阵元失效下稀疏阵列的二维DOA估计算法

本文针对二维稀疏阵列在阵元失效条件下,因数据缺失导致虚拟阵列连续性被破坏及自由度下降的问题,提出了一种二维DOA估计算法。首先基于二维差分共阵构建虚拟阵列,然后利用解耦原子范数最小化理论,以矩阵填充的形式恢复协方差矩阵数据,实现对虚拟阵列中丢失虚拟阵元的内插,最后采用SS-MUSIC算法进行多信源的二维DOA估计。所提方法弥补了物理阵元失效所造成的影响,恢复了原始虚拟阵列的完整孔径特性,保持了虚拟阵列的自由度,从而确保了较高精度的二维DOA估计性能。仿真实验结果表明,在相同阵元数量及阵元失效情况下,本文提出的算法相比已有方法能有效地估计更多信源,并在小快拍数和低信噪比条件下表现出更高的稳健性,最大限度地保留并利用了稀疏阵列在二维DOA估计中的自由度优势。

一种基于稀疏贝叶斯学习的离网DOA估计算法

本文提出一种基于稀疏贝叶斯学习的改进离网DOA估计算法,以提升非理想测向环境下在低信噪比、低快拍数时的DOA估计性能,称之为MOGSBL算法。本算法将信号源方位区间进行离散化,得到方位离散网格。为阵列接收信号建立稀疏贝叶斯模型,将网格节点修正量设为模型超参数。采用期望最大化算法迭代更新网格节点修正量,使更新后的网格节点更接近真实源信号方位。为了检验MOGSBL算法的性能,本文进行了大量的数值实验,并将MOGSBL算法的DOA估计结果与RSBL算法、OGSBL算法和L1-SVD算法进行对比。在不同信噪比和不同快拍数时,MOGSBL算法均能清晰分辨方位很接近的两个信号源,角度分辨率明显高于RSBL算法、OGSBL算法和L1-SVD算法。随着信噪比和快拍数的增加,4种算法的RMSE均逐渐减小。但MOGSBL算法的RMSE明显低于RSBL算法、OGSBL算法和L1-SVD算法,且RSBL算法、OGSBL算法优于L1-SVD算法。实验还分析了方向测试范围的离散网格节点数对DOA估计的影响,发现细密的离散网格可以提高DOA估计精度,但DOA估计的计算量会增加。且在任意网格节点数时,相比于RSBL算法、OGSBL算法和L1-SVD算法,本文的MOGSBL算法均具有最低的RMSE和最短的计算时间。

基于二阶统计特性的方向向量估计算法的DOA估计

为了减小天线阵流形误差对波达方向(DOA)估计结果的影响,以及克服基于传统盲源分离算法的DOA估计算法不能应用于少通道测向设备的不足,提出一种基于2阶统计特性的方向向量估计算法的DOA估计算法。首先,根据确定性最大似然(DML)估计算法谱函数的特征,构造关于协方差矩阵的酉约束下的优化问题;然后,通过优化该问题获得各个单信号的实际方向向量;最后,将各个单信号的实际方向向量输入到空间谱算法中实现DOA估计。由于将多信号的DOA估计转化为多个单信号的DOA估计,因此在天线阵列流形存在误差时,所提算法比传统的DOA方法具有更好的DOA估计性能。由于所提算法仅需使用协方差矩阵,因此所提算法可应用于少通道测向设备。由仿真实验结果可知,在阵列流形存在误差以及测向设备为少通道测向设备时,与传统DOA方法相比,所提算法的DOA估计的准确度、抗扰度以及分辨率更高。

基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计

多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel矩阵并施加Schatten-p范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。

基于可分离替代函数算法的DOA估计方法

针对现有波达方向估计(Direction of Arrival, DOA)算法在低信噪比、多信源条件下估计精度不足、效率低等问题,提出了一种基于可分离替代函数算法的矢量水听器阵列多快拍DOA估计方法.首先对空域等角度均匀划分,构造出超完备冗余字典,建立信号多快拍数据在空域的稀疏表示模型,然后采用可分离替代函数算法思想解决稀疏重构问题,求解出信号在空域的稀疏系数矩阵,最后将稀疏矩阵中行向量的范数映射到空域网格上,得到DOA估计值.仿真实验表明:该方法在低信噪比、多信源条件下拥有比子空间类算法、贪婪类算法以及现有凸优化类估计算法更高的DOA估计精度和更强的鲁棒性,与同类算法相比执行效率更高.

基于深度复数神经网络的雷达目标DOA估计算法

传统模型驱动的波达方向(direction of arrival, DOA)估计算法性能受限于有限的信号特征、快拍数、信噪比、信杂比等因素,在低信噪比、快拍数少的极端情况下,性能较差。为克服上述问题,提高在极端条件下的估计精度,文章提出基于深度复数神经网络(complex-valued neural networks, CVNN)的单快拍DOA估计算法,构建深度复数神经网络模型,学习原始带噪信号与理想无噪复信号之间的映射关系,进而实现噪声抑制和期望信号特征增强的目的,提高DOA估计精度。仿真实验结果表明,经CVNN增强后,数据的等效信噪比约提高了1 dB,等效快拍数提高了3,该文所提算法相较于已有的多种物理驱动算法而言,具有更高的估计精度和泛化性。

基于压缩感知的阵元位置无源校准及DOA估计

文章针对阵元位置误差导致水听器阵列性能恶化的问题,提出一种适用于均匀线阵列的阵元位置无源校准方法。该方法综合远场阵列模型和宽带信号空间谱的特性,利用压缩感知技术,将阵元实际位置估计问题转化为稀疏信号的重建,建立了阵元位置误差模型,构建了相应的优化函数,并采用正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法解算阵元实际位置。计算机仿真验证表明,基于压缩感知的方法能有效改善阵元位置误差造成的空间谱估计失效问题,可为目标方位角(Direction of Arrival,DOA)估计提供有效的技术支撑。

一种基于迭代近端投影的被动声纳探测离网格DOA估计方法

Traditional direction of arrival(DOA)estimation methods based on sparse reconstruction commonly use convex or smooth functions to approximate non-convex and non-smooth sparse representation problems.This approach often introduces errors into the sparse representation model,necessitating the development of improved DOA estimation algorithms.Moreover,conventional DOA estimation methods typically assume that the signal coincides with a predetermined grid.However,in reality,this assumption often does not hold true.The likelihood of a signal not aligning precisely with the predefined grid is high,resulting in potential grid mismatch issues for the algorithm.To address the challenges associated with grid mismatch and errors in sparse representation models,this article proposes a novel high-performance off-grid DOA estimation approach based on iterative proximal projection(IPP).In the proposed method,we employ an alternating optimization strategy to jointly estimate sparse signals and grid offset parameters.A proximal function optimization model is utilized to address non-convex and non-smooth sparse representation problems in DOA estimation.Subsequently,we leverage the smoothly clipped absolute deviation penalty(SCAD)function to compute the proximal operator for solving the model.Simulation and sea trial experiments have validated the superiority of the proposed method in terms of higher resolution and more accurate DOA estimation performance when compared to both traditional sparse reconstruction methods and advanced off-grid techniques.

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类(Multiple Signal Classification,MUSIC)解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向(Direction of Arrival,DOA)估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。

稀疏阵列的鲁棒矩阵填充DOA估计算法

稀疏阵列布阵灵活,增大阵列孔径的同时还能减少阵元间耦合,但基于稀疏阵列的传统波达方向估计会导致角度模糊混叠,带来估计精度差和稳健性不足的问题。针对以上问题,提出一种适用于稀疏阵列波达方向估计的加权截断奇异值投影(weighted truncated singular value projection,WT-SVP)的鲁棒矩阵填充算法。在填充迭代过程中根据奇异值的大小分配权重,突出大奇异值包含的阵列信息,减少小奇异值中不必要的噪声信息,从而优化传统奇异值投影算法。该算法可以实现稀疏阵列的孔洞信息恢复,对不连续阵元充分利用,同时WT-SVP填充算法实现了稀疏阵列波达方向估计的高精度、高分辨以及在低信噪比、低快拍时的高鲁棒性。

低快拍下混合信号DOA快速估计算法

实时定位移动设备在电子对抗系统中至关重要,其性能主要取决于波达角(direction of arrival,DOA)的估计速度。低快拍是快速DOA估计的先决条件。目前基于稀疏重构算法的DOA估计具有适应低快拍的优势,但估计精度受限于初始观测矩阵,且估计速度受限于观测矩阵高维度的多次迭代。为此,提出一种空间差分矩阵和稀疏重构耦合的低快拍下高精度快速估计算法。首先利用空间差分矩阵消除非相干信号和噪声对相干信号估计结果的影响,提升初始观测矩阵的准确度;然后对完备字典做前后空间平滑处理,克服高维度信号处理复杂难题,实现快速估计;最后分别估计非相干信号和相干信号。仿真验证结果表明,相比稀疏重构方法,所提方案初值敏感度显著降低,在保障精度相当甚至小幅度提升的前提下,运行时间复杂度降低50%以上。

互质阵MIMO雷达DOA估计性能综合分析

以非相干信号源为研究对象,综合分析了单基地互质阵多输入多输出(MIMO)雷达的波达方向(DOA)估计性能。首先,在总结归纳互质阵结构特点的基础上推导了基于和联合阵列及和差联合阵列的单基地MIMO雷达测向信号模型,然后结合多重信号分类(MUSIC)算法,分别详细介绍了基于和联合阵列及和差联合阵列的单基地MIMO雷达DOA估计方法,最后,进行与等阵元数的均匀线阵MIMO雷达的对比仿真实验,验证了互质阵MIMO雷达DOA估计性能的优越性。

宽带相干信号DOA和极化参数联合估计方法

针对宽带相干信号下波达角和极化参数的联合估计问题,提出了一种低复杂度的参数估计方法。首先,通过轴向虚拟平移对圆阵接收信号进行平滑,而后对平滑后的自相关矩阵进行聚焦。之后,联合聚焦后的自协方差矩阵和平滑后的互协方差矩阵构造极化波达方向矩阵。然后,通过该矩阵的特征值和特征向量,经闭合式求解出入射信号的波达角和极化参数。所提算法实现了估计参数的自动配对,无需谱峰搜索,计算量小,且仅需3个阵元即可实现参数估计,能够节约硬件资源。仿真实验从复杂度、有效性和稳健性3个方面验证了所提算法的可行性。

一维天线阵列DOA估计实验系统设计与实现

设计了一套四阵元线阵DOA估计实验系统用于雷达对抗等课程实验。系统主要由宽带平面螺旋天线、四通道软件无线电接收机USRP-2955和数据处理计算机组成。平面螺旋天线放置在俯仰可调的一维支架上,可实现基于均匀或稀疏阵列的信号接收;计算机控制USRP实现四通道同步下变频及IQ数据采集。在微波暗室,利用标准增益喇叭天线发射信号,采用MUSIC超分辨算法实现了信号的正确估计。验证了提出的稀疏阵列原子范数最小化无网格和无监督深度学习等新理论、新方法DOA估计的可行性,提高了测角精度;验证了提出的利用仿真数据训练网络实现基于深度学习DOA估计的方法。实验系统具有良好的实验指导意义和现实应用意义。

基于辅助阵元的幅相误差和DOA同时估计算法

针对阵元幅相误差使波达方向(direction of arrival,DOA)估计精度下降的问题,提出了一种阵元幅相误差和DOA同时估计算法。该算法通过在阵列一侧设置少量已校正阵元,改变了误差矩阵的结构,并根据改变后的矩阵特征构造了变换矩阵,通过构造的变换矩阵和子空间算法,实现了对阵元幅相误差和DOA的同时估计。此外,该算法能够解决信源功率存在较大差异时误差估计不准的问题,实现了高精度的误差和角度的同时估计。计算机仿真结果证明了所提算法的正确性和有效性。

基于双曲复合函数近似l_(0)范数的DOA估计

针对现有压缩感知类波达方向(DOA)估计算法估计精度低、收敛速度慢的问题,提出了基于双曲复合函数近似l_(0)范数的DOA估计算法。首先给出了一种双曲复合函数来近似l_(0)范数,将求解l_(0)范数最小问题转化为双曲复合函数的最优化问题,然后为提高算法的全局收敛效率,采用修正牛顿法对双曲复合函数进行最优化求解,通过算法的内外两层循环获取近似l_(0)范数解,外层循环为内层循环提供逼近因子,内层循环根据递减的逼近因子对修正后的牛顿迭代表达式求解,进而得到近似l_(0)范数的最优解,最终得到DOA估计值。通过模拟仿真实验对所提算法进行了有效性验证,结果表明所提算法在信噪比为5 dB条件下,DOA估计均方根误差为0.6856°,估计成功率高于98%。

阵元失效下基于核范数和SCAD惩罚的MIMO雷达DOA估计

阵元失效下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival,DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly Clipped Absolute Deviation)惩罚的完整协方差矩阵重构方法,以利于阵元失效下MIMO雷达DOA的有效估计。首先对待恢复的协方差矩阵建立核范数和SCAD惩罚双先验约束模型,并利用等正弦空间稀疏化方式划分粗网格空间,在可容忍的模型误差内能大大降低运算复杂度;然后利用ALM-ADMM(Augmented Lagrange Multipliers-Alternating Direction Method of Multipliers)算法对双先验约束模型进行求解,从而恢复协方差矩阵中大量整行整列的缺失数据;最后通过RD-ESPRIT(Reduced Dimensional ESPRIT)算法进行目标DOA估计。仿真结果验证该方法能快速恢复虚拟协方差矩阵中的缺失数据,从而有效提高阵元失效下MIMO雷达的DOA估计性能。

一种冲击噪声下相干分布源多峰DOA估计方法

针对现有相干分布源波达方向(Direction Of Arrival,DOA)估计方法计算量大、抗冲击噪声能力弱和不能有效去相干等难题,本文提出了一种冲击噪声下相干分布源多峰DOA估计方法,并推导了冲击噪声下相干分布源DOA估计的克拉美罗界.为了实现冲击噪声下相干分布源DOA估计,采用加权范数协方差抑制冲击噪声,进而首次推导出多峰加权信号子空间拟合方程,并设计了一种多峰量子秃鹰算法快速无量化误差求解.仿真结果表明,所提方法在冲击噪声下能够以较小的快拍数实现相干分布源DOA估计,且无需额外的解相干操作即可有效去相干.与一些已有的高精度DOA估计方法相比,所提方法仿真时间明显缩短,且具有更高的估计精度和估计成功概率,突破了已有相干分布源DOA估计方法的应用局限,可推广应用于其他复杂的DOA估计问题中.

未知信源数量DOA估计方法

针对传统阵列天线来波方向(Direction of Arrival,DOA)估计算法需要准确获取信源数量的问题,提出了一种未知信源数量类多重信号分类(Multiple Signal Classification,MUSIC)DOA估计方法。首先根据阵列天线的多个快拍数据估计输入信号自相关矩阵;其次对信号自相关矩阵进行特征值分解,并使用重构相关矩阵的方式实现信号分量的抑制;最后结合传统MUSIC谱估计算法实现未知信源数量条件下的DOA估计。仿真实验表明,所提算法的复杂度较低,且DOA估计误差性能接近传统MUSIC算法。

锥面共形阵列天线实值盲极化DOA估计方法

将快拍数据协方差矩阵分裂思想引入到锥面共形阵列天线的测向中,提出了一种高效的锥面共形阵列盲极化波达方向(DOA)估计方法。该方法将子空间估计过程进行了实值化处理,通过子阵分割解决了协方差矩阵分裂引起的“镜像模糊”问题,同时,对参数估计的理论性能界进行了分析,推导了实值盲极化DOA估计的克拉美-罗界,并讨论了算法复杂度改善情况,在保证DOA估计精度的前提下有效降低了算法复杂度。仿真实验表明,所提算法在信噪比为10 dB时,估计精度与已有盲极化复值算法基本一致,而运算量仅为原算法的60%~70%,证明了算法的有效性。