基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

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。     

基于均分阵元的空域平滑技术研究

空间谱估计是现代信号处理研究的重要课题,对于非相干信号的DOA估计,采用MUSIC就能取得好的分辨效果,对此算法进行了简要介绍.对于广泛存在的相干信号,直接采用MUSIC则存在很大的模糊性甚至失效,为了准确地进行DOA估计,必须经过预处理解相干.针对传统的空域平滑处理,提出了均分阵元的空间平滑技术,经仿真验证,新方法可行、有效,最后分析了该方法的优势和弊端.     

基于空域稀疏性的嵌套MIMO雷达DOA估计算法

针对传统MIMO雷达可分辨目标数受限于虚拟阵元数的问题,该文提出一种基于嵌套阵的MIMO雷达阵形设计新方法并改进了相应的稀疏DOA估计算法。首先分析对传统MIMO雷达的虚拟阵元进行嵌套采样给DOA估计性能带来的影响;然后提出嵌套MIMO雷达阵形设计方法,在虚拟阵元数相同的情况下,该阵形比传统阵形分辨更多的目标;最后提出一种基于空域稀疏性的嵌套MIMO雷达改进DOA估计算法,该算法使用噪声子空间加权,在提高分辨率的同时可以有效消除伪峰。仿真结果验证了该文算法的有效性和优越性。     

基于拉伸式双偶极子天线Q-MUSIC算法的DOA估计

本文指出在四元数模型下,传统双偶极子天线组成的均匀线阵(ULA)在利用四元数多重信号分类算法(Q-MUSIC)估计极化信号波达角(DOA)时,存在“模型相干”问题,并提出了基于实同构矩阵变换的拉伸式双偶极子天线 MUSIC 算法,有效解决了上述问题,所提算法充分利用四元数模型的正交性,性能远优越于基于传统双偶极子天线的 MUSIC 算法,尤其是在低信噪比(SNR)条件下。最后,通过计算机仿真实验验证了所提算法的有效性。     

DOA估计的几种特征结构算法的性能比较

Pisarenko算法、多信号分类（MUSIC）算法、最小模算法和ORPD算法是来波到达方向（DOA）估计中常用的四种特征结构算法。在不同的信噪比及阵元数目条件下，对这几种算法的分辨性能作了比较。仿真结果表明：MUSIC算法是最稳定的一种算法；在预知大致方位的前提下。ORPD算法分辨性能最好；对于提高各种算法的分辨能力，改善信噪比相对增加阵元数目更有效。     

基于MUSIC算法的球面共形阵DOA估计

由于球面共形天线阵所具有的特殊性质,使得其利用经典MUSIC算法进行DOA估计时,导向矢量与噪声子空间不正交,算法性能受到较大影响。在考虑各阵元接收某信号强度不一致的同时,根据子阵内阵元相似度高这一特点,对基于子阵分割的有向阵元MUSIC算法在球面共形阵上进行了DOA估计仿真实验,结果表明:该方法应用于球面共形阵,可以快速准确地估计出多个信号的DOA。     

MUSIC算法的性能比较

智能天线的核心技术之一是波达方向估计,在无线通信中具有重要作用。MUSIC算法是一种经典的DOA估计算法,但因其计算量大、对于相干及小信噪比信号无法分辨等缺陷,故有较多的改进算法被提出。文中研究了求根MUSIC算法、基于空间平滑技术的MUSIC算法、改进MUSIC算法及修正MUSIC算法。通过仿真分析了角度间隔、信噪比、信号相干对改进MUSIC算法分辨率的影响。以上几种改进MUSIC算法进一步发挥了该算法高分辨率的优势,且有利于其在智能天线方面的应用。     

低信噪比中MUSIC算法研究

MUSIC（Multiple Signal ClaSSification）是一种超分辨率的DOA（Direction of hrrival）估计算法,其分辨率随着天线接收信号的信噪比的增大而增大。在低信噪比条件TMUSIC算法的分辨率快速下降,为解决此问题提出了一种改进的MUSIC算法,使它在低信噪比条件下有较高的分辨率。通过计算机仿真验证了改进后的算法在低信噪比条件下具有很高的分辨率,在信噪比高的条件下其分辨率也大于基本的MUSIC算法。     

基于时频点聚类的LFM信号波达方向估计

基于空间时频分布(spatial time-frequency distribution, STFD)的多重信号分类(multiple signal classification, MUSIC)算法常用于非平稳信号波达方向(direction of arrival, DOA)估计, 其关键是选取合适的信号时频点.文中针对传统时频MUSIC算法不能提取各信号时频点且在小角度间隔时估计性能不佳的问题, 以线性调频(line frequency modulation, LFM)信号为研究对象, 提出了基于时频点聚类的DOA估计算法.该算法首先对阵列接收信号进行白化, 利用白化后的接收信号构造STFD矩阵, 达到抑制STFD矩阵的交叉项、突出信号自项的目的, 然后利用K均值聚类提取各信号时频点, 最后运用MUSIC算法估计DOA.对不同角度间隔和不同信噪比时三种算法的估计均方根误差进行了仿真对比, 结果表明:相比经典时频MUSIC算法, 文中算法在小角度间隔和低信噪比时有更好的估计性能.     

TD-SCDMA系统基于MUSIC算法的DOA估计研究

针对传统DOA估计方法存在分辨率低,且现有多重信号分类算法不适用于TD-SCDMA系统等问题,研究了TD-SCDMA系统中基于MUSIC算法的DOA估计、基于TD-SCDMA系统均匀圆阵阵列模型,通过对其采用预处理技术,推导了TD-SCDMA系统中用于DOA估计的基本MUSIC算法和求根MUSIC算法,并通过仿真分析了影响DOA估计分辨率的因素。仿真分析表明,求根MUSIC算法具有更高的分辨率。     

一种基于逐次搜索的快速MUSIC方法

MUSIC方法是一种经典的阵列波达方向(DOA)估计子空间方法,在高信噪比时,该方法有很好的性能,但随信噪比的降低,算法性能下降很快,特别是其分辨概率下降很快。其主要原因是低信噪比和DOA相邻较近时,信号源之间的空间相关性较强。逐次消除空间相关性并逐次搜索DOA的改进MUSIC方法,提高了分辨概率。为降低运算量,采用多级维纳滤波代替特征值分解过程。文中方法具有一般性,适合于基于子空间方法的一大类DOA估计。仿真结果证明了方法的有效性。     

最小二乘矩阵滤波器在目标方位估计中的应用

雷达声呐目标探测主要依靠多传感器的阵列数据,当前广泛使用的MUSIC算法是一种准确度较高的目标方位估计算法,但在小快拍数、低信噪比、小阵元数条件下,性能会受到较大影响.矩阵滤波技术用于阵列数据预处理,可有效提高目标方位估计性能.首先,考虑最小二乘矩阵滤波器的设计方案,分析通带中心位置对其性能的影响;其次,利用设计的最小...     

基于空间平滑多重信号分类算法的低角目标探测

基于阵列信号处理的目标回波到达方向（DOA）估计算法具有分辨力强、估计精度高、抗干扰能力强的特点，是目标测向的研究热点。多重信号分类（MUSIC）算法就是基于阵列信号处理的目标测向算法之一，传统的多重信号分类算法假设目标回波是互不相关的，这导致其应用效果受到较大的限制。在传统多重信号分类算法的基础上，采用空间平滑多重信号分类算法进行目标回波解相干处理，推导给出了估计目标回波到达角度的表达式以及该算法的实现流程框图，并结合数值模拟结果以及实际应用场景对该算法的优缺点进行了对比分析。空间平滑多重信号分类算法在低角目标探测、单目标多径问题、多目标到达角度与多目标数量估计等方面具有一定优势。     

基于提升小波算子的MUSIC法的DOA估计

在低信噪比且不增加接收阵元数目的条件下,提出利用提升小波算子对接收 信号进行预处理,然后用MUSIC法进行谱估计。仿真试验表明该算法有效提高了DOA估计的 分辨率和精度,与传统的基于一代小波域的DOA估计的算法对比,该算法具有复杂度低、收 敛快且精度高的性能,为实时信号的处理提供了支持,在科研和工程实践领域具有一定的 理论价值和应用价值。     

基于矩阵补全的二阶统计量重构DOA估计方法

该文针对传统波达方向角(DOA)估计算法在非均匀噪声下角度估计精度差及分辨率低的问题,基于矩阵补全理论,提出一种二阶统计量域下加权L1(MC-WLOSRSS)稀疏重构DOA估计算法。首先,基于矩阵补全方法,引入弹性正则化因子将接收信号协方差矩阵重构为无噪声协方差矩阵;而后在二阶统计量域下通过矩阵求和平均将无噪声协方差矩阵多矢量问题转化为单矢量问题;最后利用稀疏重构加权L1范数实现DOA参数估计。数值仿真表明,与传统MUSIC, IL1-SRACV, L1-SVD子空间算法及稀疏重构加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好DOA估计性能,且在低信噪比条件下,亦具有较高估计精度和分辨力。