天线阵列二维波达方向估计算法研究

合集下载

CDMA信号的二维DOA估计

维普资讯
・
２８・
绵阳师范学院学报（自然科学版）
第２卷７
丽南１（５式组合信源在各阵列上的ＤＡ，Ｏ因工程实际中存在误差，设一参数ｓ令，ｓ尼＝Ｉｓ一（Ｏ＋ｅＳ）Ｉ（，，）ｉｎＣＳＯ２￣（，，Ｊｋ＝１２．， ……Ｄ）
一
种精确度更高的二维ＤＡ估计算法。Ｏ
１二维ＭＵＩ法及其数理模型ＳＣ算
设Ｘ轴，，轴上各有一均匀线阵，两垂直，元数都为Ｍ，阵元间距相等，Ｙ轴ｚ两阵且Ｄ个信号，假设信源
ｓ信号入射方向与ｘＹ，轴的夹角分别为：ｐ，轴，轴ｚ、、。如图１所示，则信号的ＤＡ分别为：，。，Ｏ（ｐ）
示第用户的总发射功率，个令、和Ｐ分别是第用户信号到达基站接收天线阵列的波达方向、个时延和增益，经过单路径传播后，基站接收天线阵列上个阵元接收的信号向量（）可以表示为：￡
（）＝√Ｐ６（一）ｉ一）（ｉ。＋凡ｔｔｔ。ｃｔａ）ｉ（）。（ｐ
图１二维天线阵列模型
Ｆｇ１Ａｒａｄｌｏ２一Ｄｎｅｎｉ．ｒｙｍｏｅｆａｔｎａ
）
收稿日期：０８０．０２０－２１
作者简介：刘峻杉（９０１８一）男，，助理研究员，研究方向：主要电子信息。
（，：，：ｐ） …… （，。，。ｐ）由空间几何关系，ｐ、、满足下式：

二维空间谱估计算法研究

二维空间谱估计算法研究空间谱估计是阵列信号处理研究的关键问题。

空间谱估计能够通过测量信号的能量分布来获取信号的波达方向(Direction of arrival,DOA),因此可用来对目标进行空间定向。

由于一维参数应用在现实环境中有较大的局限性,因此常需要二维参数来确定三维空间中的目标的方位。

而常用的二维空间谱算法由于多维谱峰搜索运算量过高限制了其应用,因此,本文开展的是二维空间谱估计算法研究,并提出一系列全新的算法,该课题极具理论意义和应用前景。

本文工作如下:1)提出了基于级联多重信号分类(MUltiple SIgnal Classification,MUSIC)的二维空间谱估计算法。

级联MUSIC算法先利用子空间的旋转不变性做初估计,再使用两次一维搜索实现自动配对的二维空间谱联合估计,可避免二维MUSIC算法由二维谱峰搜索带来的巨大运算,降低了计算复杂度,且角度估计性能非常接近于二维MUSIC算法。

2)提出了基于降维Capon的二维空间谱估计算法。

降维Capon算法采用一次一维搜索实现二维空间谱联合估计,极大程度地降低了计算复杂度,同时角度估计性能逼近于二维Capon算法。

具有参数自动配对的优点。

3)提出了基于级联传播算子(Propagator Method,PM)的二维空间谱估计算法。

级联PM算法先利用传播算子矩阵的旋转不变性做初估计,进而采用两次一维搜索实现自动配对的二维空间谱联合估计,可避免二维PM算法的庞大的计算负担,从而降低复杂度,且角度估计性能逼近于二维PM算法。

4)研究了两种适用于相干信源的二维空间谱估计算法:空间平滑(Spatial-Smoothing,S-S)的借助旋转不变性进行信号参数估计(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法和类Toeplitz矩阵重构的ESPRIT算法。

智能天线中的波达方向估计技术研究概要

智能天线中的波达方向估计技术研究随着人们信息交互需求的急剧增加,个人移动通信的迅速普及。

作为未来个人通信主要手段的无线移动通信技术一直受到业界的持续关注。

而有限的无线频率资源与不断增长的个人无线通信需求是一对矛盾,同时由于信道环境复杂,移动通信信号在本质上是多径传播,所以需要采用各种信号增强技术来提高系统的接收性能。

智能天线可以自适应的调整天线方向图,使主瓣对准期望信号,抵消干扰信号,提高信干噪比,在移动通信系统中,采用智能天线可以提高频谱利用率、增加系统容量、扩大基站覆盖范围,改善通信质量。

智能天线实现的空分多址(SDMA)是继频分多址(FDMA)、时分多址(TDMA)、码分多址(CDMA)后的又一种多址接入技术,已成为新一代宽带无线移动通信的研究热点之一。

其中波达方向(DOA)估计方法是智能天线研究的一个重要内容,无论是上行多用户信号的分离,还是下行选择性发射,对用户信号DOA的估计,都成为智能天线实现指向性收发的必要前提。

本文总结了传统的DOA估计算法,对其估计性能进行了分析和仿真比较,特别就基于子空间的MUSIC算法及其在信号相关情况下的SS-MUSIC改进算法进行了详细论述和性能评价。

从信号的稀疏分解出发,以独立分量分析法为基础,采用匹配追踪(MP)技术实施信号的稀疏分解;阐述了阵列信号处理中的原子库选取问题,并应用FOCUSS算法对空间信号DOA进行估计;针对低信噪比环境对该算法进行了改进,提出一种基于截断SVD的后验稀疏约束迭代DOA估计法和改变原子库分级估计的快速算法,通过仿真对比,验证了改进算法的有效性及可行性。

【关键词相关文档搜索】：电路与系统; 智能天线; 波达方向估计; 稀疏约束迭代; 快速算法【作者相关信息搜索】：重庆大学;电路与系统;冯文江;李果;。

阵列天线相位计算方式

阵列天线相位计算方式
1. 理论基础，阵列天线的相位计算方式基于波束形成理论和信
号处理原理。

波束形成是通过对每个天线的信号加权和相位控制来
实现对特定方向的信号增强，这需要对天线之间的相对相位进行精
确计算。

2. 数学模型，相位计算通常涉及使用复数表示天线信号的振幅
和相位。

通过对每个天线的复数权重进行调整，可以实现所需的波
束形成和指向。

3. 阵列几何结构，阵列天线的相位计算方式还涉及到天线之间
的间距和排列方式。

不同的阵列结构需要采用不同的相位计算方法，例如均匀线阵、均匀面阵等。

4. 波束形成算法，常见的相位计算方式包括波束形成算法，如
波达方向估计（DOA）算法、最小均方（LMS）算法、协方差矩阵操
纵（CMA）算法等。

这些算法通过对接收到的信号进行处理，计算出
每个天线的相位权重。

5. 实时调整，相位计算方式还需要考虑到实时性和动态性，因
为在实际应用中，阵列天线需要根据信号的变化实时调整相位来跟踪目标或抑制干扰。

总的来说，阵列天线的相位计算方式涉及到波束形成理论、数学模型、阵列结构、波束形成算法和实时调整等多个方面，需要综合考虑各种因素来实现对特定方向的信号控制和优化。

智能天线中基于粒子群算法的二维DOA估计

Ｅ
由（）式可得５（６）
，代入得
（７）
ＲＰ：
ｓ
：（２）＿
，
将：ＡＡ＋Ｒ｛
，
ＡＲｓｅ＝ＯｉＫＡ“ ＞
ｒｊ。（一）５ｃｓ≠ ｎ
ｅ
这说明与信号方向矢量正交于最小特征值所对应的
－
中关于二维Ｄ估计的ＭＵＩ算法。为了有效解决ＭＵＩＯＡＳＣＳＣ算法巨大计算量的问
）关词能键：智吞
算》计嘲｛８法羹《
杨兴
重庆邮电大学，通信与信息工程学院，男（汉族），安徽，硕士研究生主
不同的信号环境达到性能最优的天线。依据智能天线工作原理的不同，智能天线可分为：多波束智能天线和自适应
阵元数目条件下，均匀圆形较之均匀直线阵优越，其方向性增益高，且任意布阵于均匀圆形阵非常接近。因此本文
量的急剧增加，对通信系统资源利用率的要求也相应地越来越苛刻。空间资源的开发成为业界瞩目的焦点，智能天线技术应运而生，成为各类新颖通信系统的关键技术之一… 。
号到达方向，从而达到充分利用移动用户信号并抵消或最
稳 ≯ 强
一
种多重信号分类技术。
Ｒ＝ＡＲＡＨ＋，
（）３
其中＝ＥｓｔＨ］信源的［（ｓ（为））协方差矩阵，由

阵列信号处理概述研究背景及意义和波达方向估计技术

阵列信号处理概述研究背景及意义和波达方向估计技术1 概述阵列信号处理作为信号处理的一个重要分支，在通信、雷达、声呐、地震、勘探、射电天文等领域获得了广泛应用和迅速发展。

对所有探测系统和空间传输系统，空域信号的分析和处理是其基本任务。

将多个传感器按一定方式布置在空间不同位置上，形成传感器阵列。

并利用传感器阵列来接收空间信号，相当于对空间分布的场信号采样，得到信号源的空间离散观测数据。

阵列信号处理的目的是通过对阵列接收的信号进行处理，增强所需要的有用信号，抑制无用的干扰和噪声，并提取有用的信号特征以及信号所包含的信息。

与传统的单个定向传感器相比，传感器阵列具有灵活的波束控制、高的信号增益、极强的干扰抑制能力以及高的空间分辨能力等优点，这也是阵列信号处理理论近几十年来得以蓬勃发展的根本原因。

阵列信号处理的最重要应用包括：①信（号）源定位——确定阵列到信源的仰角和方位角，甚至距离（若信源位于近场）；②信源分离——确定各个信源发射的信号波形。

各个信源从不同方向到达阵列，这一事实使得这些信号波形得以分离，即使他们在时域和频域是叠加的；③信道估计——确定信源与阵列之间的传输信道的参数（多径参数）。

阵列信号处理的主要问题[]1包括：波束形成技术——使阵列方向图的主瓣指向所需方向；零点形成技术——使天线的零点对准干扰方向；空间谱估计——对空间信号波达方向的分布进行超分辨估计。

空间谱估计技术是近年来发展起来的一门新兴的空域信号处理技术，其主要目标是研究提高在处理带宽内空间信号（包括独立、部分相关和相干）角度的估计精度、角度分辨率和提高运算速度的各种算法。

在所有利用空间谱估计技术来实现对到达方向（DOA）估计的方法中，以R. O. Schmidt 提出的MUSIC 算法最为经典且最有代表性。

Schmidt 在MUSIC 算法中提出了信号子空间的概念，即在维数大于信号个数的观测空间中进行子空间的划分，找出仅由噪声贡献生成的空间（噪声子空间）和由信号和噪声共同作用产生的空间，根据这两个子空间的基底以及阵列流型即可得到待测方向满足的方程，由其解得到来波方向的估计。

一种V型阵列的二维波达方向估计的新方法

（．中国科技大学电子工程与信息科学系，１安徽合肥２０２；３０７２．甘肃省定西市气象局，甘肃定西７３０）４００
摘要：达方向估计是阵列信号处理的一个重要研究方向，波在雷达、通信、声纳、地震勘测等领域都有着广泛的应用前景。它已成为阵列无源探测和智能天线中的关键技术。针对二维信号，文研究一种基于Ｖ型阵二维波达方向估计的新算法。本该算法根据阵列结构的特点形成多个需要的相关矩阵，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２Ｄ—ＥＰＩＳＲＴ方法实现二维角度估计，以解决Ｂ角兼并信号的波达方向估计问题，可无需谱峰搜索且信号参数自动配对。
ｓｌｅｔｅｓｕｃｓｆｍｈａ．Ｆｒｅｍｏｅｔｅｆｒｎｃｓｃｎｒｄｂｏｕｅｉｌｔｎ．ｏｖｈｏｒｅｒｔｅｓｍｅＢｕｈｒｒ，ｉｐｒｍａｅｉｏｆｍｅｙｃｍｐｔｒｓｍｕａｉｓｏｔｓｏｉｏ
ｃｓｉｅｓｎｇ，ｗｈｃｈｈｓｆｕｄｗｉｐｐｉａｉｎｓｉａｅｙｏｅｄａｇｎｒｍａａ，ｃｍｍｕｃｔｎａｎｏｒｔｅｓｉａｏｎｄｅａｌｃｔｏｎａｖｒｔｆｆｌｓｒｎｉｇｆｏｒｄｒｏｉｉｎｉａｉｄｓｎａｏｓｉ— ｏ
ＬＩＧｎ一，ｏｇ —ｆＮＨａＹＥＺｈｎｕ
（．ＵｎｖｒｉｆＳｉｎｅａｄＴｃｎｌｇｆｉａＨｅｅｈｉ３０７，Ｃｈｎ；１ｉｅｓｔｏｃｅｃｎｅｈｏｏｙｏｎ，ｆｉＡｎｕ０２ｙＣｈ２ｉａ

二维矩形耦合本振阵列的波达方向估计

ｌ．Ａｓｗｔｔｔｎｏｅｃｌａｉｉｒｖｄｆｈｎｃｏ — ｃｉｇｃｕｌｏｃｌｏｒｓｆｄｌｉｅｓｏｇｔｅｒｔａｂｓｓｐｏｉｅｏｔｅｉｅｔｎｌｋｎｏｐｅｓｉａｒｒｙｅｏｈｈｒｈｉｓｄｒｊｉｏｄｌｔａａ
（．海军航空工程学院电子工程系，东烟台２４０；１山６０１
２．海军驻２９厂军事代表室，京３北摘
１０１）００３
要：出以矩形耦合振荡器阵列为本振阵列，提分析了矩形耦合本振阵列的相位控制原理及方
ｂｄｕｔｇｔｅｂｕｄｒｏｃｌｔｓｅｕｎｉｆｅｔｎｕａｏｐｅ —Ｏａａｓｃｎｂｂａｅ．ＤＡｙａｊｓｎｏｎａｓｉａｏｑｅｃｅｏｃｇｌｒｕｌＬｒｙａｅｏｔｎｄＯｉｈｙｌｒｆｒｓｒａｃｄｒｉ
第４期
２１００年８月
中ｉ研研宪甓瓤ＩＩ鼋；譬『学
ＪｕａｆＣｏｒｌｏＡＥＩｎＴ
Ｖｏ＿．１５Ｎｏ４Ａｕｇ．２００１
二维矩形耦合本振阵列的波达方向估计
李军姜永华ｈｅｓｉａｉｎｆｑｅｃｅｆｈｏｎａｙｏｃｌｔｒｉｔｅｆｅｏｃｌｔｅｕｎｉｓｏｅｂｕｄｒｓｉａｏ．ＡｃｏｄｎｈｓａｔｂｔＤＯＡｅｔｔｓｈｒｌｏｒｔｌｃｒｉｇｔｔｉｔｕｅ，ｏｒｉｓｉｅｍａ

一种基于三维阵列结构二维波达方向估计的新方法

法根据给出的天线阵列结构的特点。先构造四个相关矩阵，而构造一个大的矩阵，其进行一首进对
次特征值分解，ＥＰＩ理实现了信号波达方向的准确估计。该方法精度较高，存在错误估由ＳＲＴ原不计，一定的实用性。有关键词：列信号处理；波达方向估计；ＳＲＴ方法；相关矩阵阵ＥＰＩ中图分类号：２２０４文献标识码：Ａ文章编号：６１６４２０）３０２－３１７－Ｘ【０７０－７０５０
高的快拍数和计算量。文献［］３中解决二维波达方向估计问题的方法是基于ＭＵＩ峰搜索，算量也很ＳＣ谱运
大。文献［］出了一种基于双平行线阵，用传播４提采方法的波达方向估计，计算量相对较小但存在相位其模糊。文献［］出了基于Ｌ型阵列的波达方向估计５提
引言
针对信号源二维波达方向估计（２一ＤＤＡ）文Ｏ，
献［ —２提出了一种利用高阶累积量来估计方位角１］和俯仰角的方法，是该方法用到４阶累积量，求很但要
信号辐射到此阵列上，中第ｋ个信号的方位角和俯其仰角分别为，ｋ＝１２，，。０（， … Ｋ）
（０
（０（，０ｄ

累量域二维波达方向估计方法

ＴｈｅｍｅｏａａｄｅｓｕｃｓｗｉｏｅｎｗｔｄＣｈｈｎｎｌｏｒｅｔｃｍｍｏ．ａｇｅｎｅｄｅｄｓｄａｔｇｓｏｅｍｅｈｄｈｎ１Ｄｎｌｓａｄｒｍｅｙｔｉａｖａｅｆｔｔｏｓｈｎｈ
ｅｌｙｎａｒｍａｃｉｇｎｔｅａｅｏｏｍｐｏｉｇｐｉｔｈｉｈｃｓｆｌｗＳＲｓｌａｇｌｒｓｐａｉｎｎｄｏｅｅｅｅｐｏａａｉｎｎＮ，ｍａｌｎｕａｅａｔ，ａｔｒｓｖｒｒｐｇｔｒｏｈｏ
ｓｅｉｌｔｃｕｅｏｅａｒｙｔｅｍｅｏｏｓｕｔｒｅｓｂｒａｓｂｘｌｆｎｕｔ．ｒｅｕｔｎｓｔｅｅｙｐｃａｒｔｒｆｔｒａｔｄｃｎｔｃｓｈｅｕａｒｙｅｐｏｉｇｆｒｏｄｒｃｍｕａｔ，ｒｂｓｕｈｈｈｒｔｙｌｏｈｈ
ｏｔｉｉｇｔｅ２Ｄｂａｎ．ＤＯＡｓｏｅａｒａｅｎｊｉｔｉｇｎｌａｉｎｗｉｅｔｅｅｋｓａｃｉｇｎｒａｒｔｈａ．ｎｈｆｒａｂｓｄｏｎａｏａｉｔｔｎｉｒｐａｅｒｈｏｉｍａｃｈｇｈｔｙｏｄｚｏｈｈｎｐ
（ｃｏｌｆｌｔｎｃｎｉｅｒｇＵｉｅｓｙｏＥｅｔｎｃｃｎｅｎｅｈｏｏｙｏＣｉａＣｅｇｕ６０５）ＳｈｏｏＥｅｒｉＥｇｎｅｉ，ｎｖｒｉｆｌｒｉＳｉｃｄＴｃｎｌｆｈｎｈｎｄ１０４ｃｏｎｔｃｏｅａｇ

基于MIMO技术的二维波达方向估计

２Ｄｄｒｃｉｎｏ－ｉａｓｍａｉｎｍｅｈｄｉｒｐｓｄＢｉｕｌａｒｙｆＭＩ－ｉｔ —ｆｅｏｍＴｖｌｅｔｔｔｏｓｐｏｏｅ．ｙｖｒａｒｓｏＭＯ，ｅＬｓａｅｒａｑｉａｅｔｔｅｔｎｌｐａａｉｏｔａｔ－ｈｐｄａｙｉｅｕｖｌｎｏａｒｃａｇｅｌｎｒｈｓａｒｙｔｒｕｈｆｔｒ，ｎｉｃｉｎｏ－ｒｖｌｅｔｔｎｉａｒｄｏｔｕｉｇＭＵＳＣｂｓｄｏｈｓｅｕｖｌｎｌｎｒａａ．ｈｅｆｒｒａｈｏｇｌｓａｄｄｒｔ — ｆａｒａｓｉｉｓｃｒｉｕｓｉｅｅｏｉｍａｏｅｎＩａｅｎｔｉｑｉａｅｔｐａａｒｙＴｅｐｒｍ— ｏ
物理孔径限制。本文将ＭＩＭＯ技术和Ｌ型阵结合，提出一种基于ＭＩＭＯ技术的Ｌ型阵二维波达方向估计方法。该方法通过效矩形阵列的基础上，采用ＭＵＩ行二维波达方ＩＳＣ进向估计，以Ｌ型阵的物理孔径实现矩形平面阵列的估计性能。本文推导ｙ－维波达方向估计的ＣＢ，计算机仿真实验证实Ｒ
１引言
通道误差影响大等缺点，以在实际的应用中会导致所
一
系列困难。于是众多学者研究考虑将平面阵列简
波达方向（Ｏ估计是阵列信号处理的一项重要化，ＤＡ）得到Ｌ型阵列，十字型阵等，在简化阵的基础上进 “ 内容，电子侦察、能天线、在智雷达、声纳，信等领域行多个空间信号的方位角和俯仰角的二维估计。通

两种测向定位算法及其性能分析

两种测向定位算法及其性能分析测向定位（Direction of Arrival，DOA）算法是一种通过分析接收到的信号来确定信号源的方向的技术。

DOA算法广泛应用于无线通信、雷达系统、声学信号处理等领域。

本文将介绍两种常用的测向定位算法：波达法（Beamforming）和最小二乘法（Least Squares），并对它们的性能进行分析。

一、波达法（Beamforming）是一种基于阵列天线的测向定位算法。

该算法通过调节阵列天线间的相位差，以增强来自特定方向的信号，并抑制其他方向的干扰信号。

波达法主要有两种实现方式：波束形成（Beamforming）和最大似然估计（Maximum Likelihood Estimation, MLE）。

波束形成是通过将所有阵列天线的输出加权叠加来形成一个主波束，使得来自期望方向的信号增益最大化。

该算法需要已知来自信号源的角度信息，因此在实际应用中需要事先进行预估计或者使用其他测向算法进行初步测量。

波束形成的优点是计算简单，实时性好，适用于静态场景或者有先验信息的场景。

最大似然估计是通过最大化接收到的信号在对应的信号模型下的似然函数来确定信号源的方向。

最大似然估计的优点是能够在未知信号源方向的情况下进行测向，适用于复杂的场景。

缺点是计算复杂度较高，需要较长时间来进行处理。

最大似然估计还存在多种实现方式，如正交匹配滤波（Orthogonal Matching Pursuit, OMP）、增量估计等。

二、最小二乘法（Least Squares, LS）是另一种常用的测向定位算法。

该算法通过最小化接收到的信号与信号模型之间的均方误差来确定信号源的方向。

最小二乘法主要有两种实现方式：泛义最小二乘法（Generalized Least Squares, GLS）和约束最小二乘法（Constrained Least Squares, CLS）。

泛义最小二乘法通过对接收到的信号进行泛义逆运算，得到信号源方向的估计。

低复杂度阵列信号波达方向估计算法研究

低复杂度阵列信号波达方向估计算法研究阵列信号波达方向估计是阵列信号处理领域中具有重要应用价值的研究课题。

近年来,低运算量、低复杂度的阵列信号波达方向估计算法受到了广泛关注。

阵列信号波达方向估计将多个传感器设置在空间的不同位置组成传感器阵列,利用各个信号在空间位置上的差异,通过对多通道接收机输出数据的处理,获得空间各个信号源来波所对应的方向。

在波达方向估计的发展历程中,基于传统理论和经典方法提出的有关算法既解决了一些实际问题,同时为该领域的发展提供了新的思路。

由于波达方向估计的重要性使得该领域的研究经久不衰,并且对处理算法的性能提出了更高的要求。

本文主要针对低运算量、低复杂度的阵列信号波达方向估计进行深入研究,主要研究成果有:1.针对传统基于子空间的波达方向估计算法中子空间估计运算量大的问题,提出了无需协方差矩阵特征值分解的快速波达方向估计算法。

首先将子空间投影(SP)算法引入波达方向估计,将其与MUSIC算法相结合形成了子空间投影MUSIC算法;将子空间投影算法中大矩阵乘法运算用小矩阵乘积代替,提出了较低运算复杂度和存储量的简化子空间投影MUSIC算法;通过协方差矩阵分解简化子空间投影处理,得到低复杂度和存储量的高效子空间投影MUSIC算法。

2.针对传统二维MUSIC算法中二维谱峰搜索运算量大的问题,提出只需一维谱峰搜索且无需角度配对的低复杂度二维波达方向估计算法。

首先将降维MUSIC算法引入到二维波达方向估计领域,与求根法相结合,得到运算量更低的求根RD-MUSIC算法;将模值约束加入到RD-MUSIC算法的约束条件中,使方向向量的约束性更强,在保持低运算量的同时提高了角度估计性能;用直接求导法对RD-MUSIC算法进行求解,有效增强了方向向量中各元素应满足条件的约束性,同样在保持低运算量的同时进一步提高了角度估计性能。

3.将阵列信号利用过完备基进行稀疏表示,可将波达方向估计问题转化成联合求解阵列信号在过完备基下的稀疏系数过程。

一种实用的多径信号时间平滑二维DOA估计方法

．
侯碧波，子述，何李会勇，贾可新
６１３）１７１
（电子科技大学电子工程学院，成都
摘
要：二维波达方向（Ｏ估计领域，匀圆阵（Ｃ应用越来越广泛。针对均匀圆阵，出在ＤＡ）均ＵＡ）提
了一种可在多径环境下估计二维波达方向的新算法，算法充分利用了空间和时间上的特性，计该估
ｉｄｎｄｉｅｔｓｆｎｉｇＰｒｃｉｎ．Ｍｕｉａｈｓｇａｓｐｏｅｓｄｂｅｏａｍｏｔｉｇ，ｔｅｈｐｔａｐｃｒｍｓｏｈｐｔｉｎｌｉｒｃｓｅｙｔｍｐｒｌｓｏｈｎｈｎｔｅｓａｉｌｓｅｔｕｉｏｔｉｅｙｕｉｚｎｇｍｏｆｅｂａｎｄｂｔｌｉｄｉｄＰＣＡｔｒｔｖｌｏｉｈ，ｔｅｄｒｃｉｎｆｅｅｙｉｃｍｉｇｗａｅｃｎｂｓｉｉｉｉｅａｉｅａｇｒｔｍｈｉｅｔｓｏｖｒｎｏｎｖａｅｅｔ— ｏｍａｅａｉｌｆｒａｉｔｏｔｋｏｎｇｔｅｎｔｄｒｐｄｙｏｅｌｔｍｅｗｉｕｎｗｉｈｕｍｂｒｆｍｕｉａｈｓｇａｓｉｄａｃｄ．Ｔｈｏｕａｈｅｓｏｈｐｔｉｎｌｎａｖｎｅｅｃｍｐｔ — ｔｏｏｄｉｅｕｅｎｈｔｕｔｅｉｉｌｅｙｕｔｉｉｇｔｅｐｒｐｏｅｌｏｔｍ．Ｆｎｌｉｎｌａｓｒｄｃｄａｄｔｅｓｒｃｕｒｓｓｍｐｉｄｂｉｚｎｈｏｓｄａｇｒｈｉｆｌｉｉａｌｈｅｓｍｕ— ｙ，ｔｉ

【doc】波达方向（DOA）估计方法的研究

波达方向（DOA）估计方法的研究第22卷第1期2002年2月杭州电子工业学院JOL3~NALOFK.Lr’IGEHOUll’,b~r1%q’EOFELELq’RONICESG~!EEPdl’IC-波达方向(DOA)估计方法的研究刘顺兰(杭州电子工业学院通信工程分院,浙江杭州31(1037)摘要:本文在介绍传统的DOA估计技术基础上,针对其不足之处,介绍了近年来DOA估计中出现的新的信号处理技术,主要包括高阶累积量,高阶谱技术,时频分析技术,循环平稳信号分析与处理技术等,并介绍了这几种方法的主要基本思想及应用背景.最后给出了MUSIC算法,ESPRIT算法及基于累积量的DOA估计算法的仿真结果.美键词:渡达方向(DOA)估计;多信号分类算法;高阶统计量;时频分析;循环平稳信号中国分类号:TN91123文献标识码:A文章编号:1001—9146{2oo2)o]一01301～050引言波达方向(DOA,DirectionOf.~riva1)估计在无线电通信,雷达,声纳超分辨,地震探测,导航和医学等领域有着广泛的应用,一直是通信,雷达,声纳等领域研究的重点内容之一.经过多年的深入研究,DOA估计理论和技术得到了迅猛的发展,从Capon的高精度极大似然法(MLM)开始,DOA估计经历了两个飞跃:Sctmfidt的MUSIClt3(多信号分类)算法和Roy等人的ESPRIT[(旋转不变技术估计信号参数)算法开创了本征结构法的新纪元,成为DOA估计中最经典,最常用的方法.之后围绕这两种方法,国内外学者提出了许多改进方法(如root—MUSIC,TLS—ESPRIT等),这些方法具有良好的分辨率和相对较小的计算量.但这些传统子空间方法都仅使用了二阶统计量(阵列协方差矩阵),并在信号模型中都假设噪声是白噪声,信号是平稳信号且信号之间是互不相关的,当这些假设其中之一不满足时,传统方法因没有充分利用信号本身蕴含的一些非空域特征,因而其估计性能迅速下降.近l0年来,由于现代信号处理理论的迅速发展,高阶累积量,时一频分析,小波分析,循环平稳信号分析与处理都成为人们研究的热点,在很多领域都得到了广泛的应用.同样,这些理论和方法在DOA估计中也得到了广泛的应用.1传统DOA方法简介考虑采用M元天线阵列.若有D个窄带信号Sk(t)分别以DOA.fk=1,2,…,D)A射,计及测量嗓声和所有信号源的来波,则第i个阵元的输出信号为:【)_(t)e-jw(i1)(I)(1)式中:i1i(t)为测量噪声,所有标号i表示该量属于第i个阵元,标号k 表示第k个信号源,a为阵元收稿日期:2001一l0—22作者简介:TJ顺兰(1965一)女,江苏丹徒人,副教授,硕士,信号与信息处理杭州电子工业学院2602叠对第k个信号源信号的影响,设a=1,m为信号的中心频率,为载波波长.假定各阵元的噪声是零均值白噪声,方差为a2,且与信号不相关.将式1写成向量形式,可得阵列输出信号矩阵:x(t)=As(t)+N(t)(2)式中:X(t)=[x1(t).(t),…,(t)一-T,A=[a(o【),a(.2),…,a(0n)]S(t)=(t),s2(t),…,sn(t)N(t)=:n1(t),n2(t),…,nM(t)ITa():【l’e-,…,e一_1),一,:sin0kA为M×D维的阵列,其各列向量代表天线阵在观察平面内的某种观察特性,是待估参数0k的函数,可称之为阵列向量.X(T)的方差矩阵可写成:R,=E[X(t)X”(t)::ARA”+I(3)若D个窄带信号Sk(t)互不相关,为对角矩阵MUSIC算法通过将X(t)的协方差矩阵进行特征值分解,找出最小特征值的个数n,求出信号源的个数D来,即有D=M—n,同时求得的最小特征值也就是噪声功率.再利用已进行的特征值分解求出信号源的方向0.即将已求得的nE个最小特征值)’mln所对应的n 个相互正交的最小特征向量V.,i=D+1,…,M为列构造一M×(M—D)维噪声矩阵EN:EN=lV+】,VD+2,…VM(4)利用噪声子空间和信号子空间正交的关系,既在信号所在的方向上,有Ea(0)=0.实际做法之一是构造如下函数:1(.)丽1()连续改变0值,其最大值所对应的0就是信号源方向的估计值.ESPRIT类方法仅利用矩阵对的广义特征值来估计DOA.2基于高阶累积量,高阶谱的DOA估计基于信号高阶t大于二阶)累积量能够抑制任意加性高斯噪声的性质,使原有DOA估计算法适应的观测噪声扩展到高斯空间有色噪声或对称分布的非高斯空间有色及白噪声.目前基于高阶累积量,高阶谱的DOA估计国内外都已有一些研究成果J.如国外学者ForsterP.,NikiasCL.13J,PomtB,FriedlanderB.14等都提出了高阶累积量,高阶谱的空间信号DOA估计的一系列方法.国内刘若伦,王树勋,姚敏立,金粱,殷勤业等也都在这方面进行了一定的研究.在式1中,假设信号Sk(t)为零均值非高斯信号,信号之间统计独立;sk(t)的四阶累积量不为零.噪声n.(t)是零均值的高斯白噪声.则其中基于四阶累积量的MUSIC类算法如下:(1)首先计算x(t)的四阶累积量矩阵‰,其中:C4x(Ill1,啦,m3)=cum(x(n),x(n+m1),x(n+Ill2),x(n+Ill3))(6)r1『vP1(2)对四阶累积量矩阵c4x进行奇异值分解c4x=JUtuz]【J【J(3)保留所有对应零奇异值的左奇异矢量U,.(4)基于d(0)=l:a(0)国a(0)]=0,实际做法是构造一个函数P(0)=1/d(0),通过改变0值,搜索P(0)的最大值所对应的0就是信号源方向的估计值.3基于时一频分析的DOA估计在实际应用巾许多典型信号是非平稳的或谱时变的,如雷达中的线性调频信号,通信中的跳频信第l期刘顺兰:波达方向(DOA)估计方法的研究3号,移动信号源等,利用传统的DOA估计方法对这类信号进行估计,往往得不到良好的效果.众所周知联合时频分析是对非平稳信号或谱时变信号进行处理的有效手段.因此可以将时频分析的方法与阵列信号处理相结合,通过时频分布将信号变换到时频域,利用时变滤波提高空间谱估计方法的性能,使得DoA估计方法具有信号选择性以及更好的分辨力,抗各种干扰和有色/无色噪声的能力,并且既适用于平稳信号又适用于时变,非平稳信号.根据这一思想,国内外学者也展开了一些理论研究【”.如 A.BelouchrmliandM..~ninl提出了时一频MUSIC算法.K.Sekham,S.Nagaraj.:.D.Poeppel,andY.Mivashita提出了时一频MEG—MUSIC算法.国内学者金梁,殷勤业于2000年在电子上提出了一种基于信号空时特征结构的时频子空间拟台方法.下面对基于Wigner—Ville分布的时一频blUSIC算法作简单介绍实际信号x(f)的Wigaler—Vine分布定义为:f(t,f】_lx(t+)x(『_{)e出(7)对于非平稳的随机信号X(t),其时频分布可表示为数学期望的形式: f雨(L,f1:E[W(t,f1::E[1x(t+{)x(L一{)e-J出:I(L,r)ed(8)在信号模型式1中不需要假设各源信号是平稳的,但要求已知有用信号时频分布的先验知识且有用信号与其它信号具有不同的时频分布,其它假设条件与传统MUSIC算法相同.这时,阵列信号X(t)的时一频分布矩阵W(t,f)或W(t,f)进行特征分解后其形式与MUSIC 算法中的自相关阵的分解形式类似,固此.基于Wigner—V{l/e分布的时一频MUSIC算法的主要思想就是用时一频分布矩阵W(t,f)或宙(t.f)代替传统的阵列相关矩阵R,通过对W(t,f)或w(t,f)的特征分解得到信号的DOA估计.虽然双线性时频分析有不少优点,但它们具有交叉项或不能保证谱估计的正性,因此在研究过程中可通过时域加窗,频域加窗或时一频域同时加窗等来改善估计效果. 小波分析作为一种新的线性时一频分析方法,也是一种重要的非平稳信号分析与处理方法,在很多领域都得到了应用,目前已有小波分析用于谱估计方面的报道,但很少见.而直接用于DOA估计研究方面的报道几乎没有.4基于循环平稳特性的DOA估计方法通信,雷达,遥测和声纳等系统中,一一些人工信号是一类特殊的非平稳信号,它们的非平稳性表现为周期平稳性,即具有循环平稳特性.这些信号的数字特征是时间的周期函数.它们通常来自于扫描,调制,周期采样和多路传输.自从GARDENER首次提出循环平稳的概念以来,循环平稳统计量对噪声和干扰的特殊抑制作用,使得它逐渐成为信号处理领域中的新热点.为了在提取空间特性的同时充分利用信号的循环平稳特性,近年来人们开始将时空处理技术引入到DOA估中,并与传统方法相结合.提出了CyclicMUSIC,CyclicESPRIT和谱相关子空间拟合等方法由于不同信号的特征循环频率不同,因此这些方法在进行估计时具有选择信号的能力,从而能够大大提高算法的抗干扰能力,分辨力以及其它性能.若随机信号x(t)的k阶矩mk,x”‘是时间t的周期函数,其中,则Ir.,r2,7-k}则{x(t);为k阶循环平稳过程,其k阶a循环矩为:,1T:Mk,..=l寺∑t’Jlk.(t,r)e~p(一Jcttj(9j当k=2时,上式即为循环相关函数.同样,基于空间相关矩阵的特征结构法均可以直接应用于循环相关函数矩阵4杭州电子工业学院2002正5实验结果对MUSIC算法,ESPRIT算法和基于高阶累积量的DOA估计算法,用MA TL~kB编程来仿真这两种方法估计的结果.本次实验都是在均匀线性天线阵,阵元间隔为1/2载波波长即d=1/2k,附加噪声为高斯白噪声,信号源互不相关且和噪声不相关的条件下进行的.图1和图2是MUSIC算法估计的波达方位(角度),阵元数为8,信噪比为0dB,采样点数为4096.其中,图1是两个信号源的真实方位为[一15.,一25.]时的估计结果,结果为:一15.1.,一25.o.].图2是两个信号源的真实方位为[一15.,一25.]时基于高阶累积量估计的结果当阵元数分别取4,和8,信噪比分别取0dB和10dB,采样点数分别取1O24和4096时,经过30次MonteCarlo实验,MLSIC和ESPRIT这两种算法对信号源方位估计的平均结果见表1.通过比较可发现:总起来说,在给定条件下,MUSIC算法的估计结果比较接近真实值,误差较小,即NUSIC的估计性能较好,但是当阵元数取8时,ESPRIT算法的估计性能又优于MUSIC算法;信噪比的变化对估计结果的影响不大;采样点多时估计结果误差比较小.图1MUSIC算法估计的波达方位(度)图2基于高阶累积量估计的波达方位(度)表1MUSIC算法和ESPRIT算法对波达方向估计的结果阵元数方位1方位2算法信噪比(dB)采样点数NM—15.—25.4096一15.1533一24.8733O1O24一l53833—25.16671O4096一l5.1455—25.130OMUSIC1O24一l5.O625一25.【丌0O4096—15.1615一25.1o0O1024—15.1200—25.040O810—15.1125一25.1Oo01O24—15.100O—251000O4O96—l1.5746—28849441O24一l1.1291—28.35761O4o96一l1.4518—28.8521ESPRrr1O24—15.4622—28-864904096—15.0178—24.971081024—15.0148—24.96334096—15.0258—24.97091O1024一l5.O672—24.972O6结论鉴于将现代信号处理技术应用到DOA估计中的研究还处于起步阶段,本文从窄带信源模型角度出发,介绍了目前DOA估计技术的几种常用方法,尤其是近年来研究的新的信号处理技术,如高阶累积量,高阶谱技术,时频分析技术,循环平稳信号分析与处理技术等与传统特征分船法相结合的方法,并介第1期刘顺兰:波达方向(DOA)估计方法的研究5绍了这几种方法的主要基本思想及应用背景.这些新方法或多或少地克服了传统DOA估计方法的缺点.除上面介绍的方珐以外,还有将这些新技术应用于宽带信号源,相关信源等场合的DOA估计方法,在此不一一细述.参考文献:一1]SclmdtR0.MultpleGqfilterLocationandSignalParameterEstimation[Jj./E EETmns,AntermasPropngat,1986,AP一34:276—280:2]RoyR,aihth.ESPRIT—Asuhspaeerotationapproachtoesti mationofpar~aetersofcisoidsinnoise[J]IEEETramASSP,1986,34:134O一1342[3]ForsterP,NikiasCLBeatingEstimationinTheBispecmmlDomain[J_.Pr ocIEEE,1991,39(9):1994—2OO6[4]PoratB.Ffie~mlderB.Directionfi~ngalgorithmshasedo12kigher—ord erStatistics[J_IEEETranSP,1991,39(6):2016—2024.5]姚敏立,金粱,殷勤业.基于累积量的空间特征估计算法及其在智能天线中的应用[JI信号处理,2000,16(1):58—62.[6]MViberg,BOttersten.Sensorarmypnmessingbasedonsubspacem~gCJ] .IEEETram.SP,1991,39(5):1110—1121.[7]ABeJouchr~u,MAⅡ】irL Time—hqlceML’SIC:army1alpmee~ngmethodbasedonsi1alrepresentat ion[J].IEEEsiProeesslngLett,1999,6:109—111[8]JosephKennedv,MarkC,Sullivan.Dimc~onfindingand’$nla~mltemurs ’using$oft~flxeradiom}Ijures[J].IEEECommtm.Mag,1995,62—68.[9]Y uanjlnZheng,DmqdBHTay,LerninLiSilgalextractionaridpowerspect rumestimationusingwavelet∞scalespacefilte~ingandBayess|la[JJsi1alPmce~ing,2000:1535—154910]WA(dl1er.ExploitationofSpectralredundancyineydostatinnarysignal[ JJIEEESP.Magazine,1991:14—36.11]GXu,TKailafllDirection—of—arrivalesfinmhonviaexplocafionofcyc lostationary—Acombinationoftemporalandspalpro-cessing[J].IEEETramonSP,1992,4o(7):1775—1785.12]张贤达,保锋非平稳信号分析与处理[M.北京:国防工业出版社,19989AStudyofDirection—of—Arrival(DOA)EstimationLIAShun-lan(SchoolofCommurgxat~n驴,HangzhouInstituteofElectronicsEngineering,呐Zhejiang310037,)Abstract:thispaper,weintroduceconventionalDOAestimationted~iques.T oovercoltl~theirdisadvantage, werecommendseveralnewsignalprocessingmethodsofDOAestimationan dapplicationbackgrom~d.Thismethodsincludehigher-orderemnulant,higher—orderspectrumtechnigue,Time-ffe queneeanalysis,Cyclostafionarysial analysisandhandletechniqueetc..Finally,Wegivethecomputersimulationr esults.Keywords:DOAestimation;MUSIC;Hig)mr—orderStatistics;Time—fre quenceana1)~is:Cyclostafionatysig,~。

二维DOA估计算法与对比实验

二维DOA估计算法与对比实验二维方向或角度of arrival (DOA)估计是指在接收到来自不同方向或角度的信号时，通过信号处理技术来确定信号的入射方向或角度的过程。

二维DOA估计在许多领域中都有广泛的应用，如无线通信、雷达、声音处理等。

本文将介绍一些常用的二维DOA估计算法，并进行对比实验。

首先，最常用的二维DOA估计算法是基于阵列信号处理的方法。

阵列信号处理方法是利用阵列天线接收到的信号的时延差和相位差来估计信号的DOA。

其中最简单的方法是通过计算各个天线收到信号的相位差来估计信号的DOA。

这种方法需要设置至少两个天线，并且需要在每个天线上进行信号采样和相位测量。

然后，通过对相位差进行数学处理，可以得到信号的DOA。

这种方法的优点是简单易用，计算量小，但精度较低。

另一种常用的二维DOA估计算法是基于波束形成的方法。

波束形成是利用阵列天线的方向性来增强特定方向上的信号，从而提高DOA估计的精度。

波束形成方法通过调整每个天线的权重来实现，使得期望方向的信号增强，而其他方向的信号衰减。

然后，通过测量每个天线输出的能量来估计信号的DOA。

这种方法的优点是具有较高的精度，但计算量较大。

此外，还有一种常用的二维DOA估计算法是基于最大似然估计的方法。

最大似然估计方法是基于概率统计原理的，它通过最大化似然函数来确定信号的DOA。

这种方法需要先建立一个信号模型，然后通过对似然函数求导，并解方程得到DOA的估计值。

最大似然估计方法的优点是在一定条件下具有最佳的性能，但对于复杂信号模型，可能需要更多的计算资源。

针对上述三种方法，可以进行对比实验来评估它们的性能。

实验可以设置一个模拟阵列接收信号的场景，并在不同的DOA下生成信号。

然后，利用以上三种方法进行DOA估计，并与真实DOA进行对比。

评估指标可以包括均方根误差(RMSE)、估计准确率等。

实验结果可以表明不同方法在不同DOA情况下的性能差异。

除了上述方法，还有一些其他的二维DOA估计算法，如基于子空间分解的方法、基于机器学习的方法等。

柱面共形阵列天线的极化-DOA估计

ｓｏｕｒｃｅｓ．Ｔｈｅｌｇａｏｉｒｔｈｍｈａｓｌｅｓｓｒｅｓｔｒｉｃｔｉｏｎｏｎａｒｒａｙｄｉｓｔｉｒｂｕｔｉｏｎａｎｄｉｓｎｅｅｄｌｅｓｓｏｒｆｐａｒｍｅａｔｅｒｓｓａｏｃｉａｔｉｏｎ．ＳｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎｂｅｅｆｉｆｃｉｅｎｔｌｙｕｓｅｄｉｎｃｙｌｉｎｄｉｃｒｌａｃｏｆｏｎｍａｒｌａｒｒａｙｏｒｆＤＯＡｅｓｔｉｍａｔｉｏｎａｎｄ
关键词：柱面共形阵列天线；极化；波达方向
中图分类号：ＴＮ９１１．７文献标识码：Ａ
Ｐｏｌａｒｉｚａｔｉｏｎ— ．ＤＯＡＥｓｔｉｍａｔｉｏｎｆｏｒＣｙｌｉｎｄｒｉｃａｌＣｏｎｏｒｆｍａｌＡｒｒａｙＡｎｔｅｎｎａ
ｅｒ．Ｉｔｉｓｉｍｐｏｔｒａｎｔｔｏｃｏｎｔａｉｎｐｏｌａｒｉｚａｔｉｏｎｐａｒａｍｅｔｅｒｏｆｉｎｃｉｄｅｎｔｓｉｇｎａｌｓｉｎｔｈｅｓｔｕｄｙｏｆｄｉｒｅｃｔｉｏｎｏｆａｒｒｉｖｌ（ａＤＯＡ）ｏｆｉｎ —
ｃｉｄｅｎｔｓｏｕｒｃｅｓ．Ｈｏｗｅｖｅｒ，ｔｈｅｓｐａｔｉｌａｓｕｐｅｒ — ｒｅｓｏｌｕｔｉｏｎｌｇａｏｉｒｔｈｍｂａｓｅｄｏｎｃｏｎｆｏｒｍａｌａｒｒａｙｉｓｓｈｏｒｔｏｆｔｈｅｐｏｌａｉｒｚａｔｉｏｎｐｒａａｍｅｔｅｒｅｓｔｉｍａｔｉｏｎ．Ａｉｍｉｎｇａｔｔｈｅｐｏｌａｒｉｚａｔｉｏｎｄｉｖｅｓｉｒｔｙｏｆｃｙｌｉｎｄｉｃｒｌａｃｏｆｏｎｍａｒｌａｒｒａｙ，ａｎａｒｒａｙｍａｎｉｆｏｌｄｍｏｄｅｌｆｏｒｃｙｌｉｎｄｒｉｃｌａｃｏｎｆｏｒｍａｌａｒｒａｙｗａｓｅｓｔａｂｌｉｓｈｅｄｗｉｔｈｐｏｌａｒｉｚａｔｉｏｎｐａｒａｍｅｔｅｒｓｏｆｉｎｃｉｄｅｎｔｓｉｇｎｌｓａ，ｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｍｕｌｔｉ —

彭应宁-波达方向估计算法及应用新进展

d
cos n

} ni (t )
X i (t ) Sn (t ) exp{ jk (i 1) cos n } ni (t )
n 1
k 2
l

，i 1,2,...,m
§3-1 （续）
X 1 (t ) 1 (1 ) 1 ( 2 ) X (t ) ( ) ( ) 2 2 2 2 1 Y (t ) ... ... ... ... X m (t ) m (1 ) m ( 2 ) ... ... 1 ( d ) S1 (t ) n1 (t ) ... ... 2 ( d ) S2 (t ) n2 (t ) ... ... ... ... ... ... ... ... m ( d ) Sd (t ) nm (t )

§3-2 （续）
归结：、由多次快拍估计阵列 1 输出协方差阵：
1 L R YKYKH L K 1 2、对R做特征分解ES , E N , S , N H 1 H 3、构造PMUSIC ( ) ( ) E N E N ( )
§3-3、平滑MUSIC方法

Evans, J; T.j.Shan; Kailath等提出，改进目的：通过平滑 => 恢复Rs满秩性。
§3-3 （续）
§3-3 （续）
Y A( ) S n A( ) (1 ) ( d )
n
( ) 1
e
j 0 n
1 2 d d 1 d 2 m 按大小顺序排列

智能天线波达方向估计算法的研究的开题报告

智能天线波达方向估计算法的研究的开题报告一、选题背景随着通信技术的发展，无线通信系统越来越普及。

其中，天线是无线通信中非常重要的组成部分，能够显著地影响到系统的性能。

智能天线技术在无线通信中的应用越来越广泛，它能够实现信号的自适应波束形成，提高系统的传输效率和可靠性。

其中，波达方向估计算法是智能天线技术中的重要一环，能够较好地提高波束形成的精度和效率。

因此，对于智能天线波达方向估计算法的研究具有重要意义。

二、研究意义智能天线技术可应用在无线通信中的不同领域，例如无线电视、卫星通信、蜂窝移动通信等等。

波达方向估计算法是智能天线技术的重要组成部分，能够进一步减少系统的误码率、提高频谱利用率和信道容量等指标，从而提高系统的性能和可靠性。

因此，深入研究智能天线波达方向估计算法对于推广智能天线技术、提高通信系统性能具有重要意义。

三、研究内容本研究计划针对智能天线波达方向估计算法进行一系列的研究，具体包括以下内容：1）分析和总结当前智能天线波达方向估计算法的研究现状；2）对比研究不同的智能天线波达方向估计算法，包括传统的方向搜索算法、最小二乘估计算法、互相关算法、子空间分解算法等；3）分析比较不同算法的优缺点以及应用场景；4）针对现有算法存在的问题，提出改进的方向并进行实验验证；5）最终设计实用的智能天线波达方向估计算法，应用到通信系统中进行性能测试。

四、研究方法本研究的研究方法主要包括文献调研、数学建模、仿真实验和性能测试等。

具体来讲，通过查阅大量的文献资料，深入了解现有智能天线波达方向估计算法的研究现状和存在的问题。

然后，根据不同算法的原理和特点，建立相应的数学模型进行仿真实验，并针对实验结果进行分析和总结。

最后，将优化后的算法应用到实际通信系统中，进行性能测试，验证所提算法的有效性和可行性。

五、预期成果（1）对现有智能天线波达方向估计算法的优缺点进行深入分析，并提出改进方向；（2）设计一种能够提高波束精度和效率的智能天线波达方向估计算法；（3）完成仿真实验和性能测试，验证所提算法的有效性和可行性；（4）撰写一份详细的研究报告，论述智能天线波达方向估计算法的研究背景、意义、方法和成果等方面的内容。

基于最小冗余线阵的二维DOA估计方法

第22卷　第3期2009年3月传感技术学报CHIN ES E JOURNAL OF S ENSORS AND ACTUA TORSVol.22　No.3Mar.2009Minimum 2R edundancy Linear Array B ased Two 2Dimensional DOA Estimation Approach 3Z H A N G Con g ,Q I U Peng 2y u ,L U H uan 2z hang3(School of Elect ronic Science and Engineering ,N ational Universit y.of Def ense Technology ,Changsha 410073,China )Abstract :To overcome t he low sensor utilization rate problem existing in most two 2dimensional (22D )di 2rection 2of 2arrival (DOA )estimation algorit hms ,a new met hod wit h low array redundancy is proposed in t his paper.The p roposed array configuration consist s of a minimum redundancy linear array (MRLA )and two guiding sensors.Wit h t he help of t hese guiding sensors ,t he application of MRL A is extended to 22D DOA estimation.U sing multiple lag conjugate cyclic correlation f unctions of different sensor outp ut s ,two p seudo 2data mat rices are const ructed.Since t he p seudo 2data mat rices can be regarded as t he outp ut s of t he two parallel arrays wit h rotational invariance p roperty ,t he DOA Matrix idea is t hen applied to estimate t he DOAs.The p ropo sed met hod not only inherit s t he advantages of t he DOA Matrix met hod ,but also avoids t he optimal lag choo sing problem.Besides ,t his met hod obtains larger array apert ure wit h fewer sensors.Simulation result s verify t hat t he propo sed algorit hm achieves better performance and better robust ness t han CCDM met hod.K ey w ords :array signal processing ;minimum redundancy linear array ;two 2dimensional DOA ;cyclosta 2tionarity ;conjugate cyclic correlation EEACC :7200基于最小冗余线阵的二维DOA 估计方法3张　聪,邱鹏宇,卢焕章3(国防科学技术大学电子科学与工程学院,长沙410073)基金项目:国家863基金项目资助(2007AA703428);国家重点实验室基金项目资助(J C05204212)收稿日期:2008209230 修改日期:2008212213摘　要:针对传感器阵列二维DOA 估计中阵元数较多且阵元利用率较低的问题,提出了一种低阵元冗余的二维DOA 估计方法。