用信号方向向量估计到达波方向

由信号方向向量直接估计到达波方向(DOA)可以获得优良的估计性能。本文将ESPRIT技术与信号子空间技术相结合,给出了信号方向向量的完整表达式。模拟实验表明,在低信噪比和短数据的情况下,由该表达式估计DOA可以获得明显优于MUSIC方法的性能。     

信号特征向量分解与到达波方向估计＊

本文提出了到达波方向(DOA)估计的一种新算法。基于信号特征向量分解的一种唯一形式,我们提出了用递推算法来实现由一个或几个信号特征向量进行DOA估计。与一般的特征结构法相比,该方法不但可以解决相干源问题而且改善了在低信噪比情况下的估计性能,并具有使用灵活的特点。计算机仿真证实了上述结论。     

浅析MUSIC到达方向估计算法

阵列天线是移动通信中应用智能天线系统的关键,是当前无线通信领域广为关注和研究的热点之一。天线阵列可将无线电的信号导向具体的方向,产生空间定向波束,使天线主波束对准用户信号到达方向DOA,旁瓣或零陷对准干扰信号到达方向,达到充分高效利用移动用户信号并删除或抑制干扰信号的目的。同时,利用各个移动用户间信号空间特征的差异,通过阵列天线技术     

基于神经网络方法的窄带信号源波达方向估计

文章研究了对窄带信号源进行神经网络方法的高分辨率测向,常规的高分辨波达方向估计都必须得到阵列输出的协方差矩阵,然后进行特征值分解,显然的缺点是处理时间比较长,我们采用Hopfield神经网络模型,提出了基于一些数据快拍点全互连对称突出权值和阈值的新方法,以此来提高波达方向估计的性能。该方法具有小运算量、低复杂度和大规模并行计算的特点,模拟仿真结果显示文章所提方法是实现信号源DOA实时处理的一条有效途径。     

《信号到达方向估计的发展》

确定目标的位置或者信号的到达方向(DOA)无论对于民用和军事战术应用都是至关重要的。只要知道目标信号的到达方向,就可     

阵列误差影响下的RBF神经网络波达方向估计

针对阵列误差(阵元间互耦、通道失配)影响下波达方向估计问题,提出一种新型的基于径向基神经网络侦察测向系统。这种系统采用直接数据域补偿算法对输入数据进行误差补偿,从而获得正确的基函数中心。在无需对RBF神经网络测向系统作任何改进的情况下,可获得对波达方向的准确估计。为了减少输入,利用信号协方差矩阵的对称性以及对角线元素不包含信号方向信息的特点,仅考虑协方差矩阵中的上三角部分元素作为网络输入。给出了应用该方法的具体步骤。仿真实验表明,基于这种RBF网络的侦察测向系统达到了很高的精度。     

基于选择性集成径向基神经网络的来波方向估计

本文提出了一种基于选择性集成径向基函数神经网络(SE-RBFNN)的来波方向(DOA)估计方法,解决单个神经网络建模进行DOA估计精度低的问题。首先利用Bagging方法训练生成一定数量的RBFNN弱分类器,其估计精度低但泛化能力强;然后提出并运用等宽分箱—投票选择性集成方法剔除估计误差大的奇异值个体,优选部分RBFNN输出结果进行平均处理,从而获得了高精度的DOA估计。仿真结果表明了算法的有效性,相对单个RBFNN建模,构建的选择性集成模型能适应方向特征的变化,算法的来波估计精度显著提高。     

方向估计的神经网络计算

本文给出一种借助于二维神经网络构成的混合系统,用它来完成几种方向估计算法,这些算法包括：最大似然法,交替投影最大似然法,Ｍａｒｃｏｓ等人提出的无需特征分解的“传播算法”。利用神经网络对某些算法的快速性,该系统为实时实现目标的精确定位提供了一条新的,有效的途径。     

基于神经网络的方向估计

本文在介绍神经元及Ｈｏｐｆｉｅｌｄ神经网络基础上，提出一种基于神经网络的方向估计方法，并给出模拟方法及结果，为实时实现目标的精确定位提供了一条新的有效途径。     

空间信号二维到达方向估计的新方法

特殊的阵列几何结构和灵活的阵列输出信号四阶累积量矩阵定义不仅使多个空间信号二维到达方向估计无需谱峰搜索且自动配对,而且使阵列孔径大大减小和适合任意高斯噪声环境。计算机模拟结果证实了方法的可行性。     

基于神经网络的ML方向估计

本文提出一种用于最大似然(ML)方向估计的神经网络模型。理论分析和模拟结果表明,这种网络一般可以在电路的时常数数量级内给出目标方向的ML估计值,而且网络结构和参数固定,阵列阵元输入直接作为网络的输入而无需任何运算。因此这种网络非常适用于实时处理。这为实时实现目标的精确定位提供了一条新途径。     

基于神经网络的高频地波雷达目标到达角估计

该文利用神经网络进行高频地波雷达目标到达角估计。论文分别采用RBFN和GRNN构造了基于函数逼近和模式编码的到达角估计网络,介绍了网络结构、数据仿真的过程和应用于高频地波雷达目标定向的实际效果。数据仿真和现场实验的分析结果表明基于模式编码的GRNN网络到达角估计方法鲁棒性较好,在低信噪比时能够给出正确估计。     

信号频率和2-D到达方向分离估计方法

本文基本三个阵列空间的排列组合提出了一种新的多个空间信号频率和2－D到达方向的估计方法。由于该方法是将问题转化为三个1－D问题且在每一维利用计算有效的ESPRIT算法和利用子阵列的输出数据矩阵具有相同的列空间，因此避免了多维谱估计中的谱峰搜索和参数间的配对。计算机模拟实验证实了其有效性。     

极化敏感阵列到达方向估计方法的FPGA实现

针对将传统的复数多重信号分类(MUSIC)算法直接嵌入现场可编程门阵列(FPGA)将消耗大量硬件资源和计算时间的问题,该文提出基于极化敏感阵列的实数化的MUSIC算法的FPGA实现方案。利用圆形分布极化敏感阵列的中心对称特性,提出一种实数化预处理方法,该方法直接对接收信号做线性变换,从而简化极化MUSIC算法的后续计算。该FPGA方案通过协方差矩阵模块并行计算、特征值分解模块采用多级清扫的并行Jacobi算法、多尺度谱峰搜索和各个模块的流水线工作来减少算法耗时。试验结果表明,与复数极化MUSIC算法相比,该方案大大降低了硬件资源消耗和时间消耗。     

混合信源波达方向估计算法

本文针对非相干混合点信源和分布式信源,提出了一种基于对称均匀线阵的波达方向估计算法。该算法利用点信源和分布式信源协方差矩阵结构的不同,采用空间差分技术将两种信源分离。对于点信源,采用传统MUSIC算法估计其波达方向;对于分布式信源,利用信号子空间的旋转不变性来估计其波达方向。该算法不仅消除了点信源对分布式信源的影响,也无需估计分布参数,大大降低了计算复杂度。且采用2N+1个阵元的对称均匀线阵可估计出 2N 个混合信源,其中分布式信源最多为 N 个,有效减小了阵列的孔径损失。仿真结果表明该算法的性能优于广义特征值分解的算法。      

稀疏阵列波达方向估计研究进展

波达方向(direction of arrival, DOA)估计是阵列信号处理领域的重要研究方向,也是电子侦察与电子攻击领域的关键技术之一。以提高DOA估计精度和降低计算复杂度为导向,结合模型驱动和数据驱动方法的各自优势,提出了基于深度展开网络的DOA估计统一框架,阐述了稀疏阵列离网格DOA估计、无网格DOA估计以及混合信号参数估计等方面的研究进展。对复杂信号模型下的DOA估计、深度展开网络性能分析与挖掘以及分布式稀疏阵列回波信号融合处理等后续的研究内容进行了展望。     

阵列方向矩阵Moore-Penrose逆的波达方向估计

针对弱信号且源数未知情况下的波达方向估计问题,传统方法是先估计源数目再进行波达方向估计,但源数目估计的误差会造成波达方向估计精度下降。本文提出一种阵列方向矩阵的Moore-Penrose逆和MUSIC（MUltiple SIgnal Classification）算法的联合波达方向估计方法,充分利用Moore-Penrose逆的盲源数波达方向估计和MUSIC算法的高精度的优势。该方法无需预先估计源数目就可进行波达方向估计。通过仿真实验并与传统方法比较,表明本文提出的方法具有更高的精度,特别是在低信噪比情况下,具有更强的鲁棒性。      

新书介绍：《信号到达方向估计的发展》

确定目标的位置或者信号的到达方向（DOA）无论对于民用和军事战术应用都是至关重要的。只要知道目标信号的到达方向，就可以利用自适应波束形成算法削弱于扰信号的功率，实现感兴趣信号的最大功率。到达方向的估计将是未来新一代移动隐身通信系统中测向智能天线的主要功能需求之一。     

相干信号到达方向估计的对称子阵列组合技术

本文提出了一种新的相干信号高分辨率处理方法。该方法通过阵列数据矩阵的变换和对称子阵列协方差矩阵的组合,并利用旋转不变技术有效地实现了相干信号到达方向的估计。理论分析和计算机模拟结果表明,此项技术具有优良的估计性能,较强的去相干能力以及较高的运算时效和阵列孔径利用率。