基于改进MUSIC算法的二维DOA估计方法

提出了一种改进的二维MUSIC算法,该算法通过重构阵列接收数据协方差矩阵来降低入射信号源间的相关性,抑制信号子空间向噪声子空间的扩散,从而解决用MUSIC算法估计相干信号源到达方向(DOA)时的漏估计问题.该方法不仅对相关信号源的DOA估计有好的特性,也可以提高非相关信号源的DOA估计特性,而且计算量也没有大的增加.仿真试验证明了改进算法的有效性.     

Y形阵列宽带信号二维来波方向估计

利用Y形阵列结构的特点,提出一种宽带信号二维来波方向的估计方法.该方法在相干信号子空间法的基础上,通过采用流型矩阵展开的方式获得聚焦矩阵,并针对聚焦后的协方差矩阵,利用基于子阵的ESPRIT算法和二维MUSIC算法进行联合估计,从而提高了测向精度且减小了谱峰搜索的范围.理论分析和计算机仿真实验表明,该方法对于非相干信号源和相干信号源都具有较好的估计效果,并具有较低的计算量.     

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。     

相干/同向信号波达方向与多普勒频率的联合估计

针对相干/同向信号波达方向(DOA)与多普勒频率的联合估计问题,提出了一种基于特征空间的修正二维MUSIC联合估计算法。首先,建立包含DOA和多普勒频率信息的广义阵列信号模型,通过共轭重构对阵列接收信号的协方差矩阵进行修正,使其有效适用于相干/同向信号下DOA与多普勒频率的联合估计。同时,在二维MUSIC算法的基础上,提出了一种基于特征空间的DOA与多普勒频率联合估计算法,该算法充分利用了信号子空间和噪声子空间的信息,并且可以对源信号功率进行估计。对该算法加以修正后同样可以应用于相干/同向信号的DOA与多普勒频率联合估计,且可以得到比修正二维MUSIC算法更好的估计效果。最后,通过仿真试验验证了本文算法的有效性。     

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.     

基于实值信号子空间的虚拟阵列解相干算法

针对存在相干信源时,传统的DOA估计算法失效问题,提出一种基于实值特征子空间的虚拟阵列解相干算法.该算法根据虚拟阵列变换的思想,利用阵列接收数据构造虚拟子阵,实现对信号的解相干处理,并将协方差矩阵从复数域变换为实数域,获得一个实值信号子空间,最后利用实数域ESPRIT (Unitary ESPRIT)估计信号波达方向.该方法避免了阵列孔径损失,保持了阵列的空间分辨率,估计精度高,利用个阵元可估计个信源,且引入实数域处理和无需空间谱搜索,运算量小.计算机仿真验证了该方法的有效性和优越性.     

基于均匀圆阵Toeplitz矩阵集重构解相干算法

针对目前均匀圆阵相干信源波达方向估计的矩阵重构算法仅利用部分阵列接收数据的相关或协方差矩阵部分元素进行重构造成信息利用不完整的问题,提出一种改进Toeplitz矩阵重构算法。利用模式空间变换后的数据协方差矩阵所有行元素信息构造包含阵元完整相关矩阵信息的Toeplitz矩阵集,经与Hermitian转置矩阵相乘及正反向平滑运算得到满秩数据协方差矩阵。该算法能够直接结合子空间类算法实现相干信号的角度估计,无需平滑算法广义特征值分解,同时解决了目前模式空间矩阵重构算法因忽略相位差变化造成的估计性能下降甚至失效问题。计算机仿真结果验证了本文算法的有效性。     

矢量重构解相干的波达方向估计新方法

针对相干信号波达方向(Direction of Arrival, DOA)估计问题,提出一种新的矢量重构解相干方法——变参考阵元数据互相关矢量重构算法。算法依次改变阵列参考阵元,求得所有阵元接收数据与对应参考阵元接收数据之间的互相关信息,并以此作为重构矩阵的列矢量构造一个等效协方差矩阵,然后基于MUSIC和ESPRIT算法,估计相干信号的波达方向。数学推导和理论分析表明,重构的矩阵能对相干信号完全解相干。算法不损失阵列孔径,在低信噪比和少量快拍数据条件下,估计性能要优于Toeplitz矩阵重构算法和前后向空间平滑算法。     

任意平面阵列的宽带相干信号测向方法

为了降低求解聚焦矩阵时的计算量,提出了一种新的宽带聚焦波达方向(DOA)估计方法.根据各个频点的信号子空间来构造聚焦矩阵,得到单一频率点的数据协方差,再应用窄带信号处理的方法进行DOA估计.这种聚焦矩阵维数小于双边相关变换(TCT)方法,因此新方法运算量小于双边相关变换方法,便于工程上的实现,并且适用于任意的平面阵列.仿真结果证明了算法的有效性.     

以欠采样速率实现盲谱感知及二维DOA估计

提出了两种以欠采样率实现盲谱感知与二维波达方向(DOA)估计的算法。这两种算法利用了MWC的周期信号所对应的傅里叶级数系数矩阵来确定未知信号频谱所在的子频带位置,然后利用二维阵列的信号模型估计得到包含二维DOA的空间相位。通过空间相位信息与子频带位置信息能重构出子带谱信息,以此能得到频率的高精度估计,最后通过空间相位分别估计得到信号的方位角与俯仰角。仿真验证了所提欠采样接收机与相应算法的有效性,以及在低信噪比环境下依然有较好的鲁棒性。     

基于均匀圆阵的矢量重构解相干算法

为解决基于均匀线阵矢量重构法不能直接用于均匀圆阵这一问题,提出一种模式空间矢量重构算法.提取模式变换后最大广义特征值对应的特征矢量,并对修正的信号特征矢量采用前后矢量重构方式构造数据矩阵实现解相干.在变换前提取最大特征值对应的信号特征矢量,充分去除噪声,且无需变换后广义特征分解计算,算法复杂度显著降低.理论分析和仿真结果验证了该算法的有效性.     

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.     

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.     

基于nested阵列的高分辨DOA估计

针对nested阵列对邻近信号的分辨力受信噪比和快拍数等因素限制的问题,提出了基于nested阵列的加权子空间平滑M USIC算法.该算法对协方差矩阵向量化以提高整个阵列的自由度,使用空间平滑恢复新接收数据矢量阵的秩,采用校正的噪声特征值对噪声子空间进行加权,并对信号子空间进行空间谱合成,得到新算法的空间谱函数.通过搜索空间谱函数极大值实现DOA估计.结果表明,该算法在低信噪比及小快拍数条件下,对间隔较近的信号具有高分辨力.     

无需信源数目的声矢量阵相干源方位估计算法

针对相干源方位估计问题,本文在PVFS（Particle Velocity Field Smoothing）算法的基础上,提出一种新的算法。该算法通过对PVFS算法构造出的协方差矩阵进行特征值分解,利用得到的特征值及特征向量构造新的噪声子空间,然后运用子空间原理实现相干源的方位估计。该算法无需已知相干源的信源数目且不会损失阵列孔径,具有较好的相干源方位估计性能,计算机仿真结果验证了本文算法的有效性。     

一种改进的RootMUSIC快速算法

MUSIC算法是一种基于特征结构的子空间类超分辨算法,该算法性能优良,但需要估计协方差矩阵并进行特征分解和谱峰搜索,运算量较大。研究了波达方向估计问题并提出了一种改进的快速算法,该算法利用协方差矩阵的子矩阵得到信号子空间,无需特征分解,只需估计该子矩阵,然后用多项式求根的方法代替谱峰搜索,故该快速算法运算复杂度远低于MU-SIC算法,同时性能损失并不太大。理论分析和计算机仿真结果表明此算法是有效的。     

存在幅相误差时谱峰快拍实现频率和到达角估计

针对多通道测频测向系统中存在的幅相误差,将频域谱峰3dB内的数据取作快拍,提出对谱峰存在单/多信源时分别采用改进单次快拍模型和加权子空间投影实现到达角估计的方法．该方法无需协方差矩阵运算和频率到达角的配对操作,对独立或相干源均有效,且并行传输数据量压缩比为3dB信号带宽与采样率之比,适用于工程实时性要求高的场合．等距线阵实测数据处理验证了该方法对相干源的有效性和对幅相误差的鲁棒性; 平面阵仿真数据处理证明,存在幅相误差情况下,该方法比MUSIC法具有更高的分辨力,能够分辨出到达角小于1/2波束宽度以内的两信号．     

非圆信号多级维纳滤波DOA估计求根算法

针对非圆信号DOA估计的计算量问题, 运用多级维纳滤波和信号子空间的多项式求根方法, 提出了一种快速算法. 首先利用非圆信号特性构造出扩展阵列输出矩阵, 然后不需进行协方差矩阵的生成和分解, 利用多级维纳滤波求出信号子空间, 针对均匀线阵推导出信号子空间多项式求根方法, 得出目标的DOA估计值. 新算法的均方根误差性能与非圆信号求根MUSIC算法、非圆信号ESPRIT算法、非圆信号扩展传播算子算法等快速算法相仿, 但是计算量小于已有的算法, 特别是在阵元数较多的情况下算法的实时性优势更加明显.