一种快速二维虚拟ESPRIT算法

通过对二维虚拟ESPRIT信号参量估计算法的分析,提出了一种快速二维虚拟ESPRIT算法．理论分析表明二者的估计结果相同,但快速二维虚拟ESPRIT算法的计算复杂度低,并由计算机仿真实验进行了验证．     

一种新的二维ESPRIT算法的研究

提出了一种新的基于垂直阵列结构的二维ESPRIT方法来估计信号的DOA，此方法只需3个均匀直线阵就可估计用户的二堆DOA．该方法利用其中的一个直线阵来组合两个线阵分别估计的一堆DOA，最大误差不超过0．6％，改善了DOA的估计性能．     

二维传播算子DOA估计的改进算法

针对传播算子算法在低信噪比和小快拍数环境下进行二维DOA估计性能下降的实际问题,提出了一种改进的二维传播算子DOA估计方法.该方法继承了ESPRIT算法无需谱峰搜索的优点,并且利用线性运算代替特征分解求得旋转不变关系矩阵,再通过简单的除法运算实现方位角和俯仰角的快速配对,极大地降低了运算量.重新构造的协方差矩阵对接收数...     

基于传播算子的ESPRIT极化参数估计算法

针对极化敏感阵列参数估计过程中需要奇异值和特征值分解,以及低信噪比下估计误差偏大的问题,提出基于传播算子的二维旋转不变子空间(estimation of signal parameters via rotational invariance technique,ESPRIT)算法,改进算法引入非圆信号共轭相关统计信息构造一组新的接收数据,将这组新数据与真实数据重构组合求得噪声子空间;采用ESPRIT算法将信号子空间分块得到旋转不变因子,无须特征值分解和谱峰搜索,实现信号空间到达角(direction of arrival,DOA)和极化角的精确估计.所提算法在参数估计性能上要优于经典算法,在低信噪比情况下均方误差较小,并且可降低计算量,最后由Matlab仿真验证所提算法的有效性.     

在均匀圆阵模式空间内实现的 二维ESPRIT算法

本文以均匀圆阵模式空间内的二维ESPRIT算法为基础,推导出用实数特征分解代替复数特征分解的改进算法.改进算法运算量减少,且因其构造的信号子空间与阵列方向向量张成的空间更相近,所以DOA估计的性能有所提高.计算机模拟结果证明了以上结论.     

基于修正ESPRIT算法的二维DOA估计

针对二维ESPRIT算法在求解相干信号的时候存在较大的阵列冗余度,为了降低计算量,提高算法的解相干能力,在双排平行均匀线阵的基础上,介绍了一种二维修正ESPRIT算法.通过对子阵的合并,摒弃了原协方差矩阵中的冗余数据,使得新构成的协方差矩阵的维数比原来下降了近33%,从而降低了特征值分解的维数,并且新构成的协方差矩阵可以对接收数据进行共轭重排再利用.理论分析和仿真实验表明,该算法降低了计算量,提高了对非相干信号的估计准确度,同时具有一定的解相干能力.     

一种VESPRIT-TSM算法研究

为了提高波达方向(Direction of Arrival,DOA)估计的性能,提出一种虚拟借助旋转不变技术估计信号参数的时空矩阵(Virtual Estimating Signal Parameters via Rotational Invariance Techniques-Time Spatial Matrix,VE-SPRIT-TSM)算法。即利用两行均匀直线阵构造出三组子阵列,并根据由此得到的数据估计用户的二维DOA。理论分析表明,该算法可提高了阵列的利用率,计算误差更小,并能改善DOA的估计性能。计算机仿真实验证明该算法有效。     

一种改进的二维ESPRIT算法

针对二维旋转不变子空间算法(estimation of signal parameters via rotational invariance technigues,ESPRIT)在求解信号时协方差矩阵存在阵列冗余问题,提出一种改进后的二维ESPRIT算法。该算法利用阵列结构原理构造2个互相关矩阵,然后由合并的特殊大矩阵进行奇异值分解来估计信号子空间,最后利用2D-ESPRIT方法实现二维测向。该算法估计精度高,计算量小,通过空间平滑后既能对相干信号进行估计,也能同时估计非相干信号。     

二维ESPRIT算法参数的快速配对

针对二维ESPRIT算法的参数估计问题,为了简化算法的复杂度,提高参数配对的速度,提出了一种新的二维ESPRIT参数配对方法.该方法利用矩阵、矩阵的特征值及特征值对应的特征向量三者之间的关系,只需对包含信号到达角信息的2个矩阵中的1个进行1次特征值分解以及简单的除法运算就可以实现参数的自动配对,无需经过多次矩阵变换.在保证二维ESPRIT算法参数估计性能的前提下,该方法简化了参数的配对过程.计算机仿真验证了该方法的有效性.     

双平行线阵中基于Euler变换传播算子的二维DOA估计算法

针对极化敏感阵列参数估计过程中需要奇异值和特征值分解,以及低信噪比下估计误差偏大的问题,提出基于传播算子的二维旋转不变子空间（estimation of signal parameters via rotational invariance technique,ESPRIT）算法,改进算法引入非圆信号共轭相关统计信息构造一组新的接收数据,将这组新数据与真实数据重构组合求得噪声子空间;采用ESPRIT算法将信号子空间分块得到旋转不变因子,无须特征值分解和谱峰搜索,实现信号空间到达角（direction of arrival,DOA）和极化角的精确估计.所提算法在参数估计性能上要优于经典算法,在低信噪比情况下均方误差较小,并且可降低计算量,最后由Matlab仿真验证所提算法的有效性.

     

基于ESPRIT算法的L-型矢量阵源方位估计

建立了水平L-型矢量水听器阵列的数据模型,研究了利用ESPRIT算法同时对目标的水平方位角和仰角进行高分辨率角度估计,仿真L-型矢量水听器阵对单个源和多个源的方位估计情况,并和相同阵型的声压阵方位估计性能进行比较,结果表明,相对于声压阵,矢量阵可以在不增加阵孔径的前提下提高对单源方位估计的精度,获得的增益为6dB左右,同时提高了对多目标方位的分辨能力。     

单矢量水听器ESPRIT波达方向估计算法

针对自相关算法的局限性,提出了一种基于高阶累积量的单矢量水听器ESPRIT算法.该算法首先对单个矢量水听器接收数据作-任意的时间延迟,以时间变元为旋转因子,构造了2个具有相同阵形的子阵,然后将高分辨信号子空间类方法的正交化原理及旋转子空间不变原理引入累积量域,得到基于高阶累积量切片的ESPRIT方法.仿真结果表明,借助高阶累积量的方法,在高斯白噪声下,ESPRIT算法能完全抑制高斯白噪声的影响,在高斯色噪声条件下,信噪比6dB以上该方法还是能获得高精度、高分辨率的渐近无偏估计.     

矢量阵的非空间ESPRIT算法

矢量水听器同时测量声场中某点的声压和质点振速的正交分量,单个矢量水听器可视为空间共点阵.建立了任意阵型矢量阵的数据模型,研究了任意阵型矢量阵的非空间ESPRIT算法.非空间ESPRIT算法不是利用空间2个子阵组成的矩阵对,而是利用矢量水听器不同的输出分量组成矩阵对完成目标的二维角度(水平方位角和仰角)估计.仿真研究了该算法对单个源和多个源方位估计的情况,并利用外场试验数据验证了算法的有效性.结果表明,在当时的试验条件下,常规波束形成获得的主瓣波束宽度为30°左右,而非空间ESPRIT算法对目标方位估计的标准差为3°左右,说明基于矢量阵的非空间ESPRIT算法在未知阵列流形的前提下可对目标进行高精度方位估计.     

基于矩阵束方法的ESPRIT算法改进

主要研究了一种ESPRIT的改进算法,该算法利用奇异值分解实现多维角度估计参数配对.由于在一定条件下会出现角度估计模糊的现象,在此基础上采用一种矩阵束的方法作进一步的改进,构造的对角阵中每个不同元素对应于不同信号源的方位角和仰角,并且互不相同.这样特征分解得到的可逆阵唯一,因而特征对角阵中的元素必唯一.从特征对角阵中取的元素实部和其对应的负虚部可求得信号源的二维方向角,克服了二维DOA估计中的角度模糊问题.通过算法仿真证实提出的改进算法的有效性.