波达方向估计算法及应用新进展

合集下载

宽带信号源的波达方向估计新方法

宽带信号源的波达方向估计新方法宋彦发;甘露;魏平【摘要】针对信号源数多于天线阵元数的情况,提出了一种新的宽带信号波达方向(DOA)的估计方法.与传统方法一样,首先把宽带信号分解为互不重叠的窄带部分,通过将信号频率的不同等效为阵元间距的不同而得到多个阵列,合理组合这些阵列可以获得一个多阵元的虚拟阵列,对此虚拟阵列的输出运用传统的窄带信号子空间方法即可进行高分辨DOA估计.不需要对阵列输出进行"聚焦"变换及角度预估计,并且利用两个阵元即可对多个宽带信号进行空间谱估计.仿真结果证明了该方法在信号源数多于阵元数情况下的有效性.【期刊名称】《现代电子技术》【年(卷),期】2008(031)001【总页数】4页(P81-83,86)【关键词】宽带信号;波达方向;阵列;空间谱【作者】宋彦发;甘露;魏平【作者单位】电子科技大学,电子工程学院,四川,成都,610054;电子科技大学,电子工程学院,四川,成都,610054;电子科技大学,电子工程学院,四川,成都,610054【正文语种】中文【中图分类】TN92;TN941 引言阵列信号处理的许多应用领域如雷达、声纳、地震信号检测等，需要快速准确地估计空间宽带信号源的波达方向(DOA)。

宽带信号源高分辨估计算法主要有两大类：极大似然估计方法(ML)和子空间方法[1-7]。

ML方法给出了最优解，但他是一种非线性最优化方法，需要多维搜索，运算量极大，因而难以具体实现。

信号子空间方法虽然不是最优的，但不需要多维搜索，减少了计算量，更容易实现。

文献[2]提出了非相干信号子空间方法(ISM)，把宽带数据分解成互不混叠的窄带成分，在每一个窄带成分上应用窄带算法，然后对在各个窄带成分上求得的方向估计值进行加权平均，得到最终的方向估计值。

但ISM方法没有充分利用信号的能量，测向误差较大且不能处理相干信号源。

Wang和Kaveh等给出了相干信号子空间方法(CSM)[3]，该算法将宽带频域空间分解为多个窄带频域空间，利用聚焦(focussing)矩阵将不同频域空间方向矩阵变换到同一参考子空间中，通过对子空间的相关结合，使聚焦后的信号协方差矩阵保持满秩，从而能高分辨地估计宽带相干源。

波达方向估计的一种改进SVD算法

波达方向估计的一种改进SVD算法摘要:本文主要研究智能天线算法中的关键技术波达方向估计(DOA)。

针对相干信号源的信号子空间与噪声子空间相互渗透,导致空间协方差矩阵缺秩从而经典算法失效的问题,本文基于奇异值分解(SVD)算法,提出了一种改进的SVD算法。

该算法利用入射信号矩阵的最大特征向量元素包含所有入射信号信息的性质,进行矩阵重构,并对重构矩阵进行特征值分解得到噪声子空间和信号子空间,最后利用经典谱估计算法得到相干信源的入射方向。

仿真试验结果表明改进SVD算法性能优于原始算法。

关键词:波达方向估计多重信号分类算法矢量奇异值算法移动通信逐渐成为现代通信的主要方式,但频谱资源随着用户的增多而日益匮乏,无线信道的传输环境导致的信号衰减、衰落和时延扩展也严重影响了通信质量。

针对上述问题,智能天线技术旨在用有限的频谱资源容纳尽可能多的用户。

智能天线的基本工作原理就是根据接收信号自动调节天线接受阵列的幅度和加权值,从而达到最佳的发射和接收效果。

作为智能天线技术的基础,基于特征结构的空间谱估计经典算法有MUSIC算法[1]、ESPRIT[2]算法等。

由于MUSIC算法和ESPRIT 算法在最优化的建立过程中,要求信号的自相关矩阵要有正定性,即信号在空间中是非相干的,因此经典的MUSIC算法和ESPRIT算法对相干信号都没有很好的分辨能力。

学者为此进行了广泛研究[3～7]。

本文主要介绍空间谱估计的系统结构模型和算法模型,针对无线环境中经常出现的相干信号源的问题,在研究常用解相干算法的基础上,提出了一种改进的SVD算法,并通过仿真实验进行验证,证明该算法相对传统算法具有优越性。

1 相干信号源接收信号模型由于信号传播的复杂环境,若建立严格的数学模型需要提供物理环境的完整描述,不利于信号算法性能的研究,故本文使用的是简化信号模型。

假设信号源是窄带信号,那么窄带信号的复包络可以表示为:其中,为第个阵元作用于第个信号的增益;为第个阵元工作于时间的噪声;为第个信号在传播到第个阵元的时间延迟。

基于改进ESPRIT算法的波达方向估计

X = As + n1
(1)
子阵 2 中的接收信号的数据向量为 :
Y = AΦs + n2
(2)
式中 : X , Y均为 ( M - 1) ×1 的向量 ; A为 ( M - 1) ×D 的
矩阵 ; s 为 D ×D 的信号矩阵 ; n1 , n2 均为数学期望为 0 ,
方差为σ2 的阵元间噪声 , ( M - 1) ×1 的向量。由两个阵
(4) 计算 Ψ = (U1H U2 ) - 1 U1H U2 的特征分解 ,估计值为 ejωi ( i = 1 ,2 , …, D - 1) 。由于其特征值等于Φ的对角线元素 ,即解ωi = βΔdco s (φi ) ( i = 1 ,2 , …, D) 可以得出来波信号的入射角度。
2 基于 UCA 模式空间的 TLS2ESPRIT 算法
ESPRI T 算法是 Roy 等提出的一种基于子空间的高分辨力的 DOA 估计方法[2] 。本文首先对应用于 ULA 的 ESPRIT 算法进行推导 ,并提出两种改进的 TL S2ESPRI T 算法 ,然后推广到 U CA 中 ,最后对上述各种算法的性能进行了详细的计算机仿真和对比分析。
列的结构可以知 ,Φ是每个信号到达两个阵列相应的延
迟相位 ,为 D ×D 的对角阵 , 可表示为 :
Φ
=
dia
g
(ejβΔxco
s
φ 0
e, jβΔxco
sቤተ መጻሕፍቲ ባይዱ
φ 1
,
… e, ) jβΔxcos
φ
D-
1
(3)
在复数域 , Φ只相当于比例算子 , 但在实数域 ,Φ相

二维矢量传感器阵波达方向估计方法研究

摘要：针对应用中矢量传感器阵列高精度的目方位估计问题，标为对空域信号检测，出了一种利用单个已知信源的数据协提
方差矩阵进行阵列误差校正的方法，修正了三种空间谱估计算法，并将应用于实测数据分析。数值实验结果表明，矢量传感器阵列的分辨能力有显著提高，波达方向的估计精度也更加精确。通过比较，ＳＣ算法与Ｃｐｎ波束形成对阵列误差十ＭＵＩａｏ分敏感。校正后，ａｏＣｐｎ波束形成的目标定位性能优于常规波束形成和ＭＵＩＳＣ算法，更加实用有效，对实际应用中目标方位
ａｒｙＮｍｅｃｌｘｅｉｎａｅｕｔｓｏｔａｈｉｉｇｉｉｇａｉｔｆｖｃｏｅｓｒａｒｙａｄｔｅａｃｒｃｆｒａ．ｕｒａｐｒｍｅｔｌｒｓｌｈｗｈｔｔｅｄｓｎｕｓｎｂｌｙｏｅｔｒｓｎｏｒａｎｈｃｕａｙｏｉｅｓｔｈｉ
估计方法地选取有一定的指导意义。
关键词：矢量传感器；最小方差无畸变响应波束形成；多重信号分类算法；波达方向
中图分类号：Ｎ１．Ｔ９１７文献标识码：Ａ
ＣｏｐａｉｏｓａｃｎＭｅｈｄ０ｍｒｓｎＲｅｅｒｈｏｔｏｆＤｏＡＥｓｉａｉｎｎｃｏｎｏｒｙｔｍｔｏｉＶｅｔｒＳｅｓｒＡｒａ
ｔｎａｇｒｈｉｈａｅａｐｉｄｔｈａｕｅａａａａｙｉａｅｎｔｅｔｒｅｏｉｏｓｉｔｎｏｅｔｒｓｎｏｉｏｔｍｓｗｈｃｒｐｌｏｔｅｍｅｓｒｄｄｔｎｌｓｓｂｓｄｏｇｔｓｔｎｅｔｏｌｉｅｈａｐｉｍａｉｆｃｏｅｓｒｏｖ

利用波形特征的宽带信号波达方向估计方法研究的开题报告

利用波形特征的宽带信号波达方向估计方法研究的开题报告一、选题背景随着无线通信技术的不断发展以及应用范围的不断扩大，宽带信号波达方向估计技术的研究愈发受到重视。

波达方向估计是指通过对信号波形特征进行分析，确定信号入射方向的一种方法。

它在无线通信、雷达、声学等领域中具有广泛的应用。

在传统的波达方向估计方法中，通常需要对接收信号进行滤波和相关操作，因此算法复杂度较高，受到传感器布局和环境条件等因素的影响较大。

近年来，随着信号处理技术和计算能力的提高，利用波形特征的宽带信号波达方向估计方法逐渐成为研究热点。

二、研究目的本研究旨在探究利用波形特征的宽带信号波达方向估计方法。

具体目的如下：1. 研究不同类型宽带信号波形特征与波达方向之间的关系。

2. 分析引入时频分析方法后对波达方向估计精度的影响。

3. 探究深度学习算法在宽带信号波达方向估计中的应用。

三、研究方法和技术路线本研究主要采用以下研究方法：1. 理论分析方法：分析不同类型宽带信号波形特征对波达方向估计算法的影响，并对不同时频分析方法的优缺点进行比较。

2. 数值模拟方法：通过数值模拟方法验证不同波形特征及时频分析方法对波达方向估计精度的影响。

3. 实验分析方法：使用实际宽带信号数据进行波达方向估计实验，评估各种方法的准确性和鲁棒性。

技术路线：1. 收集和整理宽带信号数据，并进行预处理。

2. 研究不同类型宽带信号波形特征，分析其与波达方向之间的关系。

3. 探究引入时频分析方法后对波达方向估计精度的影响，比较各种方法的优缺点。

4. 研究深度学习算法在宽带信号波达方向估计中的应用，并与传统方法进行比较分析。

5. 使用实际宽带信号数据进行波达方向估计实验，验证各种方法的准确性和鲁棒性。

四、研究意义本研究的主要意义如下：1. 为宽带信号波达方向估计技术提供新的思路和方法。

2. 改进传统波达方向估计方法，提高其准确性和鲁棒性。

3. 拓展宽带信号波达方向估计的应用范围，为相关领域的技术发展提供帮助。

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;。

一种高精度低复杂度波达方向估计新方法

一种高精度低复杂度波达方向估计新方法杨小凤【摘要】提出了一种应用于移动自主网中节点定位的波达方向(Direction of Arrival,DOA)估计新方法,以满足移动自主网对节点定位机制的高精度和低复杂度的要求.利用牛顿法将延迟相加法和求根多重信号分类算法(Root-MUSIC)进行联合估计,定位过程分为2个阶段:采用延迟相加法进行实时粗略DOA估计；采用Root-MUSIC进行精准定位.将该方法实现于软件无线电(SDR)系统,综合了延迟相加法低复杂度和Root-MUSIC高估计精度的优点.Matlab仿真实验结果证明了该方法以较低的复杂度获得近似于单独采用Root-MUSIC所达到的高精度,解决了现有方法难以同时达到高精度和低复杂度的问题.【期刊名称】《无线电工程》【年(卷),期】2013(043)001【总页数】4页(P25-28)【关键词】波达方向估计;延迟相加法;求根多重信号分类算法;节点定位;软件无线电【作者】杨小凤【作者单位】玉林师范学院电子与通信工程学院,广西玉林537000【正文语种】中文【中图分类】TN911.70 引言DOA估计在波束形成、信号检测和定位等领域有着广泛的应用。

波束形成和信号检测技术采用实时DOA估计，二者对估计精度的要求并不高。

定位技术是在移动自主网(Mobile Ad-hoc Network)中实现频谱共享和分配的关键，它需要高精度的DOA估计［1－3］;另一方面，移动自主网中的节点存在资源有限的特点，因此定位机制采用的DOA估计又必须满足低复杂度的要求。

为此，诸多DOA估计算法被提出来，比如，延迟相加法(Delay-and-Sum，DAS)［4］、多重信号分类算法(Multiple Signal Classification，MUSIC)［5］和求根MUSIC 算法(Root-MUSIC)［6］。

DAS 对不同的扫描方向形成不同的权值，将阵列天线各阵元的输出进行加权求和，从阵列输出功率峰值点判定DOA。

波达方向估计算法及应用新进展ppt课件

) exp[ jk ( i 1 )cos ] i( n n Y ( t)A ( ) S ( t) n ( t) (1) A ( ) ( ) ( ) ( 1 2 d)
阵列流型（ manif old ）
三、超分辨DOA方法： MUSIC, SVD, WSF等
§2、常规DOA估计法 ——波束形成法
§2-1、天线（传感器）阵列结构和模型
§2、常规DOA估计法 ——波束形成法
§2-1、天线（传感器）阵列结构和模型
天线阵：线阵，圆阵，任意阵通道：放大，相检，A/D变换。
处理：数字信号处理单元
§2-1 （续）
§2、常规DOA估计法 ——波束形成法 §2-2、假设和数学表达

信源为远场、窄带信号。信源个数d小于阵源数m, d<m。信源为平稳、各态历经、零均值复随机过程。各通道噪声为加性噪声，彼此独立，也独立于信号。噪声为平稳高斯过程：方差为，均值为零
§2-2 （续）
线阵：阵元全向。
固定阵
（仅取决于）
§3、MUSIC算法 —— 超分辨
§3-2、MUSIC算法
Y AS n R E YY H AR S A H 2 I RS
H
E SS —
m i 1

取协方差矩阵满秩矩阵（独立信源）
R 为正定、哈米特矩阵，进行特征分解 R i ei eiH E E H diag ( 1 E e1 e2 em

X t) S t)exp{ jk (i 1 )cos n}n t) i( n( i(
n 1
d
k 2 ， i 1 ,2 ,..., m

波达方向估计算法研究

o o
P (ω ) =
a H (ω )a (ω ) H a H (ω )U NU N a(ω )
o
P的峰值对应的 ω ( θ )即为所求的来波方向。
3 前向空间平滑算法
阵列结构图如图2所示：
y ...
1 2 3 q q+1
...
m-1 m
x
X1
X 2 ...
XM
图 2 等间距线阵的子阵列图图 3 相干信源下 MUSIC 算法图
(1)
其中
ωi = 2π
d
λ
sin θi
称为信号 si ( n) 的方向向量或响应向量。若有P个信号位于远场（P ≤ m）,则在第 k 个阵元上的观测信号
xk (n) = ∑ ak (ωi )si (n) + ek (n)
i =1
p
（2）
其中 k = 1, 2,...m 式中 ek ( n) 表示第 k 个阵元上的加性观测噪声。将m个阵元上的观测数据组成 m × 1 维观测数据向量
1996,143(1):1350-2395 [7] 吴江华,周围.DOA 估计的一种改进 MUSIC 算法.综合电子信息技术[J].2008,34(1). [8] 朱周华.宽带相干信源的 DOA 估计.硕士学位论文.西安科技大学.2004.
作者简介：张健，男，硕士生，主要研究方向为波达方向估计；曹祥玉，女，教授、博士生导师，主要研究领域为电磁场数值计算，电磁兼容、电磁散射与逆散射。
从图中可以看出,阵元数m，子阵元数 q 和子阵列数M满足： q + M − 1 = m 。每个子阵列的输出向量可以表示为：
X1 = x1 , x 2 , ..., x q

相干信号波达方向估计技术综述

研究背景和意义
信号处理技术的发展趋势相干信号波达方向估计技术的现实需求技术研究的重要性和紧迫性研究成果的推广和应用前景
研究目的和内容
研究背景及意义
研究现状及问题
研究目的与内容
研究方法与思路
02
相干信号波达方向估计技术的基本原理
相干信号的概念
添加项标题
定义：相干信号是指两个或多个信号在频率、相位或幅度上存在某种相关性
相干信号波达方向估计技术综述
,a click to unlimited possibilities
汇报人：
目录 /目录
01
引言
04
相干信号波达方向估计技术的性能评估
02
相干信号波达方向估计技术的基本原理
05
相干信号波达方向估计技术的应用场景
03
相干信号波达方向估计技术的算法实现
06
实际应用前景和潜在价值
未来研究展望
算法优化：进一步改进相干信号波达方向估计算法，提高估计精度和稳定性
多维信号处理：将相干信号波达方向估计技术应用于多维信号处理领域，拓展应用范围
实时性研究：加强相干信号波达方向估计技术的实时性研究，满足实际应用需求
跨领域合作：加强与其他领域的合作，共同推动相干信号波达方向估计技术的发展
计算复杂度评估
算法复杂度：相干信号波达方向估计技术的算法复杂度计算量：相干信号波达方向估计技术的计算量实时性：相干信号波达方向估计技术的实时性硬件要求：相干信号波达方向估计技术的硬件要求
抗干扰性能评估
信号干扰抑制能力
稳健性及鲁棒性
精度和分辨率
实时性要求
实时性评估
评估指标：时间延迟、处理速度

【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,~。

宽带信号波达方向估计算法

宽带信号波达方向估计算法宽带信号波达方向估计算法一、研究背景和意义阵列信号处理是空域信号分析和处理的一种重要手段，它的应用涉及雷达、声纳、通讯、地震、勘探、射电天文、医学成像等多种军事和国民经济领域。

阵列信号处理技术在近二十年来发展极其迅速，特别是高分辨阵列测向技术和波束形成技术。

阵列信号处理的一个基本问题就是确定同时处在空间某一区域内的多个感兴趣的空间信号的方向或位置，即实现信号的分辨和定位，这也是雷达、声纳、通讯等探测系统的重要任务之一。

为了解决这一基本问题，传统的处理方法主要是采用常规波束形成法。

对于有限的阵列孔径常规波束形成法的分辨能力受到瑞利限的限制，即对于一个确定的有限阵元构成的阵列，其最小波束宽度是一定的，而当多个信号处于同一波束宽度内时，常规波束形成法不能分辨这些信号。

近些年发展起来的高分辨算法由于能突破瑞利限，因而受到人们普遍的关注。

空间谱是阵列信号处理中的一个重要概念，相对于时域频谱表示信号在各个频率上的能量分布，空间谱就表示信号在空间各个方向上的能量分布情况，因此若能获得信号的空间谱，就能得到信号的波达方向(direction．of-arrival，DOA)，也就是信号的估计。

所以空间谱估计常称为DOA估计、角度估计、方向估计或测向。

由于宽带信号在实际工程中广泛采用，因此如何有效地实现对宽带信号空间谱的高精度、高分辨率估计是当前的一个研究热点。

阵列信号处理的任务就是从观测数据中提取接收信号的空间信息，以实现对空间信号的检测及分辨。

传统的阵列信号处理技术对信号环境作了很多理想化的假设，在这些假设的基础上利用阵列输出信号的协方差矩阵，根据一些思想或准则得到了相应的高分辨阵列测向算法和波束形成算法，如果信号模型与实际的信号环境匹配，则会使算法性能大大下降，甚至失效。

随着科技的进步，要求新一代的雷达和声纳设备具有检测微弱信号、精确估计目标参数、跟踪和识别目标的能力，这对阵列信号处理的方法和手段提出了更高的要求。

彭应宁-波达方向估计算法及应用新进展

e
j 0 ( m 1) n

cos n cos n exp j 2l (i 1) exp j 2f 0 (i 1)l c exp jw0 (i 1) n l n cos n , c c — 光速
证明略(见文献T .J. Shan et.IEEET ransOn ASSP , Vol 33 No.4) 空间平滑损失阵列孔径为代价分辨相干源 p d 1, M m p 1 d m 2d
普通MUSIC， m d 1即可。
双向平滑MUSIC方法：
H RK Ap RS Ap 2 I p
当M d / 2, RK 满秩且m 1.5d , 1 M ( K 1) H ( K 1) (M K ) H (M K ) RS RS ( D ) D RS ( D ) D 2M K 1
*

§4-1 单向空间平滑MUSIC方法
§4-2 双向空间平滑MUSIC方法

§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 ( )
§2-1、天线（传感器）阵列结构和模型
§2、常规DOA估计法 ——波束形成法
§2-1、天线（传感器）阵列结构和模型
天线阵：线阵，圆阵，任意阵通道：放大，相检，A/D变换。
处理：数字信号处理单元
§2-1 （续）
§2、常规DOA估计法 ——波束形成法 §2-2、假设和数学表达

阵列信号doa算法

阵列信号的DOA（方向角）算法是一种用于估计信号源方位角的方法，主要应用于信号处理和阵列信号处理领域。

这些算法通过分析接收到的阵列信号，利用信号之间的相位差异和幅度差异，来估计信号的来源方向。

以下是一些常见的阵列信号DOA算法：
1. 最大似然估计法（ML）：该方法基于最大似然准则，通过迭代或者优化方法，求解出信号的波达方向（DOA）。

该方法具有较高的估计精度和鲁棒性，但计算复杂度较高。

2. 最小二乘法（LS）：该方法是一种线性估计方法，通过最小化估计结果与真实值之间的误差平方和，求解出信号的波达方向。

该方法计算复杂度较低，但在低信噪比条件下估计性能较差。

3. 特征值法（Eigenvalue）：该方法利用阵列信号的相关矩阵的特征值和特征向量，来求解信号的波达方向。

常见的特征值法包括MUSIC（Multiple Signal Classification）算法和ESPRIT（Estimation of Signal Parameters via Rotational Invariance Techniques）算法等。

这些算法可以在较低信噪比条件下进行高分辨率的波达方向估计，但计算复杂度较高。

4. 统计方法：该方法利用信号的统计特性，通过建立信号模型和假设检验等手段，来估计信号的波达方向。

常见的统计方法
包括最大后验概率估计、贝叶斯估计等。

这些方法可以在复杂环境下进行稳健的波达方向估计，但计算复杂度较高。

以上是一些常见的阵列信号DOA算法，每种算法都有其优点和局限性，在实际应用中需要根据具体需求选择合适的算法。

高信噪比下的信号波达方向估计方法

中图分类号：ＴＮ９１１文献标识码：Ａ文章编号：１００３ — ０５３０（２０１３）０１ — ００３８ — ０６
ＤＯＡＥｓｔｉｍａｔｉｏｎＭｅｔｈｏｄｏｆＳｉｇｎａｌｉｎｔｈｅＥｎｖｉｒｏｎｍｅｎｔｏｆＨｉｇｈＳＮＲ
第２９卷第１期２０１３年１月
信号处理
ＪＯＵＲＮＡＬＯＦＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ
Ｖｏ１．２９Ｎｏ．１
Ｊａｎ．２０１３
高信噪比下的信号波达方向估计方法
曾浩王娅凤林锋刘玲
ａｎｄｐｏｗｅｒｉｎｖｅｒｓｉｏｎｓｔａｎｄａｒｄｉｆｒｓｔｌｙａｓｗｈａｔｔｈｅｎｕｌｌｉｎｇａｎｔｅｎｎａｄｉｄ．Ｔｈｅｎｔｈｅｒｅｃｉｐｒｏｃｌａｏｆｔｈｅａｎｔｅｎｎａｐａｔｔｅｒｎｗａｓｄｅｉｆｎｅｄａｓｔｈｅｓｐｅｃｉａｌｓｐｅｃｔｒｕｍ，ｗｈｏｓｅｐｅａｋｖａｌｕｅｗａｓｃｏｒｒｅｓｐｏｎｄｉｎｇｔｏｔｈｅｅｓｔｉｍａｔｅｄＤＯＡ．ＴｈｒｏｕｇｈｏｂｓｅｒｖａｔｉｏｎｏｆｓｐｅｃｔｒｕｍａｎｄｄａｔａａｎａｌｙｓｉｓｏｆｓｔｅｐｓｉｚｅｓａｎｄＳＮＲｓｉｎａｌｇｏｒｉｔｈｍ，ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｉｔｃｏｕｌｄａｃｈｉｅｖｅＤＯＡｅｓｔｉｍａｔｉｏｎ，ｗｈａｔ ’ Ｓｍｏｒｅ，ｔｈｅｅｓｔｉｍａｔｅｄｅｒｒｏｒｗｏｕｌｄｂｅｓｍａｌｌｅｒ பைடு நூலகம்ｗｈｅｎｔｈｅｓｔｅｐｓｉｚｅｗａｓｓｈｏｒｔｅｒａｎｄｔｈｅＳＮＲｗａｓｌａｒｇｅｒ．ＣｏｍｐａｒｅｄｗｉｔｈｔｈｅｅｘｉｓｔｉｎｇＭＵ— ＳＩＣｓｐｅｃｔｒｕｍｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄ，ｔｈｅｎｅｗｓｔｒａｔｅｙｇｈａｓｌｅｓｓｃｏｍｐｕｔｅｌｏａｄ，ｓｉｎｃｅｉｔｄｏｅｓｎｏｔｎｅｅｄｔｏｄｏｔｈｅｅｓｔｉｍａｔｉｏｎｆｏｒｔｈｅｎｕｍｂｅｒｏｆｓｉｇｎａｌａｎｄｅｉｇｅｎｖｌｕａｅｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆｅｏｖａｒｉａｎｃｅｍａｔｉｘｒ．

一种高精度低复杂度波达方向估计新方法

一种高精度低复杂度波达方向估计新方法
杨小凤
【期刊名称】《无线电工程》
【年(卷),期】2013(043)001
【摘要】提出了一种应用于移动自主网中节点定位的波达方向(Direction of Arrival,DOA)估计新方法,以满足移动自主网对节点定位机制的高精度和低复杂度的要求.利用牛顿法将延迟相加法和求根多重信号分类算法(Root-MUSIC)进行联合估计,定位过程分为2个阶段:采用延迟相加法进行实时粗略DOA估计；采用Root-MUSIC进行精准定位.将该方法实现于软件无线电(SDR)系统,综合了延迟相加法低复杂度和Root-MUSIC高估计精度的优点.Matlab仿真实验结果证明了该方法以较低的复杂度获得近似于单独采用Root-MUSIC所达到的高精度,解决了现有方法难以同时达到高精度和低复杂度的问题.
【总页数】4页(P25-28)
【作者】杨小凤
【作者单位】玉林师范学院电子与通信工程学院,广西玉林537000
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.一种MIMO雷达低角跟踪环境下的波达方向估计新方法 [J], 吴向东;赵永波;张守宏;董玫
2.一种低复杂度的二维波达方向估计方法 [J], 任勋立;廖桂生;曾操
3.一种未知信源数高精度波达方向估计方法 [J], 彭诚诚;谢跃雷;陈紫强;姜兴
4.一种V型阵列的二维波达方向估计的新方法 [J], 令瀚;叶中付
5.一种高精度的神经网络波达方向估计算法 [J], 李国彬;朱清超;宋晓鸥
因版权原因，仅展示原文概要，查看原文内容请购买。