基于BPSK和MASK信号源特点的实值ESPRIT算法

在信号源为BPSK和MASK的情况下，提出了一种波达方向（DOA）估计方法。对于等距线阵上的接收数据，此算法根据信号源为实信号的特点，利用欧拉公式形成正弦和余弦数据，并将其加以串联，这相当于将阵元个数加倍，然后在此基础上运用ESPRIT类算法估计波达方向。由于正（余）弦数据为实值数据，所以本文提出的算法可以有效地将运算量减少到相同维数复值运算量的1／4。仿真实验表明新算法不仅估计精度高，而且能够处理的信号个数可大于阵元个数。     

一种改进的基于波束空间的酉-ESPRIT算法

针对酉-ESPRIT算法估计精度较高但是对信噪比水平变化比较敏感的问题，提出了一种改进的用于DOA估计的酉-ESPRIT算法。该算法首先对观测数据在变换域中进行预处理使信号能量更集中，然后进行波束变换，在波束空间中估计信号的到达方向。文中采用的波束形成矩阵使用较少的波束数可以在更广范围内搜索信号以避免漏掉有用信号，因此减少了运算量。通过计算机仿真试验可知，无论在白噪声还是色噪声背荣下，与酉-ESPRIT算法相比，本算法不仅减少了计算量，并且具有更小的信噪比门限，提高了酉-ESPRIT算法的鲁棒性。     

一种改进的基于传播算子的二维DOA估计算法

针对面阵中的波达方向估计算法复杂度过大的问题，提出了一种改进的基于传播算子的二维面阵波达方向（Direction of Arrival,DOA）估计算法。该改进算法基于面阵平移不变性质，将原始子面阵在X和Y轴上分别平移得到两个子面阵，将两个子面阵相加得到虚拟子面阵，利用原始子阵和虚拟子面阵构造新的信号矢量，基于传播算子算法求出其特征值，特征值中的模值和相位值包含信源的二维角度信息，由此可求出自动配对的二维角度。与基于传播算子的二维DOA估计算法相比，该算法有效降低了运算复杂度，且保持性能相近。仿真实验验证了算法的有效性。     

基于相干对消的噪声子空间自适应估计

MUSIC算法的运算量主要集中在特征值分解和空间谱的搜索两部分,为避免进行特征 值分解,将相干信号自适应对消的思想用于噪声子空间的估计。由于阵元输出信号完全相干 ,视一个阵元输出为参考信号,其它阵元输出能够完全对其进行对消,得到的系数矩阵作为 噪声子空间的估计。基于LMS算法,给出了算法的矩阵形式,得到的噪声子空间估计算法的 运算量大大降低,且以迭代的方式进行,适合应用于运动信号源的跟踪,在阵元数较大时能 很好地逼近MUSIC算法性能。为减少空间谱搜索过程的计算量,对搜索过程先用系数矩阵的 一列进行搜索,然后采用其它列对搜索峰值进行验证。仿真结果显示算法具有很好的空间谱 估计性能和DOA跟踪性能。     

酉稀疏贝叶斯学习降维MIMO雷达角度估计

针对收发共址多输入多输出（Multiple-Input Multiple-Output,MIMO）雷达的低计算复杂度波达方向（Direction of Arrival,DOA）估计问题,提出一种降维的MIMO雷达高精度DOA新算法。首先采用经过白化的降维矩阵对MIMO雷达脉冲压缩后的接收信号进行降维;然后通过最优信号子空间拟合对无幅度误差阵列流型下的接收信号矩阵进行重构;接下来通过酉变换得到实值增广数据矩阵,并在实值稀疏字典矩阵下对其进行稀疏表示;接着将DOA估计问题转化为行稀疏矩阵的稀疏恢复问题,通过改进的稀疏贝叶斯学习对其进行求解,实现目标DOA的估计。理论分析和仿真实验结果验证了该方法的有效性和实用性。     

采用局部搜索的二维DOA估计

针对酉旋转不变估计信号参数(Unitary-ESPRIT)算法估计精度较低的问题，提出了一种采用局部搜索实现的非相干信源二维波达方向(2-D DOA)估计方法。该方法首先利用实特征矢量近似值估计导向矩阵,然后利用矩阵Kronecker积性质以及阵列旋转不变特性获得自动配对的角度估计值，降低了2-D DOA初始估计复杂度,实现了对Unitary-ESPRIT算法的改进；接着，采用一维局部搜索法对该初始估计结果进行优化，提高了低信噪比下的2-D DOA估计精度。仿真实验结果表明，相较于传统的Unitary-ESPRIT算法，所提方法在DOA估计精度和成功率上具有明显的优势，特别是在低信噪比以及快拍数较少条件下，因此该方法能够在计算复杂度和估计性能之间取的较好的折中。     

均匀圆阵二维波达角估计的Cramer-Rao界

均匀圆阵(UCA)是一种应用广泛的具有二位波达角估计能力的平面阵列。为了从理论上分析 不同阵列参数下到达波方位角(AOA)、仰角估计精度,推导了均匀圆阵二维波达角估计的性 能界, 以此为基础分析了阵列孔径、阵元个数、快拍数以及来波仰角高低与到达角估计精度的关系 ,并通过对UCA MUSIC算法计算机仿真验证了推导结果的正确性。研究结果为波达角估计类 算法提供了可供参考的性能下界,圆阵设计时也不再需要大量的Monte Carlo仿真试验确定 阵列参数,可直接从估计精度表达式中获得。     

一种基于矩阵三对角化分解的DOA估计算法

针对DOA（Direction of Arrival）估计在低信噪比的情况下估计性能下降的问题, 根据阵列协方差矩阵共轭对称的特点,采用基于Givens变换的三对角化分解方法对协方 差矩阵进行三对角化,同时利用盖氏(Gerschgorin)圆递推方法准确估计信号子空间的秩, 然后再对三对角 矩阵进行对角化,估计出噪声子空间,利用噪声子空间与导向矢量正交实现波达方向估计, 改善了低信噪比背景下估计的误差性能和稳健性。计算机仿真证明了算法的有效性 。     

短快拍条件下均匀矩形阵中的二维DOA估计

二维波达方向（Direction of Arrival,DOA）估计能获取比一维DOA估计更多的空间位置信息，但是二维多重信号分类(Multiple Signal Classification，MUSIC)、二维子空间旋转不变估计技术(Estimation Signal Parameter via Rotational Invariance Techniques,ESPRIT）等经典算法依赖于大量的快拍数据，当快拍数据不足时估计性能严重下降甚至失效。针对上述问题，将迭代自适应方法拓展到二维DOA估计，提出了一种适用于矩形面阵的二维DOA估计算法，首先利用加权最小二乘法估计出信号幅值，然后利用循环迭代技术对估计结果进行更新。由于每次估计结果均来自上一次迭代，而不依赖于快拍数据，因此该算法在短快拍条件下具有很高的估计精度和分辨率。仿真结果表明，在短快拍条件下，该算法具有优越的估计性能。     

采用降秩多级维纳滤波器的二维DOA估计快速算法

针对双平行线阵的二维波达方向（DOA）估计问题,为有效降低计算复杂度,提出了一种基于降秩多级维纳滤波器（MSWF）的快速算法。首先利用MSWF的前向递推实现信号子空间的快速估计,无需估计协方差矩阵和特征分解;然后,通过MUSIC算法对方位角和俯仰角的估计进行分维估计,使二维DOA估计退化为两个一维DOA估计问题,且方位角和俯仰角自动配对,进一步降低了运算量。仿真结果表明,该方法的估计精度优于同样基于双平行线阵提出的波达方向矩阵法（DOAM）,俯仰角兼并时同样适用,计算复杂度低,适用于实时性要求高的应用背景。     

分布式嵌套阵列及其DOA估计

提出了一种分布式嵌套阵列天线结构,由两个相互独立的四级嵌套子阵构成。两个子阵间存在一个基线长度,且满足一定条件。对该阵列天线接收到的信号进行高阶累积量和Khatri-Rao积运算可以得到三个完全相同的均匀直线阵列天线结构。针对新得到的阵列天线结构,使用基于空间平滑技术的双尺度酉旋转不变子空间（ESPRIT）波达方向（DOA）估计算法对信号进行DOA估计。该方法可以有效地提高阵列天线的自由度,进而达到提高估计精度的目地。仿真结果证明了基于所提出阵列天线结构的DOA估计方法的有效性。     

一种采用刀切法的单通道信源数估计算法

针对现有信源数估计算法不能直接用于单通道接收模型且抑噪能力较差的问题，提出了一种采用刀切法的单通道信源数估计算法。该算法首先通过间隔抽样实现了单通道接收信号多维数的转换，得到矢量化空间；然后采用刀切法将此组空间重构多个协方差矩阵，经酉变换后结果取平均；最后通过循环迭代得到最优信源数。理论分析和仿真结果表明，该算法在白、色噪声环境下能有效抑制噪声，且在低信噪比及采样点较少时能更准确估计信源数，相较于传统的估计算法，显著提高了检测性能。     

基于循环特性的均匀圆阵快速空间谱计算

针对在阵元数多、分辨率要求高的情况下，基于均匀圆阵的空间谱直接计算方法存在计算量大、实时性差的缺点，利用循环矩阵、离散傅里叶变换、卷积运算之间的内在联系，提出了一种快速空间谱计算方法。仿真结果表明，在保持测向性能完全一致的情况下，所提快速算法降低空间谱计算过程中角度搜索阶段的计算量随阵元数增加而增加；且在相同计算量条件下，所提快速算方法可以用于更高精度和分辨率的角度搜索。     

均匀平面阵下的二维DOA估计与互耦自校正

针对存在互耦效应时均匀平面阵的测向鲁棒性问题,提出了一种基于秩损准则的互耦自校正算法。根据对互耦效应的先验知识,提出的算法只需将受互耦扰动的阵列响应在变换域中重新排列,便可在后续处理中屏蔽掉互耦效应的不利影响,同时也避免了现有工作中存在的阵列孔径损失问题。借助秩损估计原理,在变换域中设计了一种巧妙的计算步骤,使得方位估计的降维操作得以实现;并且,后续还可通过特征分解法得到更精确的互耦系数估计,以进行阵列误差自校正。与现有的研究工作相比,所提算法无论是在估计精度,还是在计算效率上均有着显著的性能优势。     

基于压缩感知的分布式协同估计算法

为了降低分布式协同估计算法的计算量并改善其收敛性能，提出了基于压缩感知(CS)和递归最小二乘(RLS)的分布式协同估计算法。该算法在传统RLS分布式协同估计算法的基础上引入压缩感知技术，首先在压缩域中进行递归最小二乘运算，然后利用压缩感知重构算法得到未知参数向量的估计值。提出的算法能够在增量式策略和两种模式的扩散式策略下实现对未知向量的有效估计。理论分析和仿真结果表明，该算法一方面降低了RLS分布式协同估计算法的计算量，另一方面保持较快的收敛速度与良好的均方误差性能。     

基于压缩感知DOA估计的稀疏阵列设计

根据格拉姆(Gram)矩阵优化测量矩阵的方法，给出了一种基于压缩感知波达方向（DOA）估计的均匀线阵的稀疏阵列设计方法。该方法不需要对阵列的输出数据进行压缩采样，直接利用稀疏阵列的输出数据，然后利用稀疏恢复算法求解DOA估计信息。实验仿真证明，相比于原均匀线阵，所提方法在阵元数目较少且信噪比较低的情况下具有更好的DOA估计性能。     

阵形畸变对拖线阵三维探测性能的影响及补偿技术

针对拖曳阵阵形畸变导致的目标检测不准确问题，首先，分析了阵形畸变对拖线阵三维探测性能的影响，并论证了利用实际阵形在垂直方向形成的孔径实现对目标深度信息提取可行性；然后，依据拖线阵中姿态与深度传感器监测数据，提出一种基于阵形自动拟合的三维补偿技术；最后，通过三维补偿技术修正导向矢量，降低导向矢量与协方差矩阵之间不匹配度，解决阵形畸变所导致的目标检测不准确问题。数值仿真结果表明，对畸变阵形进行三维阵形估计和补偿，实现了对未知目标的三维探测，且避免了标校声源对拖线阵实时探测目标的影响，便于工程应用。     

一种基于区域搜索的全局运动估计与补偿算法

开展全局运动估计与补偿研究是进行动态目标检测中的基础和前提。在总结现有运动估计与补偿方法的基础上,提出一种基于图像分割区域的运动性和大小的全局运动估计与补偿算法。首先,通过建立区域搜索的全局运动模型,同时进行区域定性分割和区域大小排序;然后,根据误差最小化准则在指定的分割区域中进行线性递归搜索,利用门限准则寻找出最佳的运动估计参数;最后,根据双线性内插法获得运动位移量。实验结果比较可知,所提算法较三步搜索算法(TSS)和全局搜索算法(FSA)等传统算法具有更高的准确性(图像平移帧差)和实时性(算法运行时间),能够很好地实现运动背景的全局校正。