高斯白噪声下L阵二维波达方向快速估计

针对L型阵列,提出一种在高斯白噪声环境下的二维波达方向( DOA)快速估计方法。首先利用阵列结构特点构建两个互协方差矩阵,同时实现了噪声分量的有效抑制,再依据协方差矩阵的性质构造了波达方向矩阵。对该矩阵进行一次特征分解即可分别得到包含方位角和俯仰角信息的方向矢量和方向元素,实现二维DOA估计。该算法避免了传统算法的谱峰搜索或大矩阵构造及其特征分解过程,计算量小,且参数自动配对。仿真结果表明,该算法在低性噪比和少快拍下的估计精度与2 D ESPRIT算法近似,但计算复杂度大幅降低,适用于实时性高的工程应用背景。     

波束-多普勒酉ESPRIT多目标DOA估计

高分辨波达方向(DOA)估计是地基/空基预警雷达实现主波束内多目标精细跟踪需要解决的关键问题。针对上述问题,该文提出一种波束-多普勒酉ESPRIT多目标DOA估计算法。该方法首先通过时域平滑技术构造多个快拍。然后采用中心共轭对称傅里叶变换矩阵将数据变换至波束-多普勒域,同时保留旋转不变结构。最后采用实值ESPRIT算法估计目标的DOA。所提方法充分利用了信号的时域信息来改善空域参数估计性能,同时具有较低的计算复杂度。实验结果证明了所提方法的有效性。     

基于2D-Unitary ESPRIT算法的DOA估计新方法

提出了一种基于2D-Unitary ESPRIT算法的六角星形阵列波达方向(DOA)估计方案。利用星形阵列子阵列的多种平移不变性,将子阵列两两组合,采用2D-Unitary ESPRIT算法分别对每种组合进行估计,获取了DOA估计的候选集,然后运用2D-MUSIC算法的功率谱函数在候选集中对DOA进行最优估计,得出DOA的最优估值,并进行了仿真实验。该方案避免了由2D-MUSIC算法因谱峰搜索而带来的庞大计算成本,且多种平移不变子阵列组合的运用减小了DOA估计误差。仿真表明,此方案与传统2D-Unitary ESPRIT算法相比,减小了估计值的均方根误差,提高了空间分辨率。     

机电扫描天线阵列接收信号调制效应分析

提出了一种新的单基地MIMO雷达波达方向(DOA)估计算法:降维Power-ESPRIT算法。该算法首先通过降维变换将MIMO雷达数据变换至低维信号空间,然后进行从复数域到实数域的转换,并在实数域上使用采样数据协方差矩阵的幂获得信号子空间的估计,最后构造实值旋转不变性方程估计目标的DOA。仿真结果表明,在低信噪比、低快拍数的环境下,该算法与已有ESPRIT方法相比,具有近似性能,却拥有较低的计算复杂度。该算法的计算复杂度是RD-ESPRIT的25%左右,是RD-UESPRIT的65%左右。     

一种基于ESPRIT的改进算法

在目标波达方向估计的众多算法中,ESPRIT算法是一种运算速度较快、估值精度较高的常用算法.在该算法中,利用两个相同平移阵列接收信号的协方差矩阵进行广义特征值分解,进而求出目标波达方向的高分辨率估计,但是由于需要对协方差矩阵进行广义特征值分解运算,大大增加了计算的复杂度,因而不利于在工程应用中实现.本文提出了一种基于ESPRIT的改进算法,不需要对来波信号的协方差矩阵进行广义特征值分解,就可以实现对目标波达方向的高分辨估计,理论分析和仿真结果证明了该改进算法的有效性和可行性.     

增益幅度不一致条件下的SRI算法

阵元增益不一致导致ESPRIT算法的波达方向(DOA)估计性能恶化.本文提出了一种新的利用子空间旋转不变性(SRI)的DOA估计算法,将DOA信息包含于矩阵的特征值估计中,但对增益幅度误差不敏感.由于未利用增益幅度信息,DOA估计结果可能存在模糊性,本文给出了解模糊方法及仿真实验结果.     

估计相干与非相干信源的ESPRIT新方法

在目前信号波达方向（DOA,Direction-of-Arrival）估计中,ESPRIT算法是一种速度快、精度高的常用算法,但对于低信噪比下混合信号（同时含有相干与非相干信号）,ESPRIT算法难以估计出它们的DOA。提出了一种新的同时估计相干与非相干信源的ESPRIT方法,新方法充分利用数据协方差矩阵的自相关信息和互相关信息来重构含有信号方位信息的矩阵,再从它的特征值中解得信号的到达角。新方法解决了常规ESPRIT算法不能解相干,对信噪比要求高等问题,且与同类算法相比较,分辨能力和估计精度明显提高。仿真实验证明了该方法在混合信号估计中的优越性和可靠性。     

低复杂度相干分布源中心DOA估计方法

传统的相干分布源波达方向(DOA)估计方法一般都需要谱搜索或对高维样本协方差矩阵进行特征分解,计算复杂度较高.针对上述问题,本文利用均匀线阵提出了一种低复杂度相干分布源中心波达方向估计方法.所提方法利用了平移阵列的旋转不变性质并结合传播算子法来估计分布源的中心波达方向.相比于常规子空间方法,本方法无需任何谱峰搜索和对样本协方差矩阵进行特征分解,计算复杂度更低.方法在小角度扩展条件下的估计性能良好,其性能甚至接近于DSPE算法.而且方法与分布源角分布的具体形式无关,是一种盲的估计.仿真结果证实了方法的有效性.     

超宽带系统中基于稀疏恢复的TOA和DOA联合估计方法

针对稀疏表示框架下进行超宽带系统中到达时间(Time of Arrival,TOA)和波达方向(Direction of Arrival,DOA)联合估计的问题,提出了一种基于稀疏恢复的TOA和DOA联合估计方法。采用l范数作为稀疏约束条件,并利用联合正交匹配追踪算法获取TOA估计值,解决了TOA配对问题,最后根据两副天线的时延差与DOA之间的关系获得信号的DOA估计。所提算法考虑了离网格信号参数估计问题,并通过联合稀疏恢复进行补偿。仿真结果表明,所提算法的参数估计性能优于传统的压缩感知算法、传播算子算法、矩阵束算法以及借助旋转不变性的信号参数估计技术(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法,同时计算复杂度更低。     

基于极化敏感阵列均匀线阵的二维DOA估计

针对残缺电磁矢量传感器的极化敏感阵列多参数联合估计问题,该文提出一种基于正交偶极子的均匀线阵的2维波达方向(Direction-Of-Arrival, DOA)估计算法。首先,对极化敏感阵列的接收数据矢量的协方差矩阵进行特征分解,然后将信号子空间划分成4个子阵,根据旋转不变子空间(ESPRIT)算法分别求出其中1个子阵与其它3个子阵的相位差,再对不同子阵间的相位差进行配对,最后根据相位差求出信号的DOA估计和极化参数。由正交偶极子组成的均匀线阵使用极化MUSIC算法和传统ESPRIT算法无法进行2维DOA估计,该文提出的算法解决了这个问题,并且相较于极化MUISC算法降低了算法的复杂度。仿真结果验证了该文算法的有效性。     

基于数据共轭重排的修正ESPRIT信号DOA估计算法

本文介绍了将接收数据共轭重排的再利用,构造相关矩阵的修正ESPRIT算法.理论分析和仿真实验表明,该算法同经典的ESPRIT算法相比,在快拍次数有限时,可明显改善信号DOA估计的性能,且其计算量二者基本相当.     

基于阵列流型盲辨识的MIMO雷达二维DOD和二维DOA联合估计

MIMO（Multiple Input Multiple Output）雷达基于分集增益理念,使其相对于相控阵雷达,在目标探测、参数测量、多目标分辨及干扰识别和抑制等方面具有明显优势.目标角度估计是雷达目标参数测量的核心内容,也是雷达对空域目标进行定位和跟踪的前提.本文基于双L型阵列,提出了一种高精度低复杂度的双基地MIMO雷达二维离开角和二维到达角联合估计的新算法.通过对匹配滤波后的阵列接收数据进行子空间分解,实现了阵列流形矩阵的盲辨识,进而获得目标二维到达角和二维离开角的闭式解.所提算法估得的收发四维角（二维离开角和二维到达角）能够自动配对,与2-D ESPRIT（Two Dimensional Estimating Signal Parameters via Rotational Invariance Techniques）算法相比,运算复杂度约是其三分之一,角估计性能相当.仿真实验证明了所提算法以较低的运算复杂度,实现了对目标收发四维角的高精度联合估计.     

Efficient 2-D DOA and frequency estimation for L-shaped array via RD-PM

This paper addresses the issue of joint two-dimensional direction of arrival (2-D DOA) and frequency estimation via reduced-dimensional propagator method (RD-PM) with L-shaped array. The proposed algorithm has no need for eigenvalue decomposition of the sample covariance matrix and simplifies three-dimensional global spectral search within the three-dimensional propagator method (3-D PM) to one-dimensional local search, which greatly reduces computational complexity. Furthermore, the proposed algorithm can work under both uniform and non-uniform L-shaped array and can achieve paired 2-D DOA and frequency estimates automatically. In addition, the 2-D DOA and frequency estimation performance for the proposed method is approximate 3-D PM algorithm and parallel factor (PARAFAC) method but exceeds the estimating signal parameters via rotational invariance techniques (ESPRIT) algorithm and improved PM algorithm. The detailed derivation of Cram´er-Rao bound (CRB) is provided and the simulation results demonstrate the effectiveness and superiority of the proposed approach.     

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.

     

基于ESPRIT算法的十字型阵列MIMO雷达降维DOA估计

该文针对十字型阵列配置下的单基地MIMO雷达2维空间角度估计问题,提出一种基于ESPRIT算法的降维DOA估计算法。算法通过降维矩阵的设计及回波数据的降维变换,将高维回波数据转换至低维信号空间,最大程度地去除了所有的冗余数据;利用矩阵的酉变换进行实数域信号子空间的估计,并基于ESPRIT算法实现2维空间角度的联合估计及参数的自动配对。算法不牺牲阵列孔径,在获取信噪比增益和快拍增益的同时,有效降低了回波数据的维数,具有更低的运算复杂度。仿真结果验证了理论分析的正确性和算法的有效性。     

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。     

基于多维范德蒙德结构的双基地MIMO雷达收发角及多普勒频率联合估计

针对双基地MIMO雷达收发角及多普勒联合频率估计问题,该文基于参数流型矩阵的多维范德蒙德结构特征,提出一种低运算量的3维参数联合估计算法。首先根据回波模型的多维结构特性构造3阶张量,并对其分别沿发射维、接收维和脉冲维切片得到3个等效矩阵;然后结合多维范德蒙德结构特征和等效矩阵的左奇异矩阵具有Khatri-Rao乘积结构特征,估计收发阵列流型矩阵和多普勒流型矩阵;最后通过Root-MUSIC算法估计收发角和多普勒频率。与现有算法相比,该算法显著改善了参数估计精度,在小脉冲数下,其运算量与旋转不变子空间算法(ESPRIT)相当。仿真实验验证了该算法的有效性。     

双基地MIMO雷达四维角度和多普勒频率联合估计

该文提出了一种新的基于L型阵列双基地MIMO雷达多目标的4维角度和多普勒频率联合估计的算法,该算法根据DOA 矩阵法的思想构造矩阵,通过特征参数与待估参数之间的特定关系,推导出了目标2维DOA, 2维DOD及多普勒频率联合估计式,并得到闭式解。该算法无需谱峰搜索,只需一次特征值分解,且估计出的5维参数自动配对,与ESPRIT算法相比,计算复杂度降低,且性能非常接近,并能克服空间色噪声的影响,在发射信号非完全正交时仍旧适用。仿真结果验证了该算法的有效性。