Joint direction of arrival estimation and array calibration for coprime MIMO radar

Compared to large-scale MIMO radar, coprime MIMO radar can achieve approximate estimation performance with reduced antenna number. In this paper, joint direction of arrival (DOA) estimation and array calibration for coprime multiple-input multiple-output (MIMO) radar is considered, and an iterative method for the estimations of DOA and array gain-phase errors is proposed. Based on the received data structure of coprime MIMO radar, trilinear decomposition is firstly adopted to obtain the estimations of transmit and receive direction matrices, which are perturbated by the gain-phase errors. Through equation transformation, the un-perturbated direction matrices and gain-phase errors can be iteratively updated based on Least squares (LS). Finally, the unique DOA estimation is determined from the intersection of transmit and receive direction matrices. The proposed algorithm achieves better DOA estimation and array calibration performance than other methods including estimation of signal parameters via rotational invariance techniques (ESPRIT)-like algorithm, multiple signal classification (MUSIC)-like algorithm and joint angle and array gain-phase error estimation (JAAGE) method, and it performs close to the method with ideal arrays. Multiple simulation results verify the algorithmic effectiveness of the proposed method.     

Block rank sparsity-aware DOA estimation with large-scale arrays in the presence of unknown mutual coupling

With the development of massive multiple-input mutiple-output (MIMO) technique, high-resolution direction-of-arrival (DOA) estimation has attracted great attention. A novel sparse signal reconstruction method based on the inherent block rank sparsity of the sub-matrix is proposed for high resolution DOA estimation with large-scale arrays under the condition of unknown mutual coupling. In the proposed method, by taking advantage of the banded symmetric Toeplitz structure of the mutual coupling matrix (MCM), a novel block representation model is firstly formulated by parameterizing the steering vector. Then, exploiting the inherent block sparsity characteristics of the sub-matrix, a reweighted nuclear norm minimization algorithm is proposed to reconstruct the sparse matrix, in which the weighted matrix is designed by using the spectrum of MUSIC-Like algorithm. Finally, the DOAs are achieved by searching the non-zeros blocks of the recovered matrix. The proposed method not only makes full use of the block rank sparsity characteristics of the sub-matrix and weighted matrix for enhancing the sparse solution, but also avoids the array aperture loss. Thus, the proposed method has superior estimation performance than the state-of-the-art algorithms under the condition of unknown mutual coupling. Especially, in the case of large-scale antennas, the advantage of the proposed method is more obvious. Some computer simulation results are performed to verify the advantage of our proposed method.     

基于四阶累积量的二维波达方向估计改进算法

利用四阶累积量的阵列扩展特性，将一排直线阵列和一个独立阵元扩展成一个特殊的虚拟双排直线阵列，它由三个子直线阵列构成，并且可计算出每个子直线阵列等效的协方差矩阵，然后结合传播算子方法，提出一种改进的二维波达方向估计算法。计算机仿真验证了该算法具有抗噪能力强、数值稳定性好等优点。     

Array errors active calibration algorithm based on instrumental sensors

The array mutual coupling,gain-phase errors and sensor position errors would significantly degrade the performance of high-resolution direction of arrival (DOA) estimation algorithms.Aiming at the combined influences of the above three array errors,a kind of active calibration algorithm is presented with the help of instrumental sensors in this paper.Firstly,the integrated effects of the three array errors are shown to be equivalent to angularly dependent gain-phase errors.Then,a non-linear least square (LS...     

基于辅助阵元的阵列误差有源校正算法

阵列互耦、幅相误差和阵元位置误差的综合影响会严重影响超分辨率算法的性能,为此,针对上述3种阵列误差的综合影响,给出了一类基于辅助阵元的有源校正算法.首先,将3种阵列误差的综合影响等效为一种依赖方位变化的幅相误差,并通过一种基于辅助阵元的自校正方法得到了关于3种阵列误差的非线性最小二乘优化模型;然后,针对阵列误差矩阵可能出现的不同模型,给出了相应的求解算法;接着,针对算法的参数估计唯一性给出了较为细致的分析,并对算法做了进一步改进;最后,通过仿真实验验证了新算法的有效性.     

基于原子范数最小化的二维稀疏阵列波达角估计算法

基于二维稀疏平面阵列的波达角(Direction-of-arrival,DOA)估计问题在第五代移动通信大规模多输入多输出阵列的应用中日益重要。无网格稀疏重构技术促进了DOA估计问题的发展,原子范数理论则使得DOA估计的超分辨率得到进一步的提高。文中研究了多个方向的频谱稀疏信号入射到二维稀疏阵列时的DOA估计问题。为了准确、成对地识别出所有入射信号的仰角和方向角,提出了一种基于多个测量矢量(Multiple Measurement Vectors,MMV)的二维原子范数算法,并用半正定规划进行求解。所提算法将二维DOA估计问题中的压缩感知理论从单个测量矢量拓展到多个测量矢量,从而有效利用MMV的联合稀疏性。数值仿真结果表明,随着MMV矢量的增长,可识别的信源个数增加,稀疏阵列中物理传感器所占比例降低到30%,DOA估计误差也显著降低,并且在信噪比增大时,所提算法能够取得很好的收敛效果。     

一种改进的正交匹配追踪的DOA估计方法

正交匹配追踪(OMP)是压缩感知领域一种经典的贪婪算法,具有实现简单、性能稳定以及计算复杂度低等优点.常规的正交匹配追踪DOA(OMP_DOA)估计方法在继承上述优点的同时,其角度分辨率受瑞利限约束,不能满足高分辨需求.针对上述缺陷,提出一种结合局部优化处理的正交匹配追踪DOA(波达方位)估计方法,其具有高精度高分辨率的优点.该算法在常规OMP_DOA结果的基础上,对估计结果依次进行局部优化.仿真数据处理结果证实了该算法的实用性,在少量计算复杂度的代价下,明显改善了DOA估计结果的精度与角度分辨率,算法表现明显优于其他方法.     

虚拟阵列Khatri-Rao积与子空间联合稀疏表示的DOA估计方法

利用目标信号在空域分布的稀疏性,该文提出了一种基于虚拟阵列Khatri-Rao(KR)积与信号子空间联合稀疏表示的单快拍DOA估计方法;该方法利用单次快拍的采样数据,构造出双向虚拟阵列数据,并对虚拟阵列数据的协方差矩阵进行KR积变换处理,然后对向量化后的数据进行顺序重构,利用重构矩阵的大奇异值对应的左奇异向量为估计信号子空间;最后,利用凸优化工具箱对稀疏模型进行二阶凸规划的优化求解,得到高精度的DOA估计值;仿真实验验证了算法的有效性,在低信噪比下比传统MUSIC和OMP算法具有更高的估计精度。     

基于均匀十字阵的幅相误差自校正算法

针对实际应用中普遍存在的幅相误差扰动问题,结合子空间类波达方向估计算法,基于均匀十字阵列,提出了一种幅相误差的自校正算法。均匀十字阵列可分解为两个相互垂直的均匀线性阵列,利用均匀线阵接收数据协方差矩阵的结构特点对幅相误差进行初步估计,计算出波达方向的初始估计值,通过迭代方法得到更精确的估计值,自校正方法不需要任何参数初始值,实现比较简单。仿真实验验证了算法具有良好的误差校正效果,能够比较准确地估计出信源的波达方向角和阵元的幅相误差值。     

基于模式空间算法的声源二维DOA估计

针对传统高分辨率谱估计法估计远场声源波达方向（direction of arrival, DOA）时计算量大、对相干信号估计失准的问题,本文提出一种改进的基于圆形麦克风阵列和四阶累积量的声源二维DOA估计算法。该算法结合了圆阵定位无死角的优势和矩阵虚拟扩展获得更多声源定位信息的长处。首先利用模式空间变换将均匀圆形阵列（UCA）虚拟化成2K+1个均匀线性阵列（ULA）,并应用空间平滑技术将虚拟线性阵列划分成L个子阵;接着利用四阶累积构造方法提取有效阵元信息并去掉冗余数据,通过重构矩阵得到新的接收数据;最后通过Music-like算法搜索谱峰获得声源信号的方位角和俯仰角。仿真结果表明,在信噪比较低时,相比传统的高分辨谱估计算法,本文算法可实现对远场相干信号的高精度估计;同时本文算法也具有更低的均方根误差性能,且能有效减少运行时间。     

基于COLD阵列的联合稀疏重构信号DOA估计方法

针对窄带和宽带两种情形,提出了一种基于同点正交磁环偶极子矢量天线（Co-centered orthogonal loop and dipole,COLD）阵列的联合稀疏重构信号波达方向（Direction-of-arrival,DOA）估计方法。该方法首先构造极化-空间域协方差矩阵,并对其第一列进行稀疏表示,在此基础上利用COLD阵列可视为相互垂直的磁环阵列和偶极子阵列这一特点,采用l2-范数约束下的凸优化（l1-范数）联合稀疏重构技术实现信号DOA估计。仿真实验表明,该方法较之现有方法具有分辨力高、估计精度高等优点。     

基于互质阵的循环平稳信号低复杂度欠定DOA估计算法

针对现有大多数循环平稳信号DOA估计算法复杂度较高、估计精度低无法实现对有用信号的欠定估计问题,提出了一种基于互质阵的循环平稳信号低复杂度、欠定DOA估计算法.算法的主要思想是利用互质阵良好的稀疏特性,通过矢量化处理构造虚拟阵列模型,扩展阵列孔径,实现阵列自由度的提升.首先,算法构造了互质阵输出的循环自相关矩阵,然后进行矢量化处理得到最大连续虚拟阵元部分,给出其谱峰搜索的表达式.最后,为降低计算复杂度,对算法进行改进,应用多项式求根的方法直接求解DOA估计值.仿真结果表明,所提算法能实现对有用信号的欠定估计,计算复杂度较低,且相比于大多数的循环平稳信号DOA估计算法,所提算法估计自由度和估计精度有了进一步的提升.     

导向矢量失配情况下基于稀疏表示的波达方向估计算法

提出了一种传感器阵列导向矢量失配情况下的基于稀疏表示的信号源波达方向DOA估计算法。针对一些实际环境中噪声重尾现象严重的特点,采用合成圆对称广义高斯噪声分布对其进行模拟。考虑到实际环境中传感器自身运动以及外界环境因素的改变可能会导致传感器导向矢量产生波动,利用加权最小二乘法对波动生成的增益值进行最优估计。然后,构建信号模型的分数低阶矩FLOM矩阵,进行矢量化处理,以提高其数组维数。最后,利用稀疏表示方法重构信号模型,将信号源DOA估计转化为二阶锥规划问题进行求解,并采用奇异值分解降低运算量。仿真结果表明,本算法的信号源DOA估计具有很高的分辨率,且有效地避免了导向矢量失配对DOA估计产生的影响。     

基于改进块稀疏贝叶斯学习算法的波达方向估计

针对传统的基于稀疏表示的DOA估计算法单纯利用信号的空域稀疏性,导致在低信噪比时稀疏性能变差,影响信号稀疏重构效果的问题,使用分块稀疏理论对信号进行稀疏分解。随着目标增多及作战任务改变,DOA估计往往呈现目标群测向的特点,为了能够更好地利用信号的结构特征和统计特征,提出了基于空时联合的块稀疏DOA估计算法,使用块稀疏理论挖掘信号的内部结构,充分利用了信号的块内稀疏性和块间相关性,提高稀疏重构性能,进而对DOA估计效果有很大的提升。仿真实验表明,相比于经典的DOA方法,本方法有更好的估计效果。     

基于稀疏表示的OFDM信号的DOA估计

针对正交频分复用（OFDM）, 宽带信号波达方向(DOA)估计问题, 提出一种基于宽带信号协方差矩阵稀疏表示的DOA估计方法。该方法是在协方差矩阵主对角线下对左下角三角形元素按各条对角线取平均值后形成一个新的向量, 然后将该向量写成冗余字典形式。在冗余字典下对信号进行稀疏性约束形成二阶锥约束优化问题, 再用工具箱SeDuMi来实现DOA估计。理论分析和仿真结果表明, 该方法在低信噪比和少快拍数下分辨率很高, 是一种有效的宽带信号DOA估计算法, 此方法优于基于高阶累积量算法和宽带聚焦算法的DOA估计方法。     

基于声矢量阵小样本数据的DOA估计研究

根据水下目标在其到达方位(DOA)搜索空间的稀疏性,采用稀疏分解理论实现了小样本、低信噪比条件下的声矢量阵DOA估计。通过分析,构造出基于声矢量阵阵列流型形式的过完备原子库,并采用正交匹配追踪算法得到目标的DOA估计。通过仿真,基于稀疏分解的声矢量阵DOA估计算法对单快拍数据进行处理,即可得到比较准确的DOA估计结果。对湖试数据进行了处理,验证了算法的有效性和优越性。     

基于ResNet的稳健语音DOA估计算法

针对传统波达方向（Direction of arrival, DOA）估计算法在阵列模型误差条件下估计性能下降的问题,提出了一种基于残差网络（Residual network, ResNet）的DOA估计算法。该算法根据神经网络数据驱动不依赖阵列流型的特点,从广义互相关（Generalized cross-correlation, GCC）中提取特征,将提取的特征作为神经网络深层分类器的输入,对信号分类;根据分类结果选取对应子区间数据进行训练,建立ResNet学习特征与DOA估计之间的非线性映射关系,形成一个数据驱动的稳健DOA估计系统。仿真与实验验证结果表明,该算法有效地解决了传统DOA算法在阵列模型误差条件下无法准确得到DOA结果的问题。     

Covariance sparsity-aware DOA estimation for nonuniform noise

This paper reformulates the problem of direction-of-arrival (DOA) estimation for unknown nonuniform noise by exploiting a sparse representation of the array covariance vectors. In the proposed covariance sparsity-aware DOA estimator, the unknown noise variances can be eliminated by a linear transformation, and DOA estimation is reduced to a sparse reconstruction problem with nonnegativity constraint. The proposed method not only obtains an extended-aperture array with increased degrees of freedom which enables us to handle more sources than sensors, but also provides superiority in performance and robustness against nonuniform noise. Numerical examples under different conditions demonstrate the effectiveness of the proposed method.     

MIMO阵列中基于PM和降维变换的高效DOA估计算法

在这篇论文中,我们讨论MIMO阵列中的高效DOA估计方法。由于PM算法不需要对互相关矩阵进行特征值分解,也不需要对接收的数据进行奇异值分解,因此它的计算量可以显著的变小。因此MIMO阵列中基于PM算法和降维变换的DOA估计方法被提出了,而且这种提出的算法比PM算法有更低的计算复杂度。这种算法在没有频谱搜索的情况下效果很好。此外,它比PM算法的角度估计性能稍好。DOA估计中的估计误差的方差和克拉美罗界也可以导出。仿真结果验证了提出的算法的有效性。     

基于均匀圆阵的互耦误差校正算法研究

阵元之间的互耦效应严重影响了DOA的估计性能。基于均匀圆阵,提出了一种互耦条件下的波达方向估计和互耦误差自校正算法。利用带状循环矩阵的特性对均匀圆阵的互耦误差建立数学模型,再利用MUSIC算法和迭代法对互耦误差矩阵和波达方向同时进行估计,自校正方法无需任何辅助阵元即可实现两类参数的估计。仿真实验表明,算法很好地解决了均匀圆阵的互耦问题,能够比较准确地估计出波达方向角和互耦误差值。