一种未知信源数的快速DOA估计算法

针对众多性能优良的超分辨DOA估计算法大都是以预知信源数为前提,信源数估计不准可能会导致DOA估计失败这一问题,提出了一种基于协方差矩阵对角加载的超分辨DOA估计算法。该算法不需预判信源个数和进行特征值分解,且通过对协方差矩阵进行对角加载,可以平滑小快拍数时噪声特征值分散程度,因此该算法更适用于快拍数较少的情况。理论分析表明：该算法的统计估计性能接近于MUSIC（Multiple Signal Classifjcation）算法。计算机仿真结果验证了该算法的鲁棒性和可行性。     

一种未知信源数的快速DOA估计算法

文章针对众多性能优良的超分辨DOA（Direction—Of-Arrival）估计算法大都是以预知信源数为前提、信源数估计不准可能会导致DOA估计失败这一问题,提出了一种基于协方差矩阵对角加载的超分辨DOA估计算法。该算法不需要预判信源个数和进行特征值分解,且通过对协方差矩阵进行对角加载,可以平滑小快拍数时噪声特征值分散程度,因此,该算法更适用于快拍数较少的情况。理论分析表明：该算法的统计估计性能接近于MUSIC（Multiple Signal Classification）算法。计算机仿真结果验证了该算法的鲁棒性和可行性。     

一种实值MUSIC算法

提出了一种实值MUSIC算法,通过构造实值转换矩阵Q[1],对协方差矩阵进行变换,使之转换为实矩阵,再进行实特征值分解,最后构造MUSIC谱进行谱峰搜索来获得信号的DOA估计。谱估计性能优于普通MUSIC算法,能有效减少计算量,并且对相干信号有一定的分辨能力。计算机仿真证明了此方法的有效性。     

色高斯噪声背景下相干信源犇犗犃估计

为在色高斯噪声背景下估计相干信源 DOA,提出一种基于四阶累积量的相干信源 DOA 估计算法.对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关.通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源 DOA 估计.仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的 DOA,并且相对于空间平滑算法具有更好的估计性能.     

基于多级维纳滤波器的二维测向算法及DSP实现

为了对辐射源目标进行精确定位,需要对来波信号进行二维到达角估计。将一维MUSIC算法推广到空间阵列可以对辐射源进行二维高精度测向,但由于其需要估计接收数据的协方差矩阵和进行特征分解,因而计算量较大。为了降低MUSIC算法特征分解的计算量,提出一种基于多级维纳滤波器的子空间分解算法,通过多级维纳滤波器的前向递推估计信号子空间和噪声子空间,获得噪声子空间后采用MUSIC算法实现波达方向的估计,该算法不需要估计协方差矩阵和特征分解。应用于空间阵列的二维DOA估计中进行计算机仿真和DSP实现,仿真结果表明该方法有效地降低了计算量、节省了计算时间,且达到了MUSIC算法的估计性能。     

色高斯噪声背景下相干信源DOA估计

为在色高斯噪声背景下估计相干信源DOA,提出一种基于四阶累积量的相干信源DOA估计算法。对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关。通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源DOA估计。仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的DOA,并且相对于空间平滑算法具有更好的估计性能。     

基于改进PCA的DOA估计方法

阵列信号处理中,MUSIC等高分辨率DOA估计方法都要通过特征值分解来获得波达方向估计,然而矩阵特征值分解的计算量较大,不利于实时处理.提出一种改进的PCA(principal component analysis)迭代算法,来逼近信号子空间.仿真实验表明该算法在估计弱信号时性能要比MUSIC算法好,且计算量要小得多.     

一种新的强干扰条件下微弱信号DOA估计算法

提出了一种基于扩展噪声子空间的强干扰条件下微弱信号DOA估计算法。该算法在已知强干扰源个数条件下,通过构造扩展的噪声子空间,在此基础上利用MUSIC方法有效地抑制干扰,并且准确估计出微弱信号的DOA参数。此算法的优势在于无需已知强干扰信号方向,且运算量与MUSIC方法相当。仿真实验验证了该算法是有效性和可行性。     

基于L型阵列的互耦误差校正算法研究

互耦误差对阵列DOA估计性能产生了严重影响。基于L型阵列,建立了互耦误差模型,提出了一种基于MUSIC迭代法的互耦误差自校正算法和在互耦误差条件下的DOA估计算法。利用MUSIC迭代法对互耦误差矩阵和DOA同时估计,且同时估计出来波信号的方向角和俯仰角。仿真实验验证了该算法具有分辨力强、校正精度高的特点。     

基于均匀圆阵相干信源DOA估计的改进MUSIC算法

提出了一种均匀圆阵(UCA)相干信号的到达角(DOA)估计方法.通过模式激励法和改进MUSIC算法,对均匀圆阵的输出信号作模式变换,使其阵列流形具类似均匀线阵形式,再重构Toeplitz矩阵使其秩与信号相关性无关,完成对相干信号的DOA估计.仿真结果表明:该法可行.     

一种新的共轭增强MUSIC测向算法

提出一种新的测向算法。利用阵列输出的非零时延互相关函数及其共轭形成伪阵列输出,从而得到伪协方差矩阵,对其进行特征分解,利用信号子空间与噪声子空间的正交性,搜索得到的空间谱函数的极大值点对应的角度就是波达方向。仿真实验表明,新算法可对多于阵元数的信号进行测向,其测角精度和分辨力优于MUISC和MUSIC-like算法。     

TOFS:一种新的宽带源DOA估计算法

介绍了一种新的宽带源DOA估计方法:TOFS。与TOPS(投影子空间正交性测试)方法类似,该方法通过同时测试频域各频段噪声子空间与阵列搜索流型之间的正交性来进行DOA估计。作为对比,根据非相关MUSIC方法,提出了一种新的适用于宽带的非相关MUSIC方法,称为I-MUSIC方法。与宽带相关方法不同,TOFS方法不需要任何初始值的预估。与宽带非相关方法也不相同,TOFS方法同时测试各频段噪声子空间与阵列搜索流型之间的正交性。仿真了TOFS与I-MUSIC、CSSM、TOPS的性能比较。仿真结果表明,CSSM方法在低信噪比时有较好的性能,TOFS方法在中等信噪比以上时,有较好的性能。同时,TOFS方法避免了TOPS方法中常常出现的伪峰。     

传播算子方法在宽带DOA估计中的应用

将传播算子与宽带相干信号子空间方法相结合,推导了基于传播算子的宽带相干信号子空间方法,该方法所构造的聚焦矩阵不需要奇异值分解,在获取噪声子空间时不需要特征值分解,因而大大降低了运算量.比较了双边变换(TCT)方法与所推导的方法在分辨两个相邻较近信号源时的性能,仿真表明,在高信噪比时,该方法性能与TCT方法相近.     

一种基于非圆相干信号的波束成形算法

空间平滑是一种传统去相干算法,此算法是基于圆信号提出的,同时存在孔径损耗问题。针对非圆相干信号,提出了一种全阵加权扩展空间平滑波束成形算法。首先将扩展空间平滑的子阵分解思想引入波束成形算法中,从理论上证明了算法的去相干特性,并通过分析证明了算法比传统空间平滑算法在可适用信源数上的提高。为了更好地去除期望信号与干扰间的相干性,利用虚拟波束得到权值对子阵进行加权。最后设计了一种转换矩阵,可将子阵波束权矢量扩展至全阵波束权矢量,从而避免了扩展空间平滑带来的孔径损耗问题。仿真结果表明了算法的可行性及优越性。     

相干信源DOA估计的非对称加权空间平滑差分算法

提出了相干信源DOA估计的非对称加权空间平滑差分(UWSSD)算法。在空间平滑差分运算的基础上,对各子阵协方差矩阵采用非对称权值加权处理,破坏差分矩阵的负反对称特性,从而使信源差分协方差矩阵恢复为满秩。差分矩阵中不含相关噪声及非相关源信息,可利用它分辨相关及相干信源,而利用传统子空间算法分辨非相干信源,从而重复利用阵列接收数据,可分辨更多信源。通过分析差分矩阵的特点,提出了一种无需矩阵特征分解的快速算法。仿真结果表明,UWSSD算法具有较强的噪声抑制能力及信源过载能力。     

基于投影矩阵搜索的相干源DOA估计算法

在强相关或相干信号源环境下，基于子空间分解的高分辨方法无法准确估计信号到达角，而许多传统的解相干方法，如空间平滑法等，会减少阵列的有效孔径，且只适用于具有移不变性的阵列结构。针对相干信源DOA估计问题，提出了一种基于投影矩阵搜索的DOA估计算法。首先根据阵列流型构造噪声子空间的投影矩阵，并将阵列接收信号投影到噪声子空间；然后通过遍历搜索所有可能的投影矩阵获得空间谱，进而得到相干源的DOA估计。该算法能有效进行相干信源DOA估计，与传统的相干源DOA估计方法相比，该算法不会减小阵列的有效孔径，且适用于任意阵列结构，并具有良好的估计精度和超分辨能力，但计算复杂度较高。通过仿真实验，验证了该算法的有效性，比较了该算法与传统算法的性能。     

一种新的未知相关噪声下的宽带相干信号DOA估计算法

针对具有某种结构的协方差矩阵的未知相关噪声环境,本文提出了一种新的宽带相干信号DOA估计算法。基于这种结构,如Hermitian Toeplitz型,在各个频率点上首先利用空间差分操作去除相关噪声的影响,并构造新矩阵;其次,对新矩阵进行聚焦操作,并给出相干聚焦后的协方差矩阵;最后,利用基于特征结构的DOA估计算法得到相干信号的DOA估计值。理论分析和仿真结果表明了算法的有效性。