非均匀噪声条件下考虑互耦效应的DOA估计方法

针对非均匀噪声和互耦条件下相干信号辨识性能较差的问题,提出一种基于非均匀噪声协方差矩阵和互耦系数重构的DOA估计方法。首先,利用最小二乘理论并通过迭代优化方法恢复互耦意义下的无噪声信号协方差矩阵;然后,依据信号子空间原理,并通过估计不相关信号角度重构互耦系数矩阵,进而获得互耦补偿后的无噪声信号协方差矩阵;最后,通过传统空间平滑方法获得解相干信号,并利用MUSIC算法实现DOA参数估计。数值仿真表明:与仅考虑相干信源、非均匀噪声或互耦的传统DOA估计算法相比,本文算法可较好地抑制非均匀噪声,克服了互耦场景下传统空间平滑算法解相干失效问题,并可显著改善非均匀噪声和互耦条件下相干信源的DOA估计性能。     

时变遗忘因子动态DOA跟踪算法

针对目标信号源波达方向(DOA)实时变化的情况,提出了一种时变遗忘因子的自适应样本协方差矩阵更新方法。时变遗忘因子根据DOA变化的快慢自适应调节自身的大小,从而合理地调整历史数据及当前采样数据在协方差矩阵更新过程中所占的权重。在更新协方差矩阵后,对其直接应用最大似然估计方法,并将序列二次规划(SQP)应用于似然函数的优化求解上,最终实现了DOA的动态跟踪。仿真结果表明:该算法具有解相干的能力和良好的跟踪精度,并且在小样本、低信噪比下仍能达到比较满意的跟踪效果。     

利用空间平滑的协方差秩最小化DOA估计方法

针对传统波达方向角估计算法在相干信号及非均匀噪声下估计精度差、分辨率低的问题,基于空间平滑方法,提出一种接收信号协方差矩阵秩最小化波达方向估计方法．在传统空间平滑方法的基础上,所提算法将接收信号协方差矩阵分别左右乘交换矩阵以得到空间后向平滑协方差矩阵;而后基于平滑矩阵的低秩性,将协方差矩阵重构为无噪声协方差矩阵;最后利用传统MUSIC算法实现波达方向估计．仿真结果表明,与传统MUSIC算法、基于矩阵补全理论的MUSIC算法和秩迹最小化算法相比,所提算法能较好地抑制非均匀噪声影响,且在相干条件下具有较好的波达方向估计性能．     

空间非平稳噪声环境下的DOA估计新算法

针对环境噪声为白噪声而阵元噪声为空间非平稳的情况,文中提出了一种加性色噪声环境下的DOA估计新算法,该算法可以有效估计出加性色噪声相关矩阵,通过利用估计的噪声协方差矩阵对阵列数据相关矩阵进行预白化处理,克服了空间非平稳噪声对空间谱估计的影响误差,进而实现色噪声环境下DOA精确估计,理论分析和仿真结果均表明所提方法的有效性.     

非平稳噪声下稀疏表示的DOA估计算法

为提高非平稳噪声下远场非相干窄带信号波达方向（DOA）的估计精度,提出了一种基于稀疏重构的DOA估计算法.采用类协方差差分算法构造差分矩阵,抑制非平稳噪声的影响;基于类旋转不变子空间参数估计算法基本原理构造稀疏表示模型与权函数;利用加权l₁范数对模型求解,实现DOA估计.仿真结果表明,与传统的协方差差分算法、噪声协方差矩阵估计算法、秩迹最小化算法以及稀疏重构算法相比,所提算法不仅能较好地抑制非平稳噪声的影响,而且在低信噪比、低快拍数情况下具有较强的稳健性和较高的估计精度.     

冲击噪声背景下的动态DOA跟踪

针对冲击噪声背景下的动态DOA估计问题,提出了一种锁定跟踪思想及其实现公式,并对粒子群算法进行改进,研究了基于最大似然算法的动态DOA估计方法。该方法在避免分数低阶矩矩阵重复分解的同时,有效降低了多维搜索的计算量,并且具有良好的跟踪性能。仿真实验结果表明该方法的有效性。     

基于人工蜂群算法的波达方向和多普勒频率联合估计

将人工蜂群算法应用于似然函数的优化,实现了阵列信号波达方向(DOA)和多普勒频率的联合估计。利用状态空间模型构造包含DOA和多普勒频率信息的广义可观测矩阵,并构造包含该广义可观测矩阵的似然函数,将参数估计问题转化为多维非线性函数优化问题。进而利用人工蜂群算法对似然函数的求解过程进行优化,得到DOA和多普勒频率的估计值。算法保留了最大似然估计的渐近无偏估计性能,降低了似然函数求解的计算量,且参数能够自动配对。     

基于矩阵填充的互质阵列欠定DOA估计方法

为了解决现有基于互质阵列的DOA估计方法舍弃差联合阵列中非均匀虚拟阵元而导致最大可估计信号数损失的问题,提出了一种基于矩阵填充的DOA估计方法。首先,根据差联合阵列与波程差一一对应的特性,构造一个部分元素缺失的Toeplitz化的阵列协方差矩阵,建立了基于矩阵填充的DOA估计模型,并验证了该模型满足零空间性质;然后,根据低秩矩阵填充理论,将DOA估计问题转化为矩阵核范数最小化问题进行求解,通过不定点延续算法将该协方差矩阵中的零元素进行填充恢复为完整协方差矩阵;最后,对协方差矩阵进行奇异值分解,转化为多项式求根,得到DOA的估计。仿真实验结果验证了本文方法的有效性和优越性。实验结果表明,本文方法能够对差联合阵列中的空洞部分进行有效填充,增加了可利用的阵列自由度,提高了可估计信号数,同时能够有效避免传统稀疏重构算法中由于角度域离散化导致的基不匹配问题对估计性能的影响,提高了估计精度和分辨力。     

色噪声环境下的快速DOA估计算法

提出了一种色噪声环境下的DOA估计新算法。该算法通过协方差矩阵差法进行预处理，克服了色噪声对空间谱估计的影响。由于不需对变换后的数据矩阵进行特征分解，所以该方法具有计算量小的优点。计算机仿真结果证实了这一算法的有效性。     

提高非线性最大似然方向估计的一种预处理

分析了均匀直线阵时的非线性最大似然方向估计方法,利用理想情况下协方差阵的Ｔｏｅｐｌｉｔｚ性,提出了一种Ｔｏｅｐｌｉｔｚ化最大似然估计算法．结果表明,新算法明显优于传统的最大似然方法．     

A Singular Value Thresholding Based Matrix Completion Method for DOA Estimation in Nonuniform Noise

Usually, the problem of direction-of-arrival (DOA) estimation is performed based on the assumption of uniform noise. In many applications, however, the noise across the array may be nonuniform. In this situation, the performance of DOA estimators may be deteriorated greatly if the non-uniformity of noise is ignored. To tackle this problem, we consider the problem of DOA es-timation in the presence of nonuniform noise by leveraging a singular value thresholding (SVT) based matrix completion method. Different from that the traditional SVT method apply fixed threshold, to improve the performance, the proposed method can obtain a more suitable threshold based on careful estimation of the signal-to-noise ratio(SNR) levels. Specifically, we firstly employ an SVT-based matrix completion method to estimate the noise-free covariance matrix. On this basis, the signal and noise subspaces are obtained from the eigendecomposition of the noise-free cov-ariance matrix. Finally, traditional subspace-based DOA estimation approaches can be directly ap-plied to determine the DOAs. Numerical simulations are performed to demonstrate the effective-ness of the proposed method.     

DOA Estimation Method Using Sparse Repres-entation with Orthogonal Projection

In order to reduce the effect of noises on DOA estimation, this paper proposes a direc-tion-of-arrival (DOA) estimation method using sparse representation with orthogonal projection (OPSR). The OPSR method obtains a new covariance matrix by projecting the covariance matrix of the array data to the signal subspace, leading to the elimination of the noise subspace. After-wards, based on the new covariance matrix after the orthogonal projection, a new sparse representa-tion model is established and employed for DOA estimation. Simulation results demonstrate that compared to other methods, the OPSR method has higher angle resolution and better DOA estima-tion performance in the cases of few snapshots and low SNRs.     

New method for estimating 2-D DOA in the coherent source environment based on data matrix reconstruction

The performance of classical two dimensional (2-D) Direction-Of-Arrival (DOA) estimation algorithms degrade substantially in the presence of coherent environment. A new DOA matrix method——DOA matrix method based on data matrix reconstruction (DMR-DOAM) is proposed for 2-D DOA estimation in the coherent source environment. The proposed algorithm reconstructs two Toeplitz equivalent covariance matrices by using cross-correlation information among receiving data from arrays. Decorrelation and 2-D DOA estimation can be realized via the eigen-decomposition of the new DOA matrix. The algorithm can retain the advantages of the traditional DOA matrix method, such as automatical parameter alignment and no need of 2-D search spectrum peak. The equivalent covariance matrices only use the middle column of classical covariance matrices, so the calculation amount is reduced, and the algorithm can be realized easily. Furthermore, the paper analyzes the estimation performance and influencing factors of the proposed algorithm. Theoretical analyses and simulation results both show that the proposed algorithm is effective.     

基于张量域降噪的宽带DOA估计

针对低信噪比条件下远场宽带信号波达方向(DOA)估计精度低的问题,提出了一种基于张量域降噪的宽带DOA估计算法。首先,联合各子频带数据构造张量信号;然后进行高阶奇异值分解,并利用最小描述长度准则分离信号与噪声;其次,改进协方差矩阵拟合算法,利用L1范数对信号功率进行约束,获得L1约束问题模型并求解;最后,对所有窄带估计结果进行融合得到宽带信号DOA。仿真结果表明,该算法可有效地降噪,同时较求根多重信号分类算法和旋转不变子空间参数估计算法,该算法对DOA估计无需预知信源数目,且在低信噪比条件下具有较小的均方根误差。     

基于改进传播算子的双基地多输入多输出雷达参数估计

针对双基地多输入多输出（MIMO）雷达系统中，多目标波离方向（DOD）和波达方向（DOA）联合估计精度低的问题，提出了一种改进的传播算子（PM）方法。根据传播算子定义要求提取存在旋转不变结构的相关数据，组合相关数据求得协方差，采用前后向平滑方法求得传播算子，根据其内部结构特征求出旋转不变因子，估计出DOD和DOA的值。仿真结果表明:与传统的旋转不变子空间算法和PM算法相比，该方法具有更高的估计精度，在低信噪比时与传统的PM算法相比最大均方根误差相差4 dB，性能更加稳定，更适合低信噪比时的DOD和DOA高精度估计。