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。

基于云平台的铁路无线电信号DOA跟踪算法

在高速铁路场景下,准确估计和跟踪无线电信号的波达方向(Direction of Arrival, DOA)能够有效提升无线通信服务质量.然而,高速移动的无线信道具有快速时变特性,对信号处理的速度和准确性提出了更高的挑战.针对传统的基于信号子空间的DOA估计算法,由于巨大的计算量而无法应用于高速铁路快速时变系统中进行DOA跟踪的问题,提出了基于卡尔曼滤波和正交压缩近似投影子空间跟踪(Kalman Filter-Orthonormal Projection Approximation and Subspace Tracking of deflation, K-OPASTd)的DOA算法.首先,搭建基于云平台的铁路信号动态测向系统;然后,建立列车接收信号模型,提出K-OPASTd算法对DOA进行动态跟踪;最后,将本文提出的算法与OPASTd算法所得到的估计角度的均方根误差进行仿真对比实验.研究结果表明:信噪比均为10dB时,本文所提算法的均方根误差比OPASTd算法低约60%;阵元均为20时,K-OPASTd算法的均方根误差比OPASTd算法低约80%.

应用人工蜂群算法的动态波达方向跟踪

针对目标信号源波达方向(DOA)的实时变化,将人工蜂群算法应用于最大似然函数的优化,实现了动态目标DOA的实时跟踪。首先,提出了一种可变遗忘因子的自适应样本协方差矩阵更新方法,该方法可根据目标信号源DOA变化的快慢自适应调整历史数据和当前采样数据在协方差矩阵中所占的权重,从而保证在获得较小稳态误差的同时又可获得较快的跟踪速度。然后,直接应用了性能优越的最大似然估计方法,避免了子空间跟踪类算法需要不断重复特征值或奇异值分解等问题。最后,采用人工蜂群仿生智能算法对似然函数的求解进行优化,从而极大地减少了算法的计算量,保证了算法的快速性和实时性。实验结果表明:在单快拍采样的情况下,信噪比为0dB时,跟踪两个目标信号源的均方根误差为0.995 2°,基本达到了阵列信号处理中目标跟踪方法的设计要求。

基于DOA矩阵法的矢量传感器阵列二维波达方向估计

DOA矩阵法是一种二维波达方向估计方法,该方法具有分辩率较高、计算量较少的特点。该文将DOA矩阵法扩展至矢量传感器阵列的波达方向估计,推导出相应的计算公式,分析了算法计算复杂度。算法分析表明,相对于ESPRIT算法,DOA矩阵法计算复杂度大大降低。Monte Carlo仿真结果表明,与ESPRIT算法相比,DOA矩阵法估计的均方根偏差和均方根标准方差相对大一些,所需的最低快拍数也增加。

雷达低角跟踪环境下的最大似然波达方向估计方法

在时空级联最大似然算法的基础上 ,本文结合雷达低角跟踪的特点 ,提出一种新的目标仰角估计算法 .该算法利用事先得到的目标距离信息和天线高度信息来得到目标直达波信号和多径信号之间的仰角关系 ,然后再对时空级联最大似然算法的似然函数进行一维搜索 .与时空级联最大似然算法相比 ,新算法不仅运算量大大下降 ,而且还具有较好的性能 .理论分析和计算机仿真结果都证实了新算法的优越性 .

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。

动态压缩感知波达方向跟踪算法

针对现有动态目标波达方向(DOA)跟踪方法在单快拍条件下估计精度较低甚至失效的问题,提出了一种基于动态压缩感知的DOA跟踪算法。首先,通过前一跟踪时刻所得到的先验DOA稀疏信息,获得当前跟踪时刻信号向量中各位置非零元素的分布概率,继而建立起动态DOA的稀疏概率模型。然后,采用加权l1范数最小化方法重构出当前跟踪时刻的信号向量,从而确定非零元素的位置,获得DOA的实时估计值,最终实现运动目标的动态DOA跟踪。本文算法可以在单快拍条件下实现对动态目标DOA的良好跟踪,并且在相同条件下具有比粒子滤波算法更好的跟踪性能。最后,通过仿真试验对所提算法进行了有效性验证。

基于单声学矢量传感器的最大能量动态声源波达方向跟踪算法

针对在空域非均匀噪声环境下目标定位跟踪问题,提出一种基于单声学矢量传感器的最大能量动态声源波达方向(DOA)跟踪算法.首先结合噪声协方差矩阵估计结果实现对传感器接收信号的预白化处理,进而确定加权参数值,提出一种加权参数固化的最大能量算法,从而在声压与振速域噪声功率比未知的条件下提高了DOA估计精度.在此基础上,利用最大能量定向估计子输出信息来构建运动目标的量测方程,并在容积Kalman滤波框架下实现对于动态声源的状态跟踪.理论分析与仿真结果验证了算法的可行性和有效性.

分布式信源二维波达方向快速跟踪算法

在无线通信、雷达和声纳等许多实际应用场合,存在大量的移动分布式信号源,跟踪其二维波达方向(direction-of-arrival,DOA)非常重要。针对相干分布源,利用两个平行的均匀线阵,提出了一种二维DOA快速跟踪算法。该算法利用逼近幂迭代子空间跟踪算法更新分布源的信号子空间,并由新的信号子空间估计分布源的中心方位角和中心俯仰角。该算法跟踪性能良好,计算复杂度低且满足全局收敛。此外,算法能够跟踪多个分布源并且与分布源的具体角分布形式无关。仿真结果证实了算法的有效性。

自适应频率和二维波达方向角跟踪估计算法

运用特征子空间分析方法的关键问题在于信号或噪声子空间的估计,在实际中有些信号的统计特性通常是随时间变化的,这时需要随时根据新的阵列接收数据对信号或噪声子空间进行更新,以得到参数的实时估计值,在该文中建立了多维信号参量联合估计的3D Unitary ESPRIT算法,然后提出了基于球面平均 ULV分解的子空间跟踪算法,将子空间跟踪算法与多维信号多量联合估计算法相结合,得到多维时变信号参数的跟踪估计算法,仿真计算结果验证了该算法的有效性。

一种波达方向、频率联合估计快速算法

首先提出了基于 PM(propagator method)方法的波达方向(DOA)、频率联合估计快速算法,给出了PM算子的一个估计,由PM算子构造出一特殊的低维矩阵,其特征值给出频率的估计,进而由估计的频率和相应的特征矢量得到DOA的估计。该算法具有参数自动配对,计算量小的优点,易于在工程应用中实时处理。计算机仿真结果证实了算法的有效性。

相干信源波达方向估计的加权空间平滑算法

提出了一种用于空间相干源DOA估计的加权空间平滑算法(WSS, weighted spatial smoothing)。常规的空间平滑算法没有利用子阵输出的互相关信息,而且对相干信源的分辨力较差。WSS算法充分利用了子阵输出的自相关信息和互相关信息,将主阵协方差矩阵的所有子阵阵元数阶的子矩阵进行加权平均,以期提高常规空间平滑算法的分辨性能。文中以加权平滑后等效的信源协方差矩阵的对角化为约束条件,推导了加权矩阵的理论表达式。计算机仿真结果表明,WSS算法与常规空间平滑算法相比具有更高的分辨性能和更低的信噪比门限。特别是在子阵划分较多时其优越性更加明显。

相干多径环境下信号空间特征及波达方向估计

以均匀直线阵和四阶累积量为基础,提出了一种新的空间特征盲估计算法。该算法首先利用阵列输出四阶累积量构造了一种空间特征矩阵,对其作特征分解可以得到各用户的空间特征估计。然后,在空间特征估计基础上,结合前向/共轭后向空间平滑技术进行了多径波达方向(Direction of Arrival,DOA)估计。该方法突破了传统MUSIC、ESPRIT等算法的局限,可以利用M阵元估计2M2/3个DOA,且各DOA与信源自动配对。该算法不依赖于信号具体特征,适用于任意加性高斯噪声(如有色噪声)环境。理论分析和仿真结果说明了算法的有效性和鲁棒性。

累量域高分辨率二维波达方向估计算法

提出了一种利用虚拟双线性平行阵进行累量域高分辨率二维波达方向（ＤＯＡ）估计的新算法．该算法将累量用于协方差的计算，构造了一个虚拟ＤＯＡ矩阵（ＶＤＯＡＭａｔｒｉｘ），并基于此矩阵进行波达方向估计．理论分析表明，对虚拟ＤＯＡ矩阵进行特征值分解，就可以得到源信号的二维ＤＯＡ估计．同时由于累量对高斯噪声的自然盲性，因而算法具有稳健性．该算法的另一特点是可以提供虚拟扩展孔径，提高了孔径的利用率．

一种低复杂度的二维波达方向估计方法

提出了一种基于传播算子的低复杂度二维波达方向估计新算法,该方法避免了常规子空间方法中占主要运算量的估计信号协方差矩阵及其高维矩阵的特征分解,降低了运算复杂度,并且由于无阵列孔径损失,获得了良好的参数估计性能。最后计算机仿真验证了算法的有效性。

声矢量锥形阵的高阶累积量波达方向估计

为解决信源在较低信噪比情况下的测向分辨率问题,提出阵列可扩展的声矢量锥形阵测向算法。算法基于四阶累积量的阵列扩展和高斯噪声抑制特性,计算声矢量传声器不同输出分量的四阶累积量,使其在三维方向上扩展与原阵型结构相同的虚拟阵,从而构造包含角度信息的旋转不变矩阵进行测向。推导给出了算法的克拉美罗界,理论分析了算法性能受信噪比、采样快拍以及入射声源俯仰角的影响。仿真实验验证了该算法较常规声矢量阵ESPRIT算法有更优的噪声抑制能力及更高分辨的DOA估计性能。

基于数据矩阵重构的相干源波达方向共轭ESPRIT(C-SPRIT)估计方法

本文提出了一种相干源波达方向估计算法.该方法利用C-SPRIT思想,通过构造数据矩阵,使得无论是否存在相干信号,均能很好估计信号波达方向(DOA).传统的空间平滑技术通过子阵平滑来解决相干源DOA估计问题,但信号之间并没有完全解相干,孔径损失也很大,且最多只能估计2N/3个相干源(N为阵元数目).本文方法也采用空间平滑去相干的思想,但无孔径损失,信号之间完全解相关,提高了相干源DOA估计精度,并且能估计N-1个相干源,该方法利用ESPRIT数值求解进行角度估计,无需角度搜索,运算量小,计算机仿真验证了该方法的有效性和优越性.

宽带非高斯信号波达方向的估计方法

本文提出了一种解决宽带非高斯相干信号波达方向估计的新方法，这种方法是采用阵列频域数据四阶累积量的新颖思想，通过将各频段的四阶累积量聚焦到同一参考频段下来实现的.它不仅能获得高斯噪声环境下非高斯宽带相干信号的高分辨率方向估计，同时，对于非高斯噪声环境也具有很好的估计性能，且不需要有关噪声的原始分布的先验知识.文中还通过计算机仿真实验对该方法进行了性能分析，验证了方法的有效性.

未知相关噪声环境下宽带源波达方向估计的快速算法

提出一种未知相关噪声环境下带源波达方向估计的快速算法。该算法只对信号子空间进行变换,直接由传播算子构造聚焦矩阵,得到一种快速TCT聚焦矩阵。利用阵列相关矩阵的酉相似变换特性估计噪声相关矩阵,提高了未知相关噪声情况下宽带DOA估计的性能。该算法由线性运算求解聚焦矩阵和噪声相关矩阵,无需特征分解,运算量低,而且适用于未知相关噪声情况,具有重要的工程实用价值。

宽带波达方向估计的克拉美-罗界研究

推导了多源情况下宽带波达分析(DOA)估计的克拉美一罗界(CRB),给出了任意阵列情况下Fisher信息矩阵元素的直接计算公式。将CRB的表达式分成与信号和阵列相关的两部分,深入揭示了CRB的特点和影响DOA估计性能的因素。与信号相关的部分表明DOA估计性能除了与信噪比有关外,还与信号带宽和谱密度有关,当信号在高频部分分布更多的能量时可以获得更佳的估计性能。与阵列相关的部分表明DOA估计结果受阵列几何配置和信号入射方位的影响,不同的阵列会对DOA估计结果产生极大的影响。 CRB的这些特性提供了宽带阵列处理中信号选择和阵列结构设计的一些基本原则。计算机仿真结果验证了理论分析的正确性。