基于深度卷积网络的二维波达方向估计方法

为了提高信号波达方向估计技术的实时性和简便性,设计了一种适用于估计均匀圆阵多信号波达方向的深度卷积网络。由阵列观测数据得到的协方差矩阵被当作是包含实部和虚部两个通道的图像,将其当作是卷积神经网络的输入张量,便可以通过训练网络来提取包含在信号协方差矩阵中的波达方向细微特征,从而实现准确快速地同时对多个入射信号的方向进行估计的目的。仿真结果表明,设计的深度卷积网络能够很好地完成二维信号波达方向估计。相比于现有估计方法,卷积网络给出的结果更加精确,且算法相对稳定。因此,提出的深度卷积网络在多目标方位识别与跟踪领域具有潜在的工程应用价值。

嵌套阵的疏密子阵融合波达方向估计方法

为有效利用嵌套阵包含疏密子阵的几何结构以提高估计性能,本文提出一种在2子阵上分别测向再融合的波达方向估计方法。通过理论分析和实际案例阐明融合嵌套阵的两子阵测向结果可以消除信源角度估计模糊,且不会出现互质阵解模糊时伴随的匹配错误。利用无需谱峰搜索的求根多重信号分类方法在嵌套阵2子阵上求解测向结果,若稀疏子阵间距为N倍半波长,推导出对其复根开N次方可获含模糊角的高精度估计,再结合最小方差准则与精度较低但无模糊的密集子阵测向结果进行融合,最终得到高精度的波达方向估计。与嵌套阵已有算法相比,该算法提高了波达方向估计精度和分辨率,由于无需2子阵协方差降低了计算量,且能够支持嵌套阵的分布式配置。仿真结果验证了所提算法的有效性。

基于高阶幂的单快拍LDACS系统波达方向估计

L波段数字航空通信系统(L band digital aeronautical communication system,LDACS)是未来航空宽带通信重要的基础设施之一,针对LDACS信号容易受到相邻波道大功率测距仪(distance measuring equipment,DME)信号干扰的问题,提出了联合正交投影干扰抑制与单快拍稀疏分解的波达方向(direction of arrival,DOA)估计方法。通过子空间投影抑制DME干扰,然后使用单快拍数据构建伪协方差矩阵,对伪协方差矩阵求高阶幂,之后进行奇异值分解,并利用约束条件求解稀疏解得到期望信号来向的估计值。所提方法使用高阶伪协方差矩阵降低了噪声影响,仅用单快拍就可以准确估计LDACS信号的入射方向。仿真结果表明,改进单快拍高级幂(improved single snapshot high order power,ISS-HOP)L1-SVD算法的估计精度优于ISS-HOP-MUSIC算法。该方法可以有效抑制DME干扰,提高OFDM接收机性能。

基于原子范数的波达方向与时延联合估计方法

为了解决水声通信环境下自主式水下机器人定位难的问题,提出了一种基于原子范数的波达方向(DOA)与时延联合估计方法。首先,基于水声多径多普勒效应的特点建立信道冲激响应公式,将接收信号用矩阵形式表示并对参数进行归一化处理。然后,针对水听器阵列的几何结构和多普勒效应带来的相位误差建立一个新的原子集合,考虑到水声信号在空间域的稀疏性,利用原子范数最小化求解相应的原子。最后,针对由任意线阵带来半正定矩阵中的子矩阵为非Toeplitz矩阵结构而无法进行Vandermonde分解的问题,定义了一个有关水听器几何结构的Hermitian集合,利用长椭球波函数进行半正定规划求解,获得DOA和时延的联合估计。实验结果表明,所提方法在信噪比为20 dB时,DOA估计的均方根误差低至0.2°,在DOA间隔低至3°时仍有77.98%的估计成功概率,估计时延与实际时延的误差可以达到微秒级。

一种适用于半互质阵的高精度波达方向估计方法

在半互质阵列(SCA)下,经典波达方向估计(DoA)算法在面对邻近相干信源时估计性能退化。为了解决该问题,该文提出一种适用于半互质阵列的高精度波达方向估计方法。首先,将半互质阵划分为3个均匀线阵并利用常规波束形成算法对子阵1、子阵2和子阵3的阵列输出信号进行处理;然后,对子阵3的输出信号进行加权后与子阵1,2的输出信号加和构建和波束,利用子阵1与子阵2的输出信号做差构建差波束;最后,将上述和差波束做差得到最终输出信号,计算最终信号的功率得到方位谱。该方法基于半互质阵列特点构建和差波束,充分利用了3个子阵的重叠阵元实现估计精度的提高。通过仿真和湖上实测数据验证表明,该方法可以适用于半互质阵列实现波达方向估计,并且在面对邻近相干信源时其波达方向估计性能优于最小方差无失真估计算法(MVDR)和最小处理算法(MP)。

一种基于矩阵填充的稀疏阵波达方向估计技术

为了提高稀疏阵列波达方向(DOA)估计的性能,该文将低秩矩阵重构理论应用到DOA估计中,提出了一种改进的矩阵填充模型及其优化求解方法。该方法利用Sigmoid函数实现核范数约束并建立最小化模型;然后基于粒子群算法改进增广拉格朗日乘子法,对模型实现低秩优化求解;最后利用多信号分类(MUSIC)算法实现DOA估计。仿真结果表明,该方法能有效实现稀疏阵重构,DOA估计的性能优良,且能够适用于相关信源。

稀疏阵列结构设计及波达方向估计研究进展

近年来,利用稀疏阵列估计信源的波达方向(Direction of Arrival,DOA)已成为阵列信号处理领域的研究热点问题之一。相较于传统的均匀线阵,稀疏阵列凭借其大孔径、高自由度、低互耦率、低冗余度、低开销和布阵灵活等优良特性,吸引了学术界广泛关注和系统性研究。同时,为充分发挥稀疏阵列的巨大优势,学者们已经从不同角度开发了一系列与之相适应的DOA估计算法,以进一步提高可分辨信源的数量和角度估计精度。本文在构建稀疏阵列信号模型和整理稀疏阵列相关术语的基础上,详细介绍了稀疏阵列结构设计及DOA估计算法的发展历程和代表性研究成果。在稀疏阵列结构设计方面,围绕自由度、互耦率和冗余度等核心指标,深入剖析了各类稀疏阵列结构的设计思想,并着重描述了嵌套和互质两类结构性稀疏阵列的连续自由度和自由度特征;在稀疏阵列DOA估计方面,根据信号参量构造原理的不同,阐述了基于物理阵列处理和虚拟阵列处理的两种测向理论,并分析了各自方法的适用条件和性能优势。此外,本文还回顾了稀疏阵列DOA估计的克拉美罗界(Cramér-Rao bound,CRB),为评估不同阵列和算法的优劣提供了重要依据。最后,通过梳理现有研究成果中存在的不足,对未来研究方向进行了展望,力图为稀疏阵列DOA估计的工程应用提供理论依据和技术支撑。

存在幅相误差下的稳健稀疏贝叶斯二维波达方向估计

为减小传感器幅相误差的影响,提升方位估计性能,针对L型传感器阵列提出一种存在幅相误差下的稳健稀疏贝叶斯二维波达方向(Direction-Of-Arrival,DOA)估计方法。引入一个辅助角,将二维DOA估计问题转化为两个一维角度估计问题。利用L型阵列两子阵数据互协方差矩阵的对角线元素向量,构造一个含有幅相误差的稀疏表示模型,采用期望最大算法推导未知参数表达式并进行迭代运算,进而获得离网格和信号精度,利用二者构建新的空间谱函数,通过谱峰搜索估计出辅助角;将求得辅助角代入含有幅相误差的阵列接收数据稀疏表示模型,再次运用稀疏贝叶斯学习方法,估计出入射信号的俯仰角;根据3个角之间的关系,估计出方位角。研究结果表明:该方法实现了方位角和俯仰角的自动匹配,进一步克服了幅相误差对估计性能的影响,提高了方位估计的精度和角度分辨力,尤其是在高信噪比和幅相误差较大情况下优势更明显;仿真结果验证了该方法的有效性。

一种包含组合范数惩罚项的波达方向稀疏估计方法

波达方向(Direction of Arrival,DOA)估计是阵列观测数据研究领域的一个基本问题.对于观测数据服从复椭球对称分布的应用场景,现有的方法多采用l1-范数惩罚项来实现信号波达方向的稀疏估计,其中的l1-范数惩罚项仅考虑信号的稀疏性而没有考虑信号的多样性,从而造成这些估计方法一般将弱信号(具有较低功率的信号)略去,可能无法准确地估计弱信号的波达方向.为解决这个问题,本文通过引入一个组合范数惩罚项构建了一个新的估计(模型)方法,其中的组合范数惩罚项是l1-范数惩罚项与l2-范数平方惩罚项的线性组合,其组合系数(惩罚参数)互不相关,l2-范数平方惩罚项则可以保留弱信号的多样性.然后,本文基于Majorization-Minimization(MM)算法设计了模型的求解算法,并证明该方法是收敛的.数值实验表明,相较于那些基于l1-惩罚项的估计方法,本方法具有更高的精度.

基于稀疏贝叶斯学习的混合mMIMO系统波达方向估计

波达方向估计是混合mMIMO系统波束成形得以应用的前提,基于协方差矩阵重构的子空间方法在相干信号和有限快拍数条件下性能损失较大。为了应对上述挑战,提出了一种基于稀疏贝叶斯学习的混合mMIMO系统波达方向估计方法,主要创新之处在于:将混合mMIMO系统的波达方向估计问题转化为稀疏信号恢复问题,从而绕过空间协方差矩阵重构,避免了其带来的性能损失。为了便于进行贝叶斯推断,进一步利用变分贝叶斯近似思想,在恢复稀疏信号的同时,自适应估计出未知参数,显著改善了对噪声和相干信号的鲁棒性,提升了有限快拍数情况下的波达方向估计性能。数值模拟结果验证了所提方法的优越性。

基于深度学习的室内目标波达方向估计

目前,室内场景下诸如定位及追踪、人体活动检测等许多应用对感知的需求越来越大,为支撑高精度感知,高效快速的波达方向(Direction of Arrival, DoA)估计是关键能力之一。然而在具有多径和障碍的室内环境下,传统DoA估计方法存在局限。鉴于机器学习在解决复杂信号处理问题方面呈现的效能优势,对基于深度学习(Deep Learning, DL)的室内目标DoA估计方法展开研究。设计了专门的卷积神经网络应对未知多径信号带来的不利影响,同时训练了模型从多径分量中分辨提取视距径信号DoA特征的能力。基于此,利用公开的DeepMIMO数据集生成了室内目标DoA估计专用构造数据集来训练模型,提出了基于小样本学习(Few-Shot Learning, FSL)的在线快速学习机制,对提高模型泛化性和鲁棒性展开设计。对室内环境下的DoA估计进行了多种方法仿真对比,验证了所提方法的有效性。

多径环境中二维波达方向估计的子空间平滑算法

在双平行线阵的基础上,提出了一种可在多径环境下估计二维波达方向的新算法.算法充分利用了信号在空间和时间上的特性,能估计的来波方向最多可达到(2M-1)(M-1)(M为天线阵元对数),估计过程中不需要角度搜索和参数配对过程,而且能根据不同的用户对相干来波实现分组.仿真试验结果证明了这种方法的有效性.

均匀圆阵相干信源二维波达方向估计

提出一种基于弹载双均匀圆阵(uniform circular array,UCA)的相干信源二维波达方向(direction ofarrival,DOA)估计算法。算法首先沿轴向对阵列进行虚拟平移,利用空间平滑技术处理数据以恢复协方差矩阵的秩,实现相干信号解相干,再依据轴向双圆阵列的结构特点构造波达方向矩阵,对波达方向矩阵进行特征值分解可得到包含俯仰角信息的特征值和包含俯仰角信息与方位角信息的特征矢量,完成相干信源DOA估计。算法将波达方向矩阵法引入均匀圆阵,估计参数自动配对,同时避免了常规算法的二维谱峰搜索,实时性好。仿真结果表明,与矩阵重构的均匀圆阵旋转不变子空间(uniform circular array-estimation of signal parameters via rotational invariance techniques,UCA-ESPRIT)算法相比,本文算法计算量较小,分辨率高。

累量域高分辨率二维波达方向估计算法

提出了一种利用虚拟双线性平行阵进行累量域高分辨率二维波达方向（ＤＯＡ）估计的新算法．该算法将累量用于协方差的计算，构造了一个虚拟ＤＯＡ矩阵（ＶＤＯＡＭａｔｒｉｘ），并基于此矩阵进行波达方向估计．理论分析表明，对虚拟ＤＯＡ矩阵进行特征值分解，就可以得到源信号的二维ＤＯＡ估计．同时由于累量对高斯噪声的自然盲性，因而算法具有稳健性．该算法的另一特点是可以提供虚拟扩展孔径，提高了孔径的利用率．

基于波达方向矩阵的矢量水听器方位频率联合估计

提出了一种新的基于单个矢量水听器的方位频率联合估计方法——波达方向矩阵法。利用矢量水听器的时延数据,构造了两个相同的子阵,通过对波达方向矩阵的特征分解,实现了对目标信号的波达方向估计,并同时得到了目标的频率特征。计算机仿真实验表明,该方法具有较好的估计精度。

空间相干源信号频率和波达方向的同时估计方法

本文针对宽频段窄带相干信号源，充分利用多重信号分类和旋转不变两大技术，结合一定的 时域信息，提出了一种高精度的信号频率和波达方向同时估计方法.该方法通过构造平滑波 达方向矩阵进行参数估计，无需搜索过程和配对处理.计算机仿真验证了本文所提出方法的 有效性.

基于角度修正的频率和波达方向联合估计

为实现相干密集信号的频率和波达方向估计,用参考频率替代真实频率,构建了一种降维稀疏字典,利用压缩感知理论,实现频率和波达方向联合估计;同时针对低信噪比、少快拍数、含有相干信号的复杂场景,给出一种利用SVD优化的方法。通过仿真发现所提算法及其优化算法,可对密集相干信号进行精确的频率和波达方向估计,提高了算法在低信噪比条件下的性能,更加适用于低信噪比、少快拍数场景。

累量域虚拟阵列二维波达方向估计算法

利用空间四阶累量的孔径扩展性质,构造了一种新的累量域虚拟阵列波达方向矩阵。由累量域虚拟阵列波达方向矩阵非零特征值的幅值和相位即可分别估计出信号源的方位角和俯仰角。本算法阵元利用率高,阵列布置灵活,由于采用了累量,通过适当布置阵列可压制任意分布噪声,获得较好的估计效果。

单快拍二维波达方向估计算法

在双平行均匀线阵的基础上,提出了一种利用单快拍数据进行二维波达方向估计的算法。该算法利用单次快拍数据构造出两个具有特定关系的矩阵,再构造一个波达方向矩阵,根据该矩阵的特征值和特征向量,可以估计出入射信号的二维波达方向。该算法无需多项式搜索和参数的配对过程,计算量小,且不论信号源的相关性如何都同样适用。因此,该算法适合于瞬时信号和快速运动信号的波达方向估计。

一种新的二维快速波达方向估计方法——虚拟累量域波达方向矩阵法

本文利用 3个具有特别位移特性的任意子阵元阵列和累量 ,构造出了虚拟累量域波达方向矩阵 .利用虚拟累量域波达方向矩阵的特征值的幅值和相位信息 ,就可以求出信号源的方位角和俯仰角 .因为子阵列结构是任意的 ,因此选择适当的子阵列就获得很好的估计效果 .而由于采用了累量 。