SWEDE算法提高模式空间内DOA估计抗噪声能力

均匀测向圆阵相干信号DOA估计在模式空间内将阵列流形化为线性结构后 ,一般情况下都是先进行空间平滑去相干处理后再运用MUSIC算法进行DOA估计 ,文中运用SWEDE算法代替MUSIC算法进行了模式空间内的DOA估计 ,仿真结果证明SWEDE算法更好地适应了均匀圆阵模式空间内DOA估计数据矩阵的特点 ,使系统抗噪声能力、测向精度、分辨率均得到较大提高     

一种基于余弦特性的快速DOA估计算法

为了满足实时测向处理系统的要求,需要降低测向算法的运算量。在众多测向算法中,其中基于圆阵的MUSIC类算法因为其测向频段宽,可估计二维波达方向,性能稳健,测向精度高,并且在各个方向上具有相同的测向性能而广泛应用于实际系统中。本文主要针对均匀圆阵的阵列流形,分析了均匀圆阵导向矢量的特点,提出了一种基于余弦特性的快速DOA估计算法。该算法利用余弦信号周期特性来构造统计量,通过数学推倒可以证明该统计量只与俯仰角有关,与方位角无关。通过这种分维处理的思想从而可以先估计出俯仰角,再通过所得俯仰角的空间谱切片把二维搜索转化为一维搜索,这样处理大大降低了算法运算量,提高了算法估计速度,特别适合阵元数目较多的应用场合。同时考虑到实际应用中在同一个窄带信道中干扰信号和期望信号同时存在,并且互相影响,特别是强信号对弱信号的影响。本文利用数字滤波器提取期望信号估计,减少了干扰信号对期望信号的影响,提高了估计精度。通过计算机仿真验证了该算法的有效性。      

基于NC-MUSIC算法的均匀圆阵DOA估计及性能分析

近年来基于非圆信号的DOA估计算法由于其优良的估计性能,受到越来越多的关注。在接收阵列为均匀圆阵的情况下,对入射信号进行方位角和俯仰角的联合估计。依据非圆信号的DOA估计数学模型及阵列模型,采用NC-MUSIC算法完成对均匀圆阵方位角和俯仰角的联合估计。通过计算机仿真,得出该算法对均匀圆阵方位角和俯仰角的估计是比较准确的,并且通过NC-MUSIC与MUSIC算法仿真性能的分析比较,得出在接收阵列为均匀圆阵的情况下,NC-MUSIC算法也优于MUSIC。     

基于均匀圆阵相干信源的二维DOA估计

随着通信技术的不断发展,信号传输环境变得日益复杂。针对多径传播形成的高度相关和相干信号测向问题,提出了一种基于均匀圆阵相干信源的二维DOA估计方法。该方法利用均匀圆阵轴向虚拟平移解相干,通过去噪后利用虚拟子阵的自协方差矩阵和互协方差矩阵构造波达方向矩阵,利用该矩阵特征分解估计信号的俯仰角;然后将平滑后的自协方差矩阵与波束空间变换矩阵相乘,使圆阵的导向矢量具备范德蒙结构,最后用求根MUSIC算法估计出信号的方位角,完成了相干信号的二维DOA估计。该方法无需二维谱峰搜索,方位角和俯仰角自动配对,计算量小,分辨率高。仿真实验证明了所提方法的正确性。     

基于模式空间的均匀圆阵方位估计性能研究

在建立了均匀圆阵数学模型的基础上,将模式空间与经典高分辨方位估计算法——多重信号分类法（MUSIC）应用到均匀圆阵方位估计（DOA）中;详细推导了模式空间虚拟均匀线阵的形成过程,并通过计算机仿真给出了MUSIC算法在虚拟均匀线阵下的方位估计成功概率、估计方差、估计偏差等随信噪比变化时的变化情况。仿真结果表明,随着信噪比的增加,基于模式空间将均匀圆阵变成虚拟线阵,方位估计性能有了明显提高。     

基于几何序列分解与稀疏重构的DOA估计

为了解决均匀圆阵在欠定情况下对相干信号测向的问题，提出了一种利用几何序列分解与稀疏重构相结合的波达方向(DOA)估计算法。几何序列分解用于拆分相干组，并估计出每个相干组的实际方向向量，稀疏重构则对每个相干组进行DOA估计。仿真结果表明，当均匀圆阵的阵元数为M时，相比于现有算法，所提算法所能估计的最大信源数为M(M–1)，并且当信源数较多时，其测向成功率和精度都更优，此外，所提算法能够解决“角度兼并”问题，并且在极少快拍数测向任务中具有一定的优势。     

不同阵列流形下的二维DOA估计性能

研究了几种不同二维阵列流形,通过一个统一的模型,仿真分析了简单的二维阵列、均匀方阵、均匀圆阵、随机方阵和半圆阵的到达方向（DOA）估计性能。从仿真结果可以得出,均匀方阵的DOA估计性能较好,均匀圆阵相位易于控制,半圆阵与圆阵的DOA估计性能差别很小,但是半圆阵减少了大量的阵元数。     

一种新的均匀圆阵宽带波束域高分辨测向算法

波束域算法是通过对阵列信号进行波束形成预处理,再进行高分辨测向.本文提出了一种新的均匀圆阵宽带波束域高分辨测向算法,推导出波束域聚焦矩阵的表达式.新方法大大提高了圆阵宽带波束域测向算法的分辨率,估计精度等性能.最后通过计算机仿真,与基于模式空间变换的宽带圆阵波束域算法和宽带圆阵相干信号子空间算法进行了比较,验证了新算法的优良性能.     

均匀圆阵部分阵元失效情况下的DOA估计方法

在空间谱估计中,均匀圆阵(Uniform Circular Array--UCA)具有诸多优点,其得到广泛的应用.但在用MUSIC 算法测向时,一旦某一个或几个阵元通道失效,则通道数据变成无效数据,导致测向性能严重恶化,甚至完全失效.本文对在均匀圆阵部分通道失效的情况下,利用均匀圆阵其余阵元数据实现对信号来波方向进行有效估计的方法进行了分析和验证.其原理在于,直接将失效阵元进行隔离,利用剩余阵元形成的非均匀圆阵,进行MUSIC算法测向.该方法能在较高信噪比条件下实现和原阵列几乎相同的估计精度,在较低信噪比、信号数较小的条件下,也能取得良好的估计性能,大大增强了整个阵列谱估计的稳健性和鲁棒性.     

基于声传感器阵列的高亚音速飞行目标宽带DOA时域MSWF快速估计方法

在海面低空飞行目标探测场景中,主要利用声学方法对目标进行测向从而为其他高精度雷达系统提供引导,这就对声学测向方法的实时性提出了较高要求。针对低空高亚音速飞行目标DOA的快速估计问题,以利用布设于有限空间内的声传感器阵实现海面高亚音速目标角度的快速估计为背景,针对其宽带声信号精确测向的难题,建立了基于均匀线性空间十字阵的宽带时域阵列信号模型,为实现海面低空飞行目标的快速声学测向,将经典宽带时域多级维纳滤波器（MSWF）的DOA估计方法拓展至时域模型,提出了相应的宽带DOA快速估计方法,该方法在保持了多重信号分类算法优势的同时,有效提升了声学DOA估计的实时性。      

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。     

多径条件下均匀线阵DOA估计及互耦误差自校正

针对多径信道环境下存在互耦误差的均匀线阵,提出了一种联合波达方向估计及互耦 误差自校正算法。在不改变阵列互耦误差的条件下,首先利用虚拟阵列平移预处理方法,将 相干信源协方差矩阵恢复到满秩。进而利用互耦误差的对称Toeplitz特性,基于子空间原理 构造一代阶函数,采用秩损的方法得到互耦误差条件下的DOA估计及阵列互耦误差。数值仿 真结果表明,该算法具有良好的DOA估计性能与互耦误差自校正性能。     

基于虚拟阵列的二维稀疏阵列相干源DOA估计

波达方向DOA估计是雷达阵列信号处理的一个重要方向,传统的MUSIC算法对均匀阵列条件下独立信号源的估计有很强的适应性,但实际的雷达工作中,稀疏布阵下多相干源测角是一个经常出现的应用场景。文中针对二维稀疏阵列的相干源测角,提出了一种基于虚拟阵列的相干源DOA估计方法。该方法利用虚拟阵列内插的方法,将一个任意二维稀疏阵列内插为一个均匀面阵,再通过二维空间平滑方法对相干源进行测角,能够同时获得信号的方位角和俯仰角信息。稀疏面阵和稀疏圆阵的仿真实验结果表明,该方法可以有效的解决二维稀疏阵列的相干源测角问题。     

利用深度学习方法的相干源DOA估计

基于子空间分解的相干信源DOA ( Direction of arrival) 估计算法对阵列有特殊的要求，且估计性能较差，在低信噪比时甚至失效；另外，基于压缩感知的DOA估计算法在高信噪比下可以实现相干源的DOA估计，但计算复杂度较高。针对这些不足，本文基于稀疏表示的阵列接收信号模型，提出一种基于深度学习的相干源DOA估计方法，该方法利用卷积网络和全连接网络构造了深度学习网络，并通过选择合适的训练策略，对网络进行了有效训练，利用训练好的深度学习网络能够对相干源进行有效的DOA估计。仿真实验表明，与现有的相干源DOA估计算法相比，本文提出的方法适合于任意阵列结构，在时间复杂度上有着明显的优势，在估计性能上优于平滑解相干和L1-SVD（Sigular Value Decomposition）算法，略差于OGSBI（Off-Grid Sparse Bayesian Inference）算法。      

2-D SPATIAL-SPECTRUM ESTIMATION FORWIDE-BAND SOURCES BASED ON INTERPOLATED CIRCULAR ARRAYS

In array signal processing, 2-D spatial-spectrum estimation is required to determine DOA of multiple signals. The circular array of sensors is found to possess several nice properties for DOA estimation of wide-band sources. C. U. Padmini, et al.(1994) had suggested that the frequency-direction ambiguity in azimuth estimation of wide-baud signals received by a uniform linear array (ULA) can be avoided by using a circular array, even without the use of any delay elements. In 2-D spatial-spectrum estimation for wide-band signals, the authors find that it is impossible to avoid the ambiguity in source frequency-elevation angle pairs using a circular array. In this paper, interpolated circular arrays are used to perform 2-D spatial-spectrum estimation for wide-band sources. In the estimation, a large aperture circular array (Υ>λmin/2) is found to possess superior resolution capability and robustness.     

基于均匀圆阵的信号源DOA和多普勒频率估计算法

本文研究均匀圆形阵列的信号处理问题 ,提出了一种同时估计空间非相关信号源方位角、俯仰角和多普勒频率的算法 .该方法对均匀圆形阵列的输出信号进行模式激励 ,使其阵列流形具有类似于均匀线性阵列的形式 ;在此基础上 ,特征分解构造的波达矩阵 ,由特征值获得各信号的多普勒频率 ,由各特征值对应的特征向量处理得到对应信号的到达方向 .该方法不需进行谱峰搜索 ,运算量小 ,能实现信号的方位角、俯仰角和多普勒频率的自动配对 ,且具有相当高的分辨率 .给出的计算机仿真结果证实了该方法的有效性 .     

基于插值圓阵的宽带信号二维空间谱估计

在阵列信号处理中,确定信号的波达方向(DOA)需要估计信号的二维(2-D)空间谱。C。Usha Padmini等人(1994)已证明,圆阵用于估计宽带信号的DOA时具有许多好的特性。尤其是在基于圆阵的宽带信号子空间一维DOA估计中,即使不用延迟抽头也不会出现频率-方向模糊。在估计宽带信号的2-D空间谱时,我们发现用不带延迟抽头的圆阵会出现频率-仰角模糊。本文提出了一种用插值圆阵估计宽带信号2-D空间谱的新方法。在估计中,采用大孔径的圆阵(rmin/2)能获得更好的分辨性能和估计稳健性。     

Double-constraint flexible tree search-based orthogonal matching pursuit for DOA estimation using dynamic sensor arrays

Greedy algorithms have leveraged sparse signal models for parameter estimation purposes in applications including bearing estimation and direction-of-arrival (DOA) estimation. A dictionary whose elements correspond to observations for a sampling of the angle space is used for sparse approximation of the received signals; the resulting sparse coefficient vector’s support identifies the DOA estimates. Increasing the angle space sampling resolution provides better sparse approximations for arbitrary observations, while the resulting high dictionary coherence hampers the performance of standard sparse approximation, preventing accurate DOA estimation. To alleviate this shortcoming, in the each iteration, we use the structured sparsity model that keeps high coherent and close spacing dictionary elements. Besides, the proposed approach allows exploitation of the array orientation diversity (achievable via array dynamics) in the compressive sensing framework to address challenging array signal processing problems such as left-right ambiguity and poor estimation performance. And the simulation results show that our proposed algorithm can offer significantly improved performance in single-snapshot scenario with multiple sources.     

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。