多口径组合阵列子空间DOA测向算法

现有各类子空间DOA测向算法为避免阵列模糊一般要求阵元间距小于半波长,但为获得更好的测向性能又需要较大的阵列尺寸,这需要大量的阵元,提高系统复杂度和成本.为克服这个问题,本文基于多重信号分类(MUSIC)算法提出一种采用半径不同的多口径组合阵列进行DOA测向方法.其中小尺寸阵列能够避免测向模糊问题,同时对空间谱起到平滑作用,从而降低空间谱计算复杂度;而具有较少阵元数目的大尺寸阵列主要用于提高测向算法精度和分辨力.本文给出算法的原理与实现步骤,并对算法精度和分辨力进行了分析和仿真,理论分析和仿真结果表明算法的有效性.     

一种未知信源数的共形阵DOA算法

针对目前绝大多数共形阵波达方向估计算法需要进行信源数估计且波达方向估计性能易受信源数估计误差影响的问题,提出了一种引入虚拟期望信号的未知信源数共形阵波达方向估计算法.在介绍共形阵窄带信号接收模型及自适应波束控制原理的基础上,利用最大信干噪比准则下的最优权矢量对引入虚拟期望信号后的阵列接收数据进行加权处理,以阵列输出的信噪比作为波达方向估计参数,从而实现来波信号的准确估计.整个过程不需要以信源数作为先验知识,避免了波达方向估计过程中信源数的判断环节.对所提算法进行了仿真实验,结果表明,该算法是有效可行的,且其性能要优于MUSIC算法.     

锥面共形阵列极化-DOA估计的降维MUSIC算法

针对传统MUSIC(multiple signal classification)算法在锥面共形阵列极化-DOA(direction of arrival)参数联合估计过程中计算复杂度较高的问题,利用单极化阵元构造极化敏感锥面共形阵列,并建立阵列接收信号模型.通过构造同极化接收子阵,将导向矢量中空域信息和极化域信息去"耦合",在考虑阵元遮挡效应的条件下,结合秩损原理实现了基于降维MUSIC算法的极化-DOA多参数估计,减小了极化-DOA参数估计的计算量.通过计算机仿真证明了方法的有效性.     

基于延时相关预处理的MUSIC算法

针对MUSIC算法的分辨力受信噪比、快拍数及阵元数等因素限制的问题,利用各阵元接收数据的延时相关函数重新构造协方差矩阵,提出了基于延时相关预处理的MUSIC算法.根据阵元间的延时相关函数与原阵列流型及信号延时相关函数的关系,推导了4个与原阵列流型相同（共轭）的延时相关函数矩阵,分别对各矩阵求协方差并按规则求和得到新的协方差矩阵,之后对协方差矩阵进行特征分解,根据信号子空间处理稳健性高和噪声子空间处理估计精度高的特点构造谱函数进行谱峰搜索,实现DOA估计.通过仿真实验验证了本文算法的可行性和有效性.     

阵列误差对MUSIC算法性能的影响与校正

理论上分析了阵元增益误差和相位误差对基于子空间分解的MUSIC算法进行DOA估计性能的影响，在此基础上给出了一种基于最大似然估计的Toeplitz化通用自校正方法．该方法利用理想阵列协方差矩阵的Toeplitz性质，无需估计误差而可以对其作出补偿．仿真结果表明该方法不但可以减少MUSIC方法对阵列误差的敏感性，而且可以进一步降低其信噪比门限．     

声矢量阵波束域宽带聚焦MUSIC算法

和阵元域处理相比，波束域处理具有计算量小，分辨信噪比门限低的优点．同时，声矢量传感器拾取了更多的声场信息，联合处理这些信息可以提高声呐的性能．把声压阵的波束域高分辨算法的思想和相干子空间方法(CSM)的思想引入到声矢量阵列信号处理，在Michael Zoltowsk提出的矢量阵的数学模型的基础上推导出了声矢量阵波束域宽带聚焦MUSIC算法，并作了计算机仿真研究，仿真的结果表明：基于矢量阵的波束域宽带聚焦MUSIC、算法无论是在分辨信噪比门限还是在角度分辨能力上都要优于声压阵波束域宽带聚焦MUSIC算法，而二者的计算量相当，和矢量阵阵元域宽带聚焦MUSIC算法相比，矢量阵波束域处理的计算量要远远小于阵元域处理。     

利用延时预处理的DOA估计方法

针对MUSIC算法的分辨力和测角精度受到信噪比、快拍数等因素限制的问题,提出了利用延时预处理的波达方向(DOA)估计算法,该算法充分利用蕴含在接收数据延时相关函数中的信号角度信息.利用所有阵元接收数据的延时相关函数构造新的阵列输出矩阵进而得到新的协方差矩阵,对其进行特征值分解,得到噪声子空间,最后引入变尺度混沌优化算法来简化空间谱估计函数的构造和谱峰搜索过程.仿真实验表明,该算法分辨率和测角精度均优于MUSIC算法并且减小了计算时间.     

信号稀疏分解降噪在DOA估计中的应用

提出了一种基于稀疏分解的阵列信号降噪方法。该算法是通过匹配跟踪（MP）的稀疏分解对阵列接收信号进行降噪,然后结合一般的MUSIC算法实现DOA估计。首先将对阵列接收数据分阵元通道独立进行基于MP分解的降噪处理,在不改变阵列流型的前提下,达到了对阵列信号降噪的效果,且在实际算法中分析了MP分解迭代终止阈值的确定。通过仿真分析证实了信号MP分解降噪的方法应用于DOA估计中的可行性。仿真结果显示,在低信噪比环境中,基于MP分解降噪后的MUSIC估计方法取得了更好的估计性能,因此证实了该算法的有效性。     

基于均匀线阵的改进MUSIC算法

在相干信源下,传统的MUSIC（MUltiple SIgnal Classification）算法不能准确地估计波达方向。为此,在对传统的MUSIC算法进行研究的基础上,提出了一种改进的MUSIC算法。该算法是将阵元接收的数据做相应的变换,从而得到新的阵列数据,再通过求互协方差等运算,得到新的数据协方差矩阵。同时,对该算法和传统的MUSIC算法进行了仿真,对其DOA（Direction-of-Arrival）估计性能进行比较。仿真实验表明,改进后的算法在相干信源的情况下具有很好的去相干性能,而且没有阵列孔径的损失。能精确地估计信号的波达方向。     

多正弦窗谱估计应用于振动信号频谱分析

为了保证振动信号频谱分析在确保分辨力时具有良好的方差性能,引入多正弦窗,结合Thomson提出的多窗算法,进行了多正弦窗谱估计算法的理论分析与基于实测汽轮机振动信号的频谱分析效果仿真,分析了算法的分辨力与方差性能,并讨论了正弦窗口数对算法性能的影响.仿真结果表明多正弦窗谱估算法可在谱分辨力和方差性能间取得较好均衡,适合于振动信号频谱分析,性能优于传统的周期图及其各种改进算法.     

基于矢量阵的自初始化MUSIC方位估计算法

MUSIC空间谱估计突破了常规波束形成中的锐利限,能够对目标进行高精度方位估计.探讨了MUSIC算法在矢量阵上的应用,给出了矢量线阵MUSIC噪声子空间谱估计表达式,利用单个矢量阵元的阵簇估计提供的初始参数,对MUSIC噪声子空间谱进行迭代搜索谱峰实现目标的方位估计,用以提高目标方位估计的精度.对单目标和双目标方位估计进行了仿真研究,在文中的仿真条件下,当满足信噪比大于5dB的条件时,可对目标方位进行较好估计.研究结果表明,通过单个矢量阵元阵簇得出的目标方位估计精度较差,而迭代搜索MUSIC谱峰方法提高了方位估计精度.     

提高二维DOA估计分辨率的改进MUSIC算法

针对经典二维多重信号分类(Multiple Signal Classification, MUSIC)算法在低信噪比和小快拍数情况下,分辨率受阵列孔径限制的问题,提出了一种改进的基于MUSIC算法的二维测向算法．该方法利用MUSIC谱函数极大值点处对方位角和仰角的二阶偏导数小于零的特性,通过对方位角和仰角求二阶偏导,构造了新的空间谱函数．对新的空间谱函数进行谱峰搜索,其负向谱峰所对应的角度就是目标的波达方向 (Direction Of Arrival, DOA)估计．理论分析和仿真结果表明,在低信噪比、小快拍数下,该方法对相近信源有更高的角度分辨率和更低的均方根误差,并且可适用于任何阵型．     

基于最小冗余线阵的谱相关共轭循环MUSIC算法

本文提出了一种基于最小冗余线阵的谱相关共轭循环ＭＵＳＩＣ 算法。该算法构造了最小冗余线阵的伪数据矩阵并由此进行ＤＯＡ 估计。当采用Ｍ 阵元最小冗余线阵时,该算法的等效阵列孔径为２Ｎ－ １（Ｎ＞ Ｍ） 。理论和计算机仿真实验均表明：与基于均匀线阵的共轭循环ＭＵＳＩＣ 算法相比,该算法具有良好的ＤＯＡ 估计性能,扩展了阵列孔径,抗噪能力强,分辨率高,能用较少的阵元估计更多的信号源方向     

一种基于MH抽样的极化域—空域联合谱MUSIC估计算法

针对联合谱MUSIC算法中谱峰搜索计算量大的问题,通过运用马尔可夫蒙特卡罗（MCMC）方法,提出一种计算量减小的联合谱MUSIC测向算法。该算法通过将极化联合谱MUSIC函数视为信号来向的概率密度函数,采用MCMC的MH抽样方法,能够在保持常规联合谱MUSIC算法高分辨能力的同时大大减少运算量,仿真结果验证了算法的有效性。     

一种阵元位置误差条件下的DOA估计方法

针对存在阵元位置误差时多重信号分类(MUSIC)算法的信号波达方向(DOA)估计性能严重下降的问题,结合微粒群(PSO)算法,提出了一种在阵元位置误差情况下的DOA估计方法.该方法首先根据MUSIC算法原理拟合校准目标函数,然后运用PSO算法对函数进行寻优,再校准误差矩阵,最后利用MUSIC算法进行DOA估计.通过不同的参数设置条件下仿真结果比较,选择估计性能最好的一组作为PSO算法的关键参数设置,并对比了校准前后MUSIC算法的DOA估计性能.仿真结果表明:本文方法能够有效改善MUSIC算法的角度分辨能力.