螺量域波达方向估计的稳健性

本文提出了一种用于等矩线阵的四阶累重量域波达方向（ＤＯＡ）估计算法，并着重研究了算法的稳健性（Ｒｏｂｕｓｔｎｅｓｓ）该算法利用了空间累量阵中的所有非冗余量元素，并将相位相同不量元素做平滑处理。Ｔｏｅｐｌｉｔｚ化后形成新的虚拟协方差矩阵，方向估计基于此阵，分析表明，该算法对阵列误差有较强的容差性，加之累量对高斯噪声的自然盲性，因而算法具有稳健性，该算法的另一个特点是可以提供虚拟扩展孔径（扩展近两倍）     

累量域波达方向估计的稳健性

本文提出了一种用于等距线阵的四阶累量域波达方向（ＤＯＡ）估计算法，并着重研究了算法的稳健性（Ｒｏｂｕｓｔｎｅｓｓ）．该算法利用了空间累量阵中的所有非冗余累量元素，并将相位相同的累量元素做平滑处理，Ｔｏｅｐｌｉｔｚ化后形成新的虚拟协方差矩阵，方向估计基于此阵．分析表明，该算法对阵列误差有较强的容差性，加之累量对高斯噪声的自然盲性，因而算法具有稳健性．该算法的另一个特点是可以提供虚拟扩展孔径（扩展近两倍），从而提高了算法的估计性能和分辨能力．仿真实验验证了分析结果，表明了算法良好的性能．     

基于空间特征的多用户循环累量域波达方向估计算法

本文提出了一种基于空间特征的多用户相干源ＤＯＡ估计算法。该算法构造了循环累量域窨特征矩阵,通过对空间特征矩阵的特征分解估计多用户信号的空间特征,并利用前后向平滑空间特征协方差矩我用户信号的ＤＯＡ。理论分析表明：该算法能估计共信道多用户相干信号的ＤＯＡ,并自动分组。它的另一个特点是具有ＤＯＡ估计的选择性。     

U-ESPRIT波达估计算法及其实现

介绍了"酉-利用旋转不变技术估计信号参数(U-ESPRIT)"算法的模型,U-ESPRIT算法是基于子空间分解的谱估计算法。在"利用旋转不变技术估计信号参数(ESPRIT)"算法的基础上,通过引入观测数据的复共轭信息,经过数学变换,使阵列输出信号的协方差矩阵由复矩阵变成实对称矩阵,减小了计算量。最后介绍了U-ESPRIT算法的工程实现,并进行了实际测试,实验结果表明该方法估计精度高,实现简单。     

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.     

混合信源波达方向估计算法

本文针对非相干混合点信源和分布式信源,提出了一种基于对称均匀线阵的波达方向估计算法。该算法利用点信源和分布式信源协方差矩阵结构的不同,采用空间差分技术将两种信源分离。对于点信源,采用传统MUSIC算法估计其波达方向;对于分布式信源,利用信号子空间的旋转不变性来估计其波达方向。该算法不仅消除了点信源对分布式信源的影响,也无需估计分布参数,大大降低了计算复杂度。且采用2N+1个阵元的对称均匀线阵可估计出 2N 个混合信源,其中分布式信源最多为 N 个,有效减小了阵列的孔径损失。仿真结果表明该算法的性能优于广义特征值分解的算法。      

基于神经网络方法的窄带信号源波达方向估计

文章研究了对窄带信号源进行神经网络方法的高分辨率测向,常规的高分辨波达方向估计都必须得到阵列输出的协方差矩阵,然后进行特征值分解,显然的缺点是处理时间比较长,我们采用Hopfield神经网络模型,提出了基于一些数据快拍点全互连对称突出权值和阈值的新方法,以此来提高波达方向估计的性能。该方法具有小运算量、低复杂度和大规模并行计算的特点,模拟仿真结果显示文章所提方法是实现信号源DOA实时处理的一条有效途径。     

一种波达方向估计的快速算法

提出一种波达方向估计的快速算法.为了估计到信号子空间,该方法只需要多级维纳滤波器的前向递推,不需要估计样本协方差矩阵和对其作特征值分解,也不需要多级维纳滤波器的后向递推.从而使得该方法具有小运算量和低复杂度的特点,易于实时处理.由于不需要估计样本协方差矩阵,所以该方法可以应用在小样本和快时变的信号环境中.仿真结果证明了该方法的有效性.     

有效的自适应波达方向盲估计算法

本文在分析自适应信号盲分离算法渐近稳定性基础上,提出了一种有效的自适应学习算法用于波达方向盲估计。研究了算法的有界性和渐近稳定性。以渐近稳定性为前提,给出了算法中非线性函数的适当选择。为了抑制噪声和估计信源数,在算法中还增加了白化过程。仿真研究表明,算法是有效的而鲁棒的,其能够从有操声的阵元信号中估计波达方向。     

基于改进ESPRIT算法的波达方向估计

把经典的波达方向估计算法应用于均匀圆阵智能天线是一个重要的研究课题。通过预处理技术把均匀圆阵转换成虚拟均匀线阵,为了解决噪声造成信号子空间的扰动问题,提出了两种总体最小二乘ESPRIT（TLS—ESPRIT）;为把ESPRIT算法应用于均匀圆阵,引入了模式空间的ESPRIT算法。通过建立恰当的数学模型,对上述各算法的均匀线阵和均匀圆阵上的性能进行仿真和对比分析。仿真结果证明,两种改进的算法性能均好于基本的ESPRIT算法。     

阵列误差影响下的RBF神经网络波达方向估计

针对阵列误差(阵元间互耦、通道失配)影响下波达方向估计问题,提出一种新型的基于径向基神经网络侦察测向系统。这种系统采用直接数据域补偿算法对输入数据进行误差补偿,从而获得正确的基函数中心。在无需对RBF神经网络测向系统作任何改进的情况下,可获得对波达方向的准确估计。为了减少输入,利用信号协方差矩阵的对称性以及对角线元素不包含信号方向信息的特点,仅考虑协方差矩阵中的上三角部分元素作为网络输入。给出了应用该方法的具体步骤。仿真实验表明,基于这种RBF网络的侦察测向系统达到了很高的精度。     

用于信号波达方向估计的共轭ESPRIT算法及其性能分析

针对阵列天线的波达方向估计问题,给出了一种新颖的ESPRIT算法--共轭ESPRIT算法(C-ESPRIT).此算法利用阵列单元输出信号的共轭信息,得到整个阵列输出的协方差矩阵,通过对此矩阵的特征分解,并构造运算矩阵,最终求得信号的波达方向.仿真实验表明,C-ESPRIT算法不仅克服了传统ESPRIT算法在阵列单元数与信源数相同时不能可靠测向的不足,并且对信号波达方向的分辨能力和测角精度也显著高于传统的ESPRIT算法,因此,C-ESPRIT算法具有更广泛的适应性和更优越的测向性能.     

一种新的基于线性变换波达方向估计算法

本文提出了一种基于线性变换的波达方向估计算法.与一般的基于无需特征分解的线性变换方法不同,本文假设并利用了噪声的时间相关长度小于信号的时问相关长度这一性质来消除噪声的影响,然后利用阵列的旋转不变特性直接估计波达方向而无需进行谱峰搜索或计算多项式的根.仿真实验也表明了本算法的去噪性能即在低信噪比时比传统的线性变换算法具有更好的统计性能.     

宽带阵列信号波达方向估计的新算法

随着信号处理技术的发展,阵列信号处理的许多领域如雷达、声纳等越来越需要更精确的估计空间宽带信号源的波达方向（direction of arrival,DOA）。CSM（coherent signal subspace method）聚焦类DOA估计算法需要预估计波达方向,预估角偏差会影响聚焦效果,严重时会导致算法失效,本文提出一种基于一致聚焦的DOA估计方法,该方法不需要预先估计到达角,通过聚焦矩阵将宽带信号聚焦到一个中心频率,然后可利用窄带DOA算法进行估计。该算法提高DOA估计的分辨率、估计精度,也增强了算法的实时性,仿真结果验证了此算法的有效性。     

相干分布式信源二维波达方向估计算法

针对相干分布式信源二维波达方向估计算法多采用谱峰搜索导致计算复杂度较大的问题,该文提出了一种二维波达方向分离估计算法。该算法通过将积分形式的相干分布式信源方向向量化简为点信源方向向量与实向量的Schur-Hadamard积,对子阵X接收的数据构造二阶统计量;利用传播因子最小二乘估计子阵X与Z,X与W之间的旋转不变矩阵。由二阶统计量与旋转不变矩阵分别估计方位角与仰角,对于接近90的仰角也可给出有效的估计。与传统子空间算法相比,无需任何谱峰搜索和特征值分解,降低了计算复杂度。仿真实验表明了所提算法的有效性。     

宽带波达方向估计的辅助粒子滤波算法

针对粒子滤波宽带波达方向估计中因采样粒子权值不稳定导致估计误差较大的问题,提出了基于辅助粒子滤波的宽带波达方向估计算法。该算法利用贝叶斯重要性采样算法,在权值大的粒子基础上引入辅助粒子变量,重新定义重要性采样分布函数。经过两次加权计算,进而改善粒子退化问题,并引导粒子向高似然区域移动,使粒子在真实状态周围分布更均匀,粒子权值比仅用重采样的粒子权值变化更稳定。仿真实验表明,该算法在均方根误差和检测概率性能上优于粒子滤波算法。      

基于互质阵列重构的高维波达方向估计算法

针对角度估计中现有算法估计信源数少的问题,提出了一种基于互质阵列重构的高维波达方向估计算法,实现了有限物理阵元条件下多重信号角度的超分辨估计.该方法首先对接收信号协方差矩阵进行列向量化处理,建立虚拟阵列模型,然后在此基础上重构虚拟阵列流型,拟合出缺失的虚拟阵元响应,最后引入空域平滑的思想,实现角度的超分辨估计.对本文算法的复杂度和阵列自由度进行理论分析.仿真结果表明,所提方法在相同物理阵元数条件下阵列自由度高于连续空域平滑检测算法和迭代内插检测算法,相比于迭代内插检测算法,以较小的复杂度代价获得了性能的较大提高.     

方向估计的神经网络计算

本文给出一种借助于二维神经网络构成的混合系统,用它来完成几种方向估计算法,这些算法包括：最大似然法,交替投影最大似然法,Ｍａｒｃｏｓ等人提出的无需特征分解的“传播算法”。利用神经网络对某些算法的快速性,该系统为实时实现目标的精确定位提供了一条新的,有效的途径。     

基于神经网络的方向估计

本文在介绍神经元及Ｈｏｐｆｉｅｌｄ神经网络基础上，提出一种基于神经网络的方向估计方法，并给出模拟方法及结果，为实时实现目标的精确定位提供了一条新的有效途径。     

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。