提出了适用于面阵中的基于级联多重信号分类(multiple signal classification,MUSIC)方法的二维波达方向(direction of arrival,DOA)估计算法。该算法仅采用级联的一维搜索即可实现二维DOA的联合估计,避免了经典二维MUSIC算法的复杂计算量,复杂度大大降低,同时角度估计性能非常接近经典二维MUSIC算法。此算法可以实现二维角度的自动配对,角度估计性能优于传播算子算法(propagator method,PM)以及借助于旋转不变技术的信号参数估计算法。同时,该算法可以很好地估计出相同方位角(或仰角)的信源。结合算法的高性能及低复杂度,该算法拥有更广泛的适用范围,其优越性得到验证。
This paper discusses the problem of direction of departure (DOD) and direction of arrival(DOA) estimation for a bistatic multiple input multiple output(MIMO) radar,and proposes an improved reduced-dimension Capon algorithm therein.Compared with the reduced-dimension Capon algorithm which requires pair matching between the two-dimensional angle estimation,the proposed algorithm can obtain automatically paired DOD and DOA estimation without debasing the performance of angle estimation in bistatic MIMO radar.Furthermore,the proposed algorithm has a lower complexity than the reduced-dimension Capon algorithm, and it is suitable for non-uniform linear arrays.The complexity of the proposed algorithm is analyzed and the Cramer-Rao bound (CRB) is also derived.Simulation results verify the usefulness of the proposed algorithm.
该文提出脉冲超宽带(Impulse Radio Ultra WideBand,IR-UWB)系统中一种基于改进传播算子算法(Propagator Method,PM)的到达时间(Time-Of-Arrival,TOA)和波达方向(Direction-Of-Arrival,DOA)联合估计方法。首先直接对接收信号的频域形式建模,然后采用改进的PM算法估计出两根天线的TOA参数,最后由两根天线的到达时间差计算出信号的DOA参数,从而达到TOA和DOA联合估计的目的。该算法无需谱峰搜索就可直接得到TOA和DOA的闭式解,且可以实现参数自动配对,大大降低了复杂度。最后给出了该算法的大量实验仿真,以及与现有算法的比较,仿真结果验证了该方法的可行性、稳健性和优越性。
提出了面阵中基于降维Capon的二维波达方向(direction of arrival,DOA)估计算法.先求得接受信号的协方差矩阵,再对其变换式进行谱峰搜索估计出一个参数,进而通过最小二乘估计出第2个参数.采用一维全局搜索实现二维DOA的联合估计,可避免二维Capon算法由二维谱峰搜索带来的巨大计算量,从而大大降低了计算复杂度,且角度估计性能非常接近于二维Capon算法.该算法既可以实现二维角度的自动配对,又可以精确地估计出相同方位角(或仰角)的信源,其优越性均可在文中得到验证.
研究了声矢量传感器阵动目标角度跟踪问题,并提出了声矢量传感器阵中一种基于Kalman滤波和正交压缩近似投影子空间跟踪(Orthonormal projection approximation and subspace tracking of deflation,OPASTd)的波达方向(Direction of arrival,DOA)跟踪算法。该算法通过OPASTd算法来进行DOA的跟踪,从而克服了PASTd算法由于在某些情况下振荡但不收敛进而压缩数据、在迭代更新中由特征向量的不准确性产生误差累积等原因引起破坏信号子空间正交性的缺陷。Kalman滤波和OPASTd相结合算法可在估计角度的同时进行数据关联,与传统的PASTd算法相比,角度跟踪性能更好。该算法的优越性均可在文中得到验证。
