基于高阶循环平稳特性的二维波达方向估计算法

本文提出了一种利用虚拟双线性平行阵的循环累量域二维波达方向 （ＤＯＡ）估计算法。该算法构造了一个虚拟ＤＯＡ循环矩阵（ＶＤＯＡ Ｃｙｃｌｉｃ　Ｍａｔｒｉｘ）,井基于此矩阵进行ＤＯＡ估计。理论分析表明,通过对虚拟ＤＯＡ循环矩阵的特征值分解,就可以得到源信号的二维ＤＯＡ估计。同时由于循环累量对高斯噪声的自然盲性和对信号的选择性,该算法具有循环域和累量域ＤＯＡ估计算法的良好性能。该算法的另一特点是可以提供虚拟扩展孔径,提高了ＤＯＡ估计的性能．     

宽带相干源波达方向估计的新方法

相干信号子空间处理方法（ＣＳＭ）是一种通过构造聚焦（ｆｏｃｕｓｉｎｇ）矩阵来估计宽带相干源波达方向（ＤＯＡ）的有效方法。本文基于一致聚焦的概念，给出了一种可用于任意阵列的完全聚焦方法，从而极大地改善了ＤＯＡ的估计分辨率、估计精度等性能，大大降低了估计方法的信噪比阈值。文中在最后通过计算机仿真，与ＣＳＭ方法进行了比较，验证了本方法的优良性能。     

基于改进多信号分类算法的波达方向估计

针对传统波达方向估计算法在低信噪比条件下性能表现不佳的问题,本文提出了一种基于改进多信号分类的波达方向估计算法。本文首先对多信号分类算法的不足进行分析,并采用时间平滑技术构建相关矩阵,然后采用相关矩阵建立空间谱函数达到波达方向估计,最后采用仿真实验对算法的性能进行测试。结果表明,本文算法可以快速准确的估计出多个信号的波达方向,降低了波达方向估计误差,而且性能远远优于其它改进多信号分类算法。     

高分辨率宽带相干信号波达方向的高效估计

本文给出了一种用于多源宽带相干信号波达方向（ＤＯＡ）估计的快速算法。它是基于信号子空间技术，通过截取中心窄带频段数据并进行空间平滑来获得支方向的高效估计。文中最后通过计算机仿真，与ＣＳＭ方法进行了比较，验证了本算法的快速，高分辨率等优良性能。     

未知阵列流形条件下波达方向—多普勒频率盲估计方法

本文研究阵列信号高分辩波达方向－多普勒频率二维估计问题，在未精确已知阵列流形条件下，利用到达波信号的多普勒频率，提出了一种波达方向－多普勒频率盲估计的新方法，理论分析和计算机仿真结果表明此方法在实际阵列存在增益和相位误差时益有效，而且现有二维估计算法相比，其运算量较小。     

波束-多普勒酉ESPRIT多目标DOA估计

高分辨波达方向(DOA)估计是地基/空基预警雷达实现主波束内多目标精细跟踪需要解决的关键问题。针对上述问题,该文提出一种波束-多普勒酉ESPRIT多目标DOA估计算法。该方法首先通过时域平滑技术构造多个快拍。然后采用中心共轭对称傅里叶变换矩阵将数据变换至波束-多普勒域,同时保留旋转不变结构。最后采用实值ESPRIT算法估计目标的DOA。所提方法充分利用了信号的时域信息来改善空域参数估计性能,同时具有较低的计算复杂度。实验结果证明了所提方法的有效性。     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

基于FFT的多普勒频偏估计算法研究

首先介绍了一种基于FFT的多普勒频偏估计算法,该算法可以在低信噪比下检测出载波多普勒频偏的绝对值大小和正负方向,然后定量分析了时域信号经过FFT变换到频域后信噪比有大幅的提升,且FFT分析的点数和栅栏效应都会影响信噪比的增益和检测概率。理论分析和仿真结果表明,该算法可以有效地降低时域的信噪比阈值,当信噪比大于某一阈值时,其估计精度与输入信号信噪比无关。     

一种基于MUSIC算法的宽带信号DOA估计

针对传统MUSIC算法在信噪比较低的条件下分辨力下降的问题,提出一种适用于宽带信号的改进MUSIC算法,首先对接收信号进行快速傅里叶变换,将时域信号转移至频域,并划分子带;对每个子带上的信号求解协方差矩阵,进行特征值分解,构造信号子空间和噪声子空间;将信号在两个子空间的投影比值作为参考,进行子带波达方向估计,进而平均求出最终宽带信号波达方向。仿真结果表明,在低信噪比条件下,相比于传统MUSIC算法,所提方法具有较好的空间分辨力。     

未知阵列流形条件下波达方向一多普勒频率盲估计方法

本文研究阵列信号高分辨波达方向-多普勒频率二维估计问题,在未精确已知阵列流形条件下,利用到达波信号的多普勒频率,提出了一种波达方向-多普勒频率盲估计的新方法。理论分析和计算机仿真结果表明此方法在实际阵列存在增益和相位误差时亦有效,而且与现有二维估计算法相比,其运算量较小。     

基于Root-ISM算法的宽带非相干信号DOA估计

传统的ISM算法在对宽带非相干信号进行DOA估计时,会存在计算量大,低信噪比下估计性能较差的问题,在ISM算法的基础上,提出了一种Root-ISM算法,该算法不仅能有效降低计算量,而且在DOA估计的性能上也优于传统的ISM算法。文中还针对这一新算法结合已有的两种算法做出了改进。仿真实验验证了改进后的算法能进一步改善DOA估计的性能。     

基于非圆信号波达方向估计的最大似然算法

现有的非圆信号波达方向(DOA)估计算法基本都是子空间分解类的,如NC-MUSIC、NC-ESPRIT算法等。基于子空间拟合类的非圆信号DOA估计算法研究的不多。文中依据非圆信号的DOA估计数学模型,提出了基于非圆信号的DOA估计最大似然算法。通过计算机仿真,将基于非圆信号的最大似然算法与常规最大似然算法及基于非圆信号的MUSIC算法进行了性能比较。结果表明,该算法提高了方位估计的估计性能,对于估计精度要求很高、用户比较密集的场合,能发挥很大的作用。     

基于矢量传感器MIMO雷达的DOD DOA和极化联合估计算法

该文研究了一种基于多输入多输出(MIMO)电磁矢量传感器阵列雷达目标波离角(DOD),波达角(DOA)和极化联合估计问题。提出一种新型矢量阵MIMO雷达系统模型,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器。在此基础上,该文提出4维MUSIC, ESPRIT和迭代1维MUSIC 3种联合参数估计算法。其中迭代1维MUSIC算法首先利用矢量传感器的内在结构特点获得目标DOA预估计,随后采用MUSIC算法对DOD和DOA分别进行1维搜索获得目标角度的高精度估计,最后给出一种基于ESPRIT的目标极化估计算法。迭代1维MUSIC算法可用于不规则阵列,对接收阵列约束较少,无需2维搜索及多维搜索,还可以利用矢量阵特点扩展阵列孔径提高DOA估计精度。此外,论文还推导了DOD, DOA和极化联合估计的CRB。仿真实验表明,与前两种算法相比,迭代1维MUSIC算法具有与CRB更接近的估计精度。     

幅相误差对两类高分辨测向算法性能的影响

高分辨测向算法主要包括MUSIC算法、最小范数法、前向平滑算法和修正MUSIC算法等.无论是针对独立源或是相干源,在没有考虑阵元的幅相误差的情况下,这些算法都能准确进行到达方向(DOA)的估计.主要考虑存在幅相误差时,两类高分辨测向算法(最小范数法和前向平滑算法)的DOA估计性能.最后,给出了计算机仿真结果,并对幅相误...     

基于PSO-MUSIC算法的分布式目标DOA估计

提出了一种基于粒子群优化算法（PSO）和多重信号分类（MUSIC）算法的分布式目标波达方向（Direction of Arrival,DOA）估计方法。在空间欠采样情况下,该方法首先利用粒子群优化算法优化阵列阵元间距,得到阵列天线方向图高旁瓣电平最小情况下的阵元间距,阵列阵元间距决定了阵列流形,然后在该阵列流形下构造分布式目标信号模型,最后结合分布式目标导向矢量和MUSIC算法获得空间欠采样情况下分布式目标中心DOA的准确估计。仿真结果表明了该方法的有效性。     

一种未知信源数的高分辨DOA估计算法

众多性能优良的超分辨波达方向(DOA)估计算法通常需要预先判定信源数目,然而,现有的信源数估计算法在有限采样快拍条件下,估计性能随着信噪比的降低而下降,错误概率也相应增加,最终导致DOA估计失败。该文提出一种超分辨的DOA估计算法,此算法不需要预判信源个数和进行特征值分解,同时在时变环境中,针对快拍数较少的情况下,依然保持较高的角度分辨能力,可以被认为是综合了Capon法和MUSIC法的优点。通过对实验数据和实测数据的计算机仿真及性能分析可得,与传统算法相比较,该算法有很好的鲁棒性和可行性。     

高斯白噪声下L阵二维波达方向快速估计

针对L型阵列,提出一种在高斯白噪声环境下的二维波达方向( DOA)快速估计方法。首先利用阵列结构特点构建两个互协方差矩阵,同时实现了噪声分量的有效抑制,再依据协方差矩阵的性质构造了波达方向矩阵。对该矩阵进行一次特征分解即可分别得到包含方位角和俯仰角信息的方向矢量和方向元素,实现二维DOA估计。该算法避免了传统算法的谱峰搜索或大矩阵构造及其特征分解过程,计算量小,且参数自动配对。仿真结果表明,该算法在低性噪比和少快拍下的估计精度与2 D ESPRIT算法近似,但计算复杂度大幅降低,适用于实时性高的工程应用背景。     

基于压缩感知的空域信号DOA估计

研究了基于压缩感知的空域信号DOA估计问题。针对空域信号DOA算法采样数据量大,在低信噪比情况下估计结果较差的问题,文中提出一种基于奇异值分解的多矢量欠定系统聚焦求解算法(SVD-MFOCUSS)。该算法在一定程度上克服了稀疏重构算法在低信噪比情况下的缺陷,具有较低的运算复杂度。实验仿真验证了该算法性能优于传统的DOA估计算法,且能够对相干信号进行有效的DOA估计。     

An adaptive moving target tracking algorithm for smart antenna systems

In wireless communication environment, the time-varying channel and angular spreads caused by multipath fading and the mobility of Mobile Stations （MS） degrade the performance of the conventional Direction-Of-Arrival （DOA） tracking algorithms. On the other hand, although the DOA estimation methods based on the Maximum Likelihood （ML） principle have higher resolution than the beamforming and the subspace based methods, prohibitively heavy computation limits their practical applications. This letter first proposes a new suboptimal DOA estimation algorithm that combines the advantages of the lower complexity of subspace algorithm and the high accuracy of ML based algorithms, and then proposes a Kalman filtering based tracking algorithm to model the dynamic property of directional changes for mobile terminals in such a way that the association between the estimates made at different time points is maintained. At each stage during tracking process, the current suboptimal estimates of DOA are treated as meas urements, predicted and updated via a Kalman state equation, hence adaptive tracking of moving MS can be carried out without the need to perform unduly heavy computations. Computer simulation results show that this proposed algorithm has better performance of DOA estimation and tracking of MS than the conventional ML or subspace based algorithms in terms of accuracy and robustness.     

基于具有时序结构的稀疏贝叶斯学习的水声目标 DOA 估计研究

现有的基于CS-MMV（Compressed Sensing-Multiple Measurement Vectors）模型的DOA估计一般都假定信号源为独立同分布（ i．i．d）,算法建立在信号的空间结构上进行分析,而当处理具有时序结构的源信号时表现出性能和鲁棒性差的问题,为此该文提出一种具有时序结构的稀疏贝叶斯学习的DOA算法,该方法通过建立一阶自回归过程（ AR）来描述具有时序结构的水声信号,将信号源的时间结构特性充分应用到DOA估计模型中,然后采用针对多测量矢量的稀疏贝叶斯学习（ Muti-vectors Sparse Bayesian Learning ）算法重构信号空间谱,建立多重测量向量中恢复未知稀疏源的信号的CS（ Compressed Sensing ）模型,最终完成DOA估计．仿真结果表明该方法相对于传统的算法具有更高的空间分辨率和估计精度的特点,且抗干扰能力强．