基于频率着色的稀疏贝叶斯宽带波达角估计方法

为了提升稀疏贝叶斯(Sparse Bayesian Learning,SBL)算法在干扰环境下对目标信号的检测能力,提出将频率着色技术(Frequency Coloring,FC)推广至SBL算法中。在SBL-FC算法中,首先将阵列接收信号通过傅里叶变换转换至各个子带,在各子带内利用SBL算法进行波达角估计,输出功率谱。不同于常规的SBL算法仅将各子带的功率谱进行简单地叠加,算法考虑干扰和目标频谱结构的差异性,对各子带进行不同的着色,使得干扰和目标轨迹在方位时间历程图上对应于不同的颜色,从而使得目标轨迹更易被提取。数值仿真和实验数据分析表明,利用目标和干扰频谱结构的差异性可有效提升SBL算法在干扰环境下对目标信号的检测能力。

基于时空编码数字超表面的雷达散射截面积缩减及波达角估计方法

传统的波达角(DOA)估计方法的实现通常基于相控阵天线系统,而其高昂的硬件成本限制该技术在不同领域的应用和推广,此外相控阵天线普遍不具备隐身性能,其在工作频段内雷达散射截面积(RCS)普遍较高。为解决上述问题,该文在时空编码(STC)理论的基础上提出了一种基于超表面同时实现RCS缩减和DOA估计的方法,并利用一款毫米波超表面对算法进行了验证。实验结果表明,该方法实现的波达角估计误差在1°以内,同时RCS缩减大于10 dB,为DOA估计和RCS缩减功能的集成提供了全新的思路,具有高性能、低成本等特点。

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。

基于原子范数最小化的单比特稀疏双极子阵列的波达角估计

现有的单比特稀疏双极子阵列的波达角估计方法为子空间方法,其估计精度依赖于信号的统计特征,并且没有充分利用协方差矩阵的结构,导致其估计精度较低.为了提高该阵列的波达角估计精度,本文提出了一种基于原子范数最小化的无网格稀疏化波达角估计方法.该方法将稀疏双极子阵列的波达角估计转化为标量阵波达角估计,并根据参数空间的连续性构造基于原子集的阵列信号稀疏模型,随后利用单比特采样下噪声的稀疏特征,将该波达角估计问题转化为l1范数约束下的原子范数最小化问题,并且给出一种基于交替方向乘子法的快速迭代求解方法.仿真结果表明:相较于现有的方法,本文所提方法有着更高的估计精度,在嵌套阵上,当信噪比为-5 dB时,其估计精度均方误差降低了17.9 dB;将求解原子范数最小化的计算复杂度由O(N6.5)降低为O(N3),其中N为与稀疏阵具有相同孔径和相同阵元间距的均匀线阵的阵元个数.

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。

基于相位干涉仪阵列多组解模糊的波达角估计算法研究

该文针对利用相位干涉仪估计波达角过程中的相位模糊的问题,提出了一种利用多个相邻阵元之间的相位 差以及它们的间距比进行多组解模糊的方法,并且分析了这种方法得到正确波达角估计值的条件。仿真试验验证了 上述结论的正确性。

基于Toeplitz矩阵的酉变换波达角估计算法

为提高Toeplitz矩阵重构算法的估计性能、降低计算量,提出了基于Toeplitz矩阵的酉变换DOA估计算法UHT-MUSIC。该算法在保持估计性能不变的前提下,先将Toeplitz型协方差矩阵变换为Hermition矩阵,然后利用酉变换将其转换为实数矩阵。在此基础上利用MUSIC算法进行DOA估计,其特征值分解及谱峰搜索的计算量降低到同条件下TOEP-MUSIC算法的1/4。同时该算法还有效降低了信源的相关系数,从而提高了算法的分辨性能。仿真实验验证了该算法的正确性。

基于相位干涉仪阵列二次相位差的波达角估计算法研究

本文针对利用相位干涉仪估计波达角过程中的相位模糊的问题 ,提出了一种利用相位干涉仪阵列的相位差之差 (二次相位差 )得到长基线干涉仪的无模糊相位差并进行波达角估计的方法 ,并且分析了这种方法得到正确波达角估计值的条件 .仿真试验验证了上述结论 .

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。

一种改进的和/差波束的米波雷达低仰角目标DOA估计方法

针对多径环境下米波雷达低仰角目标DOA估计问题,本文提出一种改进的对称和/差波束的低仰角目标DOA估计问题。所提方法利用直达信号和多径信号的对称性,采用对称和/差波束同时接收直达信号和多径信号,并生成误差曲线。通过查表的方式对低仰角目标进行快速DOA估计。与已有超分辨算法和经典对称差波束算法相比,本文方法具有更高的测角性能和更低的运算复杂度,实时性强。计算机仿真实验和实测数据验证表明,这种改进的和/差波束测角算法的有效性和可靠性,有利于提高单脉冲测角技术在实际阵地条件下的阵地适应性。

基于协方差矩阵拟合的宽带无网格波达角估计

宽带波达角(Direction of Arrival,DOA)估计是声呐系统阵列信号处理中一个重要的研究方向。文章提出了一种基于相干子空间的改进稀疏与参数方法(Coherent Signal-subspace based Modified Sparse and Parameter Approach,C-MSPA),以实现高精度和高空间方位分辨能力的宽带DOA估计。算法利用聚焦矩阵将各子带上的采样协方差矩阵投影至聚焦频率上。完成聚焦后,文章基于频率选择的范德蒙分解理论对协方差矩阵拟合准则进行改进,使重构的协方差矩阵中包含的DOA信息严格限制在聚焦区域内,最终对重构的协方差矩阵进行范德蒙分解,得到DOA估计值。所提出的算法无需选取正则参数,同时避免了基不匹配问题。仿真和湖上实测数据分析结果表明,所提出的方法实现了高空间方位分辨能力且提高了DOA估计精度。

l_1-analysis稀疏重构在阵列信号恢复及波达角估计中的应用

通过适当的空域稀疏化构造了可对阵列接收信号进行冗余稀疏表示的阵列流形矩阵,建立了相应的l1-analysis稀疏重构模型,用于恢复阵列接收信号,重点证明了该流形矩阵是满足l1-analysis稀疏重构条件的紧框架,从理论上保证了将l1-analysis稀疏重构用于阵列接收信号恢复及波达角估计问题的合理性,并推导出信号恢复误差的理论上界。利用在微波暗室环境中采集的实测数据,结合MUSIC算法进行实验验证,结果表明基于l1-analysis稀疏重构的信号恢复对提高低信噪比环境下的波达角估计性能是有效的。

用进化算法估计高频地波雷达海洋回波的DOA

提出了一种用于波达方向 (DOA)估计的基于进化算法的最大似然超分辨算法 ,当信噪比不高、阵列输出数据较短的情况下 ,其性能比普通的超分辨算法有较大改善 .其中的进化算法结合了遗传算法和进化策略两种算法的优点 ,适于求解似然函数的多维搜索问题 ,与交替投影等算法比较 ,精度上有了较大提高 .对高频地波雷达海浪回波的实测数据处理结果表明了DOA估计方法是有效可行的 .

低快拍下混合信号DOA快速估计算法

实时定位移动设备在电子对抗系统中至关重要,其性能主要取决于波达角(direction of arrival,DOA)的估计速度。低快拍是快速DOA估计的先决条件。目前基于稀疏重构算法的DOA估计具有适应低快拍的优势,但估计精度受限于初始观测矩阵,且估计速度受限于观测矩阵高维度的多次迭代。为此,提出一种空间差分矩阵和稀疏重构耦合的低快拍下高精度快速估计算法。首先利用空间差分矩阵消除非相干信号和噪声对相干信号估计结果的影响,提升初始观测矩阵的准确度;然后对完备字典做前后空间平滑处理,克服高维度信号处理复杂难题,实现快速估计;最后分别估计非相干信号和相干信号。仿真验证结果表明,相比稀疏重构方法,所提方案初值敏感度显著降低,在保障精度相当甚至小幅度提升的前提下,运行时间复杂度降低50%以上。

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。

基于MCMC的DOA估计及其在空域滤波中的应用

针对传统算法在进行波达方向角估计时需要进行全空间的谱峰搜索,且依赖初始化迭代和插值的缺陷,设计了一种贝叶斯估计方法。首先,构建基于均匀圆阵的频域信号处理模型,提出了基于马尔科夫链蒙特卡罗进行波达方向角估计的方法,实现了无需初始化和插值的测向算法,且不需要进行全空间的谱峰搜索即可直接估计结果,同时推导了该模型下进行波达方向角估计的克拉美罗下界。在以测向结果为先验信息,同时设计了一种新的空域滤波增益模型。利用马尔科夫链蒙特卡罗算法对信号子空间进行解耦合,然后计算滤波器增益系数,以此实现空域滤波。最后在无线电设备搭建的真实环境中进行实验,验证了基于马尔科夫链蒙特卡罗算法进行阵列波达方向角估计和空域滤波的有效性,并且与其他模型相比要明显优于后者。

基于自适应波束形成的水下目标高稳健DOA跟踪技术

针对复杂环境下水下目标高稳健方位估计与跟踪问题,基于自适应波束形成与非线性滤波技术,通过对目标可能方位进行自适应跟踪窗口实时构建与非线性实时跟踪迭代反馈,完成水下目标高稳健方位估计与跟踪。首先,基于均匀线性声呐阵列获取目标辐射噪声的阵元域量测信息,并建立水下运动目标的典型运动学模型;其次,基于最小方差无畸变响应的波束形成技术在目标预测方位对阵元域观测进行空域滤波处理,从而提升目标信号信噪比;然后,通过扩展卡尔曼滤波技术对目标方位进行高稳健跟踪,获得目标可能方位与误差,并将其反馈给上述波束形成技术进行自适应跟踪窗口调整,从而完成水下目标高稳健方位估计与跟踪。最后,多次蒙特卡洛仿真实验结果表明,在低信噪比情况下,当传统方位估计与跟踪方法和仅使用阵元域量测的滤波跟踪算法效果不佳或基本失效时,所提算法跟踪结果的平均估计误差仍在0.6°以下,具有较高的准确性和稳定性,从而证明所提算法的稳健性。

浅海非高斯噪声下基于变分贝叶斯推断的波达角估计

传统基于高斯统计特性的波达角(DOA)估计方法在高斯背景噪声中可以获得较好的估计性能,然而受脉冲噪声影响的浅海环境噪声不再服从高斯分布,若直接利用传统波达角估计方法会引入较大误差。为提升非高斯噪声环境下的波达角估计性能,该文提出一种浅海非高斯噪声下的基于变分贝叶斯推断的波达角估计方法。首先利用信号与脉冲噪声的稀疏性构建多测量向量稀疏信号恢复(SSR)模型;其次,考虑信号的共稀疏特性与脉冲噪声的独立稀疏性,构建层次化贝叶斯估计框架;然后利用变分贝叶斯推断估计信号与噪声的后验概率估计。稀疏信号模型中考虑离网格误差,利用根稀疏贝叶斯估计实现离网格误差修正,解决离网格误差引起的基失配问题;最后通过迭代更新获得较为精确的波达角估计,同时消除脉冲噪声的影响。仿真结果表明:所提方法在非高斯噪声环境下具有较好的波达角估计性能,同时对于脉冲噪声具有较强的抗干扰特性。

基于子空间和稀疏贝叶斯学习的低信噪比下波达角估计方法

为研究低信噪比条件下阵列信号处理中的波达角(Direction of arrival,DOA)估计问题,分析了低信噪比条件下信号子空间和噪声子空间的特征值表现,探讨了随机观测对子空间特征值的影响。提出了在低信噪比条件下对接收信号先进行子空间分离,后进行随机观测的降维处理方法,并将稀疏贝叶斯学习应用到DOA中,降低了DOA估计的复杂度,同时保证估计的精度。仿真实验表明,本算法在低信噪比条件下性能良好,对非相干源和相干源均有良好的估计性能。