高斯色噪声背景下,针对多径环境下的多用户波达方向(direction of arrival,DOA)估计问题,提出一种联合处理算法。新算法首先利用四阶累积量估计出各个用户的空间特征,然后利用基于时间平滑的多重信号分类(multiple signal classificatio...高斯色噪声背景下,针对多径环境下的多用户波达方向(direction of arrival,DOA)估计问题,提出一种联合处理算法。新算法首先利用四阶累积量估计出各个用户的空间特征,然后利用基于时间平滑的多重信号分类(multiple signal classification,MUSIC)算法实现各用户多径信号的DOA估计。该算法突破了传统空间平滑类算法的局限,对于M元均匀线阵,新算法最多可估计M×(M-1)个DOA,且各DOA与各用户可自动实现配对。计算机仿真结果验证了算法的有效性。展开更多
针对多径环境中均匀线阵(uniform linear array,ULA)的幅相误差的校正问题,在不破坏阵列幅相误差矩阵的前提下,提出了一种多径条件下基于辅助阵元的波达方向(direction of arrival,DOA)估计及幅相误差自校正算法。利用阵列平移的方法对...针对多径环境中均匀线阵(uniform linear array,ULA)的幅相误差的校正问题,在不破坏阵列幅相误差矩阵的前提下,提出了一种多径条件下基于辅助阵元的波达方向(direction of arrival,DOA)估计及幅相误差自校正算法。利用阵列平移的方法对相干信号进行解相干预处理,再利用辅助阵元依据子空间原理构建代阶函数实现相干信源的方位估计,进而对阵列幅相误差进行估计。计算机仿真结果表明,该算法对多径环境下的相干信源具有准确的方位估计与幅相误差自校正性能。展开更多
针对均匀线阵(uniform linear array,ULA)互耦条件下混合信源的波达方向(direction of arrival,DOA)估计问题,基于联合对角化算法,提出了一种基于3步实现的DOA与互耦系数估计新算法。首先利用互耦矩阵的Toeplitz结构实现混合信源中独立...针对均匀线阵(uniform linear array,ULA)互耦条件下混合信源的波达方向(direction of arrival,DOA)估计问题,基于联合对角化算法,提出了一种基于3步实现的DOA与互耦系数估计新算法。首先利用互耦矩阵的Toeplitz结构实现混合信源中独立信源的DOA及互耦系数的粗估计;然后结合斜投影及前后向空间平滑,实现混合信源DOA估计;最后以广义空间特征矩阵及混合信源DOA估计值为基础,提出一种非子空间类互耦系数自校正方法。计算机仿真结果表明,与同类算法相比,所提算法无论在DOA及互耦系数估计精度、还是在DOA估计成功率方面,均具有明显的优势,且对于高斯背景噪声具有普适性。展开更多
在高斯噪声背景下,针对互耦条件下的均匀线阵(Uniform Linear Array,ULA),该文提出了一种联合多用户波达方向(Direction Of Arrival,DOA)估计与互耦误差自校正算法。该算法首先利用特征矩阵联合相似对角化(Joint Approximative Diagonal...在高斯噪声背景下,针对互耦条件下的均匀线阵(Uniform Linear Array,ULA),该文提出了一种联合多用户波达方向(Direction Of Arrival,DOA)估计与互耦误差自校正算法。该算法首先利用特征矩阵联合相似对角化(Joint Approximative Diagonalization of Eigen matrix,JADE)方法估计出各用户广义空间特征矢量,然后定义了一个将各用户广义空间特征矢量转换为只与部分阵元相关的转换矩阵,进而在斜投影及前后向空间平滑的基础上,实现了多用户相干信源DOA估计,最后以多用户相干信源DOA及广义空间特征矢量估计值为基础,给出一种互耦自校正方法。仿真结果表明:该算法具有较高的DOA估计精度及DOA估计成功率,而且对高斯白噪声/色噪声背景,阵列互耦误差已知/未知情形,均具有普适性。展开更多
针对互耦条件下均匀线阵(Uniform Linear Array,ULA),该文基于交替迭代提出一种适用于混合信号模型的波达方向(Direction of Arrival,DoA)与互耦误差估计算法。算法首先利用ULA互耦矩阵的带状Toeplitz结构,提出一种基于门限的非相干信源...针对互耦条件下均匀线阵(Uniform Linear Array,ULA),该文基于交替迭代提出一种适用于混合信号模型的波达方向(Direction of Arrival,DoA)与互耦误差估计算法。算法首先利用ULA互耦矩阵的带状Toeplitz结构,提出一种基于门限的非相干信源DoA估计方法,进而实现互耦误差初步估计;在此基础上,以交互迭代方式实现混合信号DoA估计及互耦误差更新。算法最多只需二次交互迭代,就可实现收敛。计算机仿真结果表明:该算法在较少接收快拍数及低信噪比情况下,均具有良好的DoA及互耦误差估计性能。展开更多
低信噪比(signal-to-noise ratio,SNR)或小接收快拍数条件下,经典的二维(two-dimensional,2D)波达方向(direction of arrival,DOA)算法存在估计精度低的缺点。针对该问题,充分利用L型阵列接收数据的自、互相关信息,提出一种适用于低SNR...低信噪比(signal-to-noise ratio,SNR)或小接收快拍数条件下,经典的二维(two-dimensional,2D)波达方向(direction of arrival,DOA)算法存在估计精度低的缺点。针对该问题,充分利用L型阵列接收数据的自、互相关信息,提出一种适用于低SNR及小接收快拍数环境下的2D DOA估计新方法。该方法首先通过解析优化2D谱峰搜索问题,获得方位角与仰角之间的特定约束关系,进而将包含2D角度参量的目标函数转化为只包含一维(one-dimensional,1D)角度参量,即可通过1D谱峰搜索获得方位角(或仰角)估计值,最后再次利用该约束关系求得与之对应的仰角(或方位角)估计值。该方法只需1D谱峰搜索,而且所得2D角度估计参数可自动实现配对。计算机仿真验证了该方法在低SNR及小接收快拍数情况下的有效性。展开更多
文摘高斯色噪声背景下,针对多径环境下的多用户波达方向(direction of arrival,DOA)估计问题,提出一种联合处理算法。新算法首先利用四阶累积量估计出各个用户的空间特征,然后利用基于时间平滑的多重信号分类(multiple signal classification,MUSIC)算法实现各用户多径信号的DOA估计。该算法突破了传统空间平滑类算法的局限,对于M元均匀线阵,新算法最多可估计M×(M-1)个DOA,且各DOA与各用户可自动实现配对。计算机仿真结果验证了算法的有效性。
文摘针对多径环境中均匀线阵(uniform linear array,ULA)的幅相误差的校正问题,在不破坏阵列幅相误差矩阵的前提下,提出了一种多径条件下基于辅助阵元的波达方向(direction of arrival,DOA)估计及幅相误差自校正算法。利用阵列平移的方法对相干信号进行解相干预处理,再利用辅助阵元依据子空间原理构建代阶函数实现相干信源的方位估计,进而对阵列幅相误差进行估计。计算机仿真结果表明,该算法对多径环境下的相干信源具有准确的方位估计与幅相误差自校正性能。
文摘针对均匀线阵(uniform linear array,ULA)互耦条件下混合信源的波达方向(direction of arrival,DOA)估计问题,基于联合对角化算法,提出了一种基于3步实现的DOA与互耦系数估计新算法。首先利用互耦矩阵的Toeplitz结构实现混合信源中独立信源的DOA及互耦系数的粗估计;然后结合斜投影及前后向空间平滑,实现混合信源DOA估计;最后以广义空间特征矩阵及混合信源DOA估计值为基础,提出一种非子空间类互耦系数自校正方法。计算机仿真结果表明,与同类算法相比,所提算法无论在DOA及互耦系数估计精度、还是在DOA估计成功率方面,均具有明显的优势,且对于高斯背景噪声具有普适性。
文摘在高斯噪声背景下,针对互耦条件下的均匀线阵(Uniform Linear Array,ULA),该文提出了一种联合多用户波达方向(Direction Of Arrival,DOA)估计与互耦误差自校正算法。该算法首先利用特征矩阵联合相似对角化(Joint Approximative Diagonalization of Eigen matrix,JADE)方法估计出各用户广义空间特征矢量,然后定义了一个将各用户广义空间特征矢量转换为只与部分阵元相关的转换矩阵,进而在斜投影及前后向空间平滑的基础上,实现了多用户相干信源DOA估计,最后以多用户相干信源DOA及广义空间特征矢量估计值为基础,给出一种互耦自校正方法。仿真结果表明:该算法具有较高的DOA估计精度及DOA估计成功率,而且对高斯白噪声/色噪声背景,阵列互耦误差已知/未知情形,均具有普适性。
文摘针对互耦条件下均匀线阵(Uniform Linear Array,ULA),该文基于交替迭代提出一种适用于混合信号模型的波达方向(Direction of Arrival,DoA)与互耦误差估计算法。算法首先利用ULA互耦矩阵的带状Toeplitz结构,提出一种基于门限的非相干信源DoA估计方法,进而实现互耦误差初步估计;在此基础上,以交互迭代方式实现混合信号DoA估计及互耦误差更新。算法最多只需二次交互迭代,就可实现收敛。计算机仿真结果表明:该算法在较少接收快拍数及低信噪比情况下,均具有良好的DoA及互耦误差估计性能。
文摘低信噪比(signal-to-noise ratio,SNR)或小接收快拍数条件下,经典的二维(two-dimensional,2D)波达方向(direction of arrival,DOA)算法存在估计精度低的缺点。针对该问题,充分利用L型阵列接收数据的自、互相关信息,提出一种适用于低SNR及小接收快拍数环境下的2D DOA估计新方法。该方法首先通过解析优化2D谱峰搜索问题,获得方位角与仰角之间的特定约束关系,进而将包含2D角度参量的目标函数转化为只包含一维(one-dimensional,1D)角度参量,即可通过1D谱峰搜索获得方位角(或仰角)估计值,最后再次利用该约束关系求得与之对应的仰角(或方位角)估计值。该方法只需1D谱峰搜索,而且所得2D角度估计参数可自动实现配对。计算机仿真验证了该方法在低SNR及小接收快拍数情况下的有效性。