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。

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。

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.

基于角度修正的频率和波达方向联合估计

为实现相干密集信号的频率和波达方向估计,用参考频率替代真实频率,构建了一种降维稀疏字典,利用压缩感知理论,实现频率和波达方向联合估计;同时针对低信噪比、少快拍数、含有相干信号的复杂场景,给出一种利用SVD优化的方法。通过仿真发现所提算法及其优化算法,可对密集相干信号进行精确的频率和波达方向估计,提高了算法在低信噪比条件下的性能,更加适用于低信噪比、少快拍数场景。

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。

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。

强干扰下基于三阶互累积量的FMCW雷达信号DOA估计算法

针对车载调频连续波雷达存在相互干扰的实际情况,本文提出了一种基于三阶互累积量的多目标波达方向超分辨估计方法.该方法利用同步采集的阵列信号并根据回波信号和干扰信号的非相关特性,构造三阶互累积量矩阵,随后根据子空间方法获得二维空间谱,实现距离和方位的联合估计.计算机仿真结果表明,本文所提方法能够在抑制强干扰影响的同时实现3°以内多目标识别,与现有超分辨法和重构法相比,具有更高的角度分辨率和估计精度.

互质阵MIMO雷达DOA估计性能综合分析

以非相干信号源为研究对象,综合分析了单基地互质阵多输入多输出(MIMO)雷达的波达方向(DOA)估计性能。首先,在总结归纳互质阵结构特点的基础上推导了基于和联合阵列及和差联合阵列的单基地MIMO雷达测向信号模型,然后结合多重信号分类(MUSIC)算法,分别详细介绍了基于和联合阵列及和差联合阵列的单基地MIMO雷达DOA估计方法,最后,进行与等阵元数的均匀线阵MIMO雷达的对比仿真实验,验证了互质阵MIMO雷达DOA估计性能的优越性。

宽带双曲调频信号参数化时频分析波达方向估计

针对有源探测或脉冲侦查中双曲调频信号的波达方向估计问题,提出了基于参数化时频变换(PTFT)的多重信号分类(MUSIC)测向算法,简称PTFT-MUSIC算法。该算法由发射信号确定针对双曲调频信号的参数化变换核,对接收信号进行频域参数化时频变换,利用获得的时频分布建立阵列信号时频分布模型,并以此模型设计基于时频分布矩阵的MUSIC算法以实现双曲调频信号的波达方向估计。通过仿真和实验对该算法的估计误差和多目标分辨性能进行了分析,仿真和海上实验结果表明:相比现有的时频MUSIC算法,PTFT-MUSIC算法能有效提高空间谱分辨率和波达方向估计性能,同时该算法拥有对特定调频信号筛选性,结合时频域滤波算法能有效抑制相干直达波干扰,应用于多基地声呐系统时有效提高了声呐定位性能。

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。

使用协方差矩阵分解的矢量阵声压振速联合处理波达方向估计

提出一种使用协方差矩阵分解(CMD)的声矢量阵声压振速联合处理方法。该方法将声压振速互协方差矩阵分解为观测方位系数矩阵和剩余协方差矩阵,将系数矩阵与导向矢量结合避免了观测方位的选择,对剩余协方差矩阵进行奇异值分解并重构厄米特协方差矩阵,最后对重构的协方差矩阵实施最小方差无失真响应(MVDR)方法处理。理论分析表明,使用重构的协方差矩阵能够获得更高的阵处理增益。数值仿真结果验证了本文方法的计算量与Nehorai处理方法相近,但较传统声压振速联合处理方法具有更高的阵处理增益和目标分辨能力。

基于野马优化的宽带信号波达方向估计

针对宽带阵列信号的波达方向(DOA)估计问题,提出一种将野马优化(WHO)算法与极大似然(ML)估计算法相结合的宽带信号估计方法。首先利用双边相关变换(TCT)算法将宽带信号转变为窄带信号,然后建立基于ML的DOA估计模型,最后通过WHO算法进行优化估计。通过一系列仿真实验,并与基于正弦余弦算法(SCA)、遗传算法(GA)、粒子群算法(PSO)的ML估计方法对比,表明所提算法具有更好的收敛速度、更低的均方根误差和更稳健的性能。

一维混合传感器阵列信号波达方向估计

由于矢量传感器可提供更多的有效信息,如:声信息和电磁信息,因此矢量传感器阵列在波达方向估计中的表现比标量传感器阵列更优。但是由于单个矢量传感器自身构造的复杂性,矢量传感器阵列的成本高于标量传感器阵列。为了降低矢量传感器阵列成本,本文首先提出一种由声矢量传感器和标量传感器构成的一维混合传感器阵列结构。然后利用张量代数对该阵列接收信号的二阶统计量进行处理,得到一个三阶张量模型,该模型对应于一个全部由声矢量传感器构成的虚拟均匀线阵,让所提出的混合传感器阵列在更低的成本下可以实现超出相同数量声矢量传感器阵列的估计性能。分析表明,当新阵列使用M2个声矢量传感器和2M2个标量传感器时,可以构造出一个虚拟的含有约2M22-M2个声矢量传感器的均匀线阵。最后针对虚拟阵列的张量模型,利用张量分解实现入射信号的波达方向估计。在相同的阵列成本下,新阵列以及张量代数处理方法具有更好的DOA估计精度和更优的角度分辨率。仿真结果验证了该方法的有效性。

稳健的稀疏信号单快拍波达方向估计

通过稀疏重构得到传感器阵列输出数据的稀疏表示模型,研究了单快拍采样情形下的信号到达角(Direction of Arrival,DOA)估计问题。提出了一种基于最小均方误差(Minimum Mean-Square Error,MMSE)准则迭代实现的单快拍到达角估计算法(Iterative Implementation of MMSE,II-MMSE)。该算法将原有的稀疏表示模型中稀疏信号矢量的求解问题,转化为迭代求解稀疏功率对角阵,进而估计多目标信号的DOA。给出了算法的完整实现流程,从理论上分析了II-MMSE算法的迭代收敛性和对阵列模型误差的鲁棒性。仿真结果表明,II-MMSE算法在低信噪比、相干背景、小样本、阵列未校准等条件下都具有良好的测向精度和多目标分辨能力。

基于协方差扩展PM算法的波达方向估计

针对基于传播算子方法(Propagator Method,PM)的水听器阵波达方向(Direction of Arrival,DOA)估计在低信噪比或者小快拍数时性能变差的问题,文章提出一种改进的基于PM算法的水听器阵方位估计方法。该方法利用信号子空间的旋转不变性特征对协方差矩阵进行扩展和重构,通过分块协方差矩阵的子矩阵得到传播算子矩阵。通过传播算子矩阵构造扩展噪声子空间,然后利用信号子空间与噪声子空间的正交性估计空间谱。仿真实验和湖上实验的结果表明:相较于传统PM方位估计算法,文中算法在低信噪比或者小快拍情况下具有较好的方位估计性能,在信噪比为0 dB时,文中方法比传统PM算法均方根误差减少0.6°;在快拍数为150时,比传统PM算法的均方根误差减少0.1°。

基于克罗内克积分解的Capon波达方向估计方法

本文针对波达方向(Direction of Arrival,DOA)估计问题,提出一种基于克罗内克积分解的Capon方法。文中利用克罗内克积分解将空间搜索方向的导向矢量分解为两个短向量,进而将传统Capon空域滤波器系数的估计问题转化为对两个短滤波器系数的估计问题。此方法大幅降低了待估参数量,所提方法的性能显著优于传统Capon方法。

波达方向(DOA)估计方法的研究

本文在介绍传统的ＤＯＡ估计技术基础上，针对其不足之处，介绍了近年来ＤＯＡ估计中出现的新的信号处理技术，主要包括高阶累积量、高阶谱技术、时频分析技术、循环平稳信号分析与处理技术等，并介绍了这几种方法的主要基本思想及应用背景。最后给出了ＭＵＳＩＣ算法、ＥＳＰＲＩＴ算法及基于累积量的ＤＯＡ估计算法的仿真结果。

基于均匀圆阵的压制式相干干扰DOA估计算法

针对导航抗干扰中一般干扰信号波达方向(direction-of-arrival, DOA)算法无法在均匀圆阵上有效地估计含有相干干扰的信号来向问题,提出了一种基于虚拟线阵的协方差矩阵重构的MUSIC算法。该算法通过对均匀圆阵进行模式空间变换,形成虚拟线阵,将模式空间变换后的数据协方差矩阵的所有行进行Toeplitz重构,并将所有Toeplitz矩阵构造成一个新的等效的满秩数据协方差矩阵,以此来达到解相干的目的。结合在虚拟线阵上的MUSIC算法,并通过多谱峰搜索算法直接得到空间谱的谱峰位置,从而完成对干扰来向的DOA估计。经仿真验证,该算法在存在相干信号且信号角度相隔30°左右的条件下,依旧能够对信号的波达方向进行有效估计。