD, DOA和极化联合估计的CRB。仿真实验表明,与前两种算法相比,迭代1维MUSIC算法具有与CRB更接近的估计精度。     

基于稀疏对称阵列的近场源定位

 在阵元数目一定的情况下,为了扩大阵列的孔径,本文采用非均匀稀疏对称阵列,其阵元间距不受四分之一载波波长的限制.为了避免由此带来的角度模糊问题和复杂的二维搜索,本文基于降秩思想,提出了近场源波达方向(DOA,Direction Of Arrival)和距离的无模糊估计方法并且分析了角度估计的模糊性.此方法利用二阶统计量,只需进行一维搜索,且参数自动配对.因此,计算量大大地减少,且在阵元个数有限的情况下,大大地提高了空间分辨率.计算机仿真结果证实了此方法的有效性.     

稀疏重构混合源参数估计方法

针对近远场混合源定位问题,本文提出了一种基于稀疏信号重构的信源参数估计算法。该算法首先通过对接收信号的协方差矩阵进行稀疏重构估计出远场信源参数,接着采用协方差分离技术将近场源和远场源分离,最后利用均匀线阵的对称性和稀疏信号重构估计近场信源参数。该算法避免了二维谱峰搜索和近场源参数配对,也无需构造高阶累积量,降低了计算复杂度。仿真结果表明,该算法的空间分辨能力和混合源参数估计精度均高于基于子空间的混合源参数估计方法。      

Sparse recovery method for far-field and near-field sources localization using oblique projection

In this paper, we propose a novel source localization method to estimate parameters of arbitrary field sources, which may lie in near-field region or far-field region of array aperture. The proposed method primarily constructs two special spatial-temporal covariance matrixes which can avoid the array aperture loss, and then estimates the frequencies of signals to obtain the oblique projection matrixes. By using the oblique projection technique, the covariance matrixes can be transformed into several data matrixes which only contain single source information, respectively. At last, based on the sparse signal recovery method, these data matrixes are utilized to solve the source localization problem. Compared with the existing typical source localization algorithms, the proposed method improves the estimation accuracy, and provides higher angle resolution for closely spaced sources scenario. Simulation results are given to demonstrate the performance of the proposed algorithm.     

一种无须参数配对的近场源定位新算法

本文提出了一种适用于高斯白噪声环境的近场窄带信源定位新算法.该算法利用阵元输出计算的3个二阶统计量矩阵在二阶统计量域构造平行因子分析模型,分析了该模型低秩分解的唯一性,并从其分解得到的多个矩阵中联合估计信源距离、频率及到达角.该算法无须参数配对,无须谱峰搜索,计算简单.仿真结果表明该算法是有效的.     

基于重加权?1范数惩罚的远近场混合源定位算法

现有信源定位方法大多假定信源是远场源或近场源,而实际定位系统中往往存在远场源和近场源共存的情况。为实现远、近场源分离及高精度信源定位,本文在稀疏信号重构理论框架下提出了一种新的远近场混合源定位算法。该算法利用阵列协方差矩阵反对角线元素和重加权l1范数惩罚获得所有信源的到达角（Direction Of Arrival, DOA）估计。在DOA估计的基础上,根据远场与近场源距离参数位于不同区间的特点利用一维搜索实现远、近场源分离以及近场源距离参数的估计。从理论角度分析了重加权l1范数惩罚算法的重构性能。本文所提算法不仅同时适用于高斯和非高斯信号,而且无需多维搜索和参数配对,也无需信源数的先验信息,同时还可以获得较好的定位精度。计算机仿真结果验证了所提算法的有效性。     

Passive Localization of Mixed Near-Field and Far-Field Sources Using Two-stage MUSIC Algorithm

Passive source localization is one of the issues in array signal processing fields. In some practical applications, the signals received by an array are the mixture of near-field and far-field sources, such as speaker localization using microphone arrays and guidance (homing) systems. To localize mixed near-field and far-field sources, this paper develops a two-stage MUSIC algorithm using cumulant. The key points of this paper are: (i) in the first stage, this paper derives one special cumulant matrix, in which the virtual ?steering vector? is the function of the common electric angle in both near-field and far-field signal models so that source direction-of-arrival (DOA) (near-field or far-field one) can be obtained from this electric angle using the conventional high-resolution MUSIC algorithm; (ii) in the second stage, this paper derives another particular cumulant matrix, in which the virtual ?steering matrix? has full column rank no matter whether the received signals are multiple near-field sources or multiple far-field ones or their mixture. What is more important, the virtual ?steering vector? can be separated into two parts, in which the first one is the function of the common electric angle in both signal models, whereas the second part is the function of the electric angle that exists only in near-field signal model. Furthermore, by substituting the common electric angle estimated in the first stage into one special Hermitian matrix formed from another MUSIC spectral function, the range of near-field sources can be obtained from the eigenvector of the Hermitian matrix. The resultant algorithm avoids two- dimensional search and pairing parameters; in addition, it avoids the estimation failure problem and alleviates aperture loss. Simulation results are presented to validate the performance of the proposed method.     

对称子阵列的近场信号稀疏表示定位方法

针对近场信号源,本文基于对称子阵列提出了两种稀疏信号表示的目标定位方法。首先利用对称阵元导向矢量的关系分离出时延中的方向角和距离两个参数,将一个近场目标定位问题转换为一个类远场的方向角估计问题,再通过稀疏信号重构的方法分步得到方向角和距离两个参数的估计。在参数分离的过程中,方法二通过构造共轭部分,所得到的虚拟远场阵列阵元数等效于原始阵列,故所能估计的信源数约为方法一的两倍。和同类方法相比,本文提出的方法具有较低的计算量。仿真表明,本文两种方法具有更高的分辨率。      

A Novel Method for Near-Field Source Localization in Impulsive Noise Environments

The joint estimation of direction of arrival and range for a near-field source in impulsive noise environments remains unaddressed in array signal processing. Inspired by the robustness of phased fractional lower-order moment and the efficiency of generalized estimation of signal parameters via rotational invariance techniques, a novel near-field source localization method is proposed. To reduce the computational complexity, the estimated parameters are determined by the roots of a polynomial rather than searching for the peaks of the spectrum. To characterize its performance, the Cramér–Rao bounds for the estimated parameters of near-field sources in Cauchy noise environments are derived. Compared with existing methods, the proposed method can avoid spectral peak search, loss of array aperture, and parameter pairing. The simulation results demonstrate that the proposed method is superior to existing methods in terms of the probability of resolution and the estimation accuracy, especially in low generalized signal-to-noise ratio and highly impulsive noise environments.     

近场非圆信号参数快速估计算法

该文基于对称的均匀线阵提出了一种近场非圆信号参数的快速估计算法,算法基于信号的非圆特性以及阵列的对称性对近场导向矢量进行解耦,并利用多项式求根取代传统的谱峰搜索对近场源的角度及距离参数进行快速估计。基于给定的阵列结构,建立非圆信号参数估计的多项式数学模型,然后对其进行求根即可获得近场信号源位置参数。所提算法采用多项式求根的方法有效地降低了运算复杂度,同时利用信号的非圆特性提高了参数估计的自由度(DOF)。通过性能分析和计算机仿真实验可以看出该算法能够分辨更多的近场非圆信号,并且参数估计性能有所提升,更接近于近场源参数估计的克拉美罗界(CRB)。      

混合信源波达方向估计算法

本文针对非相干混合点信源和分布式信源,提出了一种基于对称均匀线阵的波达方向估计算法。该算法利用点信源和分布式信源协方差矩阵结构的不同,采用空间差分技术将两种信源分离。对于点信源,采用传统MUSIC算法估计其波达方向;对于分布式信源,利用信号子空间的旋转不变性来估计其波达方向。该算法不仅消除了点信源对分布式信源的影响,也无需估计分布参数,大大降低了计算复杂度。且采用2N+1个阵元的对称均匀线阵可估计出 2N 个混合信源,其中分布式信源最多为 N 个,有效减小了阵列的孔径损失。仿真结果表明该算法的性能优于广义特征值分解的算法。