一种新的基于稀疏表示的宽带信号DOA估计方法

该文提出一种基于稀疏表示的宽带信号波达方向(DOA)估计方法,解决稀疏表示方法在宽带信号DOA估计中由于基矩阵维数过大而使算法存储量和重构计算量大的问题。用单一频点的基矩阵代替频率和角度联合构建的基矩阵,使基矩阵的列数仅相当于一个频点处冗余基矩阵的列数,大大降低了稀疏重构方法的存储量和计算量。该方法首先对各频点的频域数据进行聚焦处理,将不同频率的数据堆叠到参考频率上并建立参考频率处的基矩阵,然后建立聚焦后的稀疏表示模型进行DOA估计,并采用奇异值分解进一步降低算法的运算量,最后给出残差门限的选择方法。该算法不仅适用于非相关信号,也可直接处理相关信号而不需要任何的去相关运算,且具有高的检测概率和估计精度,仿真实验和分析验证了该方法的有效性。     

宽带协方差矩阵的多字典联合稀疏表示DOA估计

为了直接处理相干宽带信号和提高其波达方向估计的分辨率,提出一种基于宽带协方差矩阵的多字典联合稀疏分解估计方法。首先,利用多个频率点处的过完备基对其协方差矩阵进行稀疏表示,然后形成多个字典的多测量矢量稀疏表示模型,最后通过多字典稀疏表示系数的联合稀疏约束以求解稀疏反问题的形式实现宽带信号的波达方向估计。对于均匀线阵结构,多字典协方差矩阵稀疏表示系数的联合稀疏性使其不再受空域采样条件的限制,既可通过增大阵元间距提高分辨率,而又无空域混叠现象。通过对噪声功率的预估计抑制噪声,提高了波达方向估计的稳健性。另外,该方法与信号协方差矩阵的秩无关,对相干信号和不相干信号都适用。仿真实验验证了该方法的有效性。      

基于稀疏恢复的循环平稳信号DOA估计

基于信号稀疏恢复的思想,提出了一种新的循环非相关平稳信号DOA估计算法.首先,对阵列的二阶循环互相关矩阵矢量化,并将感兴趣的空间划分成若干段以构造过完备的方向矩阵,从而得到基于Khatri-Rao积的稀疏模型;其次,利用凸优化技术对稀疏模型进行优化求解,并根据恢复得到的稀疏信号中非零元素的位置估计出高精度的DOA值.与传统的循环互相关算法比较,本文算法具有更高的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验证了算法的有效性.     

基于循环平稳特性的源信号到达角估计方法

分析了SC-SSF算法的不足,给出了统一的循环频域阵列信号模型,并推导得到了一般化的基于信号循环平稳特性的源信号到达角估计方法——GSC-SSF算法,该算法克服了SC-SSF算法的不足,具有更好的实用性.仿真试验比较了两种方法的估计性能,仿真结果说明了所给方法的有效性.     

脉冲噪声下基于稀疏表示的韧性DOA估计方法

受相关熵启发,本文提出了一种脉冲噪声下基于稀疏表示的韧性DOA估计新方法.为实现多测量向量下联合稀疏信号的重建,本文提出了一种基于归一化迭代硬阈值的优化算法,讨论了最优步长的选择问题,证明了优化算法的收敛性.仿真结果表明：本文算法能够实现脉冲噪声下多信源的DOA估计,具有比已有算法更高的可分辨概率和估计精度.     

基于空间角稀疏表示的二维DOA估计

论文提出一种基于空间角稀疏表示的维DOA估计方法,解决了维DOA估计中冗余字典构造的难题。构建的空间角包含了方位角和俯仰角的信息,利用其构造冗余字典可以将方位角和俯仰角的组合从维空间映射到1 维空间,极大地降低了字典的长度和求解的复杂度;同时将算法推广到频域,扩展了其应用范围。与传统的高分辨算法相比,该方法对信噪比和快拍数要求不高、无需特征值分解和多维搜索过程。理论分析和仿真实验,验证了该方法对维相干信号和非相干信号都具有较高的估计精度和较好的分辨力,在不同信噪比下性能优于MUSIC算法。     

基于连续稀疏恢复循环平稳信号的DOA估计

针对现有稀疏恢复算法在到达角(DOA)估计中存在的网格失配问题（即off-grid问题）,提出基于连续稀疏恢复循环平稳信号的DOA估计。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,在循环域利用连续稀疏恢复的思想来构造循环平稳信号的稀疏恢复模型。与传统Cyclic MUSIC算法和现有基于离散稀疏恢复算法相比,文中算法能够克服off-grid问题,具有较高的稀疏恢复精度和较好的稀疏恢复性能;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证明了算法的有效性。     

张量切片稀疏表示在宽带信号波达方向估计中的应用

本文提出了一种新颖的宽带信号波达方向（Direction of Arrival, DOA）估计方法。首先,本文利用窄带滤波器将阵元接收到的宽带信号分解成了若干窄带分量。接着,利用这些分离出来的窄带分量,计算出任意两个相邻阵元间的一系列频率互相关函数（Frequency Cross correlations, FCCS）并用于构造一个Toeplitz矩阵。在所有相邻阵元间进行相同的处理,将构造出的所有Toeplitz矩阵堆叠成一个张量。最后,本文利用切片稀疏表示（Slice sparse Representation, SSR）的思想实现该张量的稀疏表示并提出了相应的恢复算法实现其稀疏重构,宽带信号DOA估计也随之实现。在仿真中,本文将所提算法与现有代表性算法进行了对比,仿真结果展现了本文算法的有效性。      

基于联合稀疏矩阵恢复的DOA估计算法

基于联合稀疏矩阵恢复的思想,提出一种新的窄带信号DOA 估计算法。算法通过对计算得到的各帧阵列协方差矩阵进行矢量化操作,构造伪数据矩阵;然后构建过完备的阵列方向矩阵字典,形成联合稀疏信号模型;接着利用联合l_2,0 逼近法求出联合稀疏矩阵的优化解,由此得到信号DOA 的估计值。由于二阶统计量的矢量化操作扩展了阵列孔径,算法能够分辨多于阵元数的信号,同时适用于窄带短时平稳或平稳信号,且不需要预先估计信号源数。计算机仿真结果证明了算法的有效性。     

利用信号的循环平稳特性进行相干源的波达方向估计

本文提出一种修正的ＳＣ－ＳＳＦ方法,该方法适用于宽带和窄带源,不仅可解决循环相关源的问题,而且具有更好的噪声抑制特性,用蒙特卡下实该方法噪声抑制性能优于ＳＣ－ＳＳＦ〈并具有对相同循环频率的多个循环盯关源进行ＦＤＯＡ估计的能力。     

相干信号频率和到达角联合估计的算法

基于均匀圆阵和四阶累积量,提出了一种相干信号频率和到达角联合估计的新算法。首先,利用计算量较小的PRO-ESPRIT算法和beamspace-ESPRIT算法分别估计广义阵列响应矢量和信号的频率。然后,对广义阵列响应矢量进行模式空间变换,并利用改进的前后向线性预测方法估计出相干信号的到达角。该算法能在色噪声环境下,精确地估计出空间相干信号的频率和到达角,并且无需平滑技术和谱峰搜索,具有计算量小,参数自动配对的特点。计算机仿真结果验证了算法的有效性。     

基于平行因子分析的近场循环平稳信源方位角和距离联合估计

提出一种基于平行因子分析的近场循环平稳信源方位角和距离联合估计算法,该算法利用阵元的观测数据计算三个三阶循环矩矩阵,构建循环统计量域的平行因子模型,并利用三线性交替最小二乘法分解,由分解矩阵求出信源参数。算法能有效抑制任意统计分布的平稳噪声,去除循环平稳干扰,且无需谱峰搜索和参数配对过程。均方根误差的仿真实验结果表明所提算法对信号参数具有较高估计精度。     

基于空域平滑稀疏重构的DOA估计算法

该文提出一种基于空域平滑稀疏重构的DOA估计算法,利用空域平滑理论对协方差矩阵进行处理,然后通过KR积变换改变其结构,并对变换后的矩阵进行稀疏重构获得角度估计。此外,该文还给出了两种不同的目标函数误差求解方法。从仿真实验可以看出,该算法与传统的基于压缩感知理论的DOA估计算法对比,明显降低了运算量,且对于相干和非相干信号的处理性能均有所提高,在低角度间隔、低信噪比和低采样数条件下优势更为突出。     

Joint Estimation of TOA and DOA in IR‐UWB System Using Sparse Representation Framework

This paper addresses the problem of joint time of arrival (TOA) and direction of arrival (DOA) estimation in impulse radio ultra‐wideband systems with a two‐antenna receiver and links the joint estimation of TOA and DOA to the sparse representation framework. Exploiting this link, an orthogonal matching pursuit algorithm is used for TOA estimation in the two antennas, and then the DOA parameters are estimated via the difference in the TOAs between the two antennas. The proposed algorithm can work well with a single measurement vector and can pair TOA and DOA parameters. Furthermore, it has better parameter‐estimation performance than traditional propagator methods, such as, estimation of signal parameters via rotational invariance techniques algorithms matrix pencil algorithms, and other new joint‐estimation schemes, with one single snapshot. The simulation results verify the usefulness of the proposed algorithm.     

基于稀疏贝叶斯学习的空间紧邻信号DOA估计算法

离格(off-grid)波达方向(DOA)估计解决的是实际DOA和假设网格点的失配问题。对于空间紧邻信号的DOA,稀疏的网格点会导致精度和分辨率的下降,密集的网格点虽然可以提高估计精度却显著增加计算负担。针对此问题,该文提出基于稀疏贝叶斯学习(SBL)的空间紧邻信号DOA估计算法,主要包括3个步骤。首先,通过最大化阵列输出的边缘似然函数,推导了信号在拉普拉斯先验下的新不动点迭代方法,进行超参数的预估计,相比其他经典SBL算法提高了收敛速度;其次,利用新网格插值方法优化网格点集,并二次估计噪声方差和信号功率以分辨空间紧邻信号的DOA;最后,推导了似然函数关于角度的最大化公式以改进离格DOA搜索。仿真表明该算法比其他经典SBL类算法对空间紧邻信号的DOA具有更高的精度和分辨率,同时有计算效率的提升。     

基于稀疏贝叶斯学习的空间紧邻信号DOA估计算法

离格(off-grid)波达方向(DOA)估计解决的是实际DOA和假设网格点的失配问题.对于空间紧邻信号的DOA,稀疏的网格点会导致精度和分辨率的下降,密集的网格点虽然可以提高估计精度却显著增加计算负担.针对此问题,该文提出基于稀疏贝叶斯学习(SBL)的空间紧邻信号DOA估计算法,主要包括3个步骤.首先,通过最大化阵列输出的边缘似然函数,推导了信号在拉普拉斯先验下的新不动点迭代方法,进行超参数的预估计,相比其他经典SBL算法提高了收敛速度;其次,利用新网格插值方法优化网格点集,并二次估计噪声方差和信号功率以分辨空间紧邻信号的DOA;最后,推导了似然函数关于角度的最大化公式以改进离格DOA搜索.仿真表明该算法比其他经典SBL类算法对空间紧邻信号的DOA具有更高的精度和分辨率,同时有计算效率的提升.