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
受恶劣电磁环境和元器件老化等因素影响,多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达的天线阵元发生故障的概率增加,而阵元故障会严重降低目标波达方向(Direction of Arrival,DOA)估计性能。现有的大多数基于深度学习的DOA...受恶劣电磁环境和元器件老化等因素影响,多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达的天线阵元发生故障的概率增加,而阵元故障会严重降低目标波达方向(Direction of Arrival,DOA)估计性能。现有的大多数基于深度学习的DOA估计方法未能充分利用阵列模型的先验信息,导致其建立的映射关系极为复杂,从而使得网络拟合难度较大。为此,提出一种基于先验驱动残差注意力网络的阵元故障MIMO雷达DOA估计方法。首先,利用MIMO雷达协方差矩阵的双重Toeplitz先验特性,构建了基于先验驱动的残差注意力网络,并引入残差注意力块对协方差矩阵的特征进行加权处理,旨在学习阵元故障下存在数据缺失的协方差矩阵和完整协方差矩阵生成向量之间的映射关系。然后,根据残差注意力网络输出的生成向量估计值得到完整的协方差矩阵。最后,利用RD-ESPRIT(Reduced Dimension ESPRIT)算法估计目标DOA。仿真结果表明,所提算法在阵元故障下的DOA估计性能优于现有算法,在信噪比为15 dB时,其DOA估计精度比效果最好的现有算法提高了43.26%。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
针对主动声呐在水下环境对目标方位估计受低信噪比影响的问题,提出了一种基于分数阶傅里叶变换(Fractional Fourier Transform,FrFT)改进迭代自适应法的波达方向(Direction of Arrival,DOA)估计多波束声呐成像方法。首先对水听器收到的...针对主动声呐在水下环境对目标方位估计受低信噪比影响的问题,提出了一种基于分数阶傅里叶变换(Fractional Fourier Transform,FrFT)改进迭代自适应法的波达方向(Direction of Arrival,DOA)估计多波束声呐成像方法。首先对水听器收到的回波信号进行FrFT,通过FrFT预处理将宽带线性调频(Linear Frequency Modulation,LFM)信号变换为分数域的窄带信号,避免了交叉干扰项的影响;然后在FrFT域对LFM信号进行聚焦并对噪声进行抑制;最后在FrFT域内实现迭代自适应法,同时优化了功率谱估计方法以精确进行DOA估计。所提方法在低信噪比且不增加传感器阵元的情况下,相较于传统的DOA估计方法具有更好的估计精度与更小的均方根误差,可以显著提高成像效果。仿真结果表明,距离向的峰值旁瓣比可达到-13.364 dB,积分旁瓣比可达到-9.723 dB,方位向的峰值旁瓣比可达到-13.874 dB,积分旁瓣比可达到-10.034 dB。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
针对传统波达方向(Direction of Arrival,DOA)估计方法在低信噪比、少快拍数条件下表现性能差甚至失效的问题,提出了一种基于重构频域协方差矩阵的波达方位估计方法。该方法根据转化的频域信号进行共轭反向修正实现对噪声的抑制,构造出...针对传统波达方向(Direction of Arrival,DOA)估计方法在低信噪比、少快拍数条件下表现性能差甚至失效的问题,提出了一种基于重构频域协方差矩阵的波达方位估计方法。该方法根据转化的频域信号进行共轭反向修正实现对噪声的抑制,构造出了新的频域协方差矩阵,利用平均噪声子空间建立空间谱估计函数,通过谱峰搜索估计出信源的方位角。经仿真对比分析,所提改进方法可以识别多个相干信号,并且在低信噪比、少快拍数条件下仍然获得较好的方位估计性能,估计误差较传统算法降低2%~25%。展开更多
星地通信背景下,P波段信号在穿越大气到达地面阵列的过程中,受到电离层效应的影响,其波达方向(Direction of Arrival,DOA)与极化角均发生改变,因此现有DOA-极化联合估计算法得到的估计值与真实值之间存在误差。为解决此问题,从DOA和极...星地通信背景下,P波段信号在穿越大气到达地面阵列的过程中,受到电离层效应的影响,其波达方向(Direction of Arrival,DOA)与极化角均发生改变,因此现有DOA-极化联合估计算法得到的估计值与真实值之间存在误差。为解决此问题,从DOA和极化角两个方面分别进行校正。首先考虑电离层折射效应,建立电离层信号传播模型,以此为基础提出俯仰角误差修正方法。其次针对电离层法拉第旋转(Faraday Rotation,FR)效应,分析法拉第旋转角(Faraday Rotation Angle,FRA)对信号极化的影响,根据地面目标散射过程,提出两种基于散射矩阵的FRA估计方法。通过仿真实验可知,所提方法可以准确计算P波段信号俯仰角修正值与FRA,在一定条件下,将俯仰角估计精度提高约0.1°,FRA估计精度提高近1°,从而实现DOA与极化角的校正。展开更多
针对互耦效应和脉冲噪声并存环境下的波达方向(direction of arrival,DOA)估计问题,提出一种结合M估计与稀疏重构的算法。首先,为了消除互耦效应的影响,依据互耦矩阵的托普利兹结构进行恒等变形,得到了不含未知互耦系数的字典。随后,为...针对互耦效应和脉冲噪声并存环境下的波达方向(direction of arrival,DOA)估计问题,提出一种结合M估计与稀疏重构的算法。首先,为了消除互耦效应的影响,依据互耦矩阵的托普利兹结构进行恒等变形,得到了不含未知互耦系数的字典。随后,为了使算法能适应高斯噪声和不同强度的脉冲噪声,将位置得分函数表示为高斯位置得分函数和一系列非线性函数的线性组合,利用噪声样本估计线性组合系数从而建立损失函数。最后,采用迭代硬阈值算法进行稀疏重构,并通过改进信号更新策略提高正确收敛的概率。仿真结果表明,所提算法能有效抑制互耦效应和脉冲(高斯)噪声的干扰,同时相较已有算法在低信噪比、强脉冲特性下的性能有显著提升。展开更多
为降低L型互质阵的无网格类矩阵重构方法的计算复杂度,提高低信噪比下的角度匹配成功概率,提出一种L型互质阵的低复杂度无网格二维波达方向(Direction of Arrival,DOA)估计方法。利用共轭增广方法,通过求解阵元间的互相关函数,实现x轴和...为降低L型互质阵的无网格类矩阵重构方法的计算复杂度,提高低信噪比下的角度匹配成功概率,提出一种L型互质阵的低复杂度无网格二维波达方向(Direction of Arrival,DOA)估计方法。利用共轭增广方法,通过求解阵元间的互相关函数,实现x轴和z轴互质阵的阵列虚拟扩展;依据矩阵形式的原子范数思想,通过解耦原子范数最小化方法,实现阵列插值;通过求根多重信号分类方法,得到各轴夹角的估计值;依据信号子空间和阵列流型矩阵的空间一致性,通过求解代价函数,实现角度匹配。为进一步降低计算复杂度,将矩阵形式的原子范数与酉变换相结合,通过实值解耦原子范数最小化方法,实现酉阵列插值。研究结果表明:所提方法一方面提高了DOA估计精度,降低了计算复杂度,提高了角度匹配成功概率;另一方面则通过牺牲部分DOA估计精度和阵列自由度,进一步降低了计算复杂度;通过仿真实验验证了该方法的可行性和优势。展开更多
由于传统的欧式空间方法无法有效反映协方差矩阵之间的差异,而导致信息损失,为了解决这一问题,提出了一种基于詹森-布雷格曼洛格德特散度(Jensen-Bregman LogDet divergence)的阵列波达方向(Direction of Arrival,DOA)估计方法,将目标...由于传统的欧式空间方法无法有效反映协方差矩阵之间的差异,而导致信息损失,为了解决这一问题,提出了一种基于詹森-布雷格曼洛格德特散度(Jensen-Bregman LogDet divergence)的阵列波达方向(Direction of Arrival,DOA)估计方法,将目标方位估计问题转化为矩阵流形上两点间的几何距离问题,揭示了方位估计与黎曼空间矩阵流形的映射规律,从而得到了几何距离最小值处对应的角度即为目标入射角度的结论,并通过构建两个强鲁棒性的矩阵流形,完成了矩阵信息几何DOA估计理论模型的建立。通过模拟仿真与实测数据对所新方法进行了验证。验证结果表明:与现有的最小方差无失真响应算法和多信号分类算法相比,新方法在低信噪比环境下拥有更好的估计精度;新方法的应用具有一定的实际意义和应用前景,可以为海洋防御及民用领域中的水下目标方位估计等提供坚实的技术支持。展开更多
To tackle the challenges of intractable parameter tun-ing,significant computational expenditure and imprecise model-driven sparse-based direction of arrival(DOA)estimation with array error(AE),this paper proposes a de...To tackle the challenges of intractable parameter tun-ing,significant computational expenditure and imprecise model-driven sparse-based direction of arrival(DOA)estimation with array error(AE),this paper proposes a deep unfolded amplitude-phase error self-calibration network.Firstly,a sparse-based DOA model with an array convex error restriction is established,which gets resolved via an alternating iterative minimization(AIM)algo-rithm.The algorithm is then unrolled to a deep network known as AE-AIM Network(AE-AIM-Net),where all parameters are opti-mized through multi-task learning using the constructed com-plete dataset.The results of the simulation and theoretical analy-sis suggest that the proposed unfolded network achieves lower computational costs compared to typical sparse recovery meth-ods.Furthermore,it maintains excellent estimation performance even in the presence of array magnitude-phase errors.展开更多
Most of the existing direction of arrival(DOA)estimation algorithms are applied under the assumption that the array manifold is ideal.In practical engineering applications,the existence of non-ideal conditions such as...Most of the existing direction of arrival(DOA)estimation algorithms are applied under the assumption that the array manifold is ideal.In practical engineering applications,the existence of non-ideal conditions such as mutual coupling between array elements,array amplitude and phase errors,and array element position errors leads to defects in the array manifold,which makes the performance of the algorithm decline rapidly or even fail.In order to solve the problem of DOA estimation in the presence of amplitude and phase errors and array element position errors,this paper introduces the first-order Taylor expansion equivalent model of the received signal under the uniform linear array from the Bayesian point of view.In the solution,the amplitude and phase error parameters and the array element position error parameters are regarded as random variables obeying the Gaussian distribution.At the same time,the expectation-maximization algorithm is used to update the probability distribution parameters,and then the two error parameters are solved alternately to obtain more accurate DOA estimation results.Finally,the effectiveness of the proposed algorithm is verified by simulation and experiment.展开更多
针对现有的波达方向(direction of arrival,DOA)估计方法在低信噪比、小快拍、多信源条件下估计精度较低的问题,提出一种基于并行坐标下降算法的DOA估计方法.首先,对空域等角度均匀划分,构造超完备冗余字典;其次,采用并行坐标下降算法...针对现有的波达方向(direction of arrival,DOA)估计方法在低信噪比、小快拍、多信源条件下估计精度较低的问题,提出一种基于并行坐标下降算法的DOA估计方法.首先,对空域等角度均匀划分,构造超完备冗余字典;其次,采用并行坐标下降算法的思想对稀疏信号进行重构,得到信号在空域的稀疏系数矩阵;最后,将稀疏矩阵行向量的l2-范数映射到空域网格上,得到准确的DOA估计值.仿真实验结果表明:在低信噪比、小快拍、多信源条件下,该方法优于子空间类算法、贪婪类算法以及凸优化类算法,具有更低的均方根误差(RMSE)、更高的DOA估计精度和运行效率.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。
文摘针对传统波达方向(Direction of Arrival,DOA)估计方法在低信噪比、少快拍数条件下表现性能差甚至失效的问题,提出了一种基于重构频域协方差矩阵的波达方位估计方法。该方法根据转化的频域信号进行共轭反向修正实现对噪声的抑制,构造出了新的频域协方差矩阵,利用平均噪声子空间建立空间谱估计函数,通过谱峰搜索估计出信源的方位角。经仿真对比分析,所提改进方法可以识别多个相干信号,并且在低信噪比、少快拍数条件下仍然获得较好的方位估计性能,估计误差较传统算法降低2%~25%。
文摘针对互耦效应和脉冲噪声并存环境下的波达方向(direction of arrival,DOA)估计问题,提出一种结合M估计与稀疏重构的算法。首先,为了消除互耦效应的影响,依据互耦矩阵的托普利兹结构进行恒等变形,得到了不含未知互耦系数的字典。随后,为了使算法能适应高斯噪声和不同强度的脉冲噪声,将位置得分函数表示为高斯位置得分函数和一系列非线性函数的线性组合,利用噪声样本估计线性组合系数从而建立损失函数。最后,采用迭代硬阈值算法进行稀疏重构,并通过改进信号更新策略提高正确收敛的概率。仿真结果表明,所提算法能有效抑制互耦效应和脉冲(高斯)噪声的干扰,同时相较已有算法在低信噪比、强脉冲特性下的性能有显著提升。
文摘为降低L型互质阵的无网格类矩阵重构方法的计算复杂度,提高低信噪比下的角度匹配成功概率,提出一种L型互质阵的低复杂度无网格二维波达方向(Direction of Arrival,DOA)估计方法。利用共轭增广方法,通过求解阵元间的互相关函数,实现x轴和z轴互质阵的阵列虚拟扩展;依据矩阵形式的原子范数思想,通过解耦原子范数最小化方法,实现阵列插值;通过求根多重信号分类方法,得到各轴夹角的估计值;依据信号子空间和阵列流型矩阵的空间一致性,通过求解代价函数,实现角度匹配。为进一步降低计算复杂度,将矩阵形式的原子范数与酉变换相结合,通过实值解耦原子范数最小化方法,实现酉阵列插值。研究结果表明:所提方法一方面提高了DOA估计精度,降低了计算复杂度,提高了角度匹配成功概率;另一方面则通过牺牲部分DOA估计精度和阵列自由度,进一步降低了计算复杂度;通过仿真实验验证了该方法的可行性和优势。
文摘由于传统的欧式空间方法无法有效反映协方差矩阵之间的差异,而导致信息损失,为了解决这一问题,提出了一种基于詹森-布雷格曼洛格德特散度(Jensen-Bregman LogDet divergence)的阵列波达方向(Direction of Arrival,DOA)估计方法,将目标方位估计问题转化为矩阵流形上两点间的几何距离问题,揭示了方位估计与黎曼空间矩阵流形的映射规律,从而得到了几何距离最小值处对应的角度即为目标入射角度的结论,并通过构建两个强鲁棒性的矩阵流形,完成了矩阵信息几何DOA估计理论模型的建立。通过模拟仿真与实测数据对所新方法进行了验证。验证结果表明:与现有的最小方差无失真响应算法和多信号分类算法相比,新方法在低信噪比环境下拥有更好的估计精度;新方法的应用具有一定的实际意义和应用前景,可以为海洋防御及民用领域中的水下目标方位估计等提供坚实的技术支持。
基金supported by the National Natural Science Foundation of China(62301598).
文摘To tackle the challenges of intractable parameter tun-ing,significant computational expenditure and imprecise model-driven sparse-based direction of arrival(DOA)estimation with array error(AE),this paper proposes a deep unfolded amplitude-phase error self-calibration network.Firstly,a sparse-based DOA model with an array convex error restriction is established,which gets resolved via an alternating iterative minimization(AIM)algo-rithm.The algorithm is then unrolled to a deep network known as AE-AIM Network(AE-AIM-Net),where all parameters are opti-mized through multi-task learning using the constructed com-plete dataset.The results of the simulation and theoretical analy-sis suggest that the proposed unfolded network achieves lower computational costs compared to typical sparse recovery meth-ods.Furthermore,it maintains excellent estimation performance even in the presence of array magnitude-phase errors.
基金supported by the National Natural Science Foundation of China (62071144)
文摘Most of the existing direction of arrival(DOA)estimation algorithms are applied under the assumption that the array manifold is ideal.In practical engineering applications,the existence of non-ideal conditions such as mutual coupling between array elements,array amplitude and phase errors,and array element position errors leads to defects in the array manifold,which makes the performance of the algorithm decline rapidly or even fail.In order to solve the problem of DOA estimation in the presence of amplitude and phase errors and array element position errors,this paper introduces the first-order Taylor expansion equivalent model of the received signal under the uniform linear array from the Bayesian point of view.In the solution,the amplitude and phase error parameters and the array element position error parameters are regarded as random variables obeying the Gaussian distribution.At the same time,the expectation-maximization algorithm is used to update the probability distribution parameters,and then the two error parameters are solved alternately to obtain more accurate DOA estimation results.Finally,the effectiveness of the proposed algorithm is verified by simulation and experiment.
文摘针对现有的波达方向(direction of arrival,DOA)估计方法在低信噪比、小快拍、多信源条件下估计精度较低的问题,提出一种基于并行坐标下降算法的DOA估计方法.首先,对空域等角度均匀划分,构造超完备冗余字典;其次,采用并行坐标下降算法的思想对稀疏信号进行重构,得到信号在空域的稀疏系数矩阵;最后,将稀疏矩阵行向量的l2-范数映射到空域网格上,得到准确的DOA估计值.仿真实验结果表明:在低信噪比、小快拍、多信源条件下,该方法优于子空间类算法、贪婪类算法以及凸优化类算法,具有更低的均方根误差(RMSE)、更高的DOA估计精度和运行效率.
