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)。

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。

一种高分辨率二维信号参量估计方法——波达方向矩阵法

本文以阵列信号处理为背景讨论了二维信号参量估计问题,提出并探讨了一种双线性平行阵列的信号模型及其特征结构。根据协方差矩阵的性质,构造了波达方向矩阵。理论分析表明:通过对波达方向矩阵的特征分解,可以直接获得待估计的信号方向矢量和信号方向元素,并可由此估计信号参量,从而完全避开了多项式搜索。本文还论述了如何用波达方向矩阵法解决相干源问题。波达方向矩阵法不但运算量极小,而且具有分辨率高,估计方差小等优点。本文给出了计算机仿真对比实验,验证了该方法的性能。

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.

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．

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。

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。

基于二次虚拟扩展的高分辨率波达方向估计方法

为进一步提高天线阵波达方向估计的分辨率,在四阶量多重信号分类方法的基础上,提出一种高分辨率的波达方向估计方法.利用阵列接收数据的四阶矩量进行虚拟阵列扩展,再利用阵列接收数据的共轭进行虚拟阵列扩展,实现二次虚拟扩展;将扩展后的阵列导向矢量和协方差矩阵用于波达方向估计,与原阵列导向矢量和协方差矩阵相比,相当于构造了更多的虚拟阵元,并扩展了阵列的孔径.仿真结果表明:与四阶量多重信号分类等波达方向估计方法相比,所提出的方法在波达方向估计中成功概率更高,均方误差更低,具有更高的分辨率.所提方法通过二次虚拟扩展,构造了更多的虚拟阵元,有效地提高了天线阵波达方向估计的分辨率.

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。

一种适用于集群无人机超分辨的波束域方位估计算法

为了提升对集群无人机目标的分辨能力,提出了一种波束域方位超分辨估计算法。该方法不仅可以避免传统的稀疏表示类测角方法的计算复杂度高和需要选取超参数问题,而且在单快拍数、入射信号空间角度间隔较小等非理想情况下都具备很好的分辨能力,与相控阵雷达波束形成、距离-多普勒域处理的流程相适配。通过仿真试验,可以说明:该方法可以帮助雷达提前将密集目标分辨开,进而实现对于集群的规模(个数)、轮廓等信息进行准确估计,具有很强的应用价值。

基于稀疏矩阵填充的级联毫米波雷达高分辨测角方法

级联毫米波雷达将多个射频芯片进行级联,可实现大规模多输入多输出(multiple-input multiple-output,MIMO)天线阵列。然而,现有毫米波雷达的测角方法存在精确度不足、旁瓣过高等问题。对此,提出一种基于稀疏矩阵填充的级联毫米波雷达高分辨测角方法。首先,建立级联毫米波雷达二维稀疏阵列的阵列信号模型。然后,将该阵列的单快拍信号构造为低秩汉克尔(Hankel)矩阵,使用加权非精确增广拉格朗日乘子法进行稀疏矩阵填充,并将填充后的矩阵转化为均匀虚拟阵列的单快拍信号。最后,使用常规波束形成(conventional beamforming,CBF)方法估计目标角度信息并进行配对。仿真和实测实验结果表明,所提方法能够精确地估计目标角度信息,并有效抑制峰值旁瓣电平。

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。

一种多分辨率DOA估计的小波包算法

根据MUSIC算法在信号波达方向(DOA)较近或相干时性能迅速下降的情况,提出了一种多分辨率信号波达方向估计的小波包算法基于子带分解的MUSIC算法(SB MUSIC)·算法对全带信号进行子带分解,并根据最优基选取准则选择最优叶节点,然后对每个叶节点应用MUSIC算法进行谱估计·研究表明子带分解具有提高信噪比(SNR)和放大频率间隔等优点·考虑到算法应用时只有全带频率才有意义,提出了子带频率向全带频率映射的方法·仿真证明,SB MUSIC不仅提高了特征子空间方法的分辨率,而且在子带划分适当时,具有一定的信号去相关能力,并且子带谱的估计成功率和谱平度都高于全带谱·

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。

一种快速的二维高分辨波达方向估计方法——混合波达方向矩阵法

本文利用两个具有位移特性的二维传感器子阵列信息构成一种新的矩阵——混合波达方向矩阵。混合波达方向矩阵的特征值和特征矢量分别为信号源方位角与高低角的混合方向元素和方位角与高低角的混合方向矢量。合理选择子阵列构造可以解决兼并信号源分辨问题和降低阵列孔径损失。

波达方向估计的贝叶斯高分辨方法

根据贝叶斯最大后验估计原理研究了波达方向估计的高分辨方法 ,在文献[4 ]基础上对贝叶斯高分辨波达方向估计方法进行了补充和完善。针对两个目标源情况提出了快速算法 ,有效地减少了运算量 ,提高了运算速度。与 MUSIC法和文献 [1]～ [3 ]中一次快拍的贝叶斯谱分析法的比较充分体现了该方法性能优越 ,特别是在低信噪比、少快拍数以及相干源情况下可以得到更为准确、稳定的估计效果。

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。