基于复合阵列的矩阵循环重构DOA估计算法

相干源角度估计一直是困扰雷达角度测量的一个重要难题,基于均匀阵列假设提出了模式空间解相干算法,一定程度上解决了相干干扰条件下的目标角度估计问题,但是上述算法对复合阵列的适应性较差。针对复合阵列下相干多源测角问题,本文提出一种基于模式空间循环重构的解相关算法,利用圆阵外其他任意天线赋形空域滤波特性,在信号源数多于阵元数时较好地解决相干源角度估计问题。仿真试验结果表明,该算法能较好地解决复合阵列天线下的相干源测角问题,并且其角分辨性能优于传统算法。

基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计

多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel矩阵并施加Schatten-p范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。

基于稀疏线阵协方差矩阵重构的DOA估计方法研究

相比均匀线阵(Uniform Linear Array,ULA),相同阵元数目下稀疏线阵(Sparse Linear Array,SLA)的抗耦合效应更好,阵列孔径更大,到达方向(Direction of Arrival,DOA)估计的自由度(Degrees Of Freedom,DOF)更高,因而近年来得到了广泛的研究。为了可以进行高DOF的DOA估计,学者们开始研究SLA的差分虚拟阵元,差分虚拟阵元对应的协方差矩阵相比原阵元对应的协方差矩阵维度更大,因而估计的DOF更高。当SLA的差分虚拟阵元连续取值时,可以利用已有阵元的接收信息,得到SLA的协方差矩阵,在该矩阵的基础之上构建差分虚拟阵元的协方差矩阵进而进行DOA估计。然而,当SLA的差分虚拟阵元存在孔洞时,即差分虚拟阵元不能连续取值时,不能直接利用重构的协方差矩阵进行DOA估计,需要恢复完全增广协方差矩阵的信息再进行DOA估计。对于该问题,本文基于矢量化后原协方差矩阵和虚拟差分阵协方差矩阵的误差分布情况,并结合完全增广协方差矩阵的低秩特性和半正定特性来构建优化问题。通过求解该问题来恢复维度更高的完全增广协方差矩阵。最后对该矩阵进行奇异值分解,利用多重信号分类(Multiple Signal Classification,MUSIC)算法就可以获得多源的空间谱。本文最后通过数值仿真试验验证了所提算法可以实现高DOF的DOA估计,并且相比于现有算法,本文所提算法对欠定DOA估计的效果更好,多源DOA估计的精度更高,产生的误差更小。

基于声压振速联合处理的稀疏协方差DOA估计

为充分利用矢量水听器中声压振速信息之间的关系来提高DOA估计精度,本文提出了基于声压振速联合处理的稀疏协方差DOA(Direction ofArrival)估计方法。该方法首先利用声压振速之间的相关性,构造阵列协方差矩阵;其次,将空间入射角度集合进行等角度划分,构造超完备冗余字典;然后,在过完备基上寻找阵列协方差矩阵的最稀疏系数,利用系数向量中的非零行所对应的行号得到DOA估计值。将该算法与CBF算法及L1-SVD算法进行对比仿真实验,结果表明,在信号源数分别为3,4,5的情形下,本文所提算法在低信噪比和小快拍数情形时,具有更低的均方根误差,DOA估计性能优势明显。

稀疏阵列的鲁棒矩阵填充DOA估计算法

稀疏阵列布阵灵活,增大阵列孔径的同时还能减少阵元间耦合,但基于稀疏阵列的传统波达方向估计会导致角度模糊混叠,带来估计精度差和稳健性不足的问题。针对以上问题,提出一种适用于稀疏阵列波达方向估计的加权截断奇异值投影(weighted truncated singular value projection,WT-SVP)的鲁棒矩阵填充算法。在填充迭代过程中根据奇异值的大小分配权重,突出大奇异值包含的阵列信息,减少小奇异值中不必要的噪声信息,从而优化传统奇异值投影算法。该算法可以实现稀疏阵列的孔洞信息恢复,对不连续阵元充分利用,同时WT-SVP填充算法实现了稀疏阵列波达方向估计的高精度、高分辨以及在低信噪比、低快拍时的高鲁棒性。

Construction of deterministic sensing matrix and its application to DOA estimation

Compressive sensing（CS） has emerged as a novel sampling framework which enables sparse signal acquisition and reconstruction with fewer measurements below the Nyquist rate.An important issue for CS is the construction of measurement matrix or sensing matrix.A new deterministic sensing matrix,named as OOC-B,is proposed by exploiting optical orthogonal codes（OOCs）,Bernoulli matrix and Singer structure,which has the entries of 0,＋1 and-1 before normalization.We have proven that the designed deterministic matrix is asymptotically optimal.In addition,the proposed deterministic sensing matrix is applied to direction of arrival（DOA） estimation of narrowband signals by CS arrays（CSA）processing and CS recovery.Theoretical analysis and simulation results show that the proposed sensing matrix has good performance for DOA estimation.It is very effective for simplifying hardware structure and decreasing computational complexity in DOA estimation by CSA processing.Besides,lower root mean square error（RMSE） and bias are obtained in DOA estimation by CS recovery.

宽带相干信号DOA和极化参数联合估计方法

针对宽带相干信号下波达角和极化参数的联合估计问题,提出了一种低复杂度的参数估计方法。首先,通过轴向虚拟平移对圆阵接收信号进行平滑,而后对平滑后的自相关矩阵进行聚焦。之后,联合聚焦后的自协方差矩阵和平滑后的互协方差矩阵构造极化波达方向矩阵。然后,通过该矩阵的特征值和特征向量,经闭合式求解出入射信号的波达角和极化参数。所提算法实现了估计参数的自动配对,无需谱峰搜索,计算量小,且仅需3个阵元即可实现参数估计,能够节约硬件资源。仿真实验从复杂度、有效性和稳健性3个方面验证了所提算法的可行性。

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L型阵列MIMO雷达的DOA矩阵方法

首先提出一种基于波达方向(direction of arrival,DOA)矩阵思想的L型阵列多输入多输出(multi-ple input multiple output,MIMO)雷达二维角度估计方法。通过将L型阵列MIMO雷达所产生的二维虚拟平面阵列划分为两个子阵,并构造估计矩阵以实现二维角度估计。在此基础上,针对角度兼并问题,进一步提出联合对角化DOA矩阵方法。该方法通过构造4个子阵,并采用联合对角化方法估计目标二维角度。该方法在保持原DOA矩阵法无需二维谱峰搜索和参数配对等优点的基础上避免了角度兼并问题,能够减少阵列孔径损失,有效提高阵元利用率和角度估计精度。仿真实验验证了所提方法的有效性。

基于均匀圆阵的信号源DOA和多普勒频率估计算法

本文研究均匀圆形阵列的信号处理问题 ,提出了一种同时估计空间非相关信号源方位角、俯仰角和多普勒频率的算法 .该方法对均匀圆形阵列的输出信号进行模式激励 ,使其阵列流形具有类似于均匀线性阵列的形式 ;在此基础上 ,特征分解构造的波达矩阵 ,由特征值获得各信号的多普勒频率 ,由各特征值对应的特征向量处理得到对应信号的到达方向 .该方法不需进行谱峰搜索 ,运算量小 ,能实现信号的方位角、俯仰角和多普勒频率的自动配对 ,且具有相当高的分辨率 .给出的计算机仿真结果证实了该方法的有效性 .

基于扩展孔径波达方向矩阵法的高精度二维DOA估计

该文针对扩展孔径会产生估计模糊的现象,提出一种高精度扩展孔径波达方向矩阵算法。算法由4L个阵列单元组成双平行阵列几何结构,利用阵列传感器沿x轴和沿y轴的不同间距,分别构造波达方向矩阵,由此计算出高精度模糊的方向余弦估计和低精度无模糊的方向余弦估计,然后利用低精度无模糊的方向余弦估计值对高精度模糊的方向余弦估计值进行解模糊处理,得到高精度无模糊的方向余弦的估计值。该算法无需配对运算和2维搜索,是一种低运算量高精度的算法,计算机仿真实验验证了该算法的性能。

基于分数阶傅里叶变换的宽带LFM相干信号二维DOA估计

在分数阶傅里叶(FRF)域从离散角度推导了二维DOA估计数学模型,并在此模型基础上提出基于分数阶Fourier变换的二维相干信号DOA估计新算法。该方法利用分数阶傅里叶变换良好的能量聚集性,在分数阶傅里叶(FRF)域构造前后向空间平滑DOA矩阵。通过对DOA矩阵进行特征值分解,估计信号子空间和噪声子空间,由信号子空间的特征值和特征向量得到宽带LFM相干信号的二维到达角,避免了二维谱峰搜索和交叉项,也无需参数配对。理论推导与实验仿真验证了算法的有效性。

信号相关性与DOA估计

窄带波达方向(DOA)估计模型中,相干信号的问题很容易引起混淆。一些文献简单地认为频率不同的信号是不相干的,而频率相同的信号就是相干信号。因此,在建立不相干信号的DOA估计模型时,采用不同中心频率的信号,而使用的方向矩阵却采用同一个信号频率,该文提出,当信号中心频率不同时,应采用各自相应的频率来建立方向矩阵。其DOA估计应采用宽带信号的DOA估计方法,也就是应该对不同的频率进行聚焦。而采用同一个频率来建立的方向矩阵恰好同聚焦后的信号模型相同,因此,其估计结果也就是正确的。但这样的信号模型与事实并不相符。该文严格按照相干信号的定义证明了只有频率和初始相位都相同的窄带信号才是相干信号,最后通过计算机仿真验证了这一点。

采用单次快拍数据实现相干信号DOA估计

该文针对均匀线性阵列的相干信号DOA估计问题,提出了一种基于单次快拍数据的解相干算法,该算法直接利用快拍数据构造一个Toeplitz矩阵,经理论推导,该Toeplitz矩阵的秩不受信号的相干性影响,仅和入射信号的个数有关,因此对该矩阵进行特征值分解可得到正确的信号子空间和噪声子空间,结合MUSIC,ESPRIT等子空间算法,即可实现对相干信号的DOA估计。数值仿真验证了该算法的有效性。

采用单次快拍数据实现信源DOA估计

针对均匀线性阵列DOA估计中的实时性和解相干问题,提出了一种基于单次快拍数据的估计算法,通过对阵列接收的单次快拍数据进行相关处理后重构Toeplitz矩阵,并证明该矩阵的秩不受信号相干性的影响。通过特征值分解,得到对应的信号子空间和噪声子空间,结合MUSIC,ESPRIT等子空间类算法实现了对相干和非相干信号的DOA估计。算法不损失阵列孔径,具有更好的实时性和抗噪声干扰的能力;在低信噪比条件下,仍具有较好的估计性能。最后计算机仿真结果证实了算法的有效性和可行性。

基于协方差矩阵重构的DOA估计方法

针对空间信号的波达方向估计,提出了协方差矩阵重构测向算法。由数据协方差矩阵的特征分解求得信号特征值及其对应的信号特征向量,根据各个信号特征向量构造相应的子协方差矩阵,算法定义一个新协方差矩阵。从理论上证明了新协方差矩阵在信号相干时仍然满秩,新算法在解除信号相干性的同时没有造成阵列孔径的损失。与空间平滑类算法相比,估计同样相干信号数,新算法能节省更多阵元。仿真实验证实了新算法优越的分辨能力和估计性能。

一种模式空间中的快速DOA估计算法

在均匀圆阵模式空间中,提出一种基于ESPRIT的快速波达方向估计算法,该算法将均匀圆阵转化成为模式空间的虚拟阵列后,通过利用虚拟阵列的协方差矩阵的近似Toeplitz特性,可以直接得到噪声的方差分量σ2n,因此避免了ESPRIT算法中的第一次特征分解,即只用一次特征分解完成参数估计.分析表明,该算法运算量小,而且能有效估计参数.

基于L型MIMO雷达二维DOA估计新算法

将MIMO思想应用于L型阵雷达,建立了L型MIMO雷达信号模型,并在此基础上,根据DOA矩阵法,利用MIMO体制雷达产生的虚拟子阵列来构造一个二阶统计量,从而得到了目标方位角和俯仰角的闭式解。该算法不涉及多维谱峰搜索,因此具有较小计算量;此外,该算法估计出的目标的方位角和俯仰角可自动配对,不存在参数的配对问题。计算机仿真结果证明了本文算法的正确性和可行性。

相关噪声中DOA估计的一种新算法

本文提出了一种在空域平稳的相关性噪声中利用等间距线性排列的一维天线阵来进行DOA估计的新算法。根据噪声自相关矩阵为对称Toeplitz矩阵的特点 ,利用接收数据自相关矩阵减去其一变换矩阵 (R -JRJ ,其中J为交换矩阵 )得一差阵 ,使得数据的相关矩阵中与噪声相关的分量被对消掉。同时 ,文章中详细地论证说明了这差阵的特征向量、特征值与自相关矩阵的相应部分的定量关系 ,提出了相应的DOA估计方法。所以 ,使用这种方法完全避免了噪声对DOA估计的影响。仿真说明 ,这种方法是有效的 ,避免了噪声对DOA估计的影响 ;另外 ,即使在非相关性噪声条件下 ,这种方法也比标准MUSIC方法具有更高的分辨力、更高的参数估计精度。

一种DOA估计新方法

压缩传感(compressed sensing或compressive sampling,CS)理论一出现便受到国际上的广泛关注,它打破了经典采样模式,通过随机采样少量点即可精确或以很高的概率恢复原始信号。利用这一特点,提出了一种波达方向(direction of arrival,DOA)估计的新方法,相比于传统DOA估计,只需少量采样点同时达到方向的精确估计,计算机仿真验证了方法的可行性。