在目前的阵列信号处理(array signal processing,ASP)领域中,对于相干信号的波达方向(direction of arrivals,DOA)估计已经成为一个研究热点问题,在通信、雷达等方面有着广阔的实用前景。 首先,针对窄带相干信源一维DOA参数估计,本文研究了矢量传感器阵列解相干算法和特征矢量重构解相干算法。前者利用了矢量传感器的特性,构建出多个子阵列数据矩阵,将阵列数据的协方差矩阵恢复至满秩,达到分辨相干信源的目的。后者利用特征分解后最大特征值对应特征矢量包含所有信号信息这一特点,重新构造满秩的协方差矩阵。另外,本文利用虚拟重构方法对二维相干信源DOA参数估计算法作出改进,新的改进算法利用十字阵列几何结构以及实值信号特点,减少了传统解相干算法所需阵元个数,并在单次快拍下性能更优,更适合实际应用。 其次,本文对远场宽带相干信源DOA算法进行了研究。对于非相干信号子空间算法(incoherent signal-subspace method,ISSM),本文引入窄带解相干算法对其进行改进,解决了ISSM算法不能处理宽带相干信号的不足。对于投影子空间正交性测试算法(test of orthogonality of projected subspace,TOPS),本文通过投影矩阵投射入信号子空间来重新构造亏秩矩阵对该算法进行优化,减少TOPS算法出现的伪峰,提高DOA估计性能。最后,对于频域子空间正交性测试算法(test of orthogonalityof frequency subspace,TOFS),本文利用多组特征矢量重构方法对该算法作出改进,增强了TOFS算法对于多径相干宽带信号的分辨能力。 最后,本文研究了智能算法在DOA中的应用。智能算法在最优解搜索中有着巨大优势,本文对上述涉及谱峰搜索的窄、宽带解相干算法进一步应用遗传算法进行优化,大大降低了传统谱峰搜索所需时间。另外,对于能直接解相干的压缩感知(compression sensing,CS)算法,本文利用遗传算法作出新的改进办法,降低了压缩感知算法的运算时间。
展开▼