DOA估计

摘要： 针对利用传统多信号分类算法(Multiple Signal Classification,MUSIC)求解信号来波方向时,运算复杂且在有限快拍的情况下接收信号的协方差矩阵并非厄米特矩阵的问题,提出了基于酉变换和前后项平均的DOA(Direction of Arrival,DOA)估计算法。利用前后项平均生成协方差矩阵在欧氏距离内最小的厄米特矩阵,对生成的厄米特矩阵进行酉变换,将复数域的运算转变为实数域运算。有效地降低了算法的复杂度,提高了分辨性能,仿真实验验证了该算法的有效性。

摘要： 在强相关或相干信号源环境下,基于子空间分解的高分辨方法无法准确估计信号到达角,而许多传统的解相干方法,如空间平滑法等,会减少阵列的有效孔径,且只适用于具有移不变性的阵列结构。针对相干信源DOA估计问题,提出了一种基于投影矩阵搜索的DOA估计算法。首先根据阵列流型构造噪声子空间的投影矩阵,并将阵列接收信号投影到噪声子空间;然后通过遍历搜索所有可能的投影矩阵获得空间谱,进而得到相干源的DOA估计。该算法能有效进行相干信源DOA估计,与传统的相干源DOA估计方法相比,该算法不会减小阵列的有效孔径,且适用于任意阵列结构,并具有良好的估计精度和超分辨能力,但计算复杂度较高。通过仿真实验,验证了该算法的有效性,比较了该算法与传统算法的性能。

摘要： 对于高精度波达方向(DOA)估计方法来说,麦克风阵列缺乏对各种阵列缺陷的适应性是一个难以解决的问题.基于卷积神经网络(CNN)的DOA估计算法具有不依赖阵列拓扑结构先验假设的优势,且与基于模型的方法相比,能更好地适应阵列缺陷.首先利用SAE对麦克风阵列输出的协方差矩阵进行预处理,将信号分解为多个空间子域,这些空间子域具有比原始输入更集中的分布,有助于减少后续DOA估计的泛化负担;然后将空间子域作为CNN的输入来训练神经网络,建立学习特征与DOA估计的非线性映射关系.相比传统的DOA估计算法,基于SAE-CNN的DOA估计算法在麦克风阵列缺陷下具有更强的准确性和适应性.

摘要： 基于圆柱共形阵列的波达方向(Direction-of-Arrival,DOA)估计方法受载体曲率影响,对于不同极化入射的信号存在极化接收不匹配的问题,同时由于载体的遮挡,会使测向精度下降,甚至产生测向错误。针对极化接收和载体遮挡效应,本文提出了一种基于圆柱共形阵列的极化MUSIC算法,建立了基于圆柱共形阵的极化敏感阵列信号接收模型,考虑载体遮挡效应对信号的导向矢量进行重构,保证了信号子空间和噪声子空间的正交性,并运用极化秩亏MUSIC算法进行DOA估计和极化参数估计。仿真结果表明,与子阵分割极化MUSIC算法相比,本文算法在低信噪比10 dB时测向误差减少了0.9°,具有更高的信号测向精度,信号估计准确率提高了27.4%。

摘要： 稀疏阵列存在模糊特性,导致当阵元幅相误差或位置误差存在时,无法直接应用传统的ISM方法。针对这一缺陷,文中借用线阵中基于介质解模糊的DOA估计算法原理,将该算法推广至二维稀疏平面阵列,通过引入抑制度的概念深入研究了介质参数对抑制效果的影响,并进一步将该算法与经典ISM法相结合,提出了一种新的稀疏平面阵列幅相误差估计算法。仿真结果表明,该方法不仅可以在合理选择介质参数的条件下使模糊角抑制度最大达到17 dB,还可以在获得准确角度的前提下进行幅相误差估计,提高了鲁棒性。

摘要： 在雷达导引头末制导阶段,低信噪比(Signal to Noise Ratio,SNR)导致对目标的检测和定位性能恶化。为此,本文提出一种基于随机有限集的联合检测与DOA(Direction of Arrival)估计算法。该算法在单目标伯努利滤波器框架下,基于点目标扩展函数对经过低门限判决后的数据构建目标观测方程,在天线和视线混合坐标系下建立状态变量描述,求解状态向量微分方程并对其离散化得到离散时间差分方程,经过状态误差分析得到状态转移模型,再经过粒子递归实现联合检测与状态估计。通过仿真实验,验证了该算法的有效性。与传统跟踪前检测方法对比,该算法能在低信噪比下提高检测性能和DOA估计精度。

摘要： 针对双基地多输入多输出(MIMO)雷达系统中,多目标波离方向(DOD)和波达方向(DOA)联合估计精度低的问题,提出了一种改进的传播算子(PM)方法。根据传播算子定义要求提取存在旋转不变结构的相关数据,组合相关数据求得协方差,采用前后向平滑方法求得传播算子,根据其内部结构特征求出旋转不变因子,估计出DOD和DOA的值。仿真结果表明:与传统的旋转不变子空间算法和PM算法相比,该方法具有更高的估计精度,在低信噪比时与传统的PM算法相比最大均方根误差相差4 dB,性能更加稳定,更适合低信噪比时的DOD和DOA高精度估计。

摘要： 提出了两种以欠采样率实现盲谱感知与二维波达方向(DOA)估计的算法。这两种算法利用了MWC的周期信号所对应的傅里叶级数系数矩阵来确定未知信号频谱所在的子频带位置,然后利用二维阵列的信号模型估计得到包含二维DOA的空间相位。通过空间相位信息与子频带位置信息能重构出子带谱信息,以此能得到频率的高精度估计,最后通过空间相位分别估计得到信号的方位角与俯仰角。仿真验证了所提欠采样接收机与相应算法的有效性,以及在低信噪比环境下依然有较好的鲁棒性。

摘要： 针对CSM算法预估信号,存在DOA估计误差的问题进行研究,提出运用解相干空间平滑技术对宽带信号进行矩阵重构,进而构造酉聚焦矩阵,将各频率点下阵列流变换到同一频率点上,进行DOA估计.仿真结果表明,经过前后向平滑处理,改进聚焦变换矩阵的方法,不需要对来波信号方位角预估,就能高精度、稳健的估计来波方向,且计算量少.

摘要： 针对互质阵列产生连续延迟较少且冗余度高的问题,该文提出了两种基于互质阵列的稀疏设计方法。首先,通过分析阵元位置对互质阵列差分共阵总延迟和连续延迟影响,得出互质阵列在去掉特定阵元后,将不改变连续延迟拓扑。然后,优化传感器阵列布局,在保持整个阵列的阵元数不变的条件下,增加阵列连续延迟数量。其后,分别推得了两种提出阵列设计方法的连续延迟和自由度相关的数学表达式。最后,以相同物理传感器和相同估计方法开展对比仿真,验证提出稀疏阵列设计的DOA估计性能。

摘要： 提出了一种应用于相位编码体制MIMO引信波达方向(DOA)估计的降维多项式求根多重信号分类算法(RC-ROOT-MUSIC).利用接收信号数据的冗余,借助降维变换矩阵降低快拍数需求以及协方差矩阵计算的复杂度.为了进一步减小计算复杂度,考虑谱峰搜索引起的计算复杂度,对经过RC-MUSIC算法的空间谱函数进行多项式求根,得到空间谱函数的极值点,而目标DOA由所有极值点集决定.仿真结果证明该多项式求根降维MUSIC算法(RC-ROOT-MUSIC)算法能精确地测量波达方向并且大幅度地减小计算复杂度.

摘要： 提出了一种应用于相位编码体制MIMO引信波达方向(DOA)估计的降维多项式求根多重信号分类算法(RC-ROOT-MUSIC).利用接收信号数据的冗余,借助降维变换矩阵降低快拍数需求以及协方差矩阵计算的复杂度.为了进一步减小计算复杂度,考虑谱峰搜索引起的计算复杂度,对经过RC-MUSIC算法的空间谱函数进行多项式求根,得到空间谱函数的极值点,而目标DOA由所有极值点集决定.仿真结果证明该多项式求根降维MUSIC算法(RC-ROOT-MUSIC)算法能精确地测量波达方向并且大幅度地减小计算复杂度.

摘要： 提出了一种应用于相位编码体制MIMO引信波达方向(DOA)估计的降维多项式求根多重信号分类算法(RC-ROOT-MUSIC).利用接收信号数据的冗余,借助降维变换矩阵降低快拍数需求以及协方差矩阵计算的复杂度.为了进一步减小计算复杂度,考虑谱峰搜索引起的计算复杂度,对经过RC-MUSIC算法的空间谱函数进行多项式求根,得到空间谱函数的极值点,而目标DOA由所有极值点集决定.仿真结果证明该多项式求根降维MUSIC算法(RC-ROOT-MUSIC)算法能精确地测量波达方向并且大幅度地减小计算复杂度.

摘要： 提出了一种应用于相位编码体制MIMO引信波达方向(DOA)估计的降维多项式求根多重信号分类算法(RC-ROOT-MUSIC).利用接收信号数据的冗余,借助降维变换矩阵降低快拍数需求以及协方差矩阵计算的复杂度.为了进一步减小计算复杂度,考虑谱峰搜索引起的计算复杂度,对经过RC-MUSIC算法的空间谱函数进行多项式求根,得到空间谱函数的极值点,而目标DOA由所有极值点集决定.仿真结果证明该多项式求根降维MUSIC算法(RC-ROOT-MUSIC)算法能精确地测量波达方向并且大幅度地减小计算复杂度.

摘要： 提出了一种应用于相位编码体制MIMO引信波达方向(DOA)估计的降维多项式求根多重信号分类算法(RC-ROOT-MUSIC).利用接收信号数据的冗余,借助降维变换矩阵降低快拍数需求以及协方差矩阵计算的复杂度.为了进一步减小计算复杂度,考虑谱峰搜索引起的计算复杂度,对经过RC-MUSIC算法的空间谱函数进行多项式求根,得到空间谱函数的极值点,而目标DOA由所有极值点集决定.仿真结果证明该多项式求根降维MUSIC算法(RC-ROOT-MUSIC)算法能精确地测量波达方向并且大幅度地减小计算复杂度.

摘要： 提出了一种应用于相位编码体制MIMO引信波达方向(DOA)估计的降维多项式求根多重信号分类算法(RC-ROOT-MUSIC).利用接收信号数据的冗余,借助降维变换矩阵降低快拍数需求以及协方差矩阵计算的复杂度.为了进一步减小计算复杂度,考虑谱峰搜索引起的计算复杂度,对经过RC-MUSIC算法的空间谱函数进行多项式求根,得到空间谱函数的极值点,而目标DOA由所有极值点集决定.仿真结果证明该多项式求根降维MUSIC算法(RC-ROOT-MUSIC)算法能精确地测量波达方向并且大幅度地减小计算复杂度.

摘要： 提出了一种应用于相位编码体制MIMO引信波达方向(DOA)估计的降维多项式求根多重信号分类算法(RC-ROOT-MUSIC).利用接收信号数据的冗余,借助降维变换矩阵降低快拍数需求以及协方差矩阵计算的复杂度.为了进一步减小计算复杂度,考虑谱峰搜索引起的计算复杂度,对经过RC-MUSIC算法的空间谱函数进行多项式求根,得到空间谱函数的极值点,而目标DOA由所有极值点集决定.仿真结果证明该多项式求根降维MUSIC算法(RC-ROOT-MUSIC)算法能精确地测量波达方向并且大幅度地减小计算复杂度.

摘要： 多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达作为近年来一种新兴的雷达体制,在目标检测、参数估计、目标定位和跟踪等方面,较传统的相控阵雷达和多基地雷达有较大的优势.本文围绕着多快拍多目标下单基地多输入多输出雷达中的到达角(direction of arrival,DOA)估计问题展开研究.多重信号分类(multiple signalclassification,MUSIC)算法中计算得到的功率谱在谱峰处会出现斜率突变,而求导可以锐化这一突变,使得谱峰更明显,本文基于这一原理对MUSIC算法功率谱函数进行三次求导,得到高分辨力谱峰,进而提高DOA相近的多目标的角度估计精度.仿真结果表明,在几乎不增加算法复杂度的情况下,该算法相比MUSIC算法和马宁的算法[9]可以获得更高的角度估计分辨力.仿真实验结果验证了不同条件下该算法的有效性和可行性.

摘要： 多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达作为近年来一种新兴的雷达体制,在目标检测、参数估计、目标定位和跟踪等方面,较传统的相控阵雷达和多基地雷达有较大的优势.本文围绕着多快拍多目标下单基地多输入多输出雷达中的到达角(direction of arrival,DOA)估计问题展开研究.多重信号分类(multiple signalclassification,MUSIC)算法中计算得到的功率谱在谱峰处会出现斜率突变,而求导可以锐化这一突变,使得谱峰更明显,本文基于这一原理对MUSIC算法功率谱函数进行三次求导,得到高分辨力谱峰,进而提高DOA相近的多目标的角度估计精度.仿真结果表明,在几乎不增加算法复杂度的情况下,该算法相比MUSIC算法和马宁的算法[9]可以获得更高的角度估计分辨力.仿真实验结果验证了不同条件下该算法的有效性和可行性.

摘要： 多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达作为近年来一种新兴的雷达体制,在目标检测、参数估计、目标定位和跟踪等方面,较传统的相控阵雷达和多基地雷达有较大的优势.本文围绕着多快拍多目标下单基地多输入多输出雷达中的到达角(direction of arrival,DOA)估计问题展开研究.多重信号分类(multiple signalclassification,MUSIC)算法中计算得到的功率谱在谱峰处会出现斜率突变,而求导可以锐化这一突变,使得谱峰更明显,本文基于这一原理对MUSIC算法功率谱函数进行三次求导,得到高分辨力谱峰,进而提高DOA相近的多目标的角度估计精度.仿真结果表明,在几乎不增加算法复杂度的情况下,该算法相比MUSIC算法和马宁的算法[9]可以获得更高的角度估计分辨力.仿真实验结果验证了不同条件下该算法的有效性和可行性.

摘要： 多径环境下基于DOA/TOA联合估计的车辆定位参数估计方法，采用利用车辆与路边设施之间的通信来提取定位参数，目标车辆与RSU之间的无线通信是遵循IEEE802.11p协议，在其无线信道中传播的是正交频分复用信号；通过对此信号的多径信道频率响应的分析来实现对DOA和TOA的联合参数估计，采用无迹卡尔曼滤波来降低信道噪声干扰以提高所述方法的整体性能；高速移动的车辆与路边单元RSU利用OFDM信号建立通信并采用基于旋转不变技术的总体最小二乘算法TLS‑ESPRIT来计算车辆定位参数，目标车辆的位置信息就可以依据被估计出的DOA和TOA来获取。

摘要： 本发明涉及分布式网络中基于gossip算法的多目标DOA估计方法。本发明按照根据所述DOA估计值的计算公式计算DOA估计值所需要的迭代周期数，利用gossip算法对实现DOA估计的信号组成部分不断更新至一个信息完全共享的理想状态，执行完所有迭代周期后，可以得到DOA的良好估计。本发明不需要矩阵求逆的方法，即可实现分布式网络中信息共享及DOA值的估计。

摘要： 本发明涉及一种分布式网络中基于gossip算法的单目标DOA估计系统及估计方法。本发明所提供的分布式网络中基于gossip算法的单目标DOA估计系统及估计方法，由于采用了噪声对角化矩阵代替所有节点的接收信号的自相关矩阵进行求逆运算，从而避免了传统算法中所有节点的接收信号需要集中处理的方式，能够提供对单个目标DOA值的良好估计。

摘要： 本发明公开了期望信号初始DOA估计、DOA跟踪及智能天线新方法，初始DOA估计包括步骤：根据基站采用的阵元数目确定覆盖智能天线对应的扇区所需的初始定位区域数；利用始定位区域中心角对应的权矢量分别对接收信号进行加权处理，用权矢量分别对阵列接收信号进行解调和排序，根据排序结果确定初始DOA。DOA跟踪包括步骤：建立一缓存器，并确定缓存器的长度、期望信号DOA值的更新周期及初始步长；利用当前DOA值和步长构造两个权矢量；计算更新周期内该两权矢量的接收结果，并根据该结果确定新的期望信号DOA值；将DOA值的增量移入缓存器，并缓存器的状态确定跟踪步长。智能天线新方法包括所述期望信号初始DOA估计和期望信号DOA跟踪。本发明适用于TDMA、FDMA和CDMA等系统。

摘要： 本发明属于技术领域，具体地说，涉及一种基于软件无线电设备的DOA估计系统及估计方法，该系统包括：时钟源、至少一个信号源、至少四个软件无线电设备、均匀线阵和处理器；均匀线阵包括至少四个阵元；每个阵元设置在软件无线电设备上的接收端，并与对应的软件无线电设备通过等长的射频线进行通信连接；每个信号源对应至少四个软件无线电设备，信号源位于至少四个软件无线电设备的一侧，时钟源位于至少四个软件无线电设备的另一侧，且分别与每个软件无线电设备通过时钟同步线进行通信连接，提供同一个时钟脉冲信号；至少四个软件无线电设备均与处理器通信连接；所述处理器，用于采用MUSIC算法，对经过校准的接收数据矩阵进行波达方向估计。

摘要： 本发明公开了一种基于估计误差能量约束的圆和非圆混合信号DOA估计方法，包括：线性均匀阵列被动接收来自远场信源发射的彼此不相关的电磁波，得到线性均匀阵列输出；将线性均匀阵列输出及其共轭组成扩展阵列输出信号，计算得到扩展协方差矩阵；引入估计误差能量约束条件，给出基于估计误差能量约束的非圆信号DOA估计函数表达式，最终得到非圆信号的目标角度参数；S5、根据非圆信号的目标角度参数，进一步得出新的基于圆信号的阵列输出协方差矩阵的估计值，最终得到圆信号的目标角度参数。该方法在基于原子范数最小化的DOA估计算法的基础上，引入估计误差能量约束，实现少快拍情况下的混合信号DOA估计。

摘要： 本发明公开了一种基于DMRS信号的5G NR DOA估计方法，包括以下步骤：采用MIMO技术接收上行信号，根据5G标准通信协议对上行信号进行同步处理，获取同步帧头位置，所述同步帧头位置包括同步信息；根据同步信息和上层配置的DMRS信号资源信息，获取上行DMRS参考信号；根据上行DMRS参考信号，采用前后向空间平滑算法测算波达方向DOA。提高了单一信源DOA估计中的抗相干特性，降低了估计误差，检测结果更加精准。

摘要： 本发明公开了一种基于噪声预估计的基追踪去噪稀疏重构DOA估计方法，应用于基于互质阵列的信号接收装置：获取互质阵列的物理阵元上的接收信号，并对接收信号进行转换，得到对应的第一互质虚拟域接收信号；根据第一互质虚拟域接收信号，确定第二互质虚拟域接收信号，并生成第二互质虚拟域接收信号的协方差矩阵；根据协方差矩阵生成CAPON谱，并计算实际噪声功率；以实际噪声功率为已知量，采用基追踪去噪稀疏重构确定搜索角度的功率谱；本发明选用CAPON谱求解实际噪声功率大小，令噪声功率为稀疏重构算法中的先验信息，同时考虑入射信号角度区域范围等重要参数提高稀疏重构精度，增强算法的稳健性。

摘要： 本发明公开了基于秩损估计的二维DOA估计与互耦校正方法，属于阵列信号处理技术领域。本发明首先通过构造互耦误差矩阵构建均匀平面天线阵列在互耦误差下的信号接收模型；然后利用参数映射的变换域关系将信源数据与互耦误差向量分离开，再利用秩损估计准则构造相应的谱峰搜索函数，实现二维方位参数的估计；最后利用已经得到的估计方位参数，构造解耦合矩阵，实现对互耦矩阵的估计，进而据此可以进行互耦校正。在此基础上本文利用合适仿真对所提方法的估计结果进行验证，所提出的方法与现有估计算法相比，其DOA估计结果均方根误差更小，估计成功率更高，表示本文所提方法性能更优。

摘要： 多径环境下基于DOA/TOA联合估计的车辆定位参数估计方法，采用利用车辆与路边设施之间的通信来提取定位参数，目标车辆与RSU之间的无线通信是遵循IEEE802.11p协议，在其无线信道中传播的是正交频分复用信号；通过对此信号的多径信道频率响应的分析来实现对DOA和TOA的联合参数估计，采用无迹卡尔曼滤波来降低信道噪声干扰以提高所述方法的整体性能；高速移动的车辆与路边单元RSU利用OFDM信号建立通信并采用基于旋转不变技术的总体最小二乘算法TLS‑ESPRIT来计算车辆定位参数，目标车辆的位置信息就可以依据被估计出的DOA和TOA来获取。