频率捷变的相控阵雷达目标多径DOA估计算法

介绍了频率捷变在相控阵雷达目标多径DOA估计中的应用,并采用修正的MUSIC算法(MMU-SIC)以提高多径信号DOA估计性能。频率捷变不仅可以去掉直射信号与反射信号的相关成分,而且可以消除严重的信号对消现象。而修正的MUSIC算法则可以将相关信号源的相关性大大降低,从而改善了传统MUSIC算法对相关信号源的DOA估计性能。     

基于变换域张量的机载阵列DOA和极化参数估计

针对强杂波背景下多目标回波的参数估计问题,现有的基于长矢量的多重信号分类(long vector multiple signal classification, LV-MUSIC)法精度下降,基于张量的MUSIC(tensor MUSIC, T-MUSIC)方法通道数不足,无法计算噪声子空间投影矩阵。因此提出基于变换域张量的MUSIC方法。算法利用张量结构,在时域分离不同多普勒频率的信号,分别估计各多普勒通道的回波参数。相比于LV-MUSIC和T-MUSIC,所提算法避免了多目标背景下自由度不足导致的目标分辨力下降的问题,并且能获得更高精度的参数估计。仿真实验证明,所提算法有更高的目标分辨能力,在低信噪比条件下仍保持良好的性能。     

一种改进的MIMO阵列子空间方位估计方法

针对MUSIC(multiple signal classification)类方位估计方法在低信噪比下性能较差的问题,利用多输入多输出系统中已知的发射信号信息和阵列结构本身的特点来改进传统的MUSIC类子空间估计方法。在常规SSMUSIC(signal-subspace scaled MUSIC)方法的基础上,通过对接收信号做匹配滤波和对样本协方差阵做空间平滑来减小噪声子空间的方差,从而大大改善了该方法在低信噪比时的性能。仿真实验结果表明:在文中给定的实验条件下,相比常规SSMUSIC方法,所提方法具有更低的分辨门限和更小的均方根误差。     

L阵基于降维MUSIC的二维DOA与频率估计

提出了一种L阵中基于降维多重信号分类(reduced dimensional multiple signal classification, RD-MUSIC)的二维波达方向(two dimensional direction of arrival,2D-DOA)与频率联合估计算法。该算法首先通过一维局部谱峰搜索得到接收信号频率的估计,然后利用频率估计过程中得到的参数矩阵,获得信号的2D-DOA估计。与需要进行多维全局搜索的传统MUSIC算法相比,所提算法只需一维局部搜索,算法复杂度较低。该算法同时适用于均匀L阵和非均匀L阵,且能获得配对的二维角度与频率估计。其角度与频率估计性能接近于传统的MUSIC算法以及平行因子方法,且优于借助旋转不变性估计信号参数算法和传播算子算法。     

基于加权信号子空间投影的MUSIC改进算法

针对MUSIC算法在小快拍条件下DOA估计时性能降低的缺点,提出采用加权信号子空间投影的方法加以改善。首先对信号子空间进行主特征值倒数加权,并将结果与MUSIC空间谱进行叠加。新方法保持了噪声子空间处理的高分辨力,并通过信号子空间处理提高了对有限数据误差的稳健性。理论和统计性能分析表明其对多目标分辨力优于MUSIC方法,特别是在小快拍条件下表现了良好的性能。     

改进MUSIC算法对信号DOA的估计

MUSIC算法能有效地估计出独立信号源的DOA，并且在模型准确的前提下，对DOA的估计可以达到任意精度；但对相干信号源和相隔比较近的小信噪比信号源，MUSIC算法就不能估计出它们的DOA了。这里通过理论推导提出了一种改进MUSIC算法，计算机仿真的结果表明了该改进MUSIC算法既能够有效地估计出独立信号源的DOA，也能有效地估计出相关信号源和相隔比较近的小信噪比信号源的DOA，从而证明了这种改进MUSIC算法的合理性。     

基于LPFT-MUSIC的窄带多项式相位信号波达方向估计方法

基于局部多项式傅里叶变换（local polynomial Fourier transform, LPFT）,提出了一种新颖有效的窄带多项式相位信号波达方向估计算法。虽然LPFT比Wigner-Ville分布运算复杂,但该变换具有更优的瞬时频率估计能力、较低的交叉项影响,及处理多项式相位信号的能力。理论分析表明,本文方法的信噪比提升能力优于基于Wigner-Ville分布的传统时频子空间多重信号分类（multiple signal classification, MUSIC）法。仿真实验验证该方法的性能。     

短序列条件下快速频率估计性能分析

对短序列条件下的三种快速频率估计算法性能进行了讨论。首先分别叙述了三种快速频率估计算法的机理,随后进一步给出了频率估计的Cramer-Rao下界、计算机仿真结果、实测数据计算结果以及估计精度和计算量分析。并同其它频率估计算法的性能进行了比较,指出了存在信噪比门限的原因。所得结论对工程人员选择算法具有参考价值。     

高效的多跳频信号2D-DOA估计算法

为了利用跳频信号的空域特征参数辅助多跳频信号的网台分选,在空时频分析的基础上,提出一种基于多重信号分类(multiple signal classification, MUSIC)对称压缩谱(MUSIC symmetrical compressed spectrum, MSCS)的多跳频信号二维波达方向(two dimensional direction of arrival, 2D-DOA)高效估计算法。首先根据跳频信号的时频域特征,构建每一跳的空时频矩阵(spatial time frequency distribution, STFD),获取时频域的协方差矩阵;然后将共轭子空间的思想引入到MUSIC算法中,通过对噪声子空间及其共轭的交集进行奇异值分解,实现噪声子空间的降维;最终通过半谱搜索实现2D-DOA的高效估计。同时为了提高低信噪比条件下算法的性能,在时频图处理过程中采用形态学滤波进行去噪,并在修正的时频图上完成了跳频信号每一跳的提取。通过理论论证和实验仿真表明,本文算法相比于MUSIC算法,在保证均方根误差相当和估计成功率有所提高的情况下,计算复杂度降低了一半。     

阵列天线通道不一致性校正的辅加阵元法

MUSIC算法是一种基于特征值分解的超分辨DOA估计算法,在理想阵列条件下,其估计性能良好,但当信号模型与实际信号环境不匹配,即存在系统误差时,MUSIC算法的估计性能会严重下降,甚至失效。针对模型中普遍存在的通道不一致性误差,本文首先分析了此类误差对测向性能的影响,并提出了一种通道误差校正的简易算法,该方法通过对来自辅加阵元信号的数据信息进行处理,获取通道不一致性误差的估计,通过误差补偿有效地抑制了通道不一致性的影响,提高了DOA估计的性能。给出了应用该方法的具体步骤,计算机仿真结果证明了该算法的有效性。     

用改进的MUSIC算法实现相干多径信号分离

基于特征值分解的MUSIC算法是建立在非相干信号模型基础之上的,对于相干多径信号,MUSIC算法将会失效。与传统的拟补空间协方差矩阵秩亏损的空间平滑去相关法不同,从另一个角度出发,通过特殊的天线阵列模型,重构一个Toeplitz矩阵,使其秩只与信号的波达方向有关,而不受信号相关性的影响,从而达到去相关的目的,并对信号子空间和噪声子空间作出正确的估计。仿真结果验证了该方法的有效性,且较传统的空间平滑方法具有更低的信噪比门限和更小的运算量。     

Parametric estimation of ultra wideband radar targets

Based on the analysis of impulse response properties, a scattering model of ultra wideband (UWB) radar targets is developed to estimate the target parameters exactly. With this model, two algorithms of multiple signal classification (MUSIC), and matrix pencil (MP), are introduced to calculate the scattering center parame-ters of targets and their performances are compared. The simulation experiments show that there are no differ-ences in the estimation precision of MUSIC and MP methods when the signal-to-noise ratio (SNR) is larger than 13 dB. However, the MP method has a better performance than that of MUSIC method when the SNR is smaller than 13 dB. Besides, the time consuming of MP method is leas than that of MUSIC method. Therefore, the MP algorithm is preferred for the parametric estimation of UWB radar targets.     

一种修正极小方差谱估计算法

通过分析极小方差 (MV)谱估计算法与多信号分类 (MUSIC)谱估计算法之间的关系 ,揭示出在对样本的自相关矩阵进行特征分解后 ,对各特征矢量权系数的不同选择决定了二者性能上的差异。在此基础上 ,构造了一种新的权系数 ,导出了修正极小方差 (MMV)谱估计算法。仿真结果表明 ,MMV算法的分解率高于MV ,方差小于修正协方差自回归 (AR)模型谱估计算法 ,并能正确反映正弦信号间功率的相对大小。     

伪波束域四阶累积量切片高分辨方位估计法

在低信噪比或空间非白噪声情况下,基于信号二阶统计量的高分辨方法,性能变差较快。在基于四阶累积量切片MUSIC方法的基础上,结合波束域高分辨方法的思想,提出了一种四阶累积量切片伪波束域高分辨方位估计方法。分析表明,高阶累积量的运用有效抑制了空间高斯白噪声和有色噪声;波束域方法的运用有效滤除了部分空间噪声,增强了方法的稳健性。仿真结果表明,相比基于四阶累积量切片的MUSIC方法,所提出的方法在高斯白噪声和有色噪声中,有效提高了低信噪比情况下的方位估计精度,降低了目标的分辨门限。     

基于AR模型的共轭循环波达方向估计

基于信号循环特征的DoA估计都需要确定循环相关函数的最优延迟时间参数,当相同循环频率的多个信号具有不同的最优延迟参数时,利用确定的延迟时间参数很难确定所有信号的DoA估计。利用信号的共轭循环平稳特性,采用基于AR模型的空间谱估计来确定信号的DoA估计,提高了有限长阵列孔径空间分辨率,且该方法不需要选择最优延迟时间参数,从而适用于任何调制类型信号的DoA估计。     

基于导向矢量信号的未知信源数DOA估计算法

针对多重信号分类（multiple signal classification, MUSIC)算法、旋转不变子空间（estimation of signal parameters via rotational invariance technique, ESPRIT)等大多数空间谱估计算法需要进行准确的信源数估计,且当信源数估计出现误差时性能易受影响的问题,提出了一种基于导向矢量信号的未知信源数波达方向（direction of arrival, DOA）估计算法。该算法通过引入导向矢量信号,以自适应波束形成中最大信噪比准则下最优权矢量对应的准最大信噪比作为来波方向估计参数,从而避免了大多数空间谱估计算法中的信源数估计并实现了各个信号来向的准确估计。对该方法进行了计算机仿真验证,仿真实验结果表明该算法是有效的。