基于MUSIC算法对相干信号DOA估计的研究

空间谱估计是阵列信号处理中的一个重要研究课题。针对经典MUSIC算法在入射源相关的情况下测向失败的问题,通过前后向空间平滑MUSIC算法,利用子阵平滑恢复数据协方差矩阵的原理进行解相干,进而对入射源的波达方向（DOA）进行估计。仿真结果证明：前后向空间平滑算法不仅能估计出空间相互独立信号源的波达方向,还能有效分辨出相干信源的到达角度,且具有较高的分辨能力和估计精度。     

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。     

改进MUSIC算法的DOA估计眭能研究

在众多的波达方向（DOA）估计算法中,以MUSIC算法为代表的基于特征结构分解方法因具有较高的分辨性能而受到研究者的青睐。但是当信号源完全相干时,其性能会显著变坏。改进了MUSIC算法．通过构造转换矩阵,对协方差矩阵进行变换,将其转换成实矩阵再进行特征值分解,实现了MUSIC算法解相干。计算机仿真证明了该方法的有效性。     

互质阵列DOA估计性能综合分析北大核心CSCD

互质阵列是近年来兴起的新型阵列,能显著提高阵列自由度,处理信源数大于阵元数时的波达方向(DOA)估计,且能提高角度分辨率和测角精度。文中根据互质阵物理阵元和虚拟阵元特点,结合多重信号分类(MUSIC)算法提出适用于互质阵基于物理阵列和虚拟阵列的DOA估计方法。该方法以非相干信号源为研究对象,利用互质阵列建立信号接收模型,基于物理阵列的DOA估计方法根据互质阵物理阵元位置特点推导其导向矢量,然后根据导向矢量计算回波信号数据和信号协方差矩阵,最后利用MUSIC算法进行DOA估计。基于虚拟阵列的DOA估计方法根据其虚拟阵元数据特点在向量化协方差矩阵并去冗余后选取连续虚拟阵元接收数据,然后对新协方差矩阵进行一维Toeplitz平滑重构,最后利用MUSIC算法或求根MUSIC算法进行DOA估计。与等阵元数的均匀线阵进行对比,仿真实验验证了互质阵列DOA估计性能的优越性。     

基于MUSIC及其改进算法的空间信号到达方向估计方法研究

本文首先介绍了多重信号分类(MUSIC)算法的原理和步骤,给出了不同快拍数和不同信噪比条件下基于MUSIC算法的空间信号到达方向(DOA)估计的仿真和分析,提出了DOA估计系统在工程设计中需要注意的问题和解决办法。随后,针对实际工程中复杂电磁环境下的信号源相干问题,研究了一种基于空间平滑的改进MUSIC算法的原理和步骤,并对传统MUSIC算法与改进MUSIC算法对相干信源的DOA估计性能进行了仿真对比和分析。仿真结果表明,与传统MUSIC算法相比,基于空间平滑改进的MUSIC算法能有效改善对相干信号源的测量性能,得到正确的DOA估计结果。     

柱面共形阵列高性能低复杂度DOA估计算法

针对柱面共形阵列的波达方向(DOA)估计问题,从信号子空间的角度分析了在阵元遮挡下应用多重信号分类(MUSIC)算法的性能缺陷。在此基础上提出通过偏置常数的方法克服经典MUSIC算法的阵元遮挡问题。进一步提出一种基于数据自适应子阵分割的快速DOA估计算法,该方法先利用稀疏采样的偏置MUSIC算法进行DOA预估,依此确定所需要的子阵及二维搜索区域,确定MUSIC算法的搜索范围,进而得到高精确度的DOA估计。利用子阵分割的方法进行DOA估计,避免了经典MUSIC算法因阵元遮挡导致运算量大、精确度低等问题。仿真结果表明,该方法能大幅度降低运算复杂度,同时提高DOA估计精确度。     

基于特征分解MUSIC算法的DOA估计

对于非相干信号源,基于特征分解的多重信号分类算法是一种具有高分辨率的波达方向估计算法,通过计算机仿真比较了它与Bartlett和Capon算法的性能,并分析了信号源数目估计值大于或小于真实值时接收信号入射角的估计结果.研究了一种新的自适应加权空间平滑算法,提高了MUSIC算法对于相干信源DOA估计的性能.仿真结果表明该算法可以有效地去除期望信号与干扰信号之间的相关性,在相干干扰方向上形成深的零陷,在平滑次数相同的情况下新算法比常规空间平滑算法得到更高的输出信干噪比.     

基于MUSIC及其改进算法的DOA估计研究

在阵列信号处理领域,波达方向(DOA)估计一直是研究的重点之一。在波达方向(DOA)估计中,利用多重分类算法(MUSIC)对来波方向进行估计是最常用的方法。本文概述了经典MUSIC算法,针对现代通信中常用的BPSK和MASK信号都是实信号的特点,结合Eular公式对MUSIC算法进行了改进,使用matlab进行了仿真及对比。     

稀疏圆阵的解相干求根MUSIC算法

针对稀疏圆阵的波达方向估计问题,提出了解相干求根MUSIC算法(Sparse UCA Decorrelation Root-MUSIC,SDR)。通过改进传统的波束变换方法,进行相位校正,并在波束域进行误差补偿,得到具有共轭对称结构的波束域导向矢量。在波束域进行前后向平均处理和使用求根MUSIC算法,实现多组相干源的解相干,且避免了谱搜索,减少了运算量。平均处理增加了数据量,算法在低信噪比和低快拍数情况下有更好的估计性能。计算机仿真表明,本算法适用于稀疏圆阵对相干源的DOA估计而且有较好的估计性能。     

一种新的去强相关信号方法的波达方向研究

波达方向估计（DOA估计）是智能天线中实现目标精确定位的关键算法。文中针对DOA估计中相干信号源的问题,提出了一种能有效解相关的关于TOPETIZE矩阵的DOA估计算法。该算法利用了阵列接收数据互相关矢量的内在关系,对噪声子空间进行处理,实现了相干源的完全解相干。该算法不牺牲阵元有效数目,同时能分辨低信噪比信号和强相关信号。仿真结果表明了该算法的有效性。     

Fast DOA estimation algorithm using pseudocovariance matrix

This paper proposes a new direction of arrival (DOA) estimation algorithm that can rapidly estimate the DOAs of incidence signals using a pseudocovariance matrix even under coherent interference environments. The conventional multiple signal classification (MUSIC) algorithm, which should estimate a covariance matrix, cannot perform a DOA estimation until it acquires the covariance matrix. In addition, the MUSIC algorithm cannot be used under rapidly changing or correlated interference environments. In contrast, the proposed algorithm can obtain a bearing response after acquiring the pseudocovariance matrix based on a single snapshot. Signal incidence angles can then be accurately estimated by combining the bearing response and the location of pattern s. Accordingly, the proposed algorithm can rapidly estimate the DOAs of signals even when they are correlated.     

修正的MUSIC算法在相干信源DOA估计中的应用

引用了两种修正相关矩阵最大似然(ML)估计的方法对MUSIC算法进行优化,对相干信源的波达方向(DOA)进行估计。前向空间平滑算法要求阵列的平移不变性,将阵列划分为若干相互交叠的子阵;前向-后向空间平滑要求阵列的旋转不变性,应用了相关矩阵的倒置矩阵。两种方法均可以修正阵列接收信号的相关矩阵的最大似然估计,使之满足MUSIC算法的前提条件。计算机仿真证明两种算法改善了传统的MUSIC算法对相干信源进行DOA估计的性能,前向-后向空间平滑算法作出了比较准确地估计。     

基于时频点聚类的LFM信号波达方向估计

基于空间时频分布(spatial time-frequency distribution, STFD)的多重信号分类(multiple signal classification, MUSIC)算法常用于非平稳信号波达方向(direction of arrival, DOA)估计, 其关键是选取合适的信号时频点.文中针对传统时频MUSIC算法不能提取各信号时频点且在小角度间隔时估计性能不佳的问题, 以线性调频(line frequency modulation, LFM)信号为研究对象, 提出了基于时频点聚类的DOA估计算法.该算法首先对阵列接收信号进行白化, 利用白化后的接收信号构造STFD矩阵, 达到抑制STFD矩阵的交叉项、突出信号自项的目的, 然后利用K均值聚类提取各信号时频点, 最后运用MUSIC算法估计DOA.对不同角度间隔和不同信噪比时三种算法的估计均方根误差进行了仿真对比, 结果表明:相比经典时频MUSIC算法, 文中算法在小角度间隔和低信噪比时有更好的估计性能.     

针对相干信号DOA估计的改进MUSIC算法

针对相干信号波达方向(Direction of Arrival, DOA)估计,提出了一种改进的多重信号分类(Multiple Signal Classification, MUSIC)算法。首先,利用信号协方差矩阵的两个最大特征值所对应的特征向量,构造出两个Toeplitz矩阵;然后,利用前后向空间平滑思想得到这两个矩阵的无偏估计并求和;最后,利用MUSIC算法从中估计出相干信号DOA。和已有方法相比,该方法无需损失阵列孔径且具有更优的DOA估计性能。     

基于互相关协方差矩阵的改进多重信号分类高分辨波达方位估计方法

针对经典高分辨波达方位(DOA)估计方法在低信噪比下分辨性能较差的问题,该文提出一种适用于主动探测系统的基于互相关矩阵的改进多重信号分类(MUSIC)高分辨方位估计方法(I-MUSIC)。该方法首先利用主动声呐发射信号已知的特性,将发射信号与阵元接收信号进行互相关,利用互相关序列形成新的空域协方差矩阵,再进行特征分解。理论分析表明,互相关处理在抑制噪声的同时保留了阵元之间的相位信息,可以得到比MUSIC方法更准确的子空间划分,进而提高低信噪比方位估计性能。在此基础上,提出一种基于相关时间门限的改进MUSIC高分辨方位估计(T-MUSIC)方法,通过对互相关序列设置时间门限进一步提高方位估计信噪比。仿真结果表明,与MUSIC方法相比,I-MUSIC与T-MUSIC可以分别使低信噪比时的估计性能提高3 dB和6 dB,相应平均估计误差分别为原方法的77%和53%。在阵元间接收噪声存在相关性时,T-MUSIC与I-MUSIC方法相比可获得8 dB的估计增益,估计性能更优。I-MUSIC与T-MUSIC应用于多目标主动探测,可大幅提高探测系统在低信噪比下的方位估计性能。     

一种均匀圆阵子阵干扰抑制DOA估计算法

常规空间谱估计算法在强干扰背景下往往无法正确估计弱信号的来波方向。针对此问题,本文提出了一种均匀圆阵子阵干扰抑制波达方向估计算法。将整个阵列划分为若干个子阵,利用提出的最小二乘波束形成算法分别对子阵波束加权以抗干扰,加权后的子阵可以看作是一个‘有向阵元’,将它们组成一个新的虚拟阵列,再进行超分辨谱估计。该方法通过子阵波束形成抑制强干扰,子阵输出中消除了强干扰分量,因此能够实现弱信号波达方向的正确估计,同时弱信号到达角估计的成功概率也得到了提高。最后计算机仿真实验验证了本文算法的有效性和正确性。      

基于内插阵列变换的非圆信号MUSIC算法

针对非圆信号的波达方向(DOA)估计问题,提出一种基于内插阵列变换的非圆信号MUSIC算法(VIA-NC-MUSIC算法)。利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实协方差矩阵变换为虚拟协方差矩阵,再对虚拟协方差矩阵进行奇异值分解(SVD),利用信号子空间与噪声子空间的正交性,得出算法的空间谱函数。仿真实验表明:存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的非圆信号MUSIC算法(NC-MUSIC算法)相当的估计性能,保持了高估计精度、阵列扩展能力等优点。     

采用单次快拍数据实现相干信号DOA估计

该文针对均匀线性阵列的相干信号DOA估计问题,提出了一种基于单次快拍数据的解相干算法,该算法直接利用快拍数据构造一个Toeplitz矩阵,经理论推导,该Toeplitz矩阵的秩不受信号的相干性影响,仅和入射信号的个数有关,因此对该矩阵进行特征值分解可得到正确的信号子空间和噪声子空间,结合MUSIC,ESPRIT等子空间算法,即可实现对相干信号的DOA估计。数值仿真验证了该算法的有效性。     

六角形阵列相干信号二维DOA估计

提出了一种基于扩展重构相关矩阵去相干的二维DOA估计算法。针对六角形阵列的结构特点,首先对各个阵元的接收数据求其共轭矩阵来扩展阵列,扩展后的阵列分为3个六角形子阵列,以此为基础,求得各子阵列的自相关矩阵及互相关矩阵来扩展重构相关矩阵,从而实现解相干的目的,最后利用二维MUSIC算法进行DOA估计。该算法在不减少阵列有效孔径的前提下,增加了可估计相干源数目,并且能够得到较好的估计性能。最后,通过计算机仿真证实了该算法的有效性。