In this paper, we consider the source localization for a mixed near-field (NF) and far-field (FF) narrowband signals impinging on a uniform linear array (ULA) with the symmetrical geometric configuration. A computationally efficient direction-of-arrivals (DOAs) and range estimation method for the mixed NF and FF signals is proposed, where the DOAs of the NF and FF signals are estimated separately, and the computationally burdensome eigendecomposition is avoided. Comparing to some existent method

A two-dimensional (2D) direction-of-arrival (DOA) estimation method for coherently distributed sources has been proposed in highly real-time situation using only one snapshot. Ulizing two uniform linear arrays (ULAs), the proposed algorithm firstly construct four equivalent matrices with rotational structures using one snapshot, and then a total equivalent covariance is extended by the four matrices..Finally, two rotational invariance matrices can been calculate by ESPRIT-like algorithm, and

在现有的稀疏诱导到达方向（DOA）估计方法中，基于稀疏贝叶斯学习（SBL）的方法已被证明可以提高精度。 但是，当信噪比（SNR）相对较低时，这些方法的学习过程收敛非常缓慢。 在本文中，我们首先表明，独立信号的阵列输出的协方差矢量（协方差矩阵的列）共享与空间信号分布相对应的相同的稀疏度分布图，并且在中等快照数量时其SNR超过原始阵列输出的SNR。被收集。 因此，通过以高计算效率重构那些矢量，可以将SBL技术用于估计独立的窄带/宽带信号的方向。 经过适当修改后，该方法可扩展到窄带相关信号。 还提供了深入分析，以显示新方法在DOA估计精度方面的下限以及在独立信号的情况下可以分离的最大信号数。 仿真结果最终证明了该方法在DOA估计精度和计算效率上的性能。

使用ESPRIT对阵列信号的波达方向(DOA)估计

现有各类子空间DOA测向算法为避免阵列模糊一般要求阵元间距小于半波长,但为获得更好的测向性能又需要较大的阵列尺寸,这需要大量的阵元,提高系统复杂度和成本.为克服这个问题,本文基于多重信号分类(MUSIC)算法提出一种采用半径不同的多口径组合阵列进行DOA测向方法.其中小尺寸阵列能够避免测向模糊问题,同时对空间谱起到平滑作用,从而降低空间谱计算复杂度;而具有较少阵元数目的大尺寸阵列主要用于提高测向算法精度和分辨力.本文给出算法的原理与实现步骤,并对算法精度和分辨力进行了分析和仿真,理论分析和仿真结果表明算法的有效性.