幅度相位误差条件下的互质阵列DOA估计方法

针对基于互质阵列的欠定波达方向(direction of arrival, DOA)估计方法在阵元幅相误差条件下性能急剧下降的问题, 提出一种基于校正阵元的互质阵列DOA估计方法。首先, 将阵列接收数据分解为两个子阵数据, 基于校正阵元对子阵分别进行幅相误差估计, 并将子阵幅相误差排序重组。然后, 对接收数据协方差矩阵进行误差补偿并扩展为高维的Toeplitz矩阵。最后, 基于矩阵填充理论对高维协方差矩阵进行空洞填充, 结合求根多重信号分类(root multiple signal classification, root-MUSIC)算法进行DOA估计。理论分析和仿真结果表明, 该方法可以实现互质阵列的幅相误差估计, 并通过误差补偿有效恢复幅相误差条件下的互质阵列DOA估计性能, 提高估计精度。     

任意平面阵列的相干信号二维波达方向估计方法

相干信号的波达方向(direction of arrival, DOA)估计一直是阵列信号处理中研究的关键问题,但传统的算法受到阵列流型的限制。为了解决任意平面阵列对二维相干信号的DOA估计问题,提出了一种新的方法。首先利用信号的循环平稳特性构造数据协方差矩阵,再利用信号在极化域的差异来实现解相干。该方法具有噪声抑制的能力,无需空间平滑,不影响阵列孔径,并且对窄带信号和宽带信号均适用。仿真结果证明了该算法的有效性。     

基于噪声圆形特性的宽带相干信号DOA估计方法

针对色噪声下基于差分去噪的宽带相干信号波达方向(direction of arrival, DOA)估计方法对相干信源数有限制的问题，提出一种基于噪声圆形特性去噪和Toeplitz矩阵重构的估计算法。首先，对接收到的信号求取协方差矩阵，利用噪声的圆形特性消除噪声。为达到对协方差矩阵进行Toeplitz矩阵重构的要求，通过协方差矩阵相乘来构造新的数据协方差矩阵。然后，通过Toeplitz矩阵重构来解相干。最后，利用旋转子空间算法准则构造聚焦矩阵，使用传播算子算法实现DOA估计。理论分析及仿真实验验证了该算法的有效性，该算法对相干信源数的奇偶没有限制，同时该算法也适用于高斯白噪声下宽带相干信号DOA估计的场景。     

独立信号和相干信号DOA估计新方法

传统的波达方向(direction of arrival, DOA)估计算法在独立信号和相干信号同时存在时往往失效或者性能下降;因而寻求可以同时估计独立信号和相干信号的测向算法具有重要意义。基于均匀线阵接收到信号的特点,提出了一种简单有效的独立信号和相干信号DOA估计新方法。该方法首先利用求根多重信号分类(root-mutiple signal classification, root-MUSIC)算法进行DOA估计,并根据相干源对应根的特点来消除相干信号的干扰,从而获得独立信号的波达方向;然后利用阵列接收数据协方差矩阵中独立信号的托普利兹(Toeplitz)特性,从中去除独立信号的数据分量,再利用改进矢量重构和总体最小二乘-旋转不变子空间(total least squareestimation of signal parameters via rotational invariance technique, TLS-ESPRIT)算法来估计相干信号的波达方向。理论分析和实验仿真结果表明,所提方法具有一定的阵列扩展能力,且计算量小、估计性能好。     

一种不依赖超参数的稀疏信号单快拍DOA估计方法

基于传感器阵列输出模型的稀疏重构, 研究了利用单快拍数据进行相干信号波达方向(direction-of-arrival, DOA)估计的问题。定义一个干扰协方差矩阵作为权矩阵, 通过加权最小二乘(weighted least squares, WLS)准则的迭代自适应求解, 实现单快拍DOA高精度估计算法, 简称WLS-IAE算法。详细分析了算法的计算复杂度, 并与经典的稀疏估计类算法进行比较。结果表明作为一种稀疏表示类估计方法, WLS-IAE算法不仅保持了在低信噪比、单快拍、信号相干、信号DOA角度间隔小等非理想条件下的良好估计性能, 而且无需选取超参数, 计算复杂度更低, 具有更强的实时性, 适用于快变目标信号DOA的实时跟踪测量, 具备潜在的工程实用价值。仿真实验验证了提出算法的有效性。     

基于矩阵重构的非相干分布源参数估计方法

针对现有非相干分布源参数估计算法计算量大等问题,提出了一种新的DOA和角度扩展估计算法.该算法利用空间频率近似模型下的非相干分布源协方差矩阵的结构特点.协方差矩阵可分为相位信息矩阵和幅度信息矩阵.对相位信息矩阵进行重构,对重构后的协方差矩阵利用MUSIC等传统方法即可实现DOA的估计;对幅度信息矩阵的各主次对角线上的元素均进行平滑得到幅度信息平滑向量,估计得到的DOA代入幅度信息中即可得到角度扩展的估计,从而实现非相干分布源DOA和角度扩展分离估计.计算机仿真验证了算法的性能.     

基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法

传统算法通常采取舍弃互质阵列的“差联合”阵列形成离散虚拟阵元，只利用其中连续虚拟阵元进行离波方向角(direction of departure, DOD)和波达方向角(direction of arrival, DOA)联合估计，存在自由度提升受限、估计性能不佳等问题。对此,提出基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法。首先,将两个互质子阵以零点为中心布列,分别构成双基地多输入多输出(multiple input multiple output, MIMO)雷达的发射阵列和接收阵列,该布阵结构将传统的虚拟阵元由阵列“差联合”结构形式变成“和联合”结构形式,降低了虚拟阵列的冗余度。其次,在形成的虚拟阵元基础上,通过在虚拟阵列孔洞位置内插虚拟阵元使其连续,对于内插的虚拟阵元无实际接收信号问题,基于最小化核范数优化理论,采用协方差矩阵Toeplitz化重建的方式恢复内插虚拟阵元的等价接收信号,利于所有虚拟阵元层面的角度联合估计。最后,针对因角度配对导致的高运算量问题,结合降维多重信号分类(reduced dimension multiple signal classification, RD-MUSIC)算法使角度自动配对,从而减小算法运算复杂度。有效提高了目标分辨力和角度联合估计性能，仿真实验验证了算法的有效性。     

基于虚拟阵列扩展的改进加权空间平滑算法

针对相干信源的波达方向(direction of arrival, DOA)估计问题, 传统的空间平滑算法通过减小阵列孔径来解相干, 导致估计精度降低。本文以相干分布源为研究对象, 首先通过扩展共轭虚拟阵列增大阵列孔径, 使用Toeplitz算法进行预估计, 根据预估计值构建加权矩阵, 通过二次加权空间平滑恢复协方差矩阵的秩, 消除信号的相干性, 结合传播因子算法估计得到目标信源的入射角度。该算法充分利用子阵输出的自相关和互相关信息, 改善了阵列孔径带来的精度影响。仿真结果表明, 所提算法对相干信源具有良好的分辨能力和估计精度, 在低信噪比时鲁棒性较好。     

均匀圆阵相干信源二维波达方向估计

提出一种基于弹载双均匀圆阵（uniform circular array, UCA）的相干信源二维波达方向（direction of arrival, DOA）估计算法。算法首先沿轴向对阵列进行虚拟平移,利用空间平滑技术处理数据以恢复协方差矩阵的秩,实现相干信号解相干,再依据轴向双圆阵列的结构特点构造波达方向矩阵,对波达方向矩阵进行特征值分解可得到包含俯仰角信息的特征值和包含俯仰角信息与方位角信息的特征矢量,完成相干信源DOA估计。算法将波达方向矩阵法引入均匀圆阵,估计参数自动配对,同时避免了常规算法的二维谱峰搜索,实时性好。仿真结果表明,与矩阵重构的均匀圆阵旋转不变子空间（uniform circular array estimation of signal parameters via rotational invariance techniques, UCA-ESPRIT）算法相比,本文算法计算量较小,分辨率高。     

基于差集表遍历搜索的互素阵列DOA估计器

为降低波达方向(direction-of-arrival, DOA)估计中阵元硬件成本和阵元间耦合,提出基于差集表遍历搜索的互素稀疏阵列DOA估计器。该估计器兼顾低复杂度和高精度的特点。其低复杂度在于:仅需依据互素稀疏阵列的阵元坐标即可构造出差集表,以该差集表为指导,可实现观测阵元的协方差矩阵到Nyquist虚拟阵列协方差矩阵的快速转换,进而借助多信号分类分解实现多目标DOA估计;其高精度在于:差集表遍历搜索措施可提升信号子空间的维度,进而提高了空间谱分辨率。鉴于高频段、低波长的阵列信号处理应用日益展开,该DOA估计器具有较为广阔的应用前景。     

Direction finding of coexisted independent and coherent signals using electromagnetic vector sensor

The existing direction of arrival (DOA) estimation algorithms based on the electromagnetic vector sensors array barely deal with the coexisting of independent and coherent signals. A two-dimensional direction finding method using an L-shape electromagnetic vector sensors array is proposed. According to this method, the DOAs of the independent signals and the coherent signals are estimated separately, so that the array aperture can be exploited sufficiently. Firstly, the DOAs of the independent signals are estimated by the estimation of signal parameters via rotational invariance techniques, and the influence of the coherent signals can be eliminated by utilizing the property of the coherent signals. Then the data covariance matrix containing the information of the coherent signals only is obtained by exploiting the Toeplitz property of the independent signals, and an improved polarimetric angular smoothing technique is proposed to de-correlate the coherent signals. This new method is more practical in actual signal environment than common DOA estimation algorithms and can expand the array aperture. Simulation results are presented to show the estimating performance of the proposed method.     

基于最小冗余线阵的二维传播算子DOA估计

针对二维DOA (direction of arrival)估计所需阵元数量较多且阵元利用率较低的问题,提出了一种低阵元冗余度的阵列模型,将最小冗余线阵的应用拓展到二维DOA估计领域,降低了阵列冗余度。同时,利用传播算子算法估计二维波达方向,该算法无需谱峰搜索,且避免了大矩阵的特征分解,在解决计算量问题上有着巨大优势。最小冗余线阵的设置方式,用较少的阵元获得了较大的阵列有效孔径,从而弥补了传播算子算法在低信噪比条件下性能下降的缺点,具有了更好的低信噪比适应能力。该文从理论上论证了三平行最小冗余线阵设置的合理性,仿真实验证明了该方法的有效性。     

分布式nested阵列及其高精度DOA估计

为了进一步提高分布式阵列的自由度和分辨力,提出一种分布式nested阵列。该阵列将nested阵列作为分布式阵列的子阵。基于Khatri Rao积, nested子阵可提高整个阵列的自由度。分布式nested阵列以较少的阵元数及硬件成本实现大的孔径和较高的分辨力,而且提高了目标波达方向(direction of arrival, DOA)估计的精度。并利用基于Khatri Rao积的空间平滑酉旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法进行DOA估计。其先对协方差矩阵向量化提高自由度,然后利用空间平滑对新数据协方差矩阵进行秩恢复,最后使用双尺度酉ESPRIT算法得到DOA估计。仿真结果证明所提方法的有效性。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

虚拟阵列下的相干信号测向算法

大多数解相干测向算法只能应用于均匀线阵,而不能用于均匀圆阵。针对这一问题提出了一种基于虚拟均匀线阵的快速解相干波达方向估计算法,该算法对均匀圆形阵列的输出信号进行模式激励,使其成为虚拟均匀线阵,在色噪声协方差矩阵为复对称Toeplitz结构的情况下,利用空间差分方法和矩阵重构相结合来估计相干信号,并且去除非相干信号以及色噪声。该算法提高了阵列的信源过载能力,不需要进行高阶累积量的计算以及特征分解,计算机仿真结果证明了算法的有效性。     

基于稀疏重构的L型阵列MIMO雷达降维DOA估计

针对L型阵列多输入多输出(multiple-input multiple-output,MIMO)雷达二维空间角估计问题,提出一种基于协方差矩阵联合稀疏重构的降维波达方向(direction of arrival,DOA)估计算法。该算法根据L型阵列MIMO雷达联合流型矢量的特点,通过降维矩阵的设计及回波数据的降维变换,最大程度地去除了所有的冗余数据;通过协方差矩阵联合构造稀疏线性模型,将2维角参量空间映射到1维空间,极大降低字典长度和求解复杂度的同时,不牺牲阵列孔径,实现了二维空间角度的有效估计和参数的自动配对。理论分析与实验仿真表明:与RD_MUSIC算法相比,本文降维处理有效提高阵元利用率的同时,最大程度地降低了回波数据的维数;与传统子空间类算法相比,基于协方差矩阵联合构造的稀疏线性模型充分利用了阵列孔径,无需预先估计目标数目,参数估计性能在低信噪比及小快拍数据长度下优势明显。最后,仿真结果验证了本文理论分析的正确性和算法的有效性。