一种稀疏阵列下的二维DOA估计方法

研究了稀疏阵列下二维波达方向（DOA）的估计问题,提出一种基于不动点迭代的空间谱估计（FPC-MUSIC）算法。首先建立基于矩阵填充的DOA估计信号模型,并验证该信号模型满足零空间性质（NSP）,其次通过不动点迭代算法将稀疏阵列信号恢复为完整信号,最后利用恢复信号估计二维DOA。该算法可在稀疏阵列下大幅度降低谱估计平均副瓣,在大幅度降低阵元数的同时具有较高的估计精度。计算机仿真表明：FPC-MUSIC算法可在稀疏阵列下准确估计二维DOA,验证了该算法的有效性和优越性。     

基于协方差矩阵高阶幂的二维DOA估计新算法

 针对稀疏分解方法进行均匀圆阵(UCA)的二维波达方向(DOA)估计运算复杂度大的问题,提出了一种基于协方差矩阵高阶幂稀疏分解的二维DOA估计新算法。该算法首先利用协方差矩阵高阶幂无需进行特征值分解和信源数估计的特性,构建了协方差矩阵高阶幂的稀疏分解向量;然后运用粒度分层思想,构造了粗区域估计和细方位估计的分层多粒度的快速分解模型,分层字典的长度大大减少,在保持估计精度的前提下,算法运算时间远小于现有的恒定冗余字典的稀疏分解方法,从而解决了基于稀疏分解的圆阵二维DOA估计问题。论文提出的算法与二维MUSIC算法相比,估计精度高,且能满足对相干信号的估计。仿真结果验证了算法的有效性和可行性。     

冲击噪声环境下基于任意阵列流形的空时二维DOA估计方法

 针对冲击噪声环境中信号源的高分辨二维波达方向(DOA)估计问题,提出了一种适合任意阵形的基于联合对角化分数低阶空时(ST)相关矩阵的二维DOA估计方法。该方法先对分数低阶空时矩进行采样构建伪快拍数据矩阵,然后对两个时延分数低阶空时矩阵进行联合对角化处理。其无需二维谱峰搜索和参数配对,在低信噪比下对强冲击噪声具有更好的抑制作用,适合存在一维角度兼并的情况。仿真结果证明了该方法的有效性。     

MIMO雷达中一种降维MUSIC的相干角度估计算法

研究单快拍下双基地多输入多输出（Multiple—InputMultiple-Output,MIMO）雷达中相干信源的离开角（Directionofdeparture,DOD）与到达角（directionofarrival,DOA）联合估计问题。利用单快拍下双基地MIMO雷达的接收信号构造一组Toeplitz矩阵,利用这组ToepIitz矩阵重构一个信号矩阵,提出一种基于降维多重信号分类（ReducedDimensionMultipleSignalClassification,RD-MUSIC）的DOD与DOA联合估计算法。提出的算法能够有效估计相干信源以及非相干信源的角度,实现角度的自动配对,并且角度估计性能远优于FBSS—ESPRIT算法以及ESPRIT-like算法。仿真结果验证了算法的有效性。     

鲁棒成形极化敏感阵列波束的方法及极化估计

基于极化敏感阵列,提出了一种鲁棒成形阵列波束的方法。该方法首先将阵列的数据模型进行了重新描述,从而获得了信号波达角(DOA)和极化解耦的模型。借助于该模型并对信号的两个极化方向分别进行鲁棒约束,设计出了一个新的鲁棒空域波束空间成形矩阵,利用该矩阵可以获得信号两个极化分量的鲁棒估计。基于特征值分解的方法,最后给出了估计信号极化参数的方法。分析和数值仿真实验均表明:提出的方法,在对DOA估计误差以及阵列位置误差等造成的阵列失配具有较强鲁棒性的同时,也能有效抑制干扰和噪声,进而提升了极化参数估计的性能。     

基于稀疏表示和近似(e)0范数约束的宽带信号DOA估计

针对宽带信号的波达方向(DOA)估计问题,在稀疏框架下提出一种近似(e)0范数约束的宽带信号DOA估计新算法.首先对宽带信号进行预处理,得到同一参考频率点下的接收数据,然后对其协方差矩阵元素进行加和平均运算,得到一个低维的观测向量,并在稀疏框架下进行稀疏表示,最后利用截断(e)1函数设定权值,构造逼近(e)0范数约束的稀疏重构方法,进而重构信号,获得宽带信号的DOA估计.仿真结果表明,相比于传统的宽带信号DOA估计算法,所提算法具有更高的分辨率和估计精度.     

相关色噪声下无冗余累积量稀疏表示DOA估计

针对传统均匀线阵中四阶累积量计算复杂度大、对快拍数敏感的问题,提出了一种快速去冗余的高分辨波达方向估计新方法。该方法首先通过构造选择矩阵对四阶累积量矩阵进行第1次降维处理,摒弃传统四阶累积量中大量冗余数据,然后对无冗余累积量矩阵进行矢量化并通过二次降维得到统计性能更优的向量观测模型,最后在相应的过完备基下建立观测模型的稀疏表示进行波达方向(Direction of Arrival,DOA)估计。同时将方法推广到L型阵列2维DOA估计,扩展了其应用范围。与传统的四阶累积量方法相比,该方法大大地减小了计算量,对快拍数要求不高,并且能够有效地抑制相关色噪声。理论分析和仿真实验验证了该方法对1维和2维DOA估计都具有较高的估计精度和分辨率。     

双L型阵列DOA估计的PM算法的性能分析与改进

 双L型阵列天线的二维信号来向（DOA）估计采用传播算子法（PM），运算简单、计算量小。但对于非对称的双L型阵列天线，其中阵元数目少的均匀直线阵会引起较大的DOA估计误差。为此进行PM算法的性能分析与误差讨论，在单个信号源的前提下提出一种改进的PM算法。理论分析与计算机仿真结果均表明，该改进的PM算法保持了PM本身计算量小的优点，能够实现实时二维DOA估计。同时提高了测角精度，降低了方差，且对双L型阵列的使用更具普遍性。     

基于共轭循环平稳特性的二维波达方向估计方法

 提出了一种具有阵列孔径扩展能力的共轭循环平稳二维波达方向（DOA）估计方法。该方法通过引入伪采样,充分利用了阵元输出之间共轭循环互相关函数的时间维信息,扩展了阵列有效孔径,提高了算法DOA估计精度,具有较好的低信噪比适应能力。该方法避免了最优时延选择问题,无需谱峰搜索,且其二维角度参数能够自动配对,具有较低的计算量。计算机仿真结果验证了该方法的有效性。     

基于改进TLS-ESPRIT算法的相干定位信号波达方向空间平滑

针对室内角度定位,在定位信号相干条件下无法实现准确估计波达方向(DOA)的问题,提出了一种基于TLS-ESPRIT算法的双向空间平滑方法。该算法先对定位相干信号进行双向空间平滑处理,然后用TLS-ESPRIT算法进行DOA的精确估计,使其最大限度地利用信号子空间的信息,从而解决了算法计算过程中输出信号的协方差矩阵秩亏损情况。该算法能够准确实现定位信号相干条件下DOA估计,与传统的空间平滑结合其他改进ESPRIT算法相比,具有更好的平稳性及抗干扰能力。最后通过仿真实验验证了算法的有效性和稳定性。     

宽带信号近似最大似然方位估计快速算法

 针对短采样宽带信号近似最大似然方位估计（AML）计算量大的问题,将马尔可夫蒙特卡罗(MCMC)方法与近似最大似然方位估计相结合,提出一种基于完美抽样的近似最大似然方位估计快速算法（PAML）。该算法将AML算法的空间谱函数作为信号的概率分布函数,并利用完美抽样方法从该概率分布函数中抽样。与AML和遗传算法的对比实验研究表明,两目标情况下PAML算法在中低信噪比条件下的估计性能与AML和遗传算法性能相当,而计算量分别是二者的1/24和1/3。随着目标个数的增加,PAML算法的计算量优势将更加明显。     

基于压缩感知的频率和DOA联合估计算法

波达方向（DOA）估计是阵列信号处理的一个重要问题,针对信号的DOA估计问题,本文基于压缩感知理论,提出了一种新的频率和角度联合估计算法。首先利用方向波数的空间稀疏性,建立过完备稀疏字典,然后利用压缩采样阵列结构通过求解最优化问题得到方向波数的高分辨估计,最后利用最优空域滤波实现信号到达角度和频率的配对。相对于传统算法,该算法能够实现多信号DOA的高分辨估计,且经过压缩采样后降低了运算量,仿真验证了该算法的正确性与有效性。     

Synchronized perturbation elimination and DOA estimation via signal selection mechanism and parallel deep capsule networks in multipath environment

State-of-the-art model-driven Direction-Of-Arrival (DOA) estimation methods for multipath signals face great challenges in practical application because of the dependence on the precise multipath model. In this paper, we introduce a framework, based on deep learning, for synchronizing perturbation auto-elimination with effective DOA estimation in multipath environment. Firstly, a signal selection mechanism is introduced to roughly locate specific signals to spatial subregion via frequency domain filters and compressive sensing-based method. Then, we set the mean of the correlation matrix’s row vectors as the input feature to construct the spatial spectrum by the corresponding single network within the parallel deep capsule networks. The proposed method enhances the generalization capability to untrained scenarios and the adaptability to non-ideal conditions, e.g., lower SNRs, smaller snapshots, unknown reflection coefficients and perturbational steering vectors, which make up for the defects of the previous model-driven methods. Simulations are carried out to demonstrate the superiority of the proposed method.     

聚焦变换在MIMO阵列方位估计中的应用

MIMO阵列是近年来信号处理领域提出的一种新体制阵列技术,可有效避免常规阵列中的相干源问题。为解决多载波造成的方位模糊,提出了一种基于聚焦变换的MIMO阵列目标方位估计方法。该方法将MIMO阵列接收信号分解为多个频率分量的信号,并通过聚焦算法将多个频率信号聚焦到同一信号子空间,然后对聚焦后的信号进行方位估计。仿真结果表明:与直接对MIMO阵列接收信号进行方位估计相比,该方法利用了MIMO阵列的回波不相干性和宽带信号能量,具有更好的分辨能力和更高的方位估计精度。     

基于多项式聚焦矩阵的宽带信号到达角估计性能分析

对宽带信号采用基于多项式聚焦矩阵的方法进行到达角估计,并进行了计算机仿真。计算机仿真表明,多项式聚焦矩阵具有计算量小、抗噪性好、能对相干信号进行到达角估计的优点,但需要满足阵元间距远小于信号半波长的条件。当阵元间距不满足该条件时,会引入较大的估计误差。     

一种基于三维阵列结构二维波达方向估计的新方法

给出了一种在高斯白噪声环境下对多个窄带信号进行二维波达方向估计的新方法.该方法根据给出的天线阵列结构的特点,首先构造四个相关矩阵,进而构造一个大的矩阵,对其进行一次特征值分解,由ESPRIT原理实现了信号波达方向的准确估计.该方法精度较高,不存在错误估计,有一定的实用性.     

Direction-of-arrival estimation using signal subspace modeling

A computationally viable algorithm for estimating the direction-of-arrival (DOA) of multiple wavefields that are incident on an array of sensors is developed. The geometry of the array is unrestricted and the incident wavefields may be generated by mixtures of incoherent and coherent emitting sources. In the approach taken, the sensor signals are modeled as a noise-contaminated linear combination of steering vectors which are functionally dependent on a set of DOA parameters. These parameters are to be chosen so that this sensor signal model is most compatible with empirically measured data (i.e., snapshot data). An iterative procedure is developed for selecting the most data compatible set of DOA parameters in both the snapshot domain and the array covariance matrix domain. Critical to the success of such iterative solution procedures is the generation of quality DOA parameters to initialize the algorithm. A sequential beamforming method for this initialization is presented. Numerical examples to illustrate the effectiveness of the proposed algorithmic approach are given     

基于均匀圆阵的信号二维方向角高精度估计

基于均匀圆阵(UCA),提出一种信号二维方向角的高精度估计方法。首先,充分利用了信号的空、时域信息,构造时空旋转矩阵,从而达到多个信源分离的目的。其次,直接利用UCA的阵列流形,采用最小二乘法估计信号二维方向角。最后,给出解相位整周期性模糊的方法。计算机仿真表明了此方法具有估计精度高,对阵元的幅相误差鲁棒性强等特点。     

DOA估计算法性能分析及仿真

分析了几种常见空间谱估计算法的结构,提出了一种未知信源数的高分辨DOA估计算法。该算法继承了求根MUSIC算法优越的性能,直接利用阵列接收数据的协方差矩阵,无须预判信源个数和进行特征值分解,实现高分辨谱估计,同时在信噪比较小时,仍能保持较高的角度分辨力。最后通过大量的计算机仿真实验比较了各种算法的性能,证明了新算法理论的正确性和有效性。     

DOA estimation for attitude determination on communication satellites

In order to determine an appropriate attitude of three-axis stabilized communication satellites, this paper describes a novel attitude determination method using direction of arrival （DOA） estimation of a ground signal source. It differs from optical measurement, magnetic field measurement, inertial measurement, and global positioning system （GPS） attitude determination. The proposed method is characterized by taking the ground signal source as the attitude reference and acquiring attitude information from DOA estimation. Firstly, an attitude measurement equation with DOA estimation is derived in detail. Then, the error of the measurement equation is analyzed. Finally, an attitude determination algorithm is presented using a dynamic model, the attitude measurement equation, and measurement errors. A developing low Earth orbit （LEO） satellite which tests mobile communication technology with smart antennas can be stabilized in three axes by corporately using a magnetometer, reaction wheels, and three-axis magnetorquer rods. Based on the communication satellite, simulation results demonstrate the effectiveness of the method. The method could be a backup of attitude determination to prevent a system failure on the satellite. Its precision depends on the number of snapshots and the input signal-to-noise ratio （SNR） with DOA estimation.