非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

存在相干信号时的最优波束形成

本文提出一种新的存在相干信号时的最优波束形成方法。该方法首先利用估计得到的期望信号和相干信号 的方向形成变换矩阵,去掉数据中的期望信号和相干信号成分，求得不相关干扰信号的子空间以及其正交子空间，然后得到期望信号和相干信号的合成导向矢量在该正交子空间中的投影矢量，并把该投影矢量作为自适应权矢量。经理论分析表明，这种方法基本上和理论上的最优方法相同。另外，该方法可以适用于任意的阵列结构，并且对期望信号和相干信号方向估计误差具有很强的稳健性。计算机仿真结果证实了本文方法的有效性。     

循环平稳信号的联合稀疏表示DOA估计

基于联合稀疏表示的思想,本文提出了一种利用二阶循环统计量的循环平稳信号波达方向（DOA）估计算法。首先,对传统的谱相关信号子空间拟合算法进行分析研究;然后,通过在循环域构造过完备的阵列方向矩阵字典,建立了联合稀疏表示模型,从而将循环平稳信号的DOA估计问题转化为联合稀疏矩阵的恢复问题;最后,利用联合Ι_2,0范数逼近法求出联合稀疏矩阵的优化解,并根据优化矩阵中非零行的位置估计出循环平稳信号的DOA。与传统的SCSSF算法相比,所提算法具有更高的DOA估计精度,同时也适用于信号个数多于阵元个数的场合。理论分析和仿真实验结果都表明了算法的有效性。      

基于空间时频分布的宽带源波达方向估计

研究了空间时频分布在宽带阵列处理中的应用。在信号时频特征可分的情况,提出一种新的时频域宽带DoA估计算法,充分利用信号不同的时频特征,结合宽带聚集思想对每个源单独处理得到多个源的DoA估计。该方法具有很好的信号选择性以及抑制干扰和噪声的能力,估计性能优干传统空间时频分布方法。仿真结果验证了新方法的有效性。     

基于均匀线阵的混合源波达方向估计方法

文中提出了一种基于均匀线阵的混合源波达方向DOA估计的改进方法。该方法首先利用传统MUSIC方法估计出非相干信号源的DOA,然后接收数据协方差矩阵进行差分消除不相关源和噪声的影响,对其进行特殊的空间平滑去相干,从而利用重建的数据协方差矩阵估计相干源的DOA。此方法的特点是分别估计不相关信号和相干信号的DOA。优点是算法在估计出多于阵元数信号的前提下具有较高的DOA估计精度和稳健性。仿真结果表明此方法的估计性能优于空间差分平滑算法。     

一种低复杂度的信号子空间拟合的新方法

提出一种低复杂度的信号子空间拟合的新方法.证明了多级维纳滤波器的匹配滤波器(或降维矩阵的列矢量)可以张成一个压缩信号子空间.利用其与Krylov子空间等效这一特点,推导出信号子空间拟合一个新的基本公式,进而建立信号子空间拟合一个新的准则函数.分析表明,压缩信号子空间可以由降维矩阵的列矢量有效地张成,而且计算降维矩阵只需要多级维纳滤波器的若干步前向递推,所以本文方法的运算量和复杂度均较小.最后,计算机仿真验证了本文方法的有效性.     

Adaptive beamspace focusing for direction of arrival estimation of wideband signals

In this paper, we present an adaptive beamspace focusing technique for the direction of arrival (DOA) estimation of wideband signals. The proposed focusing scheme can perform coherent signal subspace transformation in the beamspace domain without preliminary DOA estimation or iteration. It can maintain low focusing error over a predefined sector-of-interest in the field-of-view (FOV) of the array while adaptively suppressing out-of-sector sources. The beamspace gain outside the sector-of-interest is controlled via additional constraints that provide robustness against moving or suddenly appearing out-of-sector sources. We formulate the adaptive beamspace design problem as a second-order cone program (SOCP) that can be solved efficiently using interior point methods. Numerical simulations are presented showing the superior performance of our approach compared to classical non-adaptive beamspace focusing techniques.     

Joint DOD–DOA Estimation Based on Signal Subspace Approach in MIMO Radars

This paper deals with joint direction of departure (DOD) and direction of arrival (DOA) estimation using a subspace-based approach in bistatic multiple-input multiple-output radars. First, a conventional rotational invariance technique is used to estimate DOD. Then the steering vector of DOA corresponding to the estimated DOD is obtained using the proposed signal subspace estimation method. The steering vector is then converted to the angle of arrival. This way, the DOD and DOA pairing are automatically obtained. Numerical simulations show that the estimated angles using the proposed approach are more accurate than those using the conventional methods.     

相干宽带线性调频信号的波达方向估计新方法

提出了一种相干宽带线性调频(LFM)信号的波达方向(DOA)估计新方法。该方法利用LFM信号在分数阶Fourier域上的解线调特性,构造出新的解线调域阵列数据模型,然后结合传统的矩阵重构解相干以及MUSIC算法实现相干LFM信号的DOA估计。若同时存在多组相干LFM信号入射,则首先在不同的能量聚集域上将各信号组分离,然后逐一进行各组内相干信号的DOA估计。该方法充分地挖掘了观测信号所包含的时频信息,增加了可检测的DOA数目,提高了分辨性能和抗噪声性能。此外,该方法无冗余阵元与孔径损失,且适用于任意流型阵列。仿真结果显示,在DOA估计的均方根误差(RMSE)相同时,与传统方法相比,本方法可获得8dB左右的信噪比增益。     

基于MIMO雷达的极化平滑降维酉ESPRIT算法

相干目标的波达方向估计一直是雷达信号处理中的一个难题。为了获得更好的相干信号角度估计精度,并提高算法可实现性,在多输入、多输出雷达的基础上,提出一种极化平滑降维酉旋转不变性参数估计算法。首先通过降维矩阵对接收信号数据进行降维处理,然后利用降维后的接收数据构造中心复共轭对称矩阵,再构建适当的酉矩阵对其进行实值处理,然后对其进行极化平滑解相干处理,最后构造出实值旋转不变性方程估计目标的波达方向。相比于常规的极化平滑旋转不变性参数估计算法,本文所提极化平滑降维酉旋转不变性参数估计算法的相干信号角度估计精度更高、更利于工程实现。第五节通过仿真实验证明了该算法的有效性与真实性。      

多径传播条件下宽带线性调频信号波达方向估计方法

针对信号出现多径传播情况时现有宽带信号波达方向（direction of arrival, DOA）估计方法性能下降的问题,提出了一种多径传播条件下宽带线性调频（chirp）信号波达方向估计方法,该方法将导向有效投影（steered effective projection, STEP）技术与宽带线性调频信号的时频特性相结合,对具有不同时频特性的信号分量进行分离,逐个处理,并以时频分布矩阵代替传统的协方差矩阵,从而构造有效噪声子空间,实现时域角度估计。本方法无需进行信号聚焦操作,因此理论上不受聚焦误差的影响。仿真结果验证了所提方法的有效性。      

混合信号情况下信源数与DOA联合估计算法

针对非相关信源与相干信源共存情况,提出了一种基于矩阵重构的信源数与波达方向（direction of arrival,DOA）联合估计算法.该算法首先利用特征值的二阶统计量（second order statistic of eigenvalues,SORTE）法和子空间旋转不变技术（estimated signal parameter via rotational invariance techniques,ESPRIT）实现非相关信源数与DOA估计;然后基于空间差分法消除非相关信号并构造新矩阵,利用构造矩阵进行前向空间平滑,实现对相干信源解相干;最后利用SORTE法检测相干信源数,结合求根多重信号分类（multiple signal classification,MUSIC）算法估计相干信源DOA.与传统的差分平滑方法相比,该算法在可估计信源数与低信噪比情况下DOA估计性能等方面优于传统算法.数值仿真实验结果验证了该算法的有效性.     

Comparative Analysis of ML-PSO DOA Estimation with Conventional Techniques in Varied Multipath Channel Environment

In the field of array signal processing, direction of arrival (DOA) estimation is a prime area of research. DOA estimation and adaptive beamforming (ABF) are the main issues in smart antennas, which dynamically find the direction of desired and interfering users and finds the optimum weights for beamforming. There are numerous spectral and eigen structure algorithms for estimating the direction of narrow band sources. However, in a complex multipath channel environment, received signals from different directions are fully or partially correlated, which prevents the applications of high resolution techniques to estimate the direction of incoming signals. Maximum likelihood (ML) is an efficient technique for DOA estimation in a low signal to noise ratio (SNR) and coherent channel environment. In this paper, we use particle swarm optimization (PSO) for estimating ML solution by optimizing complex non linear multimodal function over a high dimensional space in linear arrays. PSO-ML estimator has been compared with conventional DOA estimation techniques in uncorrelated, partially correlated and coherent channel environment. The performance of PSO-ML estimator and conventional algorithms are analyzed in varying partially correlated channel environment. The simulation results demonstrate that PSO based estimator gives superior statistical performance.     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

一种有效的相关噪声背景下宽带相干信号DOA估计算法

利用均匀线阵,本文提出了一种有效的相关噪声下宽带相干信号DOA估计算法.首先,在各个频率点,利用空间差分技术消除色噪声分量,并通过平方操作构造新矩阵;然后,通过聚焦操作得到通用的协方差矩阵;最后,通过使用传播算法估计得到宽带相干信号的DOA.算法能够分辨的相干组中相干信号的个数可以是奇数或是偶数.仿真结果验证了算法的有效性和性能.     

宽带源DOA快速估计方法

提出了一种新的聚焦矩阵的计算方法,该方法不需要进行角度预估计,也不需要进行任何矩阵特征值分解,对信号方向不敏感,运算量小。利用多级维纳滤波算法,求出聚焦后的空间协方差矩阵在Krylov子空间的一组正交基,在满足一定的条件下,该正交基张成的空间等价于信号子空间,从而可求得宽带信号的空间谱。整个过程避免了矩阵特征值分解,因而运算量降低。计算机仿真验证了方法的有效性。     

一种宽带相干信源的无网格超分辨DOA估计方法

由于无网格（grid-less）稀疏重构方法的波达方向（direction of arrival,DOA）估计数学模型为单快拍形式,因此该方法只有在噪声电平趋近于零时才具有优越的性能.为了提高grid-less方法在信噪比（signal-to-noise ratio,SNR）较低时宽带相干信源的估计性能,提出了一种多快拍grid-less DOA估计方法.首先,对多快拍阵列观测矢量实施奇异值分解（singular value decomposition,SVD）获得观测矩阵的时域信号子空间,通过观测矩阵到时域信号子空间的投影实现观测矩阵的降噪;然后,为了不增加多快拍计算复杂度,将降噪后观测矩阵的列向量加权累加处理得到单快拍形式;最后,从理论上证明了本文提出的GL-SVD方法求解的模型是凸的,能够实现宽带信号DOA的精确重构.仿真结果表明,该方法在低SNR以及宽带相干信源情况下的估计精度都高于L₁范数最小化奇异值分解（L₁-norm minimum singular value decomposition,L₁-SVD）和离格稀疏贝叶斯推断奇异值分解（off-grid sparse Bayesian inference singular value decomposition,OGSBI-SVD）,且在较小角度间隔的情况下具有更高的估计概率和分辨率.     

基于阵列结构的盲源分离算法

利用源信号的统计独立性提出了一种由混合信号和分离信号估计混合矩阵的算法,避免了一次矩阵求逆运算。同时,利用天线阵列的结构信息提出了一种直接重构混合矩阵的算法,该算法不需要估计源信号的载频和入射角。仿真结果表明,所提算法与基于来波方向估计的盲分离算法性能相当,在信号入射角间隔较大时,所提算法性能优于普通的盲分离算法,并且大大减少了运算量。     

相关信源的随机加权信号子空间估计算法

针对空间相关信号源使得阵列的协方差矩阵的有效秩降低的问题,引入随机加权子阵,打破了信号的相关性,得到一种新相关信源的信号子空间的估计算法。仿真实验表明该算法可以有效地去相关,与空间平滑法相比具有更好的估计性能。     

A vector space approach to direction finding in a coherent multipath environment

The superresolution methods of spatial spectrum estimation heretofore reported are known to break down when arriving signals from different directions are coherent. It is shown here that this deficiency can be overcome by replacing the direction-of-arrival (DOA) search vector ordinarily used with a linear combination of such vectors. Particular attention is here given to extending the multiple signal classification (MUSIC) method to cover such cases. A procedure for determining the proper linear combination is presented so that determination of the separate coherent signal arrival angles involves a multidimensional search in angle only. Such a search is demonstrated for coherent two-ray and three-ray multipath environments.