基于波束域的多测量矢量欠定系统正则化聚焦求解算法

针对传统波达方向角估计算法采样数据量大导致较大计算复杂度的问题,提出了基于波束域的多测量矢量欠定系统正则化聚焦求解算法。该算法首先基于压缩感知理论对空域稀疏信号进行压缩采样,并将压缩信号从阵元域映射至波束域,进而构造出新的波束域接收信号,而后使用多测量矢量欠定系统正则化聚焦求解算法实现信号的波达方向估计。仿真实验表明,与传统的Capon及MUSIC算法相比,所提算法可对相干信号进行有效DOA估计,具有较高角度分辨力和估计精度;与基于阵元域的正则化聚焦求解算法相比,所提算法具有较低计算复杂度。     

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。     

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。     

贪婪的量测划分机制下的多传感器多机动目标跟踪算法

针对低检测概率下多机动目标的跟踪问题,该文提出一种新的交互式多传感器多目标多伯努利滤波器(IMM-MS-MeMBer).在IMM-MS-MeMBer滤波器的预测阶段,该文利用当前的量测信息自适应地更新目标的模型概率,并利用更新后的模型概率对目标状态进行混合预测;在IMM-MS-MeMBer滤波器的更新阶段,使用贪婪的多传感器量测划分策略对多传感器量测进行划分,并利用得到的量测划分集合和IMM-MS-MeMBer滤波器对目标的后验概率密度进行更新;除此之外,IMM-MS-MeMBer滤波器能够利用目标的角度和多普勒量测信息同时实现多个机动目标的位置、速度估计.数值实验验证了该文所提IMM-MS-MeMBer滤波器的优越性能.     

贪婪的量测划分机制下的多传感器多机动目标跟踪算法

针对低检测概率下多机动目标的跟踪问题,该文提出一种新的交互式多传感器多目标多伯努利滤波器(IMM-MS-MeMBer)。在IMM-MS-MeMBer滤波器的预测阶段,该文利用当前的量测信息自适应地更新目标的模型概率,并利用更新后的模型概率对目标状态进行混合预测;在IMM-MS-MeMBer滤波器的更新阶段,使用贪婪的多传感器量测划分策略对多传感器量测进行划分,并利用得到的量测划分集合和IMM-MS-MeMBer滤波器对目标的后验概率密度进行更新;除此之外,IMM-MS-MeMBer滤波器能够利用目标的角度和多普勒量测信息同时实现多个机动目标的位置、速度估计。数值实验验证了该文所提IMM-MS-MeMBer滤波器的优越性能。     

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．     

基于压缩感知的波束域DOA估计

针对传统波达方向角(DOA)估计算法需要大量采样数据从而导致较高计算复杂度的问题,基于压缩感知理论,利用目标信号空域稀疏性,提出一种基于波束域的多测量矢量欠定系统正则化聚焦求解DOA估计算法。该算法将压缩信号从阵元域映射至波束域,一定程度上克服了稀疏重构算法无法用于低信噪比情况下的缺陷。数值仿真表明,与传统的Capon,MUSIC和l1-SVD算法相比,所提算法可对相干信号进行有效DOA估计,具有较高角度分辨力和估计精度;与RMFOCUSS和l1-SVD算法相比,所提算法具有较低计算复杂度。     

基于低秩矩阵恢复的DOA稀疏重构方法

为提高非均匀噪声下波达方向（direction of arrival,DOA）角估计算法的估计精度和分辨率,基于低秩矩阵恢复理论,提出了一种二阶统计量域下的加权L1稀疏重构DOA估计算法。该算法基于低秩矩阵恢复方法,引入弹性正则化因子将接收信号协方差矩阵重构问题转换为可获得高效求解的半定规划（semidefinite programming,SDP）问题以重构无噪声协方差矩阵;而后在二阶统计量域下利用稀疏重构加权L1范数实现DOA参数估计。数值仿真表明,与传统MUSIC、L1-SVD及加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好的DOA参数估计性能,且在低信噪比条件下,所提算法具有较高的角度分辨力和估计精度。