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.

多径循环平稳信号二维波达方向估计——极化域平滑法

针对相干循环平稳信号,该文提出一种估计二维波达方向的新方法——极化域平滑法。该算法充分利用信号的循环平稳特性以及极化多样性,在不影响阵列孔径的情况下,进一步增大可估计的相干信源数目,且具有信号选择和噪声抑制能力。估计过程中各参数自动配对。仿真结果验证该文方法的有效性。

加权子空间拟合相干信源二维波达方向估计

对均匀圆阵列 (U CA)二维波达方向估计问题 ,运用相位激励模式波束形成技术 ,得到圆阵波束空间实值阵列流形。在波束空间内 ,研究了相干信源子空间分解技术和加权子空间拟合技术。计算机仿真表明 。

基于均匀圆阵的空时二维波达方向估计算法

提出了一种适合于均匀圆阵的空时二维波达方向估计方法,该方法先利用模式激励技术对接收数据进行变换,再利用变换后数据之间的互相关关系将数据进一步映射到空时域,然后构造出一对空时DOA矩阵束,通过矩阵束的广义特征值就能够计算出所有入射信号的方位角和俯仰角。该方法完全避免了DOA矩阵类方法中难以克服的角度兼并问题,与UCA- ESPRIT算法相比,减小了孔径损失,使能够估计的信号数目增加了一倍。该方法具有免搜索和参数自动配对的特点。仿真结果证明了该算法的性能。

基于分数阶傅里叶变换的线性调频信号二维波达方向估计

本文提出了一种基于分数阶傅里叶变换(Fractional Fourier Transform,FRFT)的多线性调频(Linear Frequency Modulation,LFM)信号二维波达方向(Direction of Arrival,DOA)估计方法.该方法利用FRFT对LFM信号的能量聚集特性,构造出一种新的分数阶傅里叶域的阵列信号数据模型,并利用MUSIC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.

一种基于双平行线阵相干源二维波达方向估计的新方法

提出一种基于双平行线阵有相干信号源存在情况下二维波达方向估计的新算法。该算法根据阵列结构的特点形成 6个需要的相关矩阵 ,然后构造一个特殊大矩阵并经特征分解获得信号子空间的估计 ,最后利用 2 DESPRIT方法实现二维角度估计。无论是否存在相干源 ,新算法都能精确估计出二维到达角 ,而无需进行谱峰搜索 ,从而解决了信号参数配对问题。

基于MIMO技术的二维波达方向估计

传统的L型阵相比面阵精简了阵列结构,以较少的阵元实现二维波达方向估计,但是波达方向估计性能受到物理孔径限制。本文将MIMO技术和L型阵结合,提出一种基于MIMO技术的L型阵二维波达方向估计方法。该方法通过MIM0等效虚拟阵列原理,将L型阵等效为一矩形平面阵列,然后在等效矩形阵列的基础上,采用MUSIC进行二维波达方向估计,以L型阵的物理孔径实现矩形平面阵列的估计性能。本文推导了二维波达方向估计的CRB,计算机仿真实验证实了所提方法的有效性。

基于Y形阵的空时二维波达方向估计

提出了一种适用于Y形阵的空时二维波达方向估计方法,在低信噪比下实现了无模糊的二维波达方向估计。该方法利用了Y形阵的特性,具有较好的稳定性和较小的估计方差。仿真结果证明了本方法的有效性。

采用等距二元矢量水听器直线阵的二维波达方向估计

为了减小传统四元矢量水听器阵的尺寸和减少冗余阵元,提出了采用等距二元矢量水听器直线阵的二维波达方向(DOA)估计方法。每个阵元(矢量水听器)由空间共点的一个声压水听器和一个振速水听器构成。其中声压水听器阵可以被划分为2个子阵,它们构成旋转对,旋转因子为包含某一轴方向余弦信息的相位延迟因子。振速水听器阵可以被划分为2个子阵,它与声压水听器阵构成旋转对,旋转因子为另一轴方向余弦。基于旋转子空间不变法(ESPRIT)的思想,采用并行总体最小二乘(TLS)矩阵束方法实现对旋转因子的估计和自动配对,从而实现二维DOA估计。计算机仿真实验结果证明了该方法的有效性。

基于循环互相关的二维波达方向估计方法

本文在简化传感器阵列基础上,建立了基于循环互相关的阵列信号模型,并根据该模型,运用波达方向矩阵法提出了一种新的循环平稳源信号二维DOA估计方法,通过利用循环互相关函数建立信号处理模型,使得该方法在继承了一般循环平稳DOA估计方法所具有的优点之外,还具有更好的抑制噪声能力,同时,此方法不仅对窄带信号适用,对宽带信号也同样适用。此外,该方法不需谱峰搜索和二维角度参数配对,具有计算复杂度低的优点。理论分析和仿真结果均说明,本文方法具有较好的噪声抑制能力和信号选择能力。

SαS噪声环境下的宽带信号二维波达方向估计算法

为克服在SαS噪声环境下的DOA估计方法没有考虑宽带信号的情况,在分析SαS噪声环境下宽带信号阵列输出矩阵性质的基础上,将时域方法与频域方法有机结合起来,通过构造L型阵列的各频带的分数阶累计量,将一维宽带信号阵列模型拓展到二维,并利用CSM聚焦算法,通过k个聚焦矩阵T(fk)把不同频率处的方向矩阵变换到同一参考频率f0下的矩阵,采用改进的分数低阶矩阵(MFLOM)来作为共变矩阵的估计子。实现了SαS噪声环境下的宽带信号的二维波达角估计,通过仿真分析证明了该算法的有效性。

宽带非高斯信号的二维波达方向估计方法

该文提出了一种解决宽带非高斯信号二维波达方向估计的方法.该方法利用相干信号子空间方法 把宽带的阵列频域数据四阶累积量聚焦到同一个参考频段下,然后利用基于信号空时特征结构的时空DOA 矩阵方法来进行二维DOA估计。理论上证明该方法在高斯噪声环境下对宽带非高斯信号都具有很好的估 计性能,通过计算机仿真也验证了该方法的有效性。

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。

利用空域稀疏性的L型阵下二维波达方向估计

针对稀疏重构应用于二维波达方向估计时存在计算量大的问题,从减少过完备字典的原子个数以及求解模型的阶数这两个方面入手,提出一种具有较低计算复杂度的基于稀疏重构的二维波达方向估计方法。该方法中首先根据L型阵的结构特点,对基于阵列接收数据的稀疏线性模型进行分解和重新组合,抛弃与信源无关的原子,大大减少了原子个数;其次,提出利用多快拍数据协方差矩阵的最大特征值对应的特征向量作为待分解信号建立稀疏模型,使模型阶数从快拍数降至一阶。此外,给出了新方法的详细实施步骤,并且对其计算复杂度进行了理论分析。新方法估计精度高,并且能够自动实现俯仰角和方位角配对。最后,通过计算机仿真验证了新方法的有效性。

基于准二维天线阵列的二维波达方向估计方法

设计了一种准二维天线阵列。这种阵列可划分为2个平移子陈，利用这两个子阵的信息，构成混合波达方向矩阵。通过对混合波达方向矩阵进行特征分解，实现二维波达方向估计。这种方法不仅具备波达方向矩阵法的所有优点，同时解决了β角兼并信号的分辨问题，陈列的孔径损失较小。

基于稀疏重构的L型阵列的二维波达方向估计

在L型阵列下,基于稀疏重构提出一种可实现自动角度配对的二维波达方向估计方法。首先,根据两均匀线阵接收数据的互相关矩阵构建二维稀疏线性模型;然后,通过数学变换将该二维模型转换为联合稀疏重构模型之内,通过联合稀疏重构算法分别单独获得信源方位角和俯仰角的粗略估计,并将此信息融入二维稀疏线性模型,大大减少了模型中原子个数,达到降低计算复杂度的目的;其次,从理论上分析了新方法可分辨的信源个数和计算复杂度;最后,通过一系列计算机仿真将新方法与其它子空间类二维波达方位估计方法进行比较,表明了新方法在估计精度上的优越性。

基于MIMO雷达虚拟阵列的二维波达方向估计算法

基于L型配置MIMO雷达系统,提出了一种利用MIMO雷达单次回波的二维波达方向估计新算法。该算法通过单次回波信号形成的虚拟阵列数据来构造两个具有特定关系的矩阵,再用这两个矩阵构造一个波达方向矩阵,根据该矩阵的特征值和特征向量之间的关系,导出了目标方位角和高低角的闭式解。该算法不涉及二维谱峰搜索,计算量小,且不存在参数的配对问题;此外,当发射阵元数大于2时,其估计的最大目标数可大于或等于接收阵元数。计算机仿真结果证明了该算法的正确性和可行性。

基于任意结构阵列的二维波达方向与频率联合估计

针对任意结构传感器阵列二维波达方向、频率三维参数联合估计问题,给出了一种基于DOA矩阵法的有效解决方案。经由特征分解同时得到信号频率与阵列流形矩阵的估计,通过考察相邻阵元之间信号传播时延的关系构造矩阵方程,并由求解矩阵方程直接给出二维波达方向的闭式解。该算法参数估计性能优越,计算量小,仅需要阵列满足空域采样定理的基本要求即可,具有广泛的适用性与实际的应用价值。理论分析与仿真实验都证实了这一结论。

基于宽带均匀同心球阵列的低复杂度二维波达方向估计算法

该文提出一种基于宽带均匀同心球阵列(UCSA)的2维波达方向(2D-DOA)低复杂度估计算法。该方法将宽带UCSA输出信号转换为相位模式,并对其进行频率补偿,实现近似频率不变(FI)特性,从而降低宽带信号处理的计算复杂度。为了进一步降低2D-DOA估计的计算复杂度,该文提出基于FI-UCSA的降维多重信号分类(MUSIC)算法。该方法将相位模式导向向量分解为方位角和仰角相关的两个矩阵,从而把2维搜索问题简化为1维(1D)搜索,实现降维优化并降低计算复杂度。仿真结果表明,该算法计算复杂度相较于2维MUSIC算法得到了极大的降低,并且在估计精度和分辨率上均稍有改善。

一种用于矩形阵列的二维波达方向估计方法

针对现有使用均匀矩形阵列或稀疏矩形阵列的二维无格波达方向估计方法的性能欠佳的问题,提出一种基于二阶特普利茨矩阵重构和二维旋转不变参数估计技术的无格波达方向估计方法。使用均匀矩形阵列或稀疏矩形阵列,对其接收信号的协方差矩阵进行二阶特普利茨结构表达,通过log-det稀疏测度与正定约束构造约束优化问题,并使用优化最小算法求解,最后通过二维旋转不变参数估计技术估计源的二维波达方向,即方位角与俯仰角。这种方法需要多次求解半定规划问题,计算复杂度相对较高,但能获得更好的波达方向估计性能。在仿真实验中,这种方法在均匀矩形阵列或稀疏矩形阵列条件下均有非常低的均方根误差,接近克拉美罗界,证明了其良好的波达方向估计性能。