A METHOD FOR SOLVING DOA ESTIMATION AMBIGUITY IN ESPRIT ALGORITHM

This paper introduces a method for solving DOA estimation ambiguity in ESPRIT algorithm with the conventional beamformer. With the help of it, for any space of two subarrays, the signal DOA in [-π/2 ,π/2] can be estimated effectively by using ESPRIT algorithm. Finally, some simulation results to verify the theoretical analyses are presented.

基于高阶累积量ESPRIT算法的指数衰减正弦信号参数估计

工程应用中环境噪声多表现为高斯有色噪声,而针对高斯白噪声进行处理的算法失效问题,提出了一种高斯色噪声环境中用于多分量衰减正弦信号频率和衰减因子估计的四阶累积量ESPRIT算法。首先,推导出四阶累积量与观测样本中的自相关矩阵和互相关矩阵之间的关系,求出其四阶累积量矩阵。其次,通过对四阶累积量进行广义特征值分解,根据广义特征值即可得到信号衰减因子和频率的估计值。最后对所提算法进行了仿真实验验证,在混合信噪比为0 dB时,所提算法针对多分量衰减正弦信号角频率和衰减因子的平均估计误差分别为0.002 0πrad和0.002 0。在高斯白噪声和高斯色噪声背景下与ESPRIT算法和Prony算法相比具有更强的噪声抑制能力和更高的估计精度。

基于奇异熵TLS-ESPRIT算法的微电网小信号稳定性分析

针对微电网的小信号稳定性进行了研究。基于奇异熵和TLS-ESPRIT算法,提出了一种能直接从微电网运行数据中提取其小信号稳定模态的方法。该方法利用有效信号和噪声在奇异熵方面的显著差异来准确识别信号模态的阶数,有效抑制噪声干扰,并利用TLS-ESPRIT算法精确提取信号模态信息。仿真结果表明,所提方法较传统的Prony算法在计算复杂度和精度方面都具有明显的优势,且该方法能有效识别微电网在并网或孤网运行模式下的小信号稳定模态。

基于数学形态学滤波技术和TLS-ESPRIT算法的低频振荡模式辨识研究

针对传统Prony方法对噪声敏感和辨识精度不高的局限性,提出一种新的低频振荡模式辨识方法,实现了在有噪声干扰情况下低频振荡模式的准确辨识。该方法基于数学形态学设计出一种多结构元素的并行复合形态滤波器,可有效滤除多种噪声,保留更多的有用信息。对消噪后的信号采用基于总体最小二乘法-旋转不变技术的信号参数估计(TLS-ESPRIT)算法进行辨识,从而获取低频振荡各个模式参数。通过算例仿真,说明所提出的方法是可行和有效的。

二维虚拟ESPRIT算法

本文通过构造出一特殊阵元阵列，提出了一种全新的二维 ＥＳＰＲＩＴ算法──二维虚拟 ＥＳＰＲＩＹ算法。它具有计算量极低、估计效果好、子阵列要求低等优点，并且通过采取一定措施，可以适用于各种情况，使得本文方法具有较强的灵活性和实用性。

二维虚拟ESPRIT算法

Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ 算法是一种快速的高分辨率方向估计方法，但它是一种一维估计方法，不能直接推广到二维方向估计。本文在 Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ 的基础上，针对一种特定的阵列结构，提出了一种计算量很小的二维估计方法——二维虚拟 Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ，它的计算量同一维 Ｅ Ｓ Ｐ Ｒ Ｉ Ｔ 相当。

基于信号子空间的ESPRIT-Like算法在相干DOA估计中的应用

相干环境中DOA估计的一个主要任务是在预处理中设法消除空间协方差矩阵的秩损失,首先分析了相干信号对基于子空间的超分辨算法的影响,随后从矩阵重构的思路出发,提出了一种基于信号子空间的ESPRIT-Like算法,最后通过仿真结果证明该方法的有效性与优越性。

利用两次奇异值分解实现二维ESPRIT参量配对

本文主要讲述了一种ESPRIT的改进算法,该算法利用两次奇异值及一次SCHUR分解从而实现对ESPRIT各维估计参量的配对。该方法采用了二排均匀直线阵并附加一阵元,以此来对阵列进行两次子阵分解。利用子阵信号数据矩阵中包含的信号空间的旋转不变性质,借助于矩阵束方法求解出信号的二维到达角。仿真结果证实了该算法的有效性。

基于ESPRIT算法的柱面共形阵列天线DOA估计

由于共形天线阵列流形的多极化特性(polarization diversity,PD),信源方位参数与极化状态的"耦合"是实现共形阵列天线波达方向(direction-of-arrival,DOA)估计的主要难点。针对柱面共形阵列天线的特点,建立了柱面共形阵列天线的导向矢量模型;通过合理的阵元排列结构设计,结合ESPRIT(esti mation of signalparameters via rotational invariance techniques)算法参数估计的特点,实现了信源极化状态与方位参数的去耦合,推导了ESPRIT算法多参数估计的参数配对方法,最终提出了柱面共形阵列天线盲极化DOA估计算法。计算机Monte Carlo仿真实验验证了所提算法的有效性。

一种二维来波方向估计的快速ESPRIT算法

提出了一种快速ＥＳＰＲＩＴ算法．使用该算法和两平行均匀线阵可实现二维来波方向的快速估计．快速ＥＳＰＲＩＴ算法利用协方差矩阵中不受噪声影响的子块来估计来波方向，避免估计整个协方差矩阵和噪声功率，减少了特征分解的次数，大幅度地降低了运算量．而参数的估计性能接近ＰＲＯＥＳＰＲＩＴ算法．最后给出计算机仿真结果。

阵列模型误差影响下ESPRIT算法的二阶性能分析

针对阵列模型误差扰动的影响,该文对ESPRIT算法的方位估计性能进行二阶性能分析(即忽略模型误差扰动量的三次及以上各项).与经典分析方法(即一阶分析方法)相比,文中的性能分析方法能够在模型误差扰动较大的情况下提高性能预测精度.此外,文中的理论推导不仅针对阵列流形失配的情况,还针对阵元噪声模型失配的情形.数值实验表明:在较大模型误差的条件下,文中的二阶性能分析方法能够提高对ESPRIT算法的性能预测精度.

基于修正ESPRIT算法的二维DOA估计

针对二维ESPRIT算法在求解相干信号的时候存在较大的阵列冗余度,为了降低计算量,提高算法的解相干能力,在双排平行均匀线阵的基础上,介绍了一种二维修正ESPRIT算法.通过对子阵的合并,摒弃了原协方差矩阵中的冗余数据,使得新构成的协方差矩阵的维数比原来下降了近33%,从而降低了特征值分解的维数,并且新构成的协方差矩阵可以对接收数据进行共轭重排再利用.理论分析和仿真实验表明,该算法降低了计算量,提高了对非相干信号的估计准确度,同时具有一定的解相干能力.

矢量阵的非空间ESPRIT算法

矢量水听器同时测量声场中某点的声压和质点振速的正交分量,单个矢量水听器可视为空间共点阵.建立了任意阵型矢量阵的数据模型,研究了任意阵型矢量阵的非空间ESPRIT算法.非空间ESPRIT算法不是利用空间2个子阵组成的矩阵对,而是利用矢量水听器不同的输出分量组成矩阵对完成目标的二维角度(水平方位角和仰角)估计.仿真研究了该算法对单个源和多个源方位估计的情况,并利用外场试验数据验证了算法的有效性.结果表明,在当时的试验条件下,常规波束形成获得的主瓣波束宽度为30°左右,而非空间ESPRIT算法对目标方位估计的标准差为3°左右,说明基于矢量阵的非空间ESPRIT算法在未知阵列流形的前提下可对目标进行高精度方位估计.

脉冲噪声环境下循环ESPRIT新方法

以α稳定分布作为噪声模型,研究了脉冲噪声环境下循环平稳信号的波达方向估计问题。针对在脉冲噪声环境中,基于传统二阶循环统计量的算法效果显著退化的问题,提出了分数低阶循环相关矩阵概念;并在此基础上,提出了分数低阶总体最小二乘(TLS)循环ESPRIT算法的2种形式。计算机仿真表明所提出的算法可有效地估计出脉冲噪声条件下的波达方向,其性能优于传统的基于二阶循环统计量的循环ESPRIT类算法,有潜在的应用前景。

基于分数阶Fourier变换和ESPRIT算法的LFM信号2D波达方向估计

提出一种利用分数阶Fourier变换(FRFT)和旋转不变子空间(ESPRIT)算法实现多个线性调频(LFM)信号二维波达方向(DOA)估计的新方法。该方法利用FRFT对LFM信号的能量聚集特性,构造出一种新的FRFT域的阵列数据模型,并利用ESPRIT算法实现对多个LFM信号的二维DOA估计。仿真实验验证了算法的有效性。

基于数据共轭重排的修正ESPRIT信号DOA估计算法

本文介绍了将接收数据共轭重排的再利用，构造相关矩阵的修正ＥＳＰＲＩＴ算法。理论分析和仿真实验表明，该算法同经典的ＥＳＰＲＩＴ算法相比，在快拍次数有限时，可明显改善信号ＤＯＡ估计的性能，且其计算量二者基本相当。

一种基于ESPRIT的改进算法

在目标波达方向估计的众多算法中,ESPRIT算法是一种运算速度较快、估值精度较高的常用算法。在该算法中,利用两个相同平移阵列接收信号的协方差矩阵进行广义特征值分解,进而求出目标波达方向的高分辨率估计,但是由于需要对协方差矩阵进行广义特征值分解运算,大大增加了计算的复杂度,因而不利于在工程应用中实现。本文提出了一种基于ESPRIT的改进算法,不需要对来波信号的协方差矩阵进行广义特征值分解,就可以实现对目标波达方向的高分辨估计,理论分析和仿真结果证明了该改进算法的有效性和可行性。

智能天线UCA-ESPRIT算法的仿真

首先介绍了用于均匀圆阵的 UCA- ESPRIT测向算法 ,并对其进行了改进和简化 ,将二维角度估计问题简化为一维的方位角估计问题 ,然后比较了该算法与 MUSIC算法在智能天线中的仿真结果 ,最后给出了相应的结论和改进思路。

全极化散射中心提取与参数估计:P-ESPRIT方法

该文提出了一种新的全极化散射中心提取与参数估计方法:P-ESPRIT方法。该方法是一种极化和超分辨联合处理方法,不仅实现了对各极化通道散射中心的数目、位置、强度以及归一化极化散射矩阵等参量的同时估计,而且充分利用了目标全极化信息,提高了散射中心提取与参数估计的精度。与MUSIC,ML等超分辨方法相比,P-ESPRIT不需要进行搜索,因此它还具有实时性高的优点。基于仿真和实测数据的实验结果证实了该方法的有效性。

基于ESPRIT的均匀互耦线阵DOA及互耦参数估计

利用均匀线阵的特殊结构及其互耦矩阵,提出了一种阵列互耦存在下基于ESPRIT的DOA和互耦参数估计方法。首先通过ESPRIT法中子阵的选取,无需阵列互耦任何信息,直接得到方位估计,即对互耦参数稳健的DOA估计方法;接着在方位估计的基础上,基于真实导向矢量的最小方差拟合得到均匀线阵的互耦系数估计。与已有算法相比,该算法同时利用了天线阵列结构及其互耦特点,一方面将信号角度与互耦系数估计相互分离,使角度估计精度不受互耦估计的制约;另一方面,方位和互耦系数估计均可通过表达式求解,因此算法运算量小。计算机仿真证明该算法的有效性和正确性,并从仿真角度研究了算法分别在幅相误差和互耦矩阵误差下的性能。