带支撑物圆阵阵列信号处理算法及仿真分析

传统阵列信号处理算法一般都不考虑障碍物对阵列响应的影响,实际中阵列支撑物会对阵列接收信号会产生影响。以环绕在刚性圆柱体上的均匀圆阵为阵列模型,研究了特征波束空间波束形成和高分辨方位角估计算法性能,分析了各种因素对算法性能的影响。研究结果说明,特征波束域高分辨方位角估计算法能有效地估计出多个声源的方位角,阵列支撑物的存在提高了特征波束形成和高分辨方位角估计算法性能,为方位角估计提供了一种有效的方法。     

线列阵高分辨方位估计方法研究

针对水声设备的实际应用,给出了基于实测基阵阵列流形的波束域高分辨方位估计的MUSIC方法.在预形成多波束时,该方法采用适用于任意阵形的自适应波束优化技术,针对水下实际阵列设计超低旁瓣波束以抑制水面上分布的强干扰.为了减小实际阵列模型和理想阵列模型失配所带来的不利影响,在多波束设计时,利用实测阵列流形代替理想阵列流形进行设计,消声水池实验结果验证了该方法可以有效地降低系统中由于阵列模型失配所造成的波束域MUSIC方位估计方法的性能损失.     

不等目标强度下的宽带波束域高分辨新算法

在低信噪比下，宽带波束域高分辨方法比宽带阵元域高分辨算法有更优的方位估计性能，但是基于恒定束宽多波束输出的宽带波束域高分辨算法对不等强度目标的分辨能力较差，而在实际声纳系统中所接收的目标强度大多是不相等的。该文提出了一种在低信噪比下不等目标强度的宽带波束域高分辨方位估计新算法，通过调整多波束输出方位来抑制高能量信号，达到分辨不等强度目标的目的，解决了实际系统中不等强度目标源的分辨问题。仿真结果表明，该方法在低信噪比，具有比传统宽带波束域高分辨算法和阵元域高分辨算法更优的不等强度目标分辨性能。     

被动合成孔径远程方位估计技术研究

针对水下自动航行器(AUV)物理孔径有限以及目标远程探测的需求,提出了改进的波束域被动合成孔径处理算法BDPSA。对水下航行器物理线列阵相继时刻测量的波束输出在相位补偿后进行同相叠加,不仅实现了波束输出能量峰值与期望目标方位的对应,而且合成出比AUV物理孔径大得多的有效孔径,从而突破了阵列孔径的限制,获得了比物理孔径高得多的方位分辨力和阵增益。通过对1、1/2、1/3和1/4波束宽度内双目标检测概率和分辨概率的仿真研究,结果表明:同现有的高分辩方位估计算法MUSIC和MVDR相比,BDPSA算法具有更低的目标分辨信噪比门限,不仅提高了低信噪比下的检测概率和分辨概率的性能,而且可以实现远距离目标高分辨方位估计,具有一定的应用前景。     

高效相干源DOA估计的ESPRIT新方法*

ESPRIT算法是一种速度快、精度高的常用算法,但它不能解相干。针对此缺陷,提出了一种新的高效相干源DOA估计的改进ESPRTIT方法,新方法对数据协方差矩阵的最大特征值对应的特征向量按一定方式进行重排处理,以此来重构需要解相干矩阵。它不仅解决了常规ESPRIT算法不能解相干的问题,同时相对常规ESPRIT算法计算过程大大简化。计算机仿真实验证明了该方法在解相干方面的良好性能,为解相干的ESPRIT算法在阵列信号处理的超高分辨领域开辟了新的途径。     

一种基于无线传感器阵列的到达方向检测方法

以线性等距无线传感器阵列为例,提出一种有效的到达方向检测算法.列堆栈两个平移不变子阵的相关矩阵,给出一种奇异值分解和特征值分解相结合的两步算法,估计传感器阵列的导向矢量矩阵,通过分析导向矢量矩阵的结构化信息,构造估计导向矢量和理想导向矢量的相关函数,进而求解相关函数的驻点,搜索有限个驻点中使相关函数最大的驻点对应的角度估计到达方向,避免了穷尽搜索.仿真结果表明：所提算法在相同信噪比下分辨成功率高于著名的ESPRIT算法、同一分辨成功率下要求的信噪比更低.在信噪比、快拍数、阵元个数变化下对目标定位的均方根误差均优于ESPRIT算法,更接近于理论最优值.     

互质线阵中一种基于共轭增广的DOA估计算法

论文开展互质线阵下的空间谱估计研究。通过利用信号二阶统计量的共轭增广特性,提出互质阵下基于共轭增广的酉旋转不变性进行信号参数估计 (Conjugate augmented unitary estimation of signal parameters via rotational invariance technique, CA-UESPRIT)波达方向(Direction of arrival, DOA)估计算法。该算法先利用不同时长间隔下接收信号的二阶统计量,构造共轭增广虚拟阵列以扩展阵列孔径和提高空间自由度。然后采用基于互质特性的联合UESPRIT算法实现DOA估计。相比于传统互质线阵下的联合UESPRIT算法,CA-UESPRIT算法DOA估计性能更优。此外,通过酉变换可以将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了复杂度的同时保证了测向精度。仿真结果证实了所提算法的有效性。     

波束域ETAM算法在无人水下航行器中的应用

线列阵的方位分辨率受阵列孔径所限制;结合基于UUV(Unmanned Undersea Vehicle)小型拖线阵的应用,针对时域ETAM方法在等强度多源检测时性能下降的问题,提出采用波束域ETAM方法进行被动孔径合成处理;在满足时空相关特性前提下,该方法利用目标噪声中的低频线谱成分,根据时间处理增益转换为空间处理增益思想,通过时间补偿,对阵列孔径进行扩展,从而达到获得高动态空间增益、显著改善目标方位分辨力的目的;分析结果表明,该算法具有很好的多源检测性能,而且进一步验证了其高分辨特性,在UUV平台上具有很高的应用价值.     

采用单次快拍数据实现信源DOA估计

针对均匀线性阵列DOA估计中的实时性和解相干问题,提出了一种基于单次快拍数据的估计算法,通过对阵列接收的单次快拍数据进行相关处理后重构Toeplitz矩阵,并证明该矩阵的秩不受信号相干性的影响。通过特征值分解,得到对应的信号子空间和噪声子空间,结合MUSIC算法和ESPRIT算法实现了对相干和非相干信号的DOA估计。算法不损失阵列孔径,具有更好的实时性和抗噪声干扰的能力;在低信噪比条件下,仍具有较好的估计性能。最后计算机仿真结果证实了算法的有效性和可行性。     

宽带高分辨方位估计的水池试验数据分析

宽带高分辨方位估计是目前水下阵列信息处理的研究热点和方向,在H．Wang提出了相关信号子空间处理方法(Coherent Signal-Subspace Method,CSSM)后,该方法一直是宽带高分辨方位估计的研究热点。该文建立了宽带阵列信号处理的模型,介绍了宽频带高分辨方位估计的几种典型CSSM类算法。进行了宽带高分辨方位估计消声水池试验,在理论上分析和比较了各种方法处理效果,验证了宽带高分辨算法的有效性。针对工程实际中阵列误差导致的模型失配,提出了一种宽带阵列误差的综合校正方法,结果证明该方法有着良好工程运用前景。     

一种附加约束的ESPRIT测向方法

经典旋转不变技术（ESPRIT）算法测向估计性能在大多理论情况下接近于克拉美罗下界,且其在计算量方面要明显优于多信号分类算法（MUSIC）。本文首先论述了经典ESPRIT方法,描述了广义特征值分布在单位圆附近的实际工程应用情况,并提出了一种将广义特征值附加约束在单位圆上的修正ESPRIT算法。理论分析和仿真实验表明,该算法同经典的ESPRIT算法相比,当阵列存在几何误差的情况下,可明显改善测向估计的性能。     

DPT和虚拟阵列相结合的相干NLFM信号的DOA估计

针对无线电通信领域中经常遇到多径传输和反射因素的现象,必须考虑宽带相干信号源的存在。提出一种离散多项式相位变换(DPT)与虚拟阵列变换法相结合的相干非线性调频(NLFM)信号的波达方向(DOA)估计方法,并对其中的算法做了对比、分析和改进。解决了常规MUSIC、ESPRIT算法不能估计宽带信号、相干信号的问题,不仅能更准确地进行DOA估计,而且不损失阵列的孔径,提高了阵元数的利用率。同时还提出了当两个信号源很近的情况下的角度估计算法。仿真实验证明了该算法的有效性。     

相干信号源时空二维谱估计的通用方法

针对经典二维谱估计算法中,出现的关于阵列阵元的损失和无法分辨相干信号源的问题,提出了一种有效利用信号的时间信息以及避免常用阵列模型中阵元损失的时空二维天线阵列,并为了解决相干信号失效的问题,采用时空二维阵列接收到的数据进行合理的排列,对得到的数据协方差进行处理,处理方法有很好的求解相干信号能力。文中以MUSIC和ES-PRIT算法为例,说明得到改进后的新算法有效性。大量实验证明改进后的算法具有很好的解相干能力和稳定性。     

基于PASTd的圆阵ESPRIT算法

基于旋转不变技术的信号参数估计（ESPRIT）算法因具有高效的波达方向（DOA）估计性能而受到广泛的研究和应用,但其需要进行协方差矩阵特征值分解,计算量大,不利于某些场合的具体工程实现。为此,提出将递推求解信号子空间的紧缩近似投影子空间跟踪（PASTd）算法与ESPRIT算法相结合,利用PASTd算法求出信号子空间特征向量,避免了特征值分解,降低了计算量与复杂度,并将其在圆阵中加以应用。所提算法不仅更适合硬件实现,而且将ESPRIT算法的应用进行了扩展。仿真结果验证了所提方法的有效性。     

基于限定PSO初始化空间的随机最大似然算法

针对随机最大似然算法（SML）在波达方位（DOA）估计中由于多维非线性优化导致计算复杂度大的问题，提出一种限定粒子群（PSO）算法搜索空间的SML算法。该算法克服了一个缺陷，即在采用ESPRIT算法限定PSO初始化空间时，在阵列结构是非均匀线性阵列而且信号是相干信号时ESPRIT算法不能直接处理信号，且需要采用一组预处理技术，这增加了算法计算的复杂度。提出的算法的关键之处在于采用假设技术确定初始化点来代替ESPRIT算法的解，结合克拉美罗界（CRB）确定PSO算法的初始化解空间。这一方法不必再采用预处理技术，且利用限定PSO初始化空间的算法大大降低了SML算法的计算复杂度。实验结果表明，提出的算法为相干情况和非相干情况都提供了相当好的初始值。最后，将该算法与许多现有算法进行比较，验证提出算法的有效性和准确性。     

估计相干与非相干信源的ESPRIT方法研究

在目前信号波达方向（Direction-Of-Arrival,DOA）估计中,常规ESPRIT算法是一种速度快、精度高的常用算法,但对于低信噪比下混合信号（同时含有相干与非相干信号）,常规ESPRIT算法难以估计出它们的DOA。结合解相干MUSIC和常规ESPRIT算法的优点,提出了一种新的估计相干与非相干信源的ESPRIT方法,新方法充分利用数据协方差矩阵的自相关和互相关信息来重构含有信号方位数据的新矩阵,再从它的特征值中解得信号的到达角。计算机仿真结果验证该方法在混合信号估计中的优越性和可靠性。     

Two-dimensional angle estimation for monostatic MIMO arbitrary array with velocity receive sensors and unknown locations

In this paper, the problem of two-dimensional angle estimation for monostatic multi-input multi-output (MIMO) array is studied, and an algorithm based on the usage of velocity receive sensors is proposed. The algorithm applies the estimation method of signal parameters via rotational invariance technique (ESPRIT) algorithm to obtain automatically paired two-dimensional angle estimation. By utilizing the relationship within the outputs of velocity sensors, the rotational invariance property of ESPRIT does not depend on the array geometry any more. Hence, the proposed algorithm can provide two-dimensional DOA estimation for the MIMO array without the knowledge of sensor locations in the array. The algorithm requires no peak searches, so it has low complexity. Furthermore, it has better angle estimation performance than propagator method using the same sensor configuration. Error analysis and Cramér–Rao bound (CRB) of angle estimation in MIMO radar are derived. Simulation results verify the usefulness of the algorithm.     

一种高性能的二维波达方向估计算法

在二维虚拟ESPRIT算法的基础上,提出了一种高性能的改进算法。改进方法依照子阵数据直接空间平滑的思想对子阵数据进行预处理,用虚拟阵列变换技术实施阵列变换,采用波达方向矩阵法的思路计算二维角度参数。仿真结果表明,相比于空域平滑的DOA矩阵法和空域平滑的二维虚拟ESPRIT算法,该方法在低信噪比情况下对相干信号源具有更好的估计性能,对独立信号源,能够估计出超过子阵阵元数的信号。     

相干信号源DOA估计ESPRIT改进算法研究

ESPRIT算法是空间谱估计中的经典算法,算法仅适用于非相干信号。提出了一种基于SVD思想的ESPRIT改进算法,算法对接收数据阵列的协方差矩阵进行特征值分解,取能代表信号全部信息的最大特征值所对应的特征向量,并将它按照一定的方式进行矩阵重构,对重构后的矩阵进行SVD分解,从中取出信号子空间,然后按照LS—ESPRIT算法求解。通过大量仿真结果表明：该算法适用于解相干信号,并且效果优于基于空间平滑思想的改进ESPRIT算法;在解非相干信号的时候,改进算法效果优于常规的LS—ESPRIT算法。