一种改进的信号子空间聚焦宽带DOA估计算法

信号子空间聚焦（FSS）算法可实现宽带相干信号的波达方向（DOA）估计,但其在短快拍条件下存在估计精度差、分辨率低的问题。提出一种改进的信号子空间聚焦（MFSS）算法。根据波长间隔与阵元间距的匹配度选取最佳参考频点及子频带,通过Hankel矩阵奇异值分解重构子频带的协方差矩阵,并利用信号子空间聚焦法构造聚焦协方差矩阵,使用Root-正交传播算子实现DOA估计。实验结果表明,相比FSS、MTOPS、LR-MUSIC算法,MFSS算法复杂度较低,能够有效提高估计精度和速度。     

基于分数阶傅里叶变换的宽带LFM相干信号二维DOA估计

在分数阶傅里叶(FRF)域从离散角度推导了二维DOA估计数学模型,并在此模型基础上提出基于分数阶Fourier变换的二维相干信号DOA估计新算法.该方法利用分数阶傅里叶变换良好的能量聚集性,在分数阶傅里叶(FRF)域构造前后向空间平滑DOA矩阵.通过对DOA矩阵进行特征值分解,估计信号子空间和噪声子空间,由信号子空间的特征值和特征向量得到宽带LFM相干信号的二维到达角,避免了二维谱峰搜索和交叉项,也无需参数配对.理论推导与实验仿真验证了算法的有效性.     

一种相干分布式信号二维DOA快速估计方法

基于L型线阵,提出了一种估计相干分布源二维波达方向(DOA)的快速算法。通过对两组平移子阵的广义方向矢量做泰勒近似获得关于分布源中心DOA的两个旋转不变矩阵,利用传播算子法求解旋转不变矩阵从而估计出分布源的中心DOA。该算法避免了常规子空间算法中的谱峰搜索和对高维样本协方差矩阵做特征分解,显著降低了计算量。算法在小角度扩展情形下有优异的估计性能,且低信噪比时的估计性能优于一维交替搜索算法。此外,算法无需知道分布源的角分布形式,是一种盲估计。仿真结果验证了算法的有效性。     

基于自适应滤波算法的信号处理研究

通过接收到的回波信号,波达方向定位技术(DOA)可以获取目标的距离信息和方位信息.传统的基于子空间分解的DOA估计方法需要对空间协方差矩阵进行特征值分解(EVD),方法计算量大并且难以实现实时应用;基于固定步长最小均方差(FSS-LMS)算法的DOA估计方法可以有效降低计算量,为此,文章提出了一种基于可变步长最小均方差...     

基于修正后矩阵分解的最优协方差DOA估计

针对传统来波方向（direction-of-arrival,DOA）估计在信号相干、低信噪比与噪声非均匀环境下性能差的问题,基于修正后的矩阵分解,提出一种利用凸优化的协方差矩阵最优DOA估计方法。修正后的矩阵分解方法,解相干的同时克服了孔径损失;然后,利用凸优化,重构出无噪声的协方差矩阵;最后,利用最小化搜索计算出DOA。仿真结果表明,所提算法与矩阵分解（matrix decomposition,MD）算法、基于◢l▼1▽范数的奇异值分解（l◣▼1▽-norm singular vector decomposition,◢l◣▼1▽-SVD）算法以及基于空间平滑的协方差秩最小化估计（spatial smoothing based covariance rank minimization,SS-CRM）算法比较,能更好地抑制非均匀噪声,且在低信噪比条件下,依然性能良好。     

高精度低复杂度的无线定位新方法

针对高精度的无线定位算法普遍存在运算量较大的问题,提出了一种二维波束空间矩阵束算法进行波达时间(TOA)和波达方向(DOA)联合估计,能够以较低的复杂度准确定位目标。该算法先通过离散傅里叶变换(DFT)波束形成矩阵将阵元空间的接收数据复数矩阵变换成波束空间的降维实数矩阵,使得运算量大幅度降低;再通过奇异值分解和求矩阵对的广义特征值估计视距信号TOA和DOA,从而确定目标位置。Matlab仿真实验结果证明,这种定位方法的均方根误差最好达到0.4 m,运算量不到阵元空间对应算法的1/4,是一种高精度低复杂度的无线定位方法,尤其适用于资源有限的特殊环境(如战场、地震灾区、偏远山区等)中的无线网络定位。     

基于主分量分析的宽带DOA估计自聚焦算法

提出了一种基于主分量分析(PCA)的CSM类宽带DOA估计自聚焦算法,利用子空间投影变换将信号分离后应用PCA算法快速估计信号DOA,通过不断更新聚焦方向实现自聚焦.与已有算法相比,该算法不受DOA初始值的影响,有更好的聚焦精度.聚焦矩阵更新过程中无需再做奇异值分解,用PCA迭代算法替代特征分解过程,计算量小.仿真实验结果表明,该算法以较小的计算代价实现了较好的估计精度.     

虚拟阵列Khatri-Rao积与子空间联合稀疏表示的DOA估计方法

利用目标信号在空域分布的稀疏性,该文提出了一种基于虚拟阵列Khatri-Rao(KR)积与信号子空间联合稀疏表示的单快拍DOA估计方法;该方法利用单次快拍的采样数据,构造出双向虚拟阵列数据,并对虚拟阵列数据的协方差矩阵进行KR积变换处理,然后对向量化后的数据进行顺序重构,利用重构矩阵的大奇异值对应的左奇异向量为估计信号子空间;最后,利用凸优化工具箱对稀疏模型进行二阶凸规划的优化求解,得到高精度的DOA估计值;仿真实验验证了算法的有效性,在低信噪比下比传统MUSIC和OMP算法具有更高的估计精度。     

一种实用的盲波束形成和DOA估计方法

基于子空间分解的原理对相关文献的方法进行了改进.用平均时间延迟协方差矩阵的奇异值分解代替传感器数据矩阵的奇异值分解,大大地提高了运算速度,使模型和算法能更有效地应用于实际情况.同时仿真实验和海上实测数据结果表明,该方法能很好地实现方位估计和信号恢复,而且性能更佳.     

基于快怕矩阵重构的宽带相关信号DOA估计

针对相关信号空间平滑算法中阵列孔径损失的问题,提出了一种有效的去相关算法.该算法将直接数据快拍及其共轭反置矩阵构造一新的矩阵,通过对原数据矩阵和新矩阵的协方差矩阵的奇异值分解,再采用MUSIC算法对相关信号进行DOA估计,没有阵列孔径损失.仿真实验通过与MMUSIC算法和ISM算法及CSM算法相比较,验证了该算法的有效性.     

基于FFT的子孔径MUSIC波达方向估计

针对现 有的很多波达方向估计算法涉及到数据协方差矩阵的估计及其特征分解,甚至是求逆,导致 运算复杂度高的问题,提出了基于快速傅里叶变换的子孔径MUSIC波达方向估计算法 。首先将等距线阵的接收数据矢量均匀划分为4个子矢量,然后对各个子矢量分别求FFT。将 FFT的结果相干积累,并找到最大峰值点。最后,利用子矢量FFT的结果中与最大峰值点对应 的数据构造新的降维矢量,借助MUSIC算法进行波达方向估计。该方法避免了直接接收数据 的协方差矩阵估计和特征分解,有效地降低了运算量和计算复杂度,在阵元数和快拍数都较 多的情况下优越性尤为明显。计算机仿真验证了所提方法的有效性和优越性。     

基于稀疏表示的OFDM信号的DOA估计

针对正交频分复用（OFDM）, 宽带信号波达方向(DOA)估计问题, 提出一种基于宽带信号协方差矩阵稀疏表示的DOA估计方法。该方法是在协方差矩阵主对角线下对左下角三角形元素按各条对角线取平均值后形成一个新的向量, 然后将该向量写成冗余字典形式。在冗余字典下对信号进行稀疏性约束形成二阶锥约束优化问题, 再用工具箱SeDuMi来实现DOA估计。理论分析和仿真结果表明, 该方法在低信噪比和少快拍数下分辨率很高, 是一种有效的宽带信号DOA估计算法, 此方法优于基于高阶累积量算法和宽带聚焦算法的DOA估计方法。     

基于低秩矩阵恢复的DOA稀疏重构方法

为提高非均匀噪声下波达方向（direction of arrival,DOA）角估计算法的估计精度和分辨率,基于低秩矩阵恢复理论,提出了一种二阶统计量域下的加权L1稀疏重构DOA估计算法。该算法基于低秩矩阵恢复方法,引入弹性正则化因子将接收信号协方差矩阵重构问题转换为可获得高效求解的半定规划（semidefinite programming,SDP）问题以重构无噪声协方差矩阵;而后在二阶统计量域下利用稀疏重构加权L1范数实现DOA参数估计。数值仿真表明,与传统MUSIC、L1-SVD及加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好的DOA参数估计性能,且在低信噪比条件下,所提算法具有较高的角度分辨力和估计精度。     

相干信号波达方向估计技术综述

在信号的传输过程中,由于信号反射和折射,导致多径传输产生相干信号。此时信号协方差矩阵出现秩缺,导致传统的超分辨波达方向估计（Direction of arrival,DOA）算法失效。针对相干信号的DOA估计算法被提出,这些算法通过利用阵列导向矢量的特殊性质,对协方差矩阵的秩进行恢复,从而达到解相干的目的。围绕着减小阵列孔径损失、增加可处理信号数量和提高估计精度等目标,新的相干信号DOA估计算法不断被提出,成为阵列信号处理方向的一个研究热点。本文介绍了相干信号的产生和其对DOA估计的影响,给出了相干信号的阵列模型,根据解相干方式的不同,将各种相干信号的DOA估计算法进行分类,并逐类进行阐述,最后展望了相干信号DOA估计未来的研究方向。     

基于Toeplitz矩阵的酉变换波达角估计算法

为提高Toeplitz矩阵重构算法的估计性能、降低计算量,提出了基于Toeplitz矩阵的酉变换DOA估计算法UHT-MUSIC。该算法在保持估计性能不变的前提下,先将Toeplitz型协方差矩阵变换为Hermition矩阵,然后利用酉变换将其转换为实数矩阵。在此基础上利用MUSIC算法进行DOA估计,其特征值分解及谱峰搜索的计算量降低到同条件下TOEP-MUSIC算法的1/4。同时该算法还有效降低了信源的相关系数,从而提高了算法的分辨性能。仿真实验验证了该算法的正确性。     

高精度低复杂度的无线定位新方法

针对高精度的无线定位算法普遍存在运算量较大的问题,提出了一种二维波束空间矩阵束算法进行波达时间（TOA）和波达方向（DOA）联合估计,能够以较低的复杂度准确定位目标。该算法先通过离散傅里叶变换（DFT）波束形成矩阵将阵元空间的接收数据复数矩阵变换成波束空间的降维实数矩阵,使得运算量大幅度降低;再通过奇异值分解和求矩阵对的广义特征值估计视距信号TOA和DOA,从而确定目标位置。Matlab仿真实验结果证明,这种定位方法的均方根误差最好达到0.4m,运算量不到阵元空间对应算法的1/4,是一种高精度低复杂度的无线定位方法,尤其适用于资源有限的特殊环境（如战场、地震灾区、偏远山区等）中的无线网络定位。     

MIMO阵列中基于PM和降维变换的高效DOA估计算法

在这篇论文中,我们讨论MIMO阵列中的高效DOA估计方法。由于PM算法不需要对互相关矩阵进行特征值分解,也不需要对接收的数据进行奇异值分解,因此它的计算量可以显著的变小。因此MIMO阵列中基于PM算法和降维变换的DOA估计方法被提出了,而且这种提出的算法比PM算法有更低的计算复杂度。这种算法在没有频谱搜索的情况下效果很好。此外,它比PM算法的角度估计性能稍好。DOA估计中的估计误差的方差和克拉美罗界也可以导出。仿真结果验证了提出的算法的有效性。