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

高斯白噪声matlab代码到达方向估计 我们是突尼斯国家工程学院的电信工程专业学生Imen BOUABIDI和Ameni MEZNI。 估计撞击在任意传感器阵列上的多个平面波的到达方向的问题引起了很多关注。 它在无线通信，雷达和声纳，射电天文学等许多应用中发挥了重要作用。 这项工作致力于在论文中处理到达方向估计的每个人。 我们在这里实现到达估计技术的几个方向的代码：子空间和非子空间方法。 子空间方法是MUSIC，Root-MUSIC和ESPRIT。 非子空间方法是Beamforming和Capon。 MATLAB用于模拟算法。 为了便于分析，有必要对天线和信号进行理想假设。 假设：天线阵列是线性的。 它的N个元素是全向的。 数目为M的信号是不相关的窄带信号。 线性阵列从远场接收的信号是平面波。 源的数量M严格小于天线的数量（M <N）。 噪声是不相关的，应该是高斯白噪声。

Narrowband Direction of Arrival Estimation for Antenna Arrays [Jeffrey Foutz] 2008.rar pdf格式

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。

matlab多径信道代码到达方向 DoA 估计代码 2021 年 1 月 17 日 威尔·霍华德 MATLAB main.m 包含四个“运行类型”：'single'、'snr_sweep'、'block_sweep'、'ml_gen' 'single' - 使用给定参数运行单个试验（见下节），并显示时间平滑与不平滑的图 'snr_sweep' - 运行 length(par.snrSweep)*par.Trials，然后呈现每个 SNR 值平均的时间平滑 DR-MUSIC RMSE 图。 'block_sweep' - 运行 length(par.blockSweep)*par.Trials，然后呈现每个 SNR 值平均的时间平滑 DR-MUSIC RMSE 图 'ml_gen' - 生成用于训练 ML 模型的 par.Trials 大小的数据集的简单方法，以及提供 RMSE 值来验证数据集。 可选设置可以配置是否从结果数据集中删除任何试验。 参数 所有这些参数都包含在结构参数中。 信号设置 par.signal_length = 2^13; % 足够长以适合块*（快照 + inter

DOA估计研究比较好的入门教程，2010年的

经典与现代波达方向估计的完美衔接，每位作者都是该领域的领军人物，非常值得研究。

蓝牙定位，方向角求解的入门资料，

INE出品的SDN视频教程