CDMA系统基于四阶累积量的DOA估计

提出一种在 CDMA 系统中使用四阶累积量解相干 DOA 估计的算法。该算法不仅能消除多径干扰,且与二阶 MUSIC 算法相比能更有效抑制空间色噪声,提高估计精度,且算法计算量不大,可以实时处理和实现。通过计算机仿真,证明在低信道比色噪声环境下,该方法是有效的。     

基于四阶累积量的DOA估计方法及其分析

本文提出了一种基于四阶累积量的ＤＯＡ估计方法,同ＭＵＳＩＣ－ｌｉｋｅ方法一样,它也对实际阵列进行了四阶扩展。文章证明了这两种方法对实际阵列口径和阵元数的扩展特性,指出了它们在阵列扩展方面的差别。文章最后采用计算机模拟验证文中结论。     

基于四阶循环累积量的二维DOA和极化参数估计

在任意分布的加性平稳噪声背景下,提出一种基于单个电磁矢量传感器的四阶循环累积量算法来实现宽带循环平稳信号的二维波达方向(DOA)和极化参数估计.通过利用信号的循环平稳特性,使该算法具有信号选择的能力,同时能够抑制宽带干扰和任意分布的加性平稳噪声的影响,从而提高算法的信号检测能力.仿真结果验证了该方法的有效性.     

基于四阶累积量的DOA估计方法

从一个统一的角度来研究基于高阶累积量的高分辨阵列信号处理方法，用四阶累积量构造了一个较通用的累积量矩阵，该矩阵符合MUSIC算法的结构，从而可进行DOA（Directionof Arrival）估计。对于这种方法在阵列信号处理中的应用，通过计算机仿真与基于二阶矩的MU—SIC算法进行了较全面的比较。仿真结果表明，该方法在高斯噪声中具有良好的统计性能，是实现高分辨方位估计的有效方法，     

基于四阶累积量的DOA估计方法

从一个统一的角度来研究基于高阶累积量的高分辨阵列信号处理方法,用四阶累积量构造了一个较通用的累积量矩阵,该矩阵符合MUSIC算法的结构,从而可进行DOA(Direction ofArrival)估计。对于这种方法在阵列信号处理中的应用,通过计算机仿真与基于二阶矩的MU-SIC算法进行了较全面的比较。仿真结果表明,该方法在高斯噪声中具有良好的统计性能,是实现高分辨方位估计的有效方法。     

基于DOA的智能天线下行波束形成方法

首先简要介绍了智能天线的基本概念,然后在阵列等效激励模型的基础上结合信号的波达方向(DOA)和Chebysbev阵列算法提出了一种智能天线下行波束形成方法,最后给出了计算机仿真结果。     

四阶累积量稀疏表示的DOA估计方法

针对现有稀疏重构DOA估计算法不能抑制噪声项以及在高斯色噪声背景下不再适用的问题,本文提出了基于四阶累积量稀疏重构的DOA估计方法。首先,利用接收数据的四阶累积量构建了稀疏表示模型,该模型抑制了噪声项;其次对四阶累计量矩阵进行奇异值分解,化简了稀疏表示模型,通过奇异值分解,不仅减小了数据规模,而且进一步抑制了噪声。对于稀疏表示模型的求解,先利用信号子空间与噪声子空间的正交特性选取权值矢量,然后利用加权l1范数法对模型求解实现DOA估计。理论分析和仿真实验表明本文算法在高斯白噪声和色噪声背景下均适用;能够处理非相干和相干信号,且在低信噪比条件下,对相干信号有更高的估计精度;较之同类的稀疏重构算法,本文算法具有较低的算法复杂度和更高的角度分辨力。      

一种基于最佳权系数的DOA估计方法

提出了一种基于最佳权系数进行DOA估计的方法,构造了一种空间谱函数。利用对该空间谱谱峰进行搜索的方法代替了高次方程的求解,有效地避免了高次方程的求解过程中出现的“虚解”问题。该方法计算量小,易于实现。仿真结果表明,该方法是有效的。     

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。     

基于类MUSIC的DOA估计算法

针对相关信号波达方向(DOA)的估计问题,提出了一种基于最大差值子矩阵的信号DOA估计方法.对利用Toepllitz构造的满秩矩阵进行特征值分解,得到排序后的特征值,并利用特征值的差值实现满秩矩阵筛选,同时结合传统MUSIC算法实现信号DOA估计.理论分析与仿真实验表明,本文所提方法在相关信号DOA估计方面具有更好的分辨力.     

估计信号到达角的一种快速算法

通过充分考虑相干信号源以及其回波的各个特性,本文首先提出了适合其特性的信号模型,并以此为基础对信号的某些特性进行深入分析,进而提出了基于FFT的对阵列信号到达角进行估计的快速算法.模拟仿真结果表明,在多个相干信源的前提下.本文提出的对信号到达角进行快速估计的算法是切实可行的,尤其适合在低信噪比和实时场合下使用.     

基于改进的循环互相关MUSIC算法的波达方向估计

给出了基于循环互相关运算的信号模型，根据该信号模型，运用改进的循环互相MUSIC算法得到了对具有循环平稳特性的空间源信号波达方向进行估计的有效方法——ICCC-MUSIC算法；定性的分析和仿真实验均表明该方法具有较好的抑制噪声和选择信号的能力，为利用天线阵列提取具有循环平稳特性的源信号提供了较好的实现方法。     

一种新的二维快速波达方向估计方法——虚拟累量域波达方向矩阵法

本文利用3个具有特别位移特性的任意子阵元阵列和累量,构造出了虚拟累量域波达方向矩阵.利用虚拟累量域波达方向矩阵的特征值的幅值和相位信息,就可以求出信号源的方位角和俯仰角.因为子阵列结构是任意的,因此选择适当的子阵列就获得很好的估计效果.而由于采用了累量,因此新方法对高斯噪声不敏感.     

协方差矩阵输入的DOA估计方法

利用支持向量回归机对非线性函数的拟合能力,将波达方向(DOA)估计问题转化为样本的智能学习问题。提取已知信号的协方差矩阵上三角部分作为样本输入特征,构建波达方向估计模型,获取复杂函数的拟合能力,达到对未知信号波达方向估计的目的。仿真实验表明该方法具有很高的估计精度和速度,在低信噪比和通道存在相位误差的情况下具有较强的适应能力,性能优于RBF神经网络法,具有较大的工程应用价值。     

利用矩阵滤波技术估计信号二维波达方向

现有的基于子空间的波达方向估计算法都要求不相关信号源的数目小于阵元数目,但当信号源数目很多时,算法失效.为此,提出了一种具有过载估计能力的二维波达方向估计方法,先利用矩阵滤波技术接收数据进行预处理,使信号子空间限定在一个较小的区域内,把区域外的信号抑制掉,从而减小了有效的信号源数目,然后可以采用现有算法进一步估计二维波达方向.矩阵滤波器的设计过程也可以归结为一个最小二乘问题,效率很高.计算机仿真验证了算法的有效性.     

增益相位误差下基于部分校准嵌套阵列的DOA估计

现有的波达方向（Direction of Arrival,DOA）估计方法大多依赖于阵列导向矩阵的精确无偏条件,而实际工程中由于时钟偏移、阵元位置偏差的存在导致该条件往往难以满足.为匹配阵列实际接收条件,本文基于部分校准嵌套阵列,提出了一种增益相位误差下的DOA估计新方法.该方法首先利用连乘子函数和简单的代数运算完成初始增益相位误差估计,然后通过协方差矩阵向量化和稀疏表示理论构建具有连续自由度的稀疏表示向量模型,最后考虑有效样本的影响,在初始增益相位误差估计的基础上应用稀疏总体最小均方（Sparse total least squares,STLS）算法完成波达方向估计.本文所提方法不仅对阵列增益相位误差不敏感,而且可依靠嵌套阵列高自由度特性和STLS算法的抗扰动特性获得改进的分辨率和估计精度,计算机仿真结果验证了所提算法的有效性.     

基于空间时频分布的宽带源波达方向估计

研究了空间时频分布在宽带阵列处理中的应用。在信号时频特征可分的情况,提出一种新的时频域宽带DoA估计算法,充分利用信号不同的时频特征,结合宽带聚集思想对每个源单独处理得到多个源的DoA估计。该方法具有很好的信号选择性以及抑制干扰和噪声的能力,估计性能优干传统空间时频分布方法。仿真结果验证了新方法的有效性。     

基于Y形阵的空时二维DOA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,采用空时二维处理,通过采样数据归一化、加权处理和参数回代的方法解决了前后向模糊问题,具有较好的稳定性和较小的估计方差。由于在低信噪比下的优良性能,该算法适合于复杂电磁环境下的应用。仿真结果证明了方法的有效性。     

基于深度卷积网络的二维波达方向估计方法

为了提高信号波达方向估计技术的实时性和简便性,设计了一种适用于估计均匀圆阵多信号波达方向的深度卷积网络。由阵列观测数据得到的协方差矩阵被当作是包含实部和虚部两个通道的图像,将其当作是卷积神经网络的输入张量,便可以通过训练网络来提取包含在信号协方差矩阵中的波达方向细微特征,从而实现准确快速地同时对多个入射信号的方向进行估计的目的。仿真结果表明,设计的深度卷积网络能够很好地完成二维信号波达方向估计。相比于现有估计方法,卷积网络给出的结果更加精确,且算法相对稳定。因此,提出的深度卷积网络在多目标方位识别与跟踪领域具有潜在的工程应用价值。     

宽带相干信源波达方向估计(DOA)的新算法

辅助方向向量增加(ADVA)聚焦算法是非归一化的,存在聚焦损失。双边相关变换(TCT)聚焦算法是归一化的,不存在聚焦损失,但需要对目标的方位进行预估计。这不仅会使运算复杂,而且得到的聚焦矩阵也只是在预估角度上有最小范数解,在其他方向上则会产生偏离,因此不是稳健的。提出了一种在归一化的条件下,不需要方位预估计的、稳健的聚焦矩阵算法,算法的思想是将整个感兴趣的空间分成组,对每一组在归一化约束的条件下利用奇异值分解法求解最小化问题。通过仿真验证了该算法的有效性。