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。

基于压缩感知的高频地波雷达二维DOA估计

针对高频地波雷达(high frequency surface wave radar,HFSWR)目标角度估计问题,提出了一种基于压缩感知(compressive sensing,CS)的距离多普勒(range-Doppler,RD)域单快拍二维波达方向(direction of arrival,DOA)估计方法。分析了在RD域进行DOA估计的理论可行性及单快拍处理的优势;基于子空间追踪思想提出了一种针对L型阵列的二维DOA估计降维后的角度配对和修正方法,在低信噪比和目标回波幅度接近的情况下仍能保证完成正确的匹配并消除无效的角度组合,从而实现精确的二维DOA估计和目标空域分辨。仿真结果和高频地波雷达实测数据的处理结果分别验证了其性能优势和有效性。

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 .

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.

估计强干扰信号波达角度的一种新方法

在强干扰环境下 ,选择特定的步长因子 ,能够促使恒模算法抑制强干扰信号 ,然而 ,恒模算法的收敛过程较长 ,且输出信干噪比不高。首先导出了恒模算法权向量和干扰信号的波达角度之间的关系 ,然后利用这一关系能够迅速求出强干扰信号的波达角度 ,最后 ,计算机仿真验证了该方法。在已知期待信号波达角度的条件下 ,就可以把天线阵的主波束对准期待信号 ,而把零陷对准强干扰 。

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。

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·

相干分布式信源二维波达方向估计算法

针对相干分布式信源二维波达方向估计算法多采用谱峰搜索导致计算复杂度较大的问题,该文提出了一种二维波达方向分离估计算法。该算法通过将积分形式的相干分布式信源方向向量化简为点信源方向向量与实向量的Schur-Hadamard积,对子阵X接收的数据构造二阶统计量;利用传播因子最小二乘估计子阵X与Z,X与W之间的旋转不变矩阵。由二阶统计量与旋转不变矩阵分别估计方位角与仰角,对于接近90°的仰角也可给出有效的估计。与传统子空间算法相比,无需任何谱峰搜索和特征值分解,降低了计算复杂度。仿真实验表明了所提算法的有效性。

一种基于双平行线阵相干源二维波达方向估计的新方法

提出一种基于双平行线阵有相干信号源存在情况下二维波达方向估计的新算法。该算法根据阵列结构的特点形成 6个需要的相关矩阵 ,然后构造一个特殊大矩阵并经特征分解获得信号子空间的估计 ,最后利用 2 DESPRIT方法实现二维角度估计。无论是否存在相干源 ,新算法都能精确估计出二维到达角 ,而无需进行谱峰搜索 ,从而解决了信号参数配对问题。

基于子空间旋转的信号频率和波达方向同时估计方法

针对宽频段窄带信号 ,利用时间平移构造伪数据矩阵 ,同时 ,将伪数据矩阵信号子空间进行旋转 ,并通过对构造的信号空间矩阵进行特征分解 ,提取导向矢量矩阵和旋转因子中所包含的角度和频率信息 ,从而直接获得频率和波达方向 ( DOA)的同时估计 .计算机仿真表明 ,该方法在中等信噪比下是有效的 。

累量域虚拟阵列二维波达方向估计算法

利用空间四阶累量的孔径扩展性质,构造了一种新的累量域虚拟阵列波达方向矩阵。由累量域虚拟阵列波达方向矩阵非零特征值的幅值和相位即可分别估计出信号源的方位角和俯仰角。本算法阵元利用率高,阵列布置灵活,由于采用了累量,通过适当布置阵列可压制任意分布噪声,获得较好的估计效果。

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。

利用空域稀疏性的L型阵下二维波达方向估计

针对稀疏重构应用于二维波达方向估计时存在计算量大的问题,从减少过完备字典的原子个数以及求解模型的阶数这两个方面入手,提出一种具有较低计算复杂度的基于稀疏重构的二维波达方向估计方法。该方法中首先根据L型阵的结构特点,对基于阵列接收数据的稀疏线性模型进行分解和重新组合,抛弃与信源无关的原子,大大减少了原子个数;其次,提出利用多快拍数据协方差矩阵的最大特征值对应的特征向量作为待分解信号建立稀疏模型,使模型阶数从快拍数降至一阶。此外,给出了新方法的详细实施步骤,并且对其计算复杂度进行了理论分析。新方法估计精度高,并且能够自动实现俯仰角和方位角配对。最后,通过计算机仿真验证了新方法的有效性。

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。