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。     

多级嵌套L型阵列及其测向算法

针对基于偶数(2q)阶累积量的测向算法中测向性能提高有限的问题,提出了一种基于多级嵌套 L 型阵列的2维测向算法。首先利用阵列的多级嵌套结构和2q阶累积量,形成具有更多自由度的虚拟均匀面阵;然后使用2维平滑方法,恢复其2q阶累积量矩阵的秩; 采用2维MUSIC算法,进行方位角和俯仰角的估计。与常规的2q MUSIC 算法相比,所提算法不仅具有更好的测向精度,而且由于虚拟均匀阵包含更多的虚拟阵元,因此能够估计更多信源的方位角。另外,针对该L型阵列的最优配置问题,推导了各级子阵阵元数的最优和次优分配表达式。仿真结果表明这些结论的正确性。     

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。     

窄带信号小样本谱估计算法

针对窄带平稳随机信号的小样本谱估计问题,结合均匀线性阵列的空间谱估计算法,提出了一种高性能小样本谱估计算法。该算法首先利用采样数据构造一个Toeplitz矩阵;然后对该矩阵进行特征值分解得到信号子空间和噪声子空间;再结合MUSIC、ESPRIT等子空间算法,即可实现对小样本采样数据的谱估计。数值仿真验证了该算法的有效性。     

虚拟阵列测向性能分析

针对相干信号源测向以及模糊的实际问题,提出一种基于任意形状平面阵列的测向方法。经计算机仿真,证明该方法的有效性。     

一种不需要源个数估计的MUSIC算法

MUSIC方法是阵列高分辨测向子空间方法中的经典算法,该算法的一个缺点就是需要进行源个数估计,源个数估计不正确将会导致虚假峰和漏峰.提出一种不需要源个数估计的MUSIC方法,该方法首先将快拍分组,对每一组的自相关进行特征值分解,以最小特征值对应的特征向量作为噪声向量,然后将搜索向量在每一组噪声向量上的投影构成新的矩阵,DOA对应的新矩阵将缺秩,根据新矩阵的缺秩程度来估计DOA.仿真结果证明了该方法的有效性.     

谱估计测向的MUSIC算法研究

由天线阵对被测信号的响应矩阵的特征值,可得到对应于信号和噪声的特征向量,以此扩展成信号子空间和噪声子空间。利用信号子空间与噪声子空间的正交关系,即可求得信号方位角的估计值。这种空间谱估计测向的MUSIC算法,用于圆形天线阵对非相干信号进行测向,可以克服一般干涉仪测向体制中测向模糊和测向盲区的问题。     

短波段内多重信号分类算法的窄带假设分析

经典空间谱估计算法的两个适用假设是远场平面波和窄带信号。文章利用7单元均匀线列阵仿真分析了短波波段内多重信号分类（MUSIC）算法的窄带假设上限带宽。可以发现：对于短波信号,50kHz的带宽所带来的测向误差不超过O．08°。这就意味着,对于短波通信信号的侦察测向完全可以采用经典空间谱估计算法,比如MUSIC算法,而不需要为窄带假设来付出代价,这便为设计高精度的短波通信实时测向系统提供了条件。     

阵列模型误差条件下稳健的DOA估计算法

为改善阵列误差时高分辨到达方向(DOA)估计算法的性能,引入精确校正的辅助阵元,应用子空间原理,提出了一种均匀线阵存在阵列误差条件下鲁棒DOA估计及方位依赖的幅相误差矩阵和互耦矩阵的估计算法。算法的方位估计无需任何阵列误差信息,估计精度高、分辨力强,且基于信源方位的精确估计,算法还可精确估计方位依赖的幅相误差矩阵和互耦矩阵,实现阵列误差的自校正。算法的运算量较小,无需高维非线性优化搜索,只需一维搜索。仿真结果证明了算法的正确性和有效性。     

相关信号DOA估计的超分辨算法及其改进

常见的超分辨算法,如MUSIC算法、Capon算法等,只能对非相关信号到达角进行估计,无法分辨两个相关回波信号。介绍的d-MUSIC算法解决了这个问题,文中给出了这种算法的适用范围和空间谱特性,提出增加泰勒展开阶数的方法来提高算法的测角精度。