基于G-S正交的信号子空间宽带聚焦DOA估计算法

提出基于G-S（Gram-Schmidt）正交算法的信号子空间宽带聚焦DOA估计算法。该算法基于G-S正交方法,求得矩阵的信号子空间,并利用局域子空间投影算法（LSP）,构造宽带信号子空间最佳聚焦矩阵。分析表明,该算法不需矩阵特征分解,运算量小于双边变换（TCT）方法,性能优于TCT方法。仿真结果证明了算法的有效性。     

一种新的宽带信号DOA估计算法

本文针对均匀线性阵列,在正交投影子空间(TOPS)算法的基础上,提出了一种新的宽带非相关和相干信号的DOA估计算法。首先,利用TOPS算法直接估计出宽带非相关信号的DOA;其次,在各个频率点,使用空间差分技术消除非相关信号和噪声的分量,并构造新矩阵;最后,对新矩阵进行空间平滑操作,再利用TOPS算法估计出宽带相干信号的DOA。由于分开估计宽带非相关信号和相干信号的DOA,算法适用于信号个数多于阵元个数的场合。计算机仿真结果证明了算法的有效性。     

基于一致聚焦的宽带信号DOA估计方法

双边相关变换(TCT)法在构造聚焦矩阵时需要预先估计信号的波达方向(DOA),预估计的偏差会影响聚焦效果,严重时可能会导致TCT方法的失效.本文基于一致聚焦思想,提出了一种宽带信号DOA估计方法-致聚焦双边变换(CFTCT)法.由于CFTCT方法使用了一致聚焦变换矩阵,因此不需要预先估计信号的DOA,减小了计算量,同时...     

宽带独立信号和相干信号的DOA估计

当独立信号和相干信号共存时,传统四阶累积量方法无法估计出宽带相干信号的来波方向(DOA),针对这个问题提出了一种新方法。该方法首先通过离散傅里叶变换,将宽带阵列接收数据分解为若干个窄带信号,构造出各个窄带频率处的自相关矩阵,再通过MUSIC(Multiple Signal Classification)算法估计出各个窄带信号的DOA,将各个窄带信号的空间谱相加求平均,通过谱峰搜索得到宽带独立信号的DOA;然后分离出独立信号的信息,构造出一个只包含宽带相干信号信息的矩阵,最后通过稀疏重构的方法估计出相干信号的DOA。计算机仿真结果证明该算法的正确性和有效性。     

基于Root-ISM算法的宽带非相干信号DOA估计

传统的ISM算法在对宽带非相干信号进行DOA估计时,会存在计算量大,低信噪比下估计性能较差的问题,在ISM算法的基础上,提出了一种Root-ISM算法,该算法不仅能有效降低计算量,而且在DOA估计的性能上也优于传统的ISM算法。文中还针对这一新算法结合已有的两种算法做出了改进。仿真实验验证了改进后的算法能进一步改善DOA估计的性能。     

基于数据共轭重排的修正ESPRIT信号DOA估计算法

本文介绍了将接收数据共轭重排的再利用,构造相关矩阵的修正ESPRIT算法.理论分析和仿真实验表明,该算法同经典的ESPRIT算法相比,在快拍次数有限时,可明显改善信号DOA估计的性能,且其计算量二者基本相当.     

宽带相关信号的二维DOA高分辨估计

研究利用导向最小方差(STMV)法实现了宽带相干信号的一维和二维高分辨DOA估计.与传统的最小方差无畸变响应(MVDR)法相比,STMV法更适于处理宽带信号.由于利用了导向协方差矩阵的时空统计特性,该方法比MVDR具有更高的空间分辨力和更好的稳健性.     

宽带相干信源DOA估计算法

针对现有宽带相干信源DOA估计算法存在的问题,提出了一种解决宽带相干信源空间谱估计的新方法。简述了宽带阵列信号模型以及投影子空间正交性测试(TOPS)方法,并深入分析了TOPS不能适应相干信号的实质。通过将矩阵共轭重构算法引入TOPS算法中,解决了TOPS算法不能处理相干信号的问题。此方法不仅提高了抗相干信号的能力,而且在聚焦中不需要角度的预估计。数值仿真实验结果验证了该方法的有效性。     

利用盲源分离算法实现DOA估计

提出一种基于快速盲源分离算法实现波达方向（DOA）估计的方法。构造了具有对角化结构的相关矩阵组,引入解盲源分离问题的联合对角化代价函数,采用一种快速的复数域乘性迭代算法求解代价函数,得到混迭矩阵逆的估计,进而实现DOA估计。与同类算法相比,该算法具有更广的适用性和更精确的DOA估计性能。仿真实验结果验证了算法的快速收敛性和优越的估计性能。     

一种有效的相关噪声背景下宽带相干信号DOA估计算法

利用均匀线阵,本文提出了一种有效的相关噪声下宽带相干信号DOA估计算法.首先,在各个频率点,利用空间差分技术消除色噪声分量,并通过平方操作构造新矩阵;然后,通过聚焦操作得到通用的协方差矩阵;最后,通过使用传播算法估计得到宽带相干信号的DOA.算法能够分辨的相干组中相干信号的个数可以是奇数或是偶数.仿真结果验证了算法的有效性和性能.     

宽带强干扰背景下的弱信号源DOA估计方法

在宽带弱信号DOA估计中,当强干扰与弱信号的方向角很接近时,弱信号被强干扰所掩盖而无法检测出弱信号的方向。文中提出了一种先对数据进行干扰相消预处理,再采用MUSIC算法估计弱信号DOA的方法。仿真结果证明了该方法的有效性。     

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。     

宽频段高精度信号到达角与极化联合估计算法

针对宽频段信号,提出一种高精度的到达角与极化联合估计算法.本算法采用正交偶极子稀疏均匀L型阵列,该阵列间距大于载波波长.首先通过ESPRIT算法估计出模糊的空间相位差,为解决阵列孔径与角度模糊的问题,利用正交偶极子中包含的方向信息进行解模糊.这种方法不需要损失阵元,而且能提高估计的精度.通过仿真,分析了本方法在不同信噪比下的估计性能、孔径的扩展能力以及在2-18GHz频段范围内的参数估计性能.     

基于延时估计的实时语音盲分离算法

目前盲分离算法相当复杂,对硬件的运算速度要求很高,无法满足实时性要求。根据盲信号分离的原理和特点,提出了一种基于延时估计的实时语音盲分离算法,大大提高了盲解分离的运算速度,主客观评价表明其具有很好的分离效果,证明了算法的有效性。     

基于改进实数遗传算法的DOA估计

文献[7]提出的估计方法直接以误差矩阵的2范数建立适应度函数,文中利用该矩阵是Toeplitz矩阵的特性,构造了一个新的适应度函数,提出了一种基于基因分量独立变异的实数遗传算法。该方法不需进行矩阵的特征值分解,充分利用了遗传算法的全局寻优特性,获得了良好的参数估计性能。仿真结果表明,相对文献[7],达到同样要求所需要的运算量减小了一半。     

基于改进单纯形算法的DOA估计

利用最大似然估计获得信号的来波方向，其统计性能要比其他算法优越，但由于该方法需要对多维参数进行优化，从而导致较大的计算量，针对该问题文中提出基于改进单纯形算法的来波方向（DOA）估计。首先利用阵列输出的协方差矩阵对来波方向进行粗略估计，并以该估计值为重心构造初始单纯形，由于待估计的参数都有一定的取值范围，所以文中通过定义罚函数，将有约束的优化问题转化为无约束的优化问题，最后结合罚函数和改进单纯形算法进行DOA估计，计算机仿真结果验证了该方法的正确性和有效性。     

相干信号源DOA估计的一种改进SVD算法

多重信号（MUSIC）算法是波达方向（DOA）估计中的一种标志性算法,在理想条件下具有良好的性能,但是当信号源相干时,算法的性能就会变得很差。为了使其在低信噪比、小角度条件下对相干信号源有着更好的分辨能力和稳定性,通过对解相干重要算法——矢量奇异值（SVD）算法的研究,并针对SVD算法在低信噪比、小角度条件下分辨能力的不足,提出了一种改进的矢量奇异值算法（NSVD）,即利用信号协方差矩阵的最大特征矢量,按一定规则构造出新矩阵,然后对矩阵进行修正,再利用奇异值分解算法估计出信号相关信息。最后通过大量的计算机仿真证明了算法的良好性能。     

一种基于正交信号的角估计算法

稀布阵综合孔径脉冲雷达(SIAR)是新体制雷达多输入多输出(MIMO)雷达的一种,SIAR发射的是正交信号,对于基于正交信号雷达的方向估计,因为其方向向量不仅与接收导向向量有关,而且还与发射导向向量有关,因此传统MUSIC等超分辨算法不能够直接应用。Gram-Schmidt算法是数值计算的一种重要算法,通过理论分析以及仿真结果表明,该算法可以直接应用于基于正交信号雷达的测向,而且在未知目标的个数和小样本的条件下,依然有较好的测角性能。     

一种快速DOA估计算法

MUSIC算法需要将天线阵列接收数据的协方差矩阵进行特征分解,并在全空域进行谱峰搜索。该算法具有很高的分辨力、估计精度及稳定性,但是运算量巨大,难以实时实现。通过对等距线阵特点及MUSIC算法的研究,提出了一种无需特征分解和在全空域进行谱峰搜索的快速算法,算法采取降维处理的方法快速估计信号子空间,然后根据基于阵列一次快拍的FFT算法粗略估计的局域信号空间进行谱峰搜索,从而有效降低了算法的计算量,理论分析和计算机仿真结果证明了该算法的有效性。