针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面...针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面(time-varying metasurface,TVM)硬件约束的情况下,该方法利用单元状态会持续一段时间的性质,交错不同列单元的变化起始时间,在一个状态持续时间内获得了多个不同的响应。异步调控方法能够使TVM在受材料限制的情况下,等效增加虚拟多通道个数,提高DOA估计的精度。仿真结果验证了方法的有效性,相较于现有的同步调控方法,新方法在DOA估计性能上有了较大提升,能够逼近理论上的最优DOA估计结果。展开更多
为了能够准确高效地对离格信号的波达方向(Direction of Arrival, DOA)进行估计,利用卷积神经网络来提取信号协方差矩阵中的深度特征信息,并采用改进型标签策略来确保网络的估计精度和效率。具体来说,通过带小数的标签来注释协方差矩阵...为了能够准确高效地对离格信号的波达方向(Direction of Arrival, DOA)进行估计,利用卷积神经网络来提取信号协方差矩阵中的深度特征信息,并采用改进型标签策略来确保网络的估计精度和效率。具体来说,通过带小数的标签来注释协方差矩阵构成的张量,并配合上改进后的二进制交叉熵损失函数来使得所提出的小数标签能够用于网络训练。针对DOA估计对应的多标签—多分类的问题,使用了包含6层结构的卷积神经网络的输出单元类别以及幅度来分别对离格信号的DOA整数部分与小数部分进行重构。通过与6种现有典型方法的均方根误差(Root Mean Square Error, RMSE)仿真对比,所提方法能够在信噪比为-10 dB的情况下保持着RMSE<0.5°的优秀表现。虽然无法在较少快拍下正常工作,但该方法在快拍数大于8的条件下仍然保持着RMSE<1°的表现性能。同时,在信号数量为5时,所提方法依然具有较高的估计稳定性,且计算速度能够达到毫秒级,用时明显低于其他方法。展开更多
动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡...动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡尔曼滤波的抗抖动DOA估计算法。首先,针对角度随机抖动导致的接收端数据非线性问题,提出了一种非线性误差分离方案,将接收数据中的抖动误差转化为易于分离的线性分量,便于后续的抖动分量滤除。其次,为了使接收数据与卡尔曼滤波算法相匹配,提出了一种异构码本循环方案,通过在长时间尺度上构建相同的DMA码字,以支持卡尔曼滤波算法利用累积的时间信息来识别和滤除抖动误差。最后,卡尔曼滤波处理后的数据通过原子范数方法恢复出稀疏信号,并采用基于Han kel矩阵分解的多信号分类(multiple signal classification,MUSIC)方法进行空间谱估计。仿真结果证实,在相同信噪比(signal-to-noise ratio,SNR)条件下,所提方案相较于传统的多次估计平均方案,估计精度提升了48%,估计结果更接近无抖动的理想状态。展开更多
Sparse array design has significant implications for improving the accuracy of direction of arrival(DOA)estimation of non-circular(NC)signals.We propose an extended nested array with a filled sensor(ENAFS)based on the...Sparse array design has significant implications for improving the accuracy of direction of arrival(DOA)estimation of non-circular(NC)signals.We propose an extended nested array with a filled sensor(ENAFS)based on the hole-filling strategy.Specifically,we first introduce the improved nested array(INA)and prove its properties.Subsequently,we extend the sum-difference coarray(SDCA)by adding an additional sensor to fill the holes.Thus the larger uniform degrees of freedom(uDOFs)and virtual array aperture(VAA)can be abtained,and the ENAFS is designed.Finally,the simulation results are given to verify the superiority of the proposed ENAFS in terms of DOF,mutual coupling and estimation performance.展开更多
针对L型阵列在二维波达方向(Direction-of-Arrival,DOA)估计参数,估计过程后期随着信噪比(Signal to Noise Ratio,SNR)的提高测向误差几乎没有变化,维持在0.15°左右,提出了修正F型阵列构型。该阵列在不额外增加阵元数的情况下,充...针对L型阵列在二维波达方向(Direction-of-Arrival,DOA)估计参数,估计过程后期随着信噪比(Signal to Noise Ratio,SNR)的提高测向误差几乎没有变化,维持在0.15°左右,提出了修正F型阵列构型。该阵列在不额外增加阵元数的情况下,充分利用阵元所包含的信号信息使用2次传播算子(Propagation Method,PM)算法对俯仰角和方位角进行2次估计。仿真试验结果表明,修正F型阵列能够实现信号的DOA估计,在高SNR情况下侧向误差减小到0.07°左右,相比均匀L型阵列,该阵列在高SNR情况下估计精度提升了53.3%,在小快拍数情况下成功率也提高了20%,具有稳定、精确的估计精度。展开更多
多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算...多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel矩阵并施加Schatten-p范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。展开更多
在传统测向方法中,测向精度正比于阵列孔径,因此布阵空间与测向精度的矛盾性成为电子侦察系统在无人机等平台应用的主要工程约束之一。为实现空间受限下的高精度测向,提出一种通过协方差矩阵重构阵列接收数据的波达方向(Direction of Ar...在传统测向方法中,测向精度正比于阵列孔径,因此布阵空间与测向精度的矛盾性成为电子侦察系统在无人机等平台应用的主要工程约束之一。为实现空间受限下的高精度测向,提出一种通过协方差矩阵重构阵列接收数据的波达方向(Direction of Arrival,DOA)方法。结合均匀线阵的结构特点以及导向矢量Vandermonde矩阵与协方差Toeplitz矩阵的矩阵特征,通过重构阵列数据接收模型,实现阵列孔径的拓展,可在布阵空间不变的条件下显著提升阵列的测向精度。仿真结果表明,这种基于协方差数据重构的DOA方法实用有效,可作为传统DOA技术的前处理手段,提升算法性能及处理增益。展开更多
针对现有波达方向估计(Direction of Arrival, DOA)算法在低信噪比、多信源条件下估计精度不足、效率低等问题,提出了一种基于可分离替代函数算法的矢量水听器阵列多快拍DOA估计方法.首先对空域等角度均匀划分,构造出超完备冗余字典,建...针对现有波达方向估计(Direction of Arrival, DOA)算法在低信噪比、多信源条件下估计精度不足、效率低等问题,提出了一种基于可分离替代函数算法的矢量水听器阵列多快拍DOA估计方法.首先对空域等角度均匀划分,构造出超完备冗余字典,建立信号多快拍数据在空域的稀疏表示模型,然后采用可分离替代函数算法思想解决稀疏重构问题,求解出信号在空域的稀疏系数矩阵,最后将稀疏矩阵中行向量的范数映射到空域网格上,得到DOA估计值.仿真实验表明:该方法在低信噪比、多信源条件下拥有比子空间类算法、贪婪类算法以及现有凸优化类估计算法更高的DOA估计精度和更强的鲁棒性,与同类算法相比执行效率更高.展开更多
传统的无网格压缩感知在进行波达方向(Direction of Arrival,DOA)估计时,使用凸优化工具箱(如CVX)来求解半正定规划问题(Semi-Definite Programming,SDP),所消耗的时间会随着矢量水听器阵列规模的增加,逐渐增大。为了提高算法的收敛速度...传统的无网格压缩感知在进行波达方向(Direction of Arrival,DOA)估计时,使用凸优化工具箱(如CVX)来求解半正定规划问题(Semi-Definite Programming,SDP),所消耗的时间会随着矢量水听器阵列规模的增加,逐渐增大。为了提高算法的收敛速度,将交替方向乘子法(Alternative Direction Method of Multiplier,ADMM)应用到矢量水听器阵列的DOA估计中,考虑到海洋环境噪声,使用原子范数去噪方法(Atomic Norm Soft Thresholding,AST)来估计线谱参数,将原子范数最小化问题(Atomic Norm Minimization,ANM)转化为SDP问题,使用ADMM对SDP问题进行求解,最后使用对偶多项式估计角度。为了验证ADMM算法的性能,在不同信噪比和矢量阵元数条件下,与快速求根多重信号分类(Root-Multiple Signal Classification,ROOTMUSIC)算法和CVX进行对比仿真实验。结果表明,ADMM在保证DOA估计模型收敛性的同时,提高了算法效率。展开更多
The performance of traditional high-resolution direction-of-arrival(DOA)estimation methods is sensitive to the inaccurate knowledge on prior information,including the position of ar-ray elements,array gain and phase,a...The performance of traditional high-resolution direction-of-arrival(DOA)estimation methods is sensitive to the inaccurate knowledge on prior information,including the position of ar-ray elements,array gain and phase,and the mutual coupling between the array elements.Learning-based methods are data-driven and are expected to perform better than their model-based counter-parts,since they are insensitive to the array imperfections.This paper presents a learning-based method for DOA estimation of multiple wideband far-field sources.The processing procedure mainly includes two steps.First,a beamspace preprocessing structure which has the property of fre-quency invariant is applied to the array outputs to perform focusing over a wide bandwidth.In the second step,a hierarchical deep neural network is employed to achieve classification.Different from neural networks which are trained through a huge data set containing different angle combinations,our deep neural network can achieve DOA estimation of multiple sources with a small data set,since the classifiers can be trained in different small subregions.Simulation results demonstrate that the proposed method performs well both in generalization and imperfections adaptation.展开更多
文摘针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面(time-varying metasurface,TVM)硬件约束的情况下,该方法利用单元状态会持续一段时间的性质,交错不同列单元的变化起始时间,在一个状态持续时间内获得了多个不同的响应。异步调控方法能够使TVM在受材料限制的情况下,等效增加虚拟多通道个数,提高DOA估计的精度。仿真结果验证了方法的有效性,相较于现有的同步调控方法,新方法在DOA估计性能上有了较大提升,能够逼近理论上的最优DOA估计结果。
文摘为了能够准确高效地对离格信号的波达方向(Direction of Arrival, DOA)进行估计,利用卷积神经网络来提取信号协方差矩阵中的深度特征信息,并采用改进型标签策略来确保网络的估计精度和效率。具体来说,通过带小数的标签来注释协方差矩阵构成的张量,并配合上改进后的二进制交叉熵损失函数来使得所提出的小数标签能够用于网络训练。针对DOA估计对应的多标签—多分类的问题,使用了包含6层结构的卷积神经网络的输出单元类别以及幅度来分别对离格信号的DOA整数部分与小数部分进行重构。通过与6种现有典型方法的均方根误差(Root Mean Square Error, RMSE)仿真对比,所提方法能够在信噪比为-10 dB的情况下保持着RMSE<0.5°的优秀表现。虽然无法在较少快拍下正常工作,但该方法在快拍数大于8的条件下仍然保持着RMSE<1°的表现性能。同时,在信号数量为5时,所提方法依然具有较高的估计稳定性,且计算速度能够达到毫秒级,用时明显低于其他方法。
文摘动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡尔曼滤波的抗抖动DOA估计算法。首先,针对角度随机抖动导致的接收端数据非线性问题,提出了一种非线性误差分离方案,将接收数据中的抖动误差转化为易于分离的线性分量,便于后续的抖动分量滤除。其次,为了使接收数据与卡尔曼滤波算法相匹配,提出了一种异构码本循环方案,通过在长时间尺度上构建相同的DMA码字,以支持卡尔曼滤波算法利用累积的时间信息来识别和滤除抖动误差。最后,卡尔曼滤波处理后的数据通过原子范数方法恢复出稀疏信号,并采用基于Han kel矩阵分解的多信号分类(multiple signal classification,MUSIC)方法进行空间谱估计。仿真结果证实,在相同信噪比(signal-to-noise ratio,SNR)条件下,所提方案相较于传统的多次估计平均方案,估计精度提升了48%,估计结果更接近无抖动的理想状态。
基金supported by China National Science Foundations(Nos.62371225,62371227)。
文摘Sparse array design has significant implications for improving the accuracy of direction of arrival(DOA)estimation of non-circular(NC)signals.We propose an extended nested array with a filled sensor(ENAFS)based on the hole-filling strategy.Specifically,we first introduce the improved nested array(INA)and prove its properties.Subsequently,we extend the sum-difference coarray(SDCA)by adding an additional sensor to fill the holes.Thus the larger uniform degrees of freedom(uDOFs)and virtual array aperture(VAA)can be abtained,and the ENAFS is designed.Finally,the simulation results are given to verify the superiority of the proposed ENAFS in terms of DOF,mutual coupling and estimation performance.
文摘针对L型阵列在二维波达方向(Direction-of-Arrival,DOA)估计参数,估计过程后期随着信噪比(Signal to Noise Ratio,SNR)的提高测向误差几乎没有变化,维持在0.15°左右,提出了修正F型阵列构型。该阵列在不额外增加阵元数的情况下,充分利用阵元所包含的信号信息使用2次传播算子(Propagation Method,PM)算法对俯仰角和方位角进行2次估计。仿真试验结果表明,修正F型阵列能够实现信号的DOA估计,在高SNR情况下侧向误差减小到0.07°左右,相比均匀L型阵列,该阵列在高SNR情况下估计精度提升了53.3%,在小快拍数情况下成功率也提高了20%,具有稳定、精确的估计精度。
文摘多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel矩阵并施加Schatten-p范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。
文摘在传统测向方法中,测向精度正比于阵列孔径,因此布阵空间与测向精度的矛盾性成为电子侦察系统在无人机等平台应用的主要工程约束之一。为实现空间受限下的高精度测向,提出一种通过协方差矩阵重构阵列接收数据的波达方向(Direction of Arrival,DOA)方法。结合均匀线阵的结构特点以及导向矢量Vandermonde矩阵与协方差Toeplitz矩阵的矩阵特征,通过重构阵列数据接收模型,实现阵列孔径的拓展,可在布阵空间不变的条件下显著提升阵列的测向精度。仿真结果表明,这种基于协方差数据重构的DOA方法实用有效,可作为传统DOA技术的前处理手段,提升算法性能及处理增益。
文摘针对现有波达方向估计(Direction of Arrival, DOA)算法在低信噪比、多信源条件下估计精度不足、效率低等问题,提出了一种基于可分离替代函数算法的矢量水听器阵列多快拍DOA估计方法.首先对空域等角度均匀划分,构造出超完备冗余字典,建立信号多快拍数据在空域的稀疏表示模型,然后采用可分离替代函数算法思想解决稀疏重构问题,求解出信号在空域的稀疏系数矩阵,最后将稀疏矩阵中行向量的范数映射到空域网格上,得到DOA估计值.仿真实验表明:该方法在低信噪比、多信源条件下拥有比子空间类算法、贪婪类算法以及现有凸优化类估计算法更高的DOA估计精度和更强的鲁棒性,与同类算法相比执行效率更高.
文摘传统的无网格压缩感知在进行波达方向(Direction of Arrival,DOA)估计时,使用凸优化工具箱(如CVX)来求解半正定规划问题(Semi-Definite Programming,SDP),所消耗的时间会随着矢量水听器阵列规模的增加,逐渐增大。为了提高算法的收敛速度,将交替方向乘子法(Alternative Direction Method of Multiplier,ADMM)应用到矢量水听器阵列的DOA估计中,考虑到海洋环境噪声,使用原子范数去噪方法(Atomic Norm Soft Thresholding,AST)来估计线谱参数,将原子范数最小化问题(Atomic Norm Minimization,ANM)转化为SDP问题,使用ADMM对SDP问题进行求解,最后使用对偶多项式估计角度。为了验证ADMM算法的性能,在不同信噪比和矢量阵元数条件下,与快速求根多重信号分类(Root-Multiple Signal Classification,ROOTMUSIC)算法和CVX进行对比仿真实验。结果表明,ADMM在保证DOA估计模型收敛性的同时,提高了算法效率。
基金the National Natural Sci-ence Foundation of China(No.62101340).
文摘The performance of traditional high-resolution direction-of-arrival(DOA)estimation methods is sensitive to the inaccurate knowledge on prior information,including the position of ar-ray elements,array gain and phase,and the mutual coupling between the array elements.Learning-based methods are data-driven and are expected to perform better than their model-based counter-parts,since they are insensitive to the array imperfections.This paper presents a learning-based method for DOA estimation of multiple wideband far-field sources.The processing procedure mainly includes two steps.First,a beamspace preprocessing structure which has the property of fre-quency invariant is applied to the array outputs to perform focusing over a wide bandwidth.In the second step,a hierarchical deep neural network is employed to achieve classification.Different from neural networks which are trained through a huge data set containing different angle combinations,our deep neural network can achieve DOA estimation of multiple sources with a small data set,since the classifiers can be trained in different small subregions.Simulation results demonstrate that the proposed method performs well both in generalization and imperfections adaptation.
