声矢量传感器阵中基于Kalman滤波和OPASTd的DOA跟踪算法

研究了声矢量传感器阵动目标角度跟踪问题,并提出了声矢量传感器阵中一种基于Kalman滤波和正交压缩近似投影子空间跟踪(Orthonormal projection approximation and subspace tracking of deflation,OPASTd)的波达方向(Direction of arrival,DOA)跟踪算法。该算法通过OPASTd算法来进行DOA的跟踪,从而克服了PASTd算法由于在某些情况下振荡但不收敛进而压缩数据、在迭代更新中由特征向量的不准确性产生误差累积等原因引起破坏信号子空间正交性的缺陷。Kalman滤波和OPASTd相结合算法可在估计角度的同时进行数据关联,与传统的PASTd算法相比,角度跟踪性能更好。该算法的优越性均可在文中得到验证。

一种相干分布源中心DOA快速跟踪算法

在智能天线和无线定位等技术中,精确跟踪目标的波达方向(DOA)十分重要。大多数传统的DOA跟踪方法都将目标信号看成是点源。但在密集的移动通讯环境中,信号的多径散射将引起信号能量的扩散,采用分布式信源模型更适合。因此,研究分布源的DOA跟踪技术更有意义和价值。针对相干分布源,本文基于均匀线阵提出了一种中心DOA快速跟踪算法。该算法首先通过正交紧缩近似投影子空间跟踪(OPASTD)算法实时更新信号子空间,然后利用一种低复杂度的方法估计分布源的中心DOA。本文算法避免了对样本协方差矩阵进行重复的特征分解,计算复杂度较低。算法的跟踪性能良好,并能有效跟踪多个分布源。此外,算法不需要分布源角分布形式的先验知识,稳健性好。仿真结果证实了算法的有效性。