一种相干信号源分布式目标波达方向估计方法

针对相干信号源分布式目标 ,在具体的空间信号分布函数形式未知的情况下 ,提出了一种基于盲辨识的分布式目标波达方向 (DOA)估计方法。它不用进行多维参数搜索 ,并且适用于非均匀线阵和点目标与分布式目标同时存在或空间信号分布函数形式不同的分布式目标同时存在的情况。理论分析和仿真实验结果表明 ,这种高分辨的分布式目标DOA估计方法的估计性能对相干分布式目标信号源的分布特性是不敏感的。

一种分布式目标波达方向估计方法

本文提出一种在多径情况下 ,利用广义阵列流形的特点 ,通过求解矩阵的广义特征值分解 ,不用进行谱峰搜索或多维参数搜索 ,直接由广义特征值得到分布式目标波达方向 (DOA)估计的方法。

基于盲波束形成的分布式目标波达方向估计方法

在分布式目标波达方向估计问题中 ,空间信号分布函数一般具有共轭对称性 .本文提出了一种新的盲波束形成方法 ,不用进行多维参数搜索 ,不要求已知空间信号分布的具体函数形式 ,并适用于分布函数形式不同的分布式目标同时存在的情况 .仿真实验结果表明 ,这种方法的波达方向估计性能对信号源的分布特性不敏感 .

利用预投影变换提高分布式目标波达方向估计性能

在有限次快拍和存在系统误差时,分布式目标波达方向高分辨方法性能变差.预投影技术可以在一定程度上降低子空间方法对系统误差的敏感度,减少非期望信号方向上的能量,可以根据信号方向的粗略估计和阵列流形知识预先计算得到投影算子.预处理技术具有有效性和稳健性.

一种快速分布式目标波达方向估计新方法

在现有的分布式目标波达方向估计方法中,绝大部分算法需要一维或二维搜索,而在不需搜索的特征分解类算法中,其DOA估计精度又受快摄数积累的影响。文中在对分布式目标的角信号密度函数进行合理假设基础上,利用波达方向参数在超完备基空间上的稀疏表示,在单次快摄情况下即可给出分布式目标中心波达方向的快速估计,算法在分布式目标快变环境下尤为有效。仿真结果证明了方法的有效性及可行性。

相干分布式目标一维波达方向估计方法

在相干分布式目标波达方向估计研究中，角信号分布函数一般具有共轭对称性。在角分布函数的数学形式未知，或角分布函数形式不同的信号源同时存在的情况下，本文提出了搜索极小最小特征值（噪声子空间）或极大最大特征值（信号子空间）的分布式目标一线波达方向估计方法，并分析了分布式目标波达方向估计的模糊性问题。

相干分布式目标一维波达方向搜索迭代估计方法

在信号源角分布函数具体的数学形式未知的情况下,基于角分布函数共轭对称性约束条件,提出了一种相干分布式目标一维波达方向搜索迭代估计方法,该方法不用多维参数搜索,并适用于角信号分布函数形式不同的分布式目标同时存在的情况。

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。

基于矩阵分布式重构的正交极化阵DOA估计

对于子空间类算法而言,协方差矩阵估计的准确性将很大程度的影响到算法的性能,理想的协方差矩阵估计为无限长的信号运算得到,实际中大多使用有限快拍数的采样数据进行协方差矩阵估计。有学者研究表明,阵列协方差矩阵位于由接收信号的所有可能导向矢量构成的子空间中,可以利用子空间组成的完备重构矩阵对协方差矩阵进行重构,此类方法需要对阵列的所有可能接收信号进行积分,并获得由其主成分构成的重构矩阵。为了减小低快拍数和低信噪比下采样协方差矩阵误差,并降低其运算复杂度,提出了一种基于正交偶极子组成的均匀圆阵的采样协方差矩阵重构方法。将整体阵列划分为子阵1和子阵2,子阵内部仅存在空域相位差而没有极化敏感特性,子阵间空域相位差相同,极化敏感特性不同。并基于均匀圆阵的结构特点,给出了特殊的重构矩阵,特殊的重构矩阵不依赖信号特性,仅与圆阵结构相关,通过理论分析和仿真测试可以得到,特殊的重构矩阵在维度和复杂度方面均优于全角度域和极化域积分的重构矩阵。该方法将重构算法应用到了极化敏感阵列领域同时减少了运算的复杂度,通过后续对低信噪比和低快拍数的仿真测试表明,重构后的协方差矩阵可以有效提高信号子空间和理想噪声子空间的正交性,使用重构的协方差矩阵进行极化空间谱估计提高了在恶劣环境下的信源分辨力。

无源雷达高速目标回波相参积累和参数估计算法

针对无源雷达高机动匀速目标参数估计中长时间积累引起的距离徙动效应问题,提出了一种基于Keystone变换和圆阵干涉仪测向的高效相参积累和参数估计算法。首先,根据目标运动和外辐射源信号参数,对参考信号和监视信号进行分段处理,段内为快时间,段间为慢时间;然后,利用Keystone变换对各频率的时间轴进行尺度变换,校正高速目标的距离徙动,继而将目标回波信号能量积累至同一时延-多普勒单元;最后,对目标回波所在的时延-多普勒单元进行圆阵干涉仪二维测向,得到目标方位角和俯仰角估计。仿真结果表明,算法可有效实现高机动匀速目标微弱回波信号的相参积累和参数估计,计算复杂度更低,对目标时延、多普勒、方位角和俯仰角参数估计的稳健性和精度更高。

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)。

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。

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。

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.

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。

相干分布式信源二维波达方向估计算法

针对相干分布式信源二维波达方向估计算法多采用谱峰搜索导致计算复杂度较大的问题,该文提出了一种二维波达方向分离估计算法。该算法通过将积分形式的相干分布式信源方向向量化简为点信源方向向量与实向量的Schur-Hadamard积,对子阵X接收的数据构造二阶统计量;利用传播因子最小二乘估计子阵X与Z,X与W之间的旋转不变矩阵。由二阶统计量与旋转不变矩阵分别估计方位角与仰角,对于接近90°的仰角也可给出有效的估计。与传统子空间算法相比,无需任何谱峰搜索和特征值分解,降低了计算复杂度。仿真实验表明了所提算法的有效性。

基于L阵的分布式信源二维波达方向估计算法

研究了将相干分布式信源积分形式的方向向量化简为点信源方向向量与实向量的Schur-Hadamard积的方法,提出了一种基于L阵的相干分布式信源二维波达方向分离估计算法.利用阵列结构的特点首先估计仰角,然后构造基于Schur-Hadamard积的二阶统计量估计方位角,所利用的二阶统计量对噪声不敏感,具有较好的信噪比性能.该算法将二维波达方向联合估计简化为两步一维估计,有效降低了计算量.仿真实验验证了所提算法的有效性.

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。