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。

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。

基于迭代收缩阈值算法的DOA估计方法

针对传统波达方向(Direction of Arrival, DOA)估计算法在低信噪比、小快拍的条件下估计精度不高的问题,提出了一种基于迭代收缩阈值算法的矢量水听器阵列多快拍DOA估计方法。首先,对空域进行等角度划分,构造超完备冗余字典,建立基于信号多快拍条件下的DOA估计模型,然后,采用迭代收缩阈值算法解决稀疏重构问题,求解出信号的稀疏系数矩阵,最后,将稀疏矩阵中行向量的范数映射到划分好的网格上,得到DOA估计值。仿真实验结果表明:该方法在低信噪比、小快拍条件下比OMP、 MUSIC和CBF等传统算法拥有更高的DOA估计精度和更强的鲁棒性。

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。

基于L型阵的相干信号二维DOA估计方法

文中提出一种二维空间相干信号波达方向(Direction of Arrival,DOA)估计方法。该方法首先对L形阵接收数据协方差矩阵进行共轭重构,将原协方差矩阵的平方与重构矩阵的平方相加后求均值,得到新协方差矩阵。然后采用前后向空间平滑技术对新协方差矩阵进行预处理,最后通过Root-MUSIC算法进行DOA估计。仿真实验和湖试数据分析结果表明,与常规方法相比,文中方法避免了谱峰搜索,减小了计算量,提高了相干信号DOA估计的分辨成功概率和估计精度,具有较高的工程应用价值。

基于独立分量同步提取的未知源数目波达方向估计

为解决基于空间谱的波达方向估计依赖于源数目估计精度的问题,该文在高阶累积量同步源信号提取的基础上,提出了ICA与MUSIC的局部搜索的DOA估计的方法。该方法无需估计源数目的,就可估计DOA。通过实验证明,该文提出的方法具有较高的稳健性,并且存在弱信号的情况下,该文的算法仍然有效。

基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。

一种基于改进传播算子的波达方向估计方法

提出了一种新的适用于α稳定噪声环境的基于改进传播算子的DOA估计算法(或称为FLOM-PM算法)。由于在α稳定分布噪声的环境下不存在有限的二阶矩,因此采用最小二乘(LS)方法来求解传播算子的算法将不再适用。在原传播算子算法(PM)的基础上,通过引入分数低阶矩建立新的误差代价函数,并通过对该代价函数的最小化,来估计传播算子,进而完成DOA估计。由于该算法可直接通过对阵列接收的数据向量进行分块来求解噪声子空间,不需要估计和计算共变矩阵(或分数低阶矩)及其特征向量,不但可减小估计的误差,而且可实现对小快拍数据的高分辨处理。仿真实验验证了该算法的有效性和正确性。

基于无网格压缩感知的波达方向估计方法

针对密集分布目标的波达方向(DOA)估计,是当前高精度定位技术的难点和热点.已有的基于压缩感知原理的DOA估计方法往往存在离散网格与连续域参数匹配难度高、离散网格之间相关性高、计算效率低等问题.针对DOA密集分布、低信噪比的非理想情况,分别采用稀疏参数法(SPA)和连续压缩传感(CCS)算法,设计了无网格的压缩感知密集DOA估计方法,分析了这两种算法的性能特点.通过对比仿真实验证明:该方法可以有效提高密集DOA的估计精度.

一种频分MIMO声呐的波达方向估计算法

为了使声呐阵列在有限的载体空间内获得较高的角度分辨率,设计了基于频率分集的多输入多输出(Multiple Input Multiple-Output, MIMO)声呐。该MIMO声呐采用N发M收的布阵方式,接收阵为M元均匀线阵,发射阵由N个阵元组成,且各发射阵元发射中心频率不同、包络相同的窄带信号。建立密集式频分MIMO声呐的回波模型,并以此模型为基础提出了波达方向估计算法方向-相位域多重信号分类(Direction and Phase Domain-Multiple Signal Classification, DPD-MUSIC)算法。仿真实验中以双频MIMO声呐为例,将频分MIMO声呐的DPD-MUSIC算法的估计性能与单输入多输出(Single-Input Multiple-Output, SIMO)声呐MUSIC算法的估计性能进行了对比。仿真结果表明,频分MIMO声呐利用DPD-MUSIC算法可以获得优于等接收阵元数SIMO声呐的角度分辨率和角度估计精度。

一种基于混合MCMC的时域波达方向估计算法

基于马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法的时域波达方向估计算法通过构造马尔科夫链的方式来对波达方向进行估计,但是现有的算法在马尔科夫链的收敛速度和结果上并没有表现出很好的鲁棒性。为了优化算法的性能,采用多(短)链并行的方式代替原来的长链生成方式,提高了算法收敛的稳定性;并对特定模型下的构造过程进行分析,优化了状态空间,提高了算法的搜索效率;同时结合多混合的MCMC方法,进一步提高了算法估计的精确度和收敛速度。仿真结果表明,改进后的算法对波达方向估计的准确性和实时性都有很大提升。

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。

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SA&M-Relax的外辐射源雷达目标DOA估计方法

外辐射源雷达回波信噪比极低,通常在距离-多普勒二维相关后进行目标角度估计。在这种单快拍情况下,经典的超分辨算法由于协方差矩阵的非正定性导致算法性能较差。针对这一问题,在A&M插值迭代算法的基础上,提出了一种适用于稀疏阵列的SA&M-Relax外辐射源雷达目标DOA估计方法。在相同阵元数目的情况下,与原有算法相比提高了目标角度估计的分辨率与精度,同时减少了运算量。通过仿真实验验证了所提方法的有效性。

基于协方差拟合的MIMO雷达高精度DOA估计算法

为了实现多输入多输出(multiple input and multiple out,MIMO)雷达高精度波达方向(direction of arrival,DOA)估计,结合协方差拟合算法和矩阵预处理算法给出解决方案.首先,针对MIMO雷达信号模型进行建模仿真,利用协方差拟合准则得到更接近理论值的协方差信号矩阵,用凸优化方法进行求解;针对噪声和相干信号对估计精度的影响,引入矩阵预处理方法对雷达接收信号进行额外的处理.然后,通过酉变换利用ESPRIT算法对MIMO雷达俯仰角和方位角进行联合估计,降低算法整体DOA估计运算量.最后,通过实验表明,本文所提出算法能在不增加运算量的前提下,有效提高MIMO雷达DOA估计精度.

基于解相干的改进MUSIC算法DOA估计

MUSIC算法是一种子空间分解算法。在非相干的情况下,经典MUSIC算法能准确进行波达方向(DOA)估计,但当信号源在相干的情况下时算法失效。在对经典MUSIC算法进行理论分析研究的基础上,对其阵元接收数据阵做相应变换,得到共轭重构后的协方差矩阵,通过特征值分解再进行DOA估计。就经典的MUSIC和改进算法的DOA估计性能进行了仿真分析。结果表明,改进后的算法在信号源相干的情况下也能精确地估计信号的波达方向。

基于MUSIC算法的DOA估计性能仿真分析

阵列信号处理是信号处理领域内的重要内容,近年来发展十分迅速,波达方向DOA(Direction of Arrival)估计作为其主要研究方向,在雷达、通信、声纳、地震学等领域内有着非常广阔的应用前景,对高分辨DOA估计算法研究取得了很多重要成果.主要研究经典MUSIC(Multiple signal Classification)多重信号分类算法,并对影响估计性能的各种因素进行仿真分析,为进一步研究MUSIC算法提供参考.