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。

改进的变分稀疏贝叶斯学习离格DOA估计方法

为提高阵列信号处理运算速率,改善其方位估计性能,提出了一种改进变分稀疏贝叶斯学习离格波达方向(direction-of-arrival, DOA)估计方法。该方法利用实值变换,将向量化后的接收信号协方差矩阵转化到实数域,结合变分稀疏贝叶斯学习和网格演化的思想,在迭代过程中使网格从初始的均匀网格自适应地演化为非均匀网格,通过网格更新和网格裂变交替迭代使演化后的网格点逐渐逼近真实信源方位。仿真结果表明,改进方法与传统压缩感知类方法相比,减小了运算量,提高了运算速率,且具有更高的方位估计精度和方位分辨能力,在少快拍和低信噪比情况下,改进方法性能提升的优势更明显。湖上试验数据处理结果进一步验证了该方法的有效性和工程实用性。

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。

针对相干信号DOA估计的改进MUSIC算法

针对相干信号波达方向(Direction of Arrival,DOA)估计,提出了一种改进的多重信号分类(Multiple Signal Classification,MUSIC)算法。首先,利用信号协方差矩阵的两个最大特征值所对应的特征向量,构造出两个Toeplitz矩阵;然后,利用前后向空间平滑思想得到这两个矩阵的无偏估计并求和;最后,利用MUSIC算法从中估计出相干信号DOA。和已有方法相比,该方法无需损失阵列孔径且具有更优的DOA估计性能。

基于压缩感知的DOA估计稀疏化模型与性能分析

利用压缩感知理论解决阵列信号到达角(DOA)估计问题,具有对快拍数据量要求低、可处理相关源等优点。将压缩感知理论应用于信源DOA估计的一个关键问题是建立信源信号的稀疏化模型。该文在均匀线阵模型下系统分析了角度划分对DOA估计稀疏重构性能的影响,从对相关性的分析出发给出了信号的最优稀疏化模型。分析结果表明在实际应用中基于信源信号等正弦空间稀疏化的重构模型是最优的。实验对比了新的稀疏化模型与传统的等角度划分方式得到的流形矩阵的可重构性能,并进行了关于信号重构和信源DOA估计的详细实验分析,验证了所提模型的优越性。

冲击噪声背景下相干信源DOA估计方法研究

研究了冲击噪声环境下相干信源波达方向(DOA)估计问题。在对称α稳定分布冲击噪声假设下,基于共变和分数低阶矩的MUSIC(即ROC-MUSIC和FLOM-MUSIC)方法不能用于相干信源DOA估计。本文首次将空间平滑思想应用于共变系数矩阵和分数低阶矩矩阵中,定义了新的前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵,提出了两种新的适用于冲击噪声环境的相干信源DOA估计方法:基于前后向平滑共变系数矩阵的空间平滑(ROC-SS)算法和基于前后向平滑分数低阶矩矩阵的空间平滑(FLOM-SS)算法。理论分析表明,可以通过前后向平滑共变系数矩阵和前后向平滑分数低阶矩矩阵的特征分解来估计噪声子空间,从而实现对相干信源的DOA估计。论文还对提出的ROC-SS算法和FLOM-SS算法进行了性能对比分析。计算机仿真结果证明了ROC-SS算法和FLOM-SS算法的有效性和正确性。

脉冲噪声环境下宽带循环平稳信号DOA估计算法

针对传统二阶循环相关算法在脉冲噪声环境中的显著退化问题,本文以α稳定分布为噪声模型,提出基于分数低阶循环相关的波达方向(Direction of arrival,DOA)估计算法。利用分数低阶循环相关的相移特性,将宽带循环平稳信号的DOA估计问题转化为"中心频率"为ε的窄带问题,解决了宽带情况下DOA估计困难的问题。计算机仿真结果进一步验证了此算法的有效性,且性能优于传统SC-SSF(Spectral correlation signal subspacefitting)算法。

基于样本协方差矩阵谱分离特性的波达方向估计方法

小快拍条件下利用样本协方差矩阵代替统计协方差矩阵会带来较大误差,导致传统DOA估计算法不能准确估计目标方位。通过分析发现在不同阵元数与快拍数之比情况下,不管相干源还是独立源,样本协方差矩阵都具有明显的谱分离特性,在此基础上提出了采用小快拍的主特征空间目标波达方向估计方法,该方法利用导向向量与噪声子空间正交,且与信号子空间平行的特性,使用导向向量与主特征空间相乘再取反余弦构造出目标DOA估计幅度。仿真与水池实验中阵元数与样本数之比为1时依然可以准确将多个目标分辨出;海试数据验证中,阵元数与样本数之比也同样为1时,两个相邻目标可以正确分辨,而MUSIC算法则有伪目标出现。

改进粒子群算法在DOA估计中的应用

针对均匀线性阵列的相干信号波达方向(DOA)估计问题,提出了一种结合粒子群优化(PSO)算法和最大似然函数的解相干算法。算法充分利用了PSO算法解决优化问题的优势和最大似然测向的优点,对独立信号、相干信号或二者的混合信号的DOA都能进行有效的估计。为了提高估计性能,对标准PSO算法的惯性权重、最大速度和搜索机制进行了改进。仿真结果证明了改进算法的有效性。

L型阵列的二维DOA估计方法

低信噪比(signal-to-noise ratio,SNR)或小接收快拍数条件下,经典的二维(two-dimensional,2D)波达方向(direction of arrival,DOA)算法存在估计精度低的缺点。针对该问题,充分利用L型阵列接收数据的自、互相关信息,提出一种适用于低SNR及小接收快拍数环境下的2D DOA估计新方法。该方法首先通过解析优化2D谱峰搜索问题,获得方位角与仰角之间的特定约束关系,进而将包含2D角度参量的目标函数转化为只包含一维(one-dimensional,1D)角度参量,即可通过1D谱峰搜索获得方位角(或仰角)估计值,最后再次利用该约束关系求得与之对应的仰角(或方位角)估计值。该方法只需1D谱峰搜索,而且所得2D角度估计参数可自动实现配对。计算机仿真验证了该方法在低SNR及小接收快拍数情况下的有效性。

基于相干积累矩阵重构的波达方向估计新方法

针对短时小样本条件下相干信号的波达方向(Direction Of Arrival,DOA)估计问题,该文提出了一种基于相干积累矩阵重构的快速解相干方法。首先利用相干积累技术对阵列接收快拍进行处理,得到累积快拍矢量,提高了数据信噪比。再依据累积快拍矢量的结构特点构造一个非降维等效协方差矩阵,理论分析可知,该矩阵的秩仅与信源个数相等,与信号间相关性无关,即实现了相干信源完全解相干。相较于空间平滑类算法,该方法避免了阵列孔径损失,估计精度高、计算量小。仿真结果验证了算法的有效性。

鲸鱼优化算法下气体泄漏源波达方向估计法

为减小压力容器气体泄漏实时位置估算误差,准确监测容器工况,首先,从声学监测角度提出一种引入鲸鱼优化算法(WOA)的泄漏源估计方法,采用波达方向(DOA)估计法预测气体泄漏位置方向,获得泄漏源角坐标;然后,引入WOA自适应选择方法分解DOA的特征值,多次迭代得到最精确的泄漏位置;最后,以某化工厂中压力容器数据为实际算例,比较基于WOA的气体泄漏源估计结果。结果表明:该方法可以实现压力容器泄漏精确定位,通过仿真性能曲线可直观地看出,相比于传统DOA方法及基于其他仿生智能算法的DOA方法,该方法鲁棒性和抗噪性能更好,且定位准确率高达95%,节省时间消耗达92.2%,可增强工程应用实时性。

一种用于二维DOA估计的新颖Unitary ESPRIT算法

提出了一种基于双均匀线阵的特性新颖的Unitary ESPRIT算法。算法根据阵列接收数据,构造了一种实值数据形式,对其作实值奇异值分解,获得信号子空间。算法利用阵元几何的平移不变特性,构造了包含入射信号方位角和俯仰角的估计量。利用构造的估计量的特征值估计俯仰角信息,利用其对应的特征向量估计方位角信息,自动完成角度的配对。所提方法不仅保持了矩阵DOA估计算法和二维ESPRIT算法的优点,如自动的参数配对、不需要二维谱峰搜索等,而且能够在实数域中直接获得信号子空间,能够有效降低运算量。算法可以增加估计信号个数。仿真实验验证了算法的有效性。

基于ICA与MUSIC相结合的未知源数目DOA估计算法

从阵列入射信号具有统计独立和空域独立这两个方面出发,利用ICA和MUSIC算法相结合,进行未知源信号数目的 DOA估计,在算法迭代的过程中,得到源信号数目的同时也得到了源信号的DOA.通过仿真实验表明,该算法能对未知源数目的信号进行DOA估计,并且在低信噪比和存在弱信号的情况下仍然有效.

一种未知信源数的快速DOA估计算法

文章针对众多性能优良的超分辨DOA(Direction-Of-Arrival)估计算法大都是以预知信源数为前提、信源数估计不准可能会导致DOA估计失败这一问题,提出了一种基于协方差矩阵对角加载的超分辨DOA估计算法。该算法不需要预判信源个数和进行特征值分解,且通过对协方差矩阵进行对角加载,可以平滑小快拍数时噪声特征值分散程度,因此,该算法更适用于快拍数较少的情况。理论分析表明:该算法的统计估计性能接近于MUSIC(Multiple Signal Classification)算法。计算机仿真结果验证了该算法的鲁棒性和可行性。

一种基于四阶累量阵简化的DOA估计方法

我们提出一类新的基于四阶累积量矩阵的DOA估计算法,对累量阵结构作适当的调整,再把它直接应用于已发展的很好的算法(如ESPRIT)中,使算法更加适用于DOA问题。通过与ESPRIT一起使用下面所提的累积量阵,增加了虚拟阵元(两倍于实际阵元数),且减少了计算量,并因累量对高斯噪声不敏感,提高了算法的分辨能力。仿真试验验证了分析结果,表明了算法良好的性能。

阵列信号DOA估计MUSIC算法的DSP实现

阐述了阵列信号处理中广泛采用的用于来波方向 (DOA)估计的多信号分类 (MUSIC)算法原理及基于信息论准则的信源数目判别方法 ;介绍了数字信号处理器 (DSP)ADSP2 1 1 6 0的性能特点 ,给出了基于该DSP实现该测向算法的数字信号处理模块硬件系统组成框图及系统各部分功能 ;重点介绍了基于ADSP2 1 1 6 0的系统初始化设置及采用MUSIC算法实现DOA估计的程序设计方法与过程 。

基于DBF的DOA估计在车载MIMO雷达中的应用

针对汽车电子车载雷达开发,提出了一种基于数字波束形成(DBF)原理进行波达方向估计(DOA)的方法。基于DBF的DOA估计方法,相对于经典的MUSIC算法,在车载多输入多输出(MIMO)雷达系统中具有算法复杂度低,能够在更短的时间里进行DOA估计的优势。角度分辨率相比于MUSIC算法也并没有明显损失,而且可以灵活调整。通过与MUSIC算法的对比,来说明基于DBF的DOA估计在实际应用中的优势。为相关的开发人员,提供了一种解决车载雷达测角的新思路。

一种非均匀噪声下的DOA估计算法

通用协方差差分算法用来实现对空间非均匀噪声环境下相干信号的波达方向(DOA)估计,该算法可以完全消除空间非均匀噪声,且适用于低信噪比环境,但该算法的DOA估计结果存在伪峰。针对这一问题,提出了一种改进的算法。改进算法通过对通用协方差差分(GCD)算法的信号协方差矩阵进行变换,再用特征分解的方法得到信号的DOA估计值。改进的算法可以完全消除伪峰,理论分析和仿真实验验证了改进算法的有效性。

基于均匀面阵的酉ESPRIT算法在二维DOA估计中的应用

二维波达方向(Direction of Arrival,DOA)估计是智能天线技术中的一个关键问题.在低信噪比、低快拍数条件下,常规DOA估计算法的性能会严重下降.针对此问题,提出了一种基于均匀面阵的酉ESPRIT算法.算法将复矩阵转化为实矩阵计算,使运算复杂程度简化,估计精度提高,且可实现参数自动配对,是一种比较高效的DOA估计算法.计算机仿真结果表明了所提算法在测向性能方面比常规DOA估计算法有更好的估计性能,且在低信噪比和低快拍数条件下估计性能不受影响,同时具有更小的运算量.