波达方向估计中的宽带信号个数检测新方法

在进行波达方向估计时,往往要对信号个数进行判断,传统的宽带信号个数检测方法需要在每个频点上进行多次采样,否则无法正确完成测向.针对此问题,提出了一种基于Bootstrap准则实现的宽带信号个数检测新方法.将宽带信号划分为若干个互不重叠的子带部分,之后对每个子带信号进行特征分解,利用特征值对相应的特征向量进行加权,再通过Bootstrap准则构造新的信号重采样矩阵,用聚类的方法判断出该子带上的信号个数,最后将各个子带上的结果进行综合判断出宽带信号个数.所提方法回避了聚焦的过程,且在非高斯噪声背景下也有较高的估计成功概率,尤其是在小快拍数下有着较好的估计性能,仿真结果证明了该方法的性能.     

宽带循环平稳信号的二维空间谱估计

本文提出了一种新的宽带二维波达方向估计方法。理论分析表明,该方法不需要进行二维搜索,既适用于宽带信号,也适用于窄带信号,且能够实现二维参数的自动配对。通过利用循环平稳特性,该方法能够抑制宽带干扰和加性噪声的影响,从而大大提高了算法的信号检测能力。     

分布式目标参数估计的波束域处理方法

分布式目标参数估计的阵元域处理方法的运算量较大,将波束域处理方法用于分布式目标参数估计,降低分布式目标高分辨测向算法的运算量,提高输入信噪比,同时降低算法对系统误差的敏感性.在分布式目标源比较集中的情况下,利用较少的几个波束形成波束空间进行参数估计,能实现良好的估计性能.仿真结果验证了此方法的有效性.     

宽带毫米波大规模MIMO系统中低复杂度波束域信道估计

针对宽带毫米波大规模MIMO系统信道估计精度低及实现复杂度较高的问题,在传统支撑检测方案的基础上提出一种基于Gauss-Seidel方法的串行支撑检测（GS-SSD）方案。该方案不使用共同支撑假设,参考串行干扰删除,将整体信道估计问题分解为一系列子问题,每个子问题仅考虑一个信道成分。同时,利用Gauss-Seidel方法近似高复杂度的矩阵求逆。仿真结果表明,相比于基于串行支撑检测（SSD）的方案, GS-SSD方案在将求逆复乘数降低一个数量级的同时可以取得接近SSD方案的信道估计性能。     

一种稳健的循环平稳信号波达方向估计算法

利用周期平稳特性可以提高波达方向的估计性能,BFat算法对循环频率误差较为敏感。分析了周期频率误差对BFat算法估计性能的影响,提出一种稳健的循环平稳信号波达方向算法RIBF-at,仿真结果表明,所提的RIBF-at算法对循环频率误差有较强的顽健性。     

基于波束域的子空间正交性测试宽带DOA估计方法研究

投影子空间正交性测试(Test of Orthogonality of Projected Subspace:TOPS)算法通过测试宽带信号各频率点上噪声子空间和信号子空间之间的正交性对目标方位进行到达角估计(DOA:direction-of-arrival)。此算法对参考频点上的信号子空间的估计依赖性较大,因此存在较多伪峰,低信噪比条件下性能差等缺点。针对该问题,提出一种基于波束域的宽带DOA估计方法。该方法通过将阵列接收信号转换到波束域,在波束域中利用信号带宽内各频率分量的波束域方向向量与噪声子空间之间的正交关系构造判决向量,根据判决向量搜索空间谱的极大值对应的角度进行DOA估计。该方法不需要进行角度预估,避免了TOPS算法中常出现的伪峰,降低了信噪比分辨门限,减少了计算量,具有较好的估计效果。将该方法分别运用到均匀圆阵和线阵上,通过仿真对比和海试实验数据的处理,证明了本文所提方法的有效性。      

Alpha稳定分布噪声环境下类M估计相关的DOA估计新算法

提出了一类适用于Alpha稳定分布随机变量的统计量—类M估计相关（MELC）,通过构造阵列输出的类M估计相关矩阵,提出了适用于Alpha稳定分布噪声环境下的波达方向（DOA）估计新算法,即MELC-MUSIC算法。仿真实验表明,在Alpha稳定分布噪声环境下,MELC-MUSIC算法在抗噪声特性、多源信号分辨性以及对不同形式信号（圆对称信号或非圆对称信号）的适应性方面获得比基于分数低阶统计量（FLOS）的MUSIC方法更好的估计性能。     

基于多用户去相关的波达方向估计新方法

以直接序列码分多址(DS/CDMA)系统中的天线阵为背景,讨论了一种在多径慢衰落信道环境下的波达方向(DOA)估计新方法.该方法在基站对各用户各路径同步信息的基础上,根据扩频序列表现出的周期性和非完全正交的性质,利用用户多径与多址干扰表现出的信息,相关处理后再去相关,实现对各用户各路径的DOA及幅值估计.它不是简单地忽略掉解扩后残留的多径与多址干扰,或仅将其当作噪声处理,而是通过去相关的方法消除它们的影响.理论推导与仿真实验表明,该方法提高了DOA的估计性能,很好地实现了多径信道的空间分离,为后面进一步的空时处理提供了可能.     

基于Y形阵的空时二维波达方向估计

提出了一种适用于Y形阵的空时二维波达方向估计方法,在低信噪比下实现了无模糊的二维波达方向估计。该方法利用了Y形阵的特性,具有较好的稳定性和较小的估计方差。仿真结果证明了本方法的有效性。     

基于Toeplitz矩阵重构算法的宽带相干信号方位估计

根据天线阵列接收到的数据,提出了一种基于Toeplitz矩阵重构的宽带相干源方位估计算法.该算法先由Toeplitz 阵列接收到的数据得到包含波达方向信息的协方差矩阵,再对该协方差矩阵进行聚焦处理,得到同一频率的阵列协方差矩阵,最后由高分辨子空间处理方法得到宽带相干信号的波达方向估计.仿真实验证明了该方法的有效性.     

Application of natural computing algorithms to maximum likelihood estimation of direction of arrival

This work presents a study of the performance of populational meta-heuristics belonging to the field of natural computing when applied to the problem of direction of arrival (DOA) estimation, as well as an overview of the literature about the use of such techniques in this problem. These heuristics offer a promising alternative to the conventional approaches in DOA estimation, as they search for the global optima of the maximum likelihood (ML) function in a framework characterized by an elegant balance between global exploration and local improvement, which are interesting features in the context of multimodal optimization, to which the ML-DOA estimation problem belongs. Thus, we shall analyze whether these algorithms are capable of implementing the ML estimator, i.e., finding the global optima of the ML function. In this work, we selected three representative natural computing algorithms to perform DOA estimation: differential evolution, clonal selection algorithm, and the particle swarm. Simulation results involving different scenarios confirm that these methods can reach the performance of the ML estimator, regardless of the number of sources and/or their nature. Moreover, the number of points evaluated by such methods is quite inferior to that associated with a grid search, which gives support to their application.     

L型阵列互耦条件下的二维波达方向估计

针对L型阵列,提出一种去互耦算法.该算法在L型阵列的两均匀线阵上分别取受互耦影响一致的阵元,则其理想导向向量可与互耦参数剥离,用其中一组阵元输出的协方差阵和两组阵元输出的互协方差阵构建矩阵,根据其传播算子构成的信号子空间和阵元导向向量张成同一空间以及均匀线阵的旋转不变特性得到两个与方向角和俯仰角相关的信息参量.在这两参量配对时,只需对包含信息参量的其中一个矩阵进行一次特征值分解以及简单的除法运算即可实现.理论和仿真表明,该算法无需谱峰搜索,只需一次特征分解,有效抑制了互耦影响,测量精度高.     

宽带信号DOA估计处理方法研究

从频域上建立宽带阵列接收信号的模型,引出了2种宽带阵列信号处理的研究方法:非相干信号的处理方法(ISM)和相干信号子空间算法(CSM)。并利用MATLAB仿真软件,模拟远场、等功率、平稳的第三代移动通信手机信号,对2种算法性能进行对比。仿真结果表明,CSM算法相对ISM算法虽然加大了运算复杂度,但是能够更有效分辨出宽带相干信号。     

时空CDMA系统中基于改进PSO的光谱搜索DOA估计

针对传统光谱搜索方法的搜索复杂度和估计精度严格依赖于搜索过程中所用搜索网格数而导致搜索耗时较多的问题,提出了一种基于改进粒子群优化(PSO)的信号到达方向(DOA)估计方法。首先分析了硬约束PSO最小方差无失真响应(MVDR)估计器(HPSO-MVDR);然后针对HPSO-MVDR估计器的不足,提出了一种粒子搜索位置映射技术;最后提出了基于改进PSO MVDR(MPSO-MVDR)估计器。实验结果表明,在角度搜索中结合改进粒子群算法,提出的方法明显降低了搜索复杂度,相比现有光谱搜索方法的估计更加精确。     

一种基于混合MCMC的时域波达方向估计算法

基于马尔科夫链蒙特卡洛（Markov Chain Monte Carlo,MCMC）方法的时域波达方向估计算法通过构造马尔科夫链的方式来对波达方向进行估计,但是现有的算法在马尔科夫链的收敛速度和结果上并没有表现出很好的鲁棒性。为了优化算法的性能,采用多(短)链并行的方式代替原来的长链生成方式,提高了算法收敛的稳定性;并对特定模型下的构造过程进行分析,优化了状态空间,提高了算法的搜索效率;同时结合多混合的MCMC方法,进一步提高了算法估计的精确度和收敛速度。仿真结果表明,改进后的算法对波达方向估计的准确性和实时性都有很大提升。     

Off‐grid DoA estimation method of wideband signals

In this paper, an off‐grid direction of arrival (DoA) estimation method is proposed for wideband signals. This method is based on the sparse representation (SR) of the array covariance matrix. Similar to the time domain DoA estimation methods, the correlation function of the sources was assumed to be the same and known. A new measurement vector is obtained using the lower‐left triangular elements of the covariance matrix. The DoAs are estimated by quantizing the entire range of continuous angle space into discrete grid points. However, the exact DoAs may be located between two grid points; therefore, this estimation has errors. The accuracy of DoA estimation is improved by the minimization of the difference between the new measurement vector and its estimated values. Simulation results revealed that the proposed method can enhance the DoA estimation accuracy of wideband signals.     

基于两步噪声学习网络的波束域毫米波大规模MIMO信道估计

针对波束域毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统,构建了一种新型两步噪声学习网络（Two-step Noise Learning Network,TNLNet）。基本原理是在接收信号反复经过卷积层和池化层提取噪声特征的基础上,利用波束域毫米波大规模MIMO信道矩阵稀疏性所引起的相邻元素相近的特点,采用下采样将信道矩阵重构成4个子矩阵,提高训练测试效率。该算法具有以比全卷积去噪近似消息传递(Fully Convolutional Denoising Approximate Message Passing,FCDAMP)算法和学习去噪的近似消息传递(Learned Denoising-based Approximate Message Passing,LDAMP)算法更低的复杂度,取得了比最小二乘算法、最小均方误差算法、FCDAMP和LDAMP更优的归一化均方误差（Normalized Mean Squared Error,NMSE）性能;与快速灵活去噪卷积神经网络(Fast and Flexible Denoising convolutional neural Network,FFDNet)相比虽然复杂度略高,但具有更优的NMSE性能,且在单一训练模型中获得了比FFDNet更宽的信噪比适用范围,增强了实用性。     

基于虚拟旋转不变技术的宽带信号二维到达角估计

在相关信号子空间方法的基础上,本文提出了一种阵列宽带信号二维角度的估计方法。该方法首先利用虚拟互相关计算方法得到阵列输出的协方差矩阵,并构造出两个子阵(实际子阵和虚拟子阵);然后采用投影算子来形成聚焦矩阵,最后对聚焦后的协方差矩阵采用ESPRIT方法估计出宽带信号的二维到达角。这种方法能抑制非高斯噪声对算法的影响,并能扩展阵列孔径,且不需要进行角度预估计;估计出的二维角度能自动配对,提高了算法的实现速度。计算机仿真试验证实了该算法的有效性。     

用禁忌搜索实现DOA估计

为解决DOA参数估计搜索算法中局部极值和实时性等问题,从现代优化理论的角度出发,选用比遗传算法、模拟退火法更易利用问题特殊信息的禁忌搜索算法来求解DOA的极大似然估计.理论分析和仿真结果表明:该方法不仅能获得全局最优解;而且在获得与AP算法相当测向精度和测向分辨率的情况下,有更低的计算量;对相干信号,其性能比AP算法有较大的提高.