一种适用于任意阵列的极化和二维DOA联合估计算法

提出了一种适用于任意阵列的极化和二维DOA联合估计算法。该算法基于信号空时二维结构特征,利用空域采样和时域采样构造时空矩阵,通过DOA矩阵方法进行极化和二维DOA参数估计,不需要二维谱峰搜索,计算量小。仿真实验证明了算法的有效性。     

线性极化敏感阵列的极化平滑算法及相干源参数估计

 研究了基于极化敏感阵列的相干信号参数估计问题。首先,提出一种利用均匀线性极化敏感阵列的新型极化平滑算法(ULAPSA),其能够处理更多相干信号的参数估计,且具有更小的计算量。然后,基于ULAPSA给出了波达方向（DOA）和极化参数估计的两种方法：第1种方法利用角度搜索得到信号的DOA估计,适应任何多分量的电磁矢量传感器阵列;第2种方法结合传播算子算法,无需奇异值分解和角度搜索,能够同时估计信号的DOA和极化参数。该方法适应完备的电磁矢量传感器、三偶极子或三磁环构成的矢量传感器。最后,通过仿真实验比较和分析了所提算法的性能。     

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。     

利用分数低阶空时矩阵进行冲击噪声环境下的DOA估计

研究冲击噪声环境下的信号DOA估计问题。在对称α稳定(SαS: Symmetric α-stable)分布冲击噪声假设下,定义了一个阵列接收数据的广义分数低阶空时矩阵。理论分析表明,对广义分数低阶空时矩阵进行奇异值分解可获得噪声子空间估计。与信号空间DOA估计技术相结合,提出一种新的基于信号空间分解的DOA估计算法。该算法在低信噪比下对强冲击噪声具有更好的抑制作用。计算机仿真证明了算法的有效性。     

未知互耦条件下混合信号波达方向估计

阵列天线互耦对导向矢量的扰动以及信号相干性对数据协方差矩阵造成的秩损,使得基于子空间正交性原理的超分辨波达方向估计(Direction-of-Arrival,DOA)算法性能恶化,甚至失效。针对这一问题,提出一种在相干与非相干信号混合状态下无需阵列互耦补偿的特征矢量平滑DOA估计算法。该算法对部分阵元接收数据的协方差矩阵特征分解,将得到的特征矢量平滑处理后构造等效协方差矩阵,抑制阵列互耦影响的同时完成混合信号DOA估计。在阵列互耦和信号相干性均未知的条件下,正确估计了信号DOA,无需互耦参数估计或补偿。计算机仿真结果验证了算法的有效性。     

基于非圆对称特性的阵列扩展算法

根据入射信号的非圆对称性,提出了一种基于均匀线阵的阵列扩展算法。该方法以ESPRIT算法实现DOA估计,计算量较传统的MUSIC算法小,同时虚拟阵列有效地增加了阵列孔径,提高了算法的分辨力,并且能对更多的信号进行DOA估计。计算机仿真验证了该方法的可靠性和有效性。     

存在阵列模型误差情况下的宽带DOA估计

 针对工程应用中存在阵列模型误差的任意形状天线阵列的宽带波达方向（DOA）估计问题,提出一种基于信号分离的相关域宽带松弛（RELAX）算法。此算法利用具有记忆与遗忘特征的矩阵算子的投影机理对入射信号进行有效的分离,因此对一定范围内的阵列模型误差较之基于子空间理论的传统宽带测向算法具有较好的鲁棒性与良好的工程应用前景。分析并证明了此算法的信号分离机理及此算法对阵列模型误差稳健的原理。理论分析与仿真结果均表明存在阵列模型误差时此算法宽带DOA估计的有效性和稳健性。     

运动单阵元被动合成阵列波达方向估计

 提出了一种运动单阵元被动合成阵列波达方向(DOA)估计算法。该算法基于被动合成阵列(PSA)的概念,结合空间谱估计的思想构建了运动单阵元被动合成阵列模型,通过多次不同速度合成阵列过程实现对信号DOA的无模糊估计。通过对单次匀速合成阵列过程进行分析得到,在假设信号频率已知条件下,合成阵列算法能够达到与同孔径实阵列多重信号分类（MUSIC）算法相当的DOA估计性能。仿真验证了被动合成阵列与同孔径实阵列的渐近等效性及算法的有效性。     

基于空域稀疏性的宽带DOA估计

利用宽带阵列接收信号的空域稀疏性,将宽带信号的波达方向(DOA)估计转化为一个稀疏信号重构的问题,提出了一种新的宽带信号DOA估计算法。该算法将宽带信号分解为多个子带信号,联合利用多个子带信号的空域稀疏性进行重构。它是对用于稀疏重构的标准的稀疏贝叶斯学习算法的推广,可适用于多冗余字典的信号模型。另外,通过对多快拍的阵列接收信号进行奇异值分解(SVD),提取信号子空间作为算法的输入数据,可以在有效减少运算复杂度的同时,提高对噪声的稳健性。与传统的宽带阵列DOA估计方法相比,该算法能够用于低信噪比、快拍有限和信源相关性较高的场合,同时算法的性能对信源个数的估计值不太敏感。仿真实验表明,该算法相对现有的基于子空间类的方法,具有更好的DOA估计性能。     

MIMO雷达DOD和DOA联合估计算法: RTR-ESPRIT

 针对双基地多输入多输出(MIMO)雷达多目标波离角(DOD)和波达角(DOA)的联合估计问题,提出一种接收-发射-接收(RTR)-ESPRIT算法。该算法首先利用一维接收ESPRIT(R-ESPRIT)预估计目标DOA,随后分别利用一维发射ESPRIT(T-ESPRIT)和一维接收ESPRIT得到目标的高精度DOD和DOA估计,在每两次ESPRIT算法之间分别构造正交投影算子对接收信号进行接收波束形成和发射波束形成。与传统ESPRIT算法相比,该算法大大降低了数据协方差矩阵维数和计算复杂度,无需额外的配对算法,且理论证明了该方法还可以用于相干目标和单快拍情况下DOD和DOA的联合估计。仿真结果表明了该算法的正确性及良好的估计性能。     

DOA and polarization estimation via signal reconstruction with linear polarization-sensitive arrays

This paper addresses the problem of direction-of-arrival(DOA) and polarization estimation with polarization sensitive arrays(PSA), which has been a hot topic in the area of array signal processing during the past two or three decades. The sparse Bayesian learning(SBL) technique is introduced to exploit the sparsity of the incident signals in space to solve this problem and a new method is proposed by reconstructing the signals from the array outputs first and then exploiting the reconstructed signals to realize parameter estimation. Only 1-D searching and numerical calculations are contained in the proposed method, which makes the proposed method computationally much efficient. Based on a linear array consisting of identically structured sensors, the proposed method can be used with slight modifications in PSA with different polarization structures. It also performs well in the presence of coherent signals or signals with different degrees of polarization. Simulation results are given to demonstrate the parameter estimation precision of the proposed method.     

Cumulant-based blind optimum beamforming

Sensor response, location uncertainty, and use of sample statistics can severely degrade the performance of optimum beamformers. We propose blind estimation of the source steering vector in the presence of multiple, directional, correlated or coherent Gaussian interferers via higher order statistics. In this way, we employ the statistical characteristics of the desired signal to make the necessary discrimination, without any a-priori knowledge of array manifold and direction-of-arrival (DOA) information about the desired signal. We then improve our method to utilize the data in a more efficient manner. In any application, only sample statistics are available, so we propose a robust beamforming approach that employs the steering vector estimate obtained by cumulant-based signal processing. We further propose a method that employs both covariance and cumulant information to combat finite sample effects. We analyze the effects of multipath propagation on the reception of the desired signal. We show that even in the presence of coherence, cumulant-based beamformer still behaves as the optimum beamformer that maximizes the signal-to-interference-plus-noise ratio (SINR). Finally, we propose an adaptive version of our algorithm simulations demonstrate the excellent performance of our approach in a wide variety of situations     

一种MIMO雷达幅相误差估计方法

 针对单基地相关多输入多输出(MIMO)雷达中存在的阵列幅相误差问题进行了研究。给出了单基地相关MIMO雷达的阵列模型,并提出了一种MIMO雷达幅相误差估计方法。利用发射正交信号对阵列接收信号进行匹配滤波,可分离得到类似传统阵列的"虚拟阵列",利用分时信源数据将该阵列中真实导向矢量中信源波达方向(DOA)引起的相位与幅相误差分离开,通过构造代价函数得到波达方向估计值,进而分别得到发射阵与接收阵的幅相误差的估计值,同时给出了误差引入量分析。最后通过仿真验证了该方法的有效性。本文介绍的方法简单可行,适用于任意构型MIMO雷达的幅相误差估计。     

非理想均匀圆阵的波达方向和多普勒频率联合估计

针对均匀圆阵存在一般阵列误差 (如阵元的幅相误差和安装位置误差等 )的情况 ,提出了多个信号的波达方向和多普勒频率估计方法。直接利用均匀圆阵的阵列流形 ,采用波达矩阵法估计各个信号的多普勒频率。由一般阵列误差的统计特性构造加权矩阵 ,采用加权总体最小二乘法估计各个信号的波达方向。此方法具有鲁棒性强等特点。计算机仿真证明了此方法的有效性     

DOA estimation and mutual coupling calibration with the SAGE algorithm

In this paper, a novel algorithm is presented for direction of arrival（DOA） estimation and array self-calibration in the presence of unknown mutual coupling. In order to highlight the relationship between the array output and mutual coupling coefficients, we present a novel model of the array output with the unknown mutual coupling coefficients. Based on this model, we use the space alternating generalized expectation-maximization（SAGE） algorithm to jointly estimate the DOA parameters and the mutual coupling coefficients. Unlike many existing counterparts, our method requires neither calibration sources nor initial calibration information. At the same time,our proposed method inherits the characteristics of good convergence and high estimation precision of the SAGE algorithm. By numerical experiments we demonstrate that our proposed method outperforms the existing method for DOA estimation and mutual coupling calibration.     

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.     

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。     

Cyclostationarity-exploiting direction finding algorithms

Many modulated communication signals exhibit a cyclostationarity (or periodic correlation) property, corresponding to the underlying periodicity arising from carrier frequencies or baud rates. By exploiting cyclostationarity, the signal direction of arrival (DOA) estimation can be significantly improved. We propose two new direction finding beamformer algorithms that exploit cyclostationarity. These algorithms show very attractive estimation performance over conventional beamforming methods, as depicted by simulation results.