针对经典高分辨波达方位(DOA)估计方法在低信噪比下分辨性能较差的问题,该文提出一种适用于主动探测系统的基于互相关矩阵的改进多重信号分类(MUSIC)高分辨方位估计方法(I-MUSIC)。该方法首先利用主动声呐发射信号已知的特性,将发射信号与阵元接收信号进行互相关,利用互相关序列形成新的空域协方差矩阵,再进行特征分解。理论分析表明,互相关处理在抑制噪声的同时保留了阵元之间的相位信息,可以得到比MUSIC方法更准确的子空间划分,进而提高低信噪比方位估计性能。在此基础上,提出一种基于相关时间门限的改进MUSIC高分辨方位估计(T-MUSIC)方法,通过对互相关序列设置时间门限进一步提高方位估计信噪比。仿真结果表明,与MUSIC方法相比,I-MUSIC与T-MUSIC可以分别使低信噪比时的估计性能提高3 d B和6 d B,相应平均估计误差分别为原方法的77%和53%。在阵元间接收噪声存在相关性时,T-MUSIC与I-MUSIC方法相比可获得8 d B的估计增益,估计性能更优。I-MUSIC与T-MUSIC应用于多目标主动探测,可大幅提高探测系统在低信噪比下的方位估计性能。
波达方位(Directions Of Arrival,DOA)估计技术在海洋水声参数估计、雷达探测、生物医学超声成像技术等多个领域都具有广泛的应用。由于目前DOA估计在实际应用中存在小快拍现象,导致系统的估计精度低和实时性差并无法满足日益增长的高...
详细信息
波达方位(Directions Of Arrival,DOA)估计技术在海洋水声参数估计、雷达探测、生物医学超声成像技术等多个领域都具有广泛的应用。由于目前DOA估计在实际应用中存在小快拍现象,导致系统的估计精度低和实时性差并无法满足日益增长的高精度需求。压缩感知(Compressed Sensing,CS)算法作为解决小快拍问题有力地技术手段,成为当前阵列信号处理领域的研究热点。但是目前压缩感知算法都是关于均匀过完备字典的最优化问题,当过完备字典的数据网格设置过细时,会导致计算复杂度变高并阻碍其在实际系统中的应用。
首先,针对传统压缩感知算法,在均匀过完备字典数据网格设置较大的情况下,出现精度低和不能实现大量实时计算的问题,提出了一种基于非均匀过完备字典的压缩感知算法。该方法的基本思想是通过信号子空间分解类算法中经典的多重信号分类(Multiple Signal Classification,MUSIC)算法或旋转不变子空间(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法等计算复杂度低的方法快速估计粗略的初始解,并在初始解附近生成密集的网格,而远离初始解划分为较粗的网格,以此来构建压缩感知算法的非均匀过完备字典。实验结果表明,基于非均匀过完备字典的压缩感知算法与传统算法相比,降低了DOA估计的计算复杂度,并在一定程度上提高了信号估计的精度。
其次,针对压缩感知算法在重构过程中出现的局部最优化问题,提出一种基于遗传算法(Genetic Algorithm,GA)改进正交匹配追踪(Orthogonal Mathing Pursuit,OMP)算法的信号重构优化方法(GA-OMP)。该方法是将压缩感知稀疏重构过程中的OMP算法与具有全局快速收敛特性的遗传算法结合,有效提高DOA估计的效率和信号重构的精度。该算法的基本思想是对支撑集进行初始化,通过施密特正交化方法计算残差并得到一个目标原子,采用遗传算法对初始化后的原子进行反复迭代,从而得到DOA估计的最优值。实验结果表明,与OMP算法相比,本文提出的GA-OMP算法在低信噪比情况下,有效提高了信号重构的精度,具有更好的全局收敛能力。
最后,针对L型阵列中二维DOA估计(2 Dimension-Direction of Arrival,2D-DOA)的方位角与俯仰角匹配不准确问题,构造了与方位角和俯仰角呈正余弦关系的辅助角。该方法先将二维信号有效转换为两个一维信号,分别求出方位角和俯仰角,再利用辅助角求出方位角和对应的俯仰角。由此解决了二维信号中的特征值分解带来的角度不匹配的问题。实验结果表明,采用正余弦关系的空间合成角方法,可有效避免特征值分解所带来的冗余计算并提高了角度匹配的精度。
通过MATLAB仿真研究表明,在不同信噪比、小快拍条件下,基于非均匀过完备字典的压缩感知算法与GA-OMP算法共同改进的DOA估计算法,具有精度高、计算复杂度低、实时性好等优点,更适用于实际系统中的应用。
针对传统波达方向(Direction of Arrival,DOA)估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题,文章提出了一种基于协方差矩阵托普利兹(Toeplitz)矩阵重构的多重信号分类(Multiple Signal Classification,MUSIC)算法的波达...
详细信息
针对传统波达方向(Direction of Arrival,DOA)估计方法通过空间平滑对相干信号进行处理损失阵列孔径的问题,文章提出了一种基于协方差矩阵托普利兹(Toeplitz)矩阵重构的多重信号分类(Multiple Signal Classification,MUSIC)算法的波达方位估计方法。该方法首先根据阵列接收数据的协方差矩阵及其翻转矩阵来构造新协方差矩阵,并利用新协方差矩阵构造Toeplitz矩阵,然后对其进行特征值分解,得到Toeplitz矩阵的噪声子空间,利用噪声子空间求出信号空间谱,通过谱峰搜索估计入射信号的方位角。文中方法拓展了阵列孔径,增加了可估计相干信号的数量,提升了方位估计的性能,提高了阵列的空间分辨率。仿真和湖上实验数据处理结果表明,文中方法可估计出更多的相干信号,而且在低信噪比、少快拍以及信号入射角度间隔较小时仍然具有良好的方位估计性能。
在阵列信号处理（Sensor Array Signal Processing）中,波达方位（Direction-of-Arrival,DOA）估计是非常重要的研究方向之一,它广泛应用于勘探、雷达、导航、射电天文学以及地震等众多军事领域和国民经济领域。在实际波达方位估计系统...
详细信息
在阵列信号处理（Sensor Array Signal Processing）中,波达方位（Direction-of-Arrival,DOA）估计是非常重要的研究方向之一,它广泛应用于勘探、雷达、导航、射电天文学以及地震等众多军事领域和国民经济领域。在实际波达方位估计系统中,相关干涉仪算法是一种常用的测向算法,具有算法简单,灵敏度高等优点,并且该算法精度较高,因而被广泛应用于多通道和单通道系统中。然而在实际系统中,相关干涉仪受多种误差的影响,导致测得的波达方位与实际波达方位不符,因此有必要针对相关干涉仪算法进行多误差建模分析并进行校正。目前在实际系统中应用的测向算法主要是相关干涉仪算法,但超分辨测向方法是一种主流趋势,在未来的实际系统应用中必然将会采用超分辨测向算法,随机最大似然算法（SML）是一种重要的超分辨测向算法,理论上,SML算法有着最优的DOA估计性能,但是由于SML算法的求解过程涉及到多维非线性最优化问题,其计算复杂度非常高,阻止了该算法在实际系统中的应用,因此,本文将针对SML算法进行分析与改进,以使该算法能够尽早在实际系统中得以广泛应用。主要研究工作如下:首先,针对相关干涉仪算法在实际系统应用中产生的多种误差,本文给出针对相关干涉仪算法的多误差模型,并对误差模型进行校正。波达方位估计的误差主要来自鉴频器对信号频率的测量误差、射频开关在相位切换时的误差、信号测量时得到的幅值误差和阵元的半径与信号波长之间的比例关系四个方面。针对这四种误差,本文进行建模和分析,并进一步采用有源校正算法进行校正。本文采用的有源校正算法是基于相关干涉仪算法的有源校正,由于有源校正算法属于离线校正,不用考虑计算量,因此在求（38）矩阵时采用MUSIC算法进行求解。实验结果表明,考虑多误差模型情况下的信号的方位估计相比不考虑多误差模型情况下的信号方位估计测得的结果更准确。针对SML算法计算复杂度高的问题,提出一种限定粒子群（PSO）算法初始化空间的SML算法。该算法克服了一个缺陷,即在采用ESPRIT算法限定PSO初始化空间时,在阵列结构是非均匀线性阵列而且信号是相干信号时ESPRIT算法不能直接处理信号,且需要采用一组预处理技术,这增加了算法计算的复杂度。提出的算法的关键之处在于采用假设方法确定初始化点来代替ESPRIT算法的解,结合克拉美罗界（CRB）确定PSO算法的初始化解空间,这一方法不必再采用预处理技术,且利用限定PSO初始化空间的算法大大降低了SML算法的计算复杂度。实验结果表明,提出的算法为相干情况和非相干情况都提供了相当好的初始值,最后,将该算法与许多现有算法进行了比较,验证了提出算法的有效性和准确性。
针对永磁电机电磁噪声定位问题，提出了一种基于声源波达方位估计的电磁噪声诊断方法。该方法在电机由变频器供电的运行工况下进行多信道噪声采样，通过先验频率数据识别各噪声信道中的电机电磁噪声源特征，结合DBSCAN聚类算法和能量门限，有效提取窄带信号。采用改进的噪声子空间重构算法（MCT-IRNSMUSIC）对窄带信号进行波达方位（Direction of Arrival，DOA）估计，并通过自适应加权得到最终DOA估计结果。该算法拓展了阵列孔径，实现了针对多相干信号源的有效方位角估计，提高了混响环境下的准确性。仿真对比和实验结果表明，相较于传统算法，该方法具有更高的准确性和鲁棒性，其噪声源定位准确率可达96.2%，在工程应用中具有重要价值。
暂无评论