基于匹配追踪算法的波达方向估计方法

利用辐射源到达方向的稀疏特性,结合最大似然原理提出了一种基于匹配追踪的波达方向估计算法,该算法具有比常用的波束成形和子空间类波达方向估计算法更优越的性能:在给出辐射源到达方向的同时给出对应的幅度输出;不要求辐射源数目的先验知识,无需预处理,且不受来自不同辐射源的信号相关性的影响;在低信噪比和小快拍数下仍具有较好的分辨特性。仿真结果验证了该算法的有效性。     

基于循环平稳性的噪声调频干扰高分辨测向方法

根据噪声调频信号循环平稳特性分析,提出了基于阵列接收信号循环均值-空域处理的波达方向(DOA)估计算法。仿真结果表明:该算法的角度估计性能明显高于比幅比相单脉冲测角法,且在高信噪比环境中,该法的估计性能更好、运算量较小。     

基于前后相关阵的CDMA信号DOA估计及DSP实现

本文针对CDMA系统,提出使用DSP器件TMS320C6701实现对CDMA信号的波达方向估计。该算法基于对解扩前后相关阵相减,去除了干扰相关阵,然后使用传统MUSIC或ESPRIT算法进行DOA估计,克服了要求接收信号数小于阵元数的局限,能有效估计波达方向相差很小的多径信号的参数。     

基于前后相关阵的CDMA信号DOA估计及DSP实现

本文针对CDMA系统,提出使用DSP器件TMS320C6701实现对CDMA信号的波达方向估计.该算法基于对解扩前后相关阵相减,去除了干扰相关阵,然后使用传统MUSIC或ESPRIT算法进行DOA估计,克服了要求接收信号数小于阵元数的局限,能有效估计波达方向相差很小的多径信号的参数.     

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.     

基于极化时频分布的改进DOA估计算法

针对雷达回波信号波达方向估计精度差和时频分析方法运算量大的问题,以极化敏感阵列为模型,结合时频分析方法,充分利用回波信号的空域、时频域和极化域信息,对雷达回波信号进行更准确的估计,并简化其计算量。分析基于空间极化时频分布的多重信号分类(MUSIC)和旋转不变子空间(ESPRIT)算法,并结合两者的优缺点提出了一种改进算法。改进算法用极化时频ESPRIT算法对来波信号确定大致的方位角,以每个方位角为中心确定一个小角度范围,在此范围内用MUSIC算法进行谱峰搜索,得到较准确的波达方向(DOA)估计值,在确保DOA估计精度的基础上节省大部分运算时间。仿真试验验证了该改进算法的有效性。     

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。     

基于频域相关的宽带干涉仪测向新算法

提出一种基于频域相关的宽带干涉仪测向新算法,该算法利用DFT作为接收信道化的手段,在感兴趣频点上通过对不同接收通道的复频谱序列求互相关来估计通道相差,为在宽频带范围内对多个信号的频率和波达方向同时估计提供了一种新的途径。理论分析和仿真实验都表明该算法具有良好的性能。     

一种新的聚焦类宽带DOA估计算法

基于导向矢量矩阵的初等变换,给出了一种新的聚焦类宽带源波达方向（DOA）估计算法。新算法构造聚焦矩阵时不需要矩阵分解运算,从而使聚焦过程运算量更小。在理想条件下,新方法构造的聚焦矩阵可以在各个频率点实现完美聚焦。分析表明,新算法运算量要小于其它聚焦类宽带DOA估计算法。计算机仿真验证了该算法的有效性。     

雷达低空测向环境中的直达波DOA估计算法

基于低空测角模型,提出了一种基于四阶累积量的直达波方位估计算法。该算法首先采用Pro—VESPA算法估计出广义方向矩阵,再利用目标直达波信号和多径信号之间的仰角几何关系,不需已知多径信号的相干系数,对广义方向矩阵函数一维搜索就可直接精确获得直达波方位,算法适用于高斯白噪声或色噪声环境,具有较好的鲁棒性。计算机仿真验证了该算法的有效性。     

锥面共形阵列相干源DOA和极化参数的联合估计算法

针对共形阵列中的多参数联合估计问题,用交叉电偶极子对天线单元在锥面共形载体上构造极化敏感阵列并建立了快拍数据模型,在此基础上提出一种适用于相干源的多参数联合估计算法。该算法充分挖掘阵列中隐含的多个空域旋转不变结构,首先通过空间平滑预处理恢复子阵协方差矩阵的秩,实现信源的解相干,然后根据旋转不变子空间思想完成多个相干信源二维到达角和极化参数的联合估计。Monte Carlo仿真结果表明了算法的有效性。     

用于星载赋形天线的基于频域多相干目标测向算法

提出了一种用于星载赋形天线抗多个相干干扰的基于频域单 快拍的测向算法,该方法首先采用频域多目标测向算法实现多干扰源的方向估计;基于 估计出的干扰源到达方向,对相干信号采用陷零投影矩阵对强目标陷零,以达到对强干扰 进行抑制从而测出弱干扰,较好地保证了相干强弱信号测向的准确性,从而有效地对同 时强弱相干干扰进行抑制。仿真结果和性能分析验证了该方法的可行性。
     

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。     

基于稀疏空间谱估计的星载SAR DBF算法

针对星载合成孔径雷达(SAR)系统利用俯仰向数字波束形成(DBF)技术接收场景回波时受地形的影响,会出现波束指向偏差的问题,提出了基于稀疏空间谱估计的星载SAR数字波束形成方法。该方法将目标场景高程估计问题转换为波达方向估计问题,考虑到回波信号的稀疏性,进而等效为稀疏空间谱估计问题,然后利用凸优化方法求解得到目标波达方向。最后,仿真实验验证了该方法的有效性,结果表明该方法可以降低传统自适应方法受小样本和低信噪比影响的限制,实现复杂地形下的正确波束指向,保证回波信号的接收增益。     

基于虚拟基线变换和RBFNN的宽频段DOA估计

提出利用虚拟基线变换的方法解决了频率高端的相位模糊,克服由于相位模糊性造成的方向特征的多值模糊问题,从而简化了从方向特征到波达方向的映射关系。提取无模糊的方向特征,训练RBF神经,进行宽频段波达方向估计。理论分析和试验表明,该解模糊方法计算量小,能有效消除圆阵列的相位模糊,适用阵元数大于等于5的任意均匀圆阵列天线（6元除外）;利用解模糊后的特征建立的DOA估计模型结构简单,性能大大优于直接建模和相关干涉仪法,具有优越的性能和工程实用性。     

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。     

未知噪声环境方位-俯仰-频率-时延等四维参数联合估计方法

提出一种基于空时扩展虚拟传感器阵列的未知噪声环境下方位、俯仰、多普勒频移和相对时延四维参数联合估计新算法。未知噪声背景下的UN-MUSIC、UN-CLE等算法不易于完成多参数联合估计任务,而UN-ESPRIT算法又需要信号具有空、时域子空间旋转不变特性,对阵列结构要求严格。文中通过对原始数据的时延补偿等处理,利用虚拟数据阵的时移旋转不变特性,经由构建空时扩展波达方向矩阵同时获得诸参数的联合估计。虚拟传感器阵列的理论孔径为物理阵列的数倍,具有在低信噪比、未知分布噪声环境下更强的适应能力;且算法对于物理阵列阵元分布无特殊要求,具有很好的理论和实用价值。理论分析以及计算机仿真都证明了算法的有效性。     

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。