基于CSM的波束域宽带DOA估计方法

合集下载

宽带信号源的DOA估计

宽带信号源的DOA估计摘要本文讨论了多个宽带信号源的高分辨力的DOA估计。

提出的方法涉及两步。

首先通过特征分解类算法如music算法估计出几个带宽不重叠信号的角度。

然后提出了“聚焦变换”思想，利用所有子带信号的信息得到感兴趣区域的高分辨力角度估计。

文章最后用一个例子阐释了这种方法的可行性。

1、研究现状本文提出了一种处理多个宽带信号源实现高分辨DOA估计的新方法，它是基于对特定频域的特征分解算法，通过对多个窄带信号的估计修改空间数据协方差矩阵而实现的。

研究表明基于特征值分解算法的窄带信号角度估计比先前的常规波束形成算法有更高的分辨力[1],[2]。

通常这种方法利用空间数据协方差矩阵的代数特性，即在特征向量中第d个大特征值对应于第d个信号方向。

在宽带信号中，这种特性对每个频率点的数据仍然成立。

以前曾试图归一化窄带信号，其思想在于把宽带信号分成带宽不重叠的窄带信号，然后处理这些单独的子带信号。

基于此，两种特定的特征值分解算法已经提出。

在文献[3]中，子带信号的阵列流形矢量联合起来构成一个扩展的阵列流形矢量，然后得到这个扩展的阵列流形矢量的数据协方差矩阵，最后用处理窄带信号的DOA估计算法如music算法估计出信号的空间谱。

然而这种方法在阵元数和子信号数增大时计算量是相当可观的。

在文献[4]中，得到了单个子信号的music谱估计，这些估计联合起来构成了最终的谱估计。

最后，文献[5]提出了解决此问题的最大似然算法。

然而这种算法需要知道信号谱的密度矩阵，通常情况下是相当复杂的[5]。

在由处理窄带信号的算法向处理宽带信号算法的一般化中仍存在许多问题。

这是因为离散的阵列在抽样连续窄带信号时产生了变化。

因此，一个子带信号的信号空间将与另一个子带信号的的信号空间不同。

从而降低了特定方法中定义良好的信号空间和噪声空间的分辨力，如文献[3]中的方法。

在文献[4]中描述的方法中，如果在子信号的谱估计中不能分辨出信号的入射角，那么最终的宽带信号估计也不能分辨出信号入射角。

基于波束空间的改进TOPS宽带DOA估计

Ｋｅｙｗｏｒｄｓ：ｄｉｒｅｃｔｉｏｎ—ｏｆ－ａｒｒｉｖａｌ（ＤＯＡ）ｅｓｔｉｍａｔｉｏｎ；ＴｅｓｔｏｆＯｒｔｈｏｇｏｎａｌｉｔｙｏｆＰｒｏｊｅｃｔｅｄＳｕｂｓｐａｃｅ（ＴＯＰＳ）；ｂｅａｍｓｐａｃｅ；
ｗｉｄｅｂａｎｄｓｉｇｎａｌｓ
０引言
阵列信号处理的一个重要研究方向就是波达方向（Ｄｉｒｅｃｔｉｏｎ—Ｏｆ－Ａｒｒｉｖａｌ，ＤＯＡ）估计。传统的ＤＯＡ估计算法都是针对窄带信号，并且技术比较成熟。但是随着科技的发展，声呐、雷达、通信等领域所利用的频段越来越宽，因而宽带信号的ＤＯＡ估计成为当前阵列信号处理的研究重点。
对于宽带信号，由于不同频点处的导向矢量不同，导致阵列输出的相位差也有差异，因而窄带ＤＯＡ估计的方法不能直接运用到宽带ＤＯＡ估计。
收稿日期：２０１７．０７．１０；修回日期：２０１７－０９－２０基金项目：国防科技大学基础研究项ｆ：］（ＺＤＹＹＪＣＹＪ２０１４０７０１）、国家自
文章编号：１０００—３６３０（２０１８）．０４—０３９３．０５
ＤＯＩ编码：１０．１６３００￣．ｃｎｋｉ．１０００－３６３０．２０１８．０４．０１７
ＤＯＡｅｓｔｉｍａｔｉｏｎＯｆｗｉｄｅｂａｎｄｓｉｇｎａｌｓｂａｓｅｄＯｎｍｏｄｉｆｉｅｄＴＯＰＳｉｎ
Ｄｅａｍ期２０１８年８月
声学技术
ＴｅｃｈｎｉｃａｌＡｃｏｕｓｔｉｃｓ
ＶＯ１．３７．ＮＯ．４Ａｕｇ．，２０１８

基于波束域的子空间正交性测试宽带DOA估计方法研究

ＲｅｅｒｈｏｈｄｂｎｓａｃｎｔｅｗｉｅａｄＤ０Ａｓｉｔｎｗｉｅｔｏｅｔｍａｉｔｔｓｆｏｈｏｔｏｏቤተ መጻሕፍቲ ባይዱａｉｆｓｂｐｃａｅｎｂａｐｃｒｇｎｌｙｏｕｓａｅｂｓｄｏｅｍｓａｅｈｔ
第２８卷
第１期
信号处理
ＳＧＮＡＬＰＲＯＣＳＮＧＩＥＳＩ
Ｖｏ．８Ｎｏ１１２．
２１年１０２月
Ｊｎ．２２ａ０１
基于波束域的子空间正交性测试宽带ＤＯ估计方法研究Ａ
李妮方世良
（南大学水声信号处理教育部重点实验室，南京２０９）东１０６摘要：投影子空问正交性测试（ｅｔｆｒｏｏａｉｆｒｅｔｕｓａｅＯＳＴｓｏｔｇｎｔｏｏｃｄＳｂｐｃ：ＴＰ）算法通过测试宽带信号各频ＯｈｌｙＰｊｅ
提出一种基于波束域的宽带ＤＡ估计方法。该方法通过将阵列接收信号转换到波束域，在波束域中利用信号带Ｏ宽内各频率分量的波束域方向向量与噪声子空间之间的正交关系构造判决向量，根据判决向量搜索空间谱的极大值对应的角度进行ＤＡ估计。该方法不需要进行角度预估，避免了ＴＰ算法中常出现的伪峰，降低了信噪ＯＯＳ
ｐｒｎｔｅｐｏｏｅｔｏｈｅａｒｙｒｃｉｉｇｄｔｒｔａｓｏｍｅｅｍｓａｅｂｅｍｓａｅｔｎｆｒａｉｎ，ａｄｅ．Ｉｒｐｓｄｍｅｈｄ，ｔｒａｅｅｖｎａａｉｆｓｙｔｎｆｒｄｔｂａｐｃｙｂａｐｃａｓｍｔｈｓｉｌｒｏｒｏｏｎｔｅｈｅｉｏｅｔｒＣｅｃｎｔｃｅｙｔｅｏｔｏｏａｅａｉｎｂｔｅｈｏｓｕｓａｅｄｓｅｎｅｔｒｏｈｎｔｅｄｃｓｎｖｃｏａｂｏｓｒｔｄｂｈｒｇｎｒｌｔｅｗｅｎｔｅｎｉｅｓｂｐｃｓａｔｒｇｖｃｏｆｉｎｕｈｌｏｎｅｉ

DOA估计算法综述

DOA估计算法综述导向到达角（Direction of Arrival, DOA）估计是信号处理中一项重要的任务，它用于确定信号源的方向，广泛应用于无线通信、雷达、声学等领域。

在DOA估计中，主要的挑战是通过接收阵列的测量数据推断信号源的到达方向。

本文将对DOA估计算法进行综述，包括基于子空间和非子空间的算法。

基于子空间的DOA估计算法是最早应用于DOA估计的方法之一，它基于信号子空间和噪声子空间的分解来估计DOA。

其中，最著名的算法为MUSIC算法（Multiple Signal Classification），它通过对数据进行奇异值分解（SVD）得到信号子空间和噪声子空间，然后通过计算信号子空间与噪声子空间的角度来估计DOA。

MUSIC算法在低信噪比条件下有较好的性能，但在高噪声情况下容易受到干扰，且计算复杂度较高。

为了解决计算复杂度高的问题，提出了快速MUSIC算法（F-MUSIC）和加权MUSIC算法（W-MUSIC）等改进算法。

非子空间的DOA估计算法主要是基于滑窗和特定统计模型进行DOA估计。

基于滑窗的算法包括波达法（Beamforming），它通过将接收阵列的信号合成一个波束，使得波束指向信号源的方向来估计DOA。

波达法在较高信噪比情况下具有较好的性能，但在多源信号和近场源情况下容易出现混淆。

特定统计模型的DOA估计算法包括最大似然法（Maximum Likelihood, ML）和最小二乘法（Least Squares, LS）等，它们通过建立合适的统计模型来估计DOA。

最大似然法和最小二乘法能够达到较高的精度，但计算复杂度较高。

除了子空间和非子空间的算法，还有一些其他的DOA估计算法。

例如，一些基于神经网络的算法可以通过训练神经网络来对DOA进行估计。

此外，基于压缩感知理论的DOA估计算法也具有较高的估计精度。

压缩感知理论可以通过融合多个传感器的测量数据来提高DOA估计的性能。

宽带相干信号doa和极化参数联合估计方法

宽带相干信号doa和极化参数联合估计方法
哎呀，这可是个大课题啊！今天我们就来聊聊宽带相干信号doa和极化参数联合
估计方法。

咱们得明白什么是doa啊。

doa,就是分布式孔径声源定位，就是说我们通
过信号来定位那个发出声音的家伙在哪里。

而极化参数呢，就是指信号的振动方向。

这两者结合在一起，就能帮助我们更准确地找到那个声音的来源了。

咱们先来看看怎么估计doa吧。

有几种方法，比如MUSIC、ESPRIT等等。

这些
方法都是基于信号之间的相关性来判断哪个方向的信号更强，从而推断出声源的位置。

这些方法都有一个共同的问题，就是它们只能处理有限数量的信号，而且对于非对称阵列，它们的效果就会大打折扣。

有了极化参数之后，我们又该如何利用它们呢？其实很简单，我们只需要将极化参数加入到doa估计的过程中即可。

这样一来，我们就可以同时考虑信号的方向和强度了，从而提高估计的准确性。

不过，要想让这个方法真正发挥作用，还需要解决一个问题，那就是如何准确地估计极化参数。

这个问题并不容易解决，因为极化参数受到很多因素的影响，比如信号传播路径的变化、接收器的偏置等等。

只要我们能够找到一种有效的方法来估计这些参数，就可以大大提高doa估计的精度了。

宽带相干信号doa和极化参数联合估计方法是一个非常有前景的研究方向。

它可
以帮助我们更好地理解声波在复杂环境中的传播规律，从而为实际应用提供更加准确的数据支持。

希望未来的科学家们能够在这个问题上取得更多的突破！。

doa估计原理

doa估计原理DOA（Direction of Arrival）估计原理是用来估计信号源的方向的一种方法。

在无线通信和雷达等领域中，DOA估计可以帮助我们确定信号源的位置和方向，从而进行目标跟踪、定位和定向等应用。

DOA估计的原理通常基于阵列信号处理技术。

这种方法使用多个接收天线组成的阵列来接收从不同方向传来的信号。

通过比较接收信号的时延、幅度和相位等参数，我们可以计算出信号源的方向。

下面是一些DOA估计的常见方法和算法：1. 波束形成（Beamforming）：波束形成是一种最简单和直观的DOA估计方法。

它通过调整不同接收天线的权重，使得合成的波束指向信号源的方向。

波束形成方法可以分为宽带波束形成和窄带波束形成两种。

2. MUSIC算法（Multiple Signal Classification）：MUSIC算法是一种基于子空间分解的高分辨率DOA估计方法。

它通过求解接收信号的协方差矩阵的特征向量，得到信号源的子空间，进而估计出信号源的方向。

3. ESPRIT算法（Estimation of Signal Parameters via Rotational Invariance Techniques）：ESPRIT算法是一种基于信号旋转不变性的子空间分解方法。

它通过接收信号的旋转算子来估计信号源的方向，从而达到高分辨率的DOA估计效果。

4. CBF算法（Conventional Beamforming）：CBF算法是一种传统的窄带DOA估计方法。

它通过对接收信号进行时延和幅度补偿，然后采用简单的波束形成技术来估计信号源的方向。

除了上述方法，还有许多其他的DOA估计算法，如ROOT-MUSIC、ESPRIT-AR、WSF、Frost算法等。

这些算法在不同的应用场景下具有不同的优缺点，可以根据实际需求选择合适的算法。

总的来说，DOA估计原理是基于阵列信号处理技术的，通过对接收信号的时延、幅度和相位等参数进行计算，来估计信号源的方向。

DOA估计算法

阵列信号处理中的DOA估计算法摘要：本文简要介绍了阵列信号处理的基本知识和其数学模型，并且对阵列信号处理中很重要的来波方向（DOA）估计方法进行了比较，主要包括古典谱估计方法、Capon最小方差法、多重信号分类（MUSIC）算法以及旋转不变因子空间（ESPRIT）算法。

通过这些算法的介绍和比较，我们可以很方便地在不同的情况下选择不同的算法去对信号的来波方向进行估计。

关键词：阵列信号处理；来波方向（DOA）；MUSIC；自相关矩阵；特征分解；ESPRIT DOA Estimation Algorithms in Array Signal Processing Abstract：In this paper, we have introduced the basic knowledge and data model of array signal processing and have compared many DOA estimation methods in array signal processing，which included classical spectrum estimation method、Capon minimum variance method、MUSIC method and ESPRIT method。

Through the introduction and comparison of these algorithms，we can choose different algorithm to estimate the DOA of signal in different situation，conveniently。

Key word s：array signal processing；DOA；MUSIC；self-correction matrix；eigendecomposition；ESPRIT1.引言近几十年来，阵列信号处理作为信号处理的一个重要分支，在声纳、雷达、通信以及医学诊断等领域得到了相当广泛的应用和发展。

宽带信号DOA估计自回归迭代算法

间隔的增加，DOA个数估计在DOA间隔大于4°后收敛于真实值，DOA估计偏差在DOA间隔超过10°后为零。本文基于MMSE准则提出一种宽带信号DOA估计算法，采用自回归迭代方法恢复信号的稀疏表示，估计出波达方向的信号幅度，由此同时得到信号源个数和波达方向估计，省去了对信号自相关矩阵的特征值分解和对相干信号的去相关预处理，具有超分辨率能力。仿真验证了新算法的有效性，对实际工程中宽带信号DOA估计的算法设计提供了有益的参考。
宽带信号DOA估计自回归迭代算法
ห้องสมุดไป่ตู้
摘要：基于最小均方误差(MMSE)准则提出一种宽带信号波达方向(DOA)估计算法。将宽带信号通过窄带滤波器组转化为窄带信号，采用自回归迭代方法恢复窄带信号的稀疏表示，根据稀疏表示得到信号源个数和DOA估计。该算法不仅有超分辨率能力，而且不必预先知道信号源个数。此外，本算法能对相干信号源进行DOA估计而不需要解相关预处理。仿真结果验证了该算法的有效性。关键词：自回归迭代； MMSE准则；稀疏表示； DOA估计
宽带信号DOA估计是阵列信号处理的一个重要分支，在目标跟踪、智能天线系统等方面有重要的应用。目前宽带信号DOA估计算法主要有两大类：一类是非相干信号子空间法(ISM)[1]，这类算法计算量大，分辨率低，且不能分辨相干信号源；另一类是相干信号子空间法(CSM)[2]，这类算法分辨率高且能分辨相干信号源，但需要根据已知的预估计角度求解聚焦矩阵。近几年提出的通过稀疏信号表示[3-4]进行DOA估计的算法(FOCUSS[5],l1-SVD[6]等)不必求信号的自相关矩阵并对其进行特征值分解,也不必预先估计信号源个数，且不需要对相关信号进行解相关预处理。本文基于MMSE准则提出宽带信号DOA估计自回归迭代算法,通过恢复信号的稀疏表示实现超分辨率宽带信号DOA估计。1 信号模型宽带信号的标准处理方法是将接收信号通过窄带滤波器组得到不同频率点的窄带信号[3-5]，再对其进行后续处理。设有N个阵元的均匀直线阵列，相邻阵元间距是入射信号最高频率的半波长，远场宽带信号从K (K≤N)个方向θ=[θ1,…,θK]到达阵列，通过D个中心频率在宽带信号频率范围内的窄带滤波器，得到D个不同频率点的窄带信号，频率点fd(1≤d≤D)处阵列单次快拍接收信号的表达式为:

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

维普资讯
２０第５期０７年
２０Ｎｏ．０７，５
电
子对ຫໍສະໝຸດ 抗总第１６期１
ＳｒｓＮｏ１６ｅｉ．ｌｅ
ＥＬＥＲＯＣＷＡＡＲＥ（ＮＩＲＦ
・
学术论文与技术报告・
基于ＣＭ的波束域宽带ＤＡ估计方法＊ＳＯ
Ａｓａｔｂｔｃ：Ｗｉｅａｄｃｈｒｔｉａ— ｂｐｃｅｏＣＭ）ｉａｐｒｔｇｒｈｉｂｎｒｄｂｎｏｅｅｇｌｓｓａｅｔｄ（ＳｎｓｎｕｍｈｓＪｉｏａｏｔｉｗｄａｄ１ｍｔａｉｍｎｅｎｌ
ＤＯＡｓｉｔｏｅｔｍａｉｎ．ＯｎｆｔｅｓｏｃｍｉｇｆＣＭｓｔａＭｓｓｎｉｉｅｔｈｒｌｍｎｒｅｏｈｒｏｎｓｏＳｉｈｔＣＳｉｅｓｔｖｏｔｅｐｅｉａｙＤＯＡｈｔｉｅｔｔｏａｓｄｉｅａｇｒｔｍ．Ｍａｙｐｏｌｍｓｔａｃｕｒｄｉａｉａｉｎｏｈｉｈｒｓｌｓｉｉｎｔｔｕｅｎｔｏｈａｍｈｈｌｉｎｒｂｅｔｏｃｒｅｎｒｌｚｔｆｔｅｈｇｅｏｕ— ｈｅｏｔｏｇｒｔｍｓａｅｓｌｅｙｂａｓａｅｍｅｏ，ｓｃｓｃｍｐｔｔｏｕｄｎ，Ｓｉｎａｏｈｒｏｖｄｂｅｍ—ｐｃｔｄｌｉｈｕｈａｏｕａｉｎｂｒｅＮＲｒｓｏｄａｄｈｔｅｈｌｎｍｏｅｉｏ．Ｔｅ —ｐｃｔｏａｄＳａｅｃｍｂｎｄｏｗｉｅａｄＤＯＡｓｉｔｎ．ＴｈｄｌｅＴｒｈｅｂａｓａｅｍｅｄｎＣＭｒｏｉｅｔｄｂｎｍｈｅｔｍａｉｏｅＳＮＲｒｓｏｄｆｔｅｅｍ—ｐｃＭｄｂｄｈｔｅｈｌｏｂａｓａｅｈｅａＤＯＡｅｔｔｏａｇｒｔｍｉｄｓｅｄｄ．Ｔｅｅｎｓｉｉｎｌｏｉｈｍａｓｅｃｎｅｈｎｗｍｅｏｓｃｍｐｔｔｎｅｆｃｅｔｉｌｔｏｅｕｔｅｎｔａｅｔｅｅｆｃｉｅｅｓｏｈｔｏ．ｈｔｄｉｏｕａｉｆｉｎ．ＳｍｕａｉｎｒｓｌｓｄｍｏｒｔｆｔｎｓｆｔｅｍｅｄｏｉｓｈｅｖｈＫｅｗｏｄ：ａｒｙｓｇａｒｃｓｉｇ；ｄｒｃｉｎｏ－ｒｉａｅｔｔｏｙｒｓｒａｉｌｐｏｅｓｎｎｉｅｔ — ｆａｒｖｏｌｓｉｉｎ；ｗｉｅａｄｓｕｃｓａｍｄｂｎｏｒｅ；ｗｉｅａｄｄｂｎ
Ａａ－ｐｃｉｅａｄＤＯＡｔｍａｉｎＡｌｏｉｈｓｄｏＭＢｅｍｓａｅＷｄｂｎＥｓｉｔｇｒｔｍＢａｅｎＣＳｏ
ＹｕＨｏｇｉＬｕＪａＨｕｇＺｉｏＺｏｙｎｑｉｉｎｎａｈｔｈｕＹｉｕａ
ｃｈｒｎｉｎｕｓａｅｍｅｈ；ｂａ —ｐｃｔｏｏｅｅｔｓｇａｓｂｐｃｔｏｌｄｅｍｓａｅｍｅｄｈ
内，因此，阵列的输出易于通过某一频率分量进行
１概述
阵列高分辨测向是阵列信号处理的一个重要研究方向。早期的研究对象一般为窄带信号，窄带信号的能量集中于一个与载频相比较小的频段
（ｃｏｌｆｌｔｎｃｎｅａｄＥｇｅｒｇａｏａＵｖｒｔｏｅｎｅＴｃｎｌｙＳｈｏｏｅｒｉＳｉｃｎｎｉｅｎ，Ｎｔｎｌｎｅｉｆｆｓｅｈｏｇ，ＥｃｏｃｅｎｉｉｉｓｙＤｅｏ
Ｃａｇｈ１），ｈｎ）ｈｎｓａ４（７ＣｉａＸ３
于红旗刘剑黄知涛周一宇
（国防科学技术大学四院，沙４０７）长１０３
摘要宽带相干子空间方法（Ｓ是宽带ＤＡ估计中一类重要算法，该方法对ＤＡＣＭ）Ｏ但Ｏ
预估较为敏感。波束域方法解决了窄带高分辨处理方法实用化过程中所遇到的一些问题，例如，降低了运算量，降低了算法的信噪比门限，易于消除模型误差等。新方法将波束域算法与宽带相干子空间方法结合，降低了算法的信噪比门限，小了算法的运算量，减降低了对ＤＡ预估精度要求。仿真结果证明了算法的有效性。Ｏ关键词阵列信号处理波达方向估计宽带信号宽带相干子空间方法波束域方法
基金项目：国家自然科学基金资助项目（准号：５２４）批６００００收稿日期：０７７月２２０年５日
向量化，而宽带情况下阵列输出的相位差不仅仅
依赖于ＤＡ同时还依赖于时域的频率，Ｏ，当信号为宽带信号时，时域频率具有较宽的范围，频段的