基于双模天线阵列的ESPRIT波达方向估计

考虑阵列信号波达方向(DOA)估计问题,提出了一种基于双模天线阵列的模式域旋转不变参数估计(ESPRIT)算法.与传统空域ESPRIT相比,模式ESPRIT的旋转因子仅与信号DOA有关而与阵列结构无关,因而无需阵元位置信息,也无需阵列存在空间匹配子阵.若阵元位置信息精确已知,还可利用空域稀疏采样获得无模糊多尺度DOA估计.计算机仿真结果验证了算法的有效性.     

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。     

基于阵列基线旋转的多目标DOA估计算法

传统均匀圆阵波达方向(direction of arrival, DOA)估计算法要求天线数目多于目标数量,易受阵列的通道不一致性影响。针对此问题,引入阵列基线旋转这一思想对多目标进行测向。通过旋转两天线阵列基线,并以固定的时间延迟对阵元的接收数据进行采样,相当于利用有限的两个阵元对目标进行多位置观测,增加了阵元的利用率,提高了DOA估计的测向精度。计算机仿真实验表明,该算法采用两阵元就可以实现多目标测向,其测向性能与基于均匀5元圆阵的传统多重信号分类算法相当,具有对多通道间相位不一致鲁棒性强的优点。     

最优冗余线阵欠定信号双重构DOA估计方法

针对最小冗余线阵难以用于阵列设计的问题, 设计了一种性能相近的最优冗余线阵, 为实现相应阵列的欠定信号到达角(direction of arrival, DOA)估计, 又提出了一种基于两次重构的快速协方差向量稀疏表示方法。该方法利用凸优化中最优解条件, 实现了Toeplitz协方差矩阵的快速高精度重构, 进而基于构造的协方差向量稀疏表示模型, 实现了欠定信号DOA估计。仿真结果证明, 最优冗余线阵相较于其他稀疏线阵, 耦合影响更低, 测向精度更高, 所提算法较同类算法DOA估计精度更高。     

基于双平行互质阵列的二维高精度DOA估计

为利用互质结构进行二维高精度波达方向(direction of arrival, DOA)估计,设计了双平行互质阵列,提出了构建非均匀虚拟阵列的失配处理贝叶斯学习方法,最大限度扩展了测向自由度的同时,降低了网格失配对DOA估计精度的影响。首先,对平行互质阵列进行垂直方向扩展构建了双平行互质阵列;其次,进行了非均匀虚拟阵列扩展,利用稀疏贝叶斯学习进行稀疏重构;然后,利用到达角相邻网格的能量关系,通过泰勒展开,进行了低复杂度的失配处理;最后,提出剔除规则和选择规则,融合两个方向子阵的估计结果。理论分析和仿真实验证明了所提阵列和DOA估计方法的有效性。     

采用有向阵元的扇形阵列DOA估计

大部分传统的DOA估计算法都是基于全向阵元假设的,该假设显然与实际情况存在偏差。结合无线电引信对目标的空间定位问题,利用克拉美-罗界和MUSIC算法研究了采用有向阵元的扇形阵列DOA估计,并进行了数值仿真,结果表明,在相同的信噪比条件下,采用有向阵元的扇形阵列DOA估计精度和分辨力都要优于全向阵元阵列。     

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。     

基于虚拟阵元信号重构的嵌套阵稳健波束形成

由于嵌套阵中部分阵元间距远大于信号半波长, 可能导致高旁瓣和栅瓣等问题。因此, 通过利用均匀子阵进行信号波达方向(direction of arrival, DOA)估计, 重构出虚拟阵元的接收信号, 从而构建一个虚拟的稠密均匀阵列, 大幅增加了波束形成算法自由度。通过估计信号功率, 重构虚拟均匀阵列的干扰加噪声协方差矩阵(interference plus noise covariance matrix, INCM), 可得虚拟均匀阵列的波束形成权矢量。仿真实验表明, 相比其他波束形成方法, 所提算法主瓣宽度小、旁瓣电平低、收敛速度快、抗干扰能力强。     

基于柱面共形阵列天线的快速波达方向估计

由于共形天线载体曲率不同,阵列中每个阵元的方向图的指向各不相同,这导致了阵列中各个阵元极化特性(polarization diversity, PD)的差异。因此,共形阵列天线的数学模型中考虑了不同阵元的极化特性。共形阵列实现波达方向(direction of arrival, DOA)估计的过程中,主要难点在于信源方位参数与极化状态的去“耦合”。本文利用圆柱的单曲率特性,通过合理摆放子阵中的天线阵元,结合传播算子方法(propagator method, PM)和子阵分割技术,提出了一种适合于柱面共形阵列的DOA估计方法。本文的DOA估计算法不需要天线单元方向图的任何信息,不需要谱峰搜索和参数配对,计算量较小。最后通过Monte-Carlo仿真实验验证了本文算法的有效性。     

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。     

基于root-RARE算法的非同构分布式阵列高精度方向估计

针对非同构分布式阵列无法使用旋转不变子空间算法(estimation of signal parameters via rotation invariant technique algorithm, ESPRIT),同时为了提高非同构分布式阵列的角度估计精度,提出基于求根降秩算法(root rank reduction estimator, root-RARE)的目标波达方向估计方法。由于分布式阵列的基线长度远大于半波长,合成方向图出现栅瓣,导致测角模糊。算法以root-RARE与多重信号分类算法(multiple signal classification, MUSIC)联合解模糊,以root-RARE得到的粗估计为参考,解整个非同构分布式阵列MUSIC谱估计的模糊,从而得到高精度无模糊的估计。推导非同构分布式阵列方向估计的克拉美罗界,分析算法的波达方向估计性能,同时分析分布式阵列方向估计时的基线模糊门限与信噪比门限之间的关系。仿真结果验证所提算法方向估计的正确性及有效性。     

利用贝叶斯决策的GBAS保护级完好性风险分配

完好性风险是描述导航系统完好性重要指标之一。美国航空无线电技术委员会(Radio Technical Commission for Aeronautics, RTCA)在其标准DO-245A中提到,可依据Ⅰ类陆基增强系统(groud-based augmentation system, GBAS)地面基准站中的基准台数将保护级完好性风险分配于H₀和H₁假设,用于计算漏检乘积因子和GBAS保护级。此方法未能依据基准台故障情况分配完好性风险概率,导致保护级无法较准确地反映GBAS位置误差。本文利用Bayesian决策,基于最小总错误率准则重新分配H₀和H₁假设下的完好性风险概率。仿真分析了不同基准台数以及不同误差分布下完好性风险概率的分配,并计算了漏检乘积因子和垂直保护级,结果表明在基准台数大于2以及存在零均值或非零均值高斯分布的垂直位置误差时,基于Bayesian决策的完好性分配算法降低了保护级数值。理论分析和仿真实验表明,基于最小总错误率准则重新分配H₀和H₁假设下的完好性风险概率,减小了完好性风险分配的错误率,使保护级紧致地包络实际定位误差。     

A method based on Chinese remainder theorem with all phase DFT for DOA estimation in sparse array

This paper takes further insight into the sparse geometry which offers a larger array aperture than uniform linear array(ULA)with the same number of physical sensors.An efficient method based on closed-form robust Chinese remainder theorem(CFRCRT)is presented to estimate the direction of arrival(DOA)from their wrapped phase with permissible errors.The proposed algorithm has significantly less computational complexity than the searching method while maintaining similar estimation precision.Furthermore,we combine all phase discrete Fourier transfer(APDFT)and the CFRCRT algorithm to achieve a considerably high DOA estimation precision.Both the theoretical analysis and simulation results demonstrate that the proposed algorithm has a higher estimation precision as well as lower computation complexity.     

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。     

基于均匀圆阵模式空间和多重旋转不变子空间算法的完备二维DOA估计算法

为了在低运算量下提高均匀圆阵中二维测角的精度,提出一种基于圆阵模式空间和多重旋转不变子空间算法的二维波达方向估计算法。首先利用模式空间算法将均匀圆阵等效为虚拟均匀线阵,并利用贝塞尔函数的递推性质推导此种情况下阵列的旋转不变特性。然后根据虚拟线阵的结构提出一种简便有效的子阵划分办法,在此基础上得出阵列的多重旋转不变方程,并利用多重最小二乘准则得出其完备解,从而完成对信号二维到达角的估计,仿真实验验证了算法的有效性。     

一种基于MUSIC算法的二次搜索解模糊方法

在基于阵列天线的DOA估计中,研究者采用了多种手段和方法用来提高测角精度,而往往测角精度越高,角度模糊越严重。针对测角精度和角度模糊是相互矛盾的问题,提出了一种基于MUSIC算法的二次搜索的解模糊方法。首先用MUSIC算法粗搜索出目标信号的低精度来向,然后根据阵列设置推导出第二次搜索的角度范围,最后在新的角度搜索范围内进行小步长的角度搜索,得到目标信号的高精度来向。计算机仿真结果表明,本方法可以更快速、准确地实现高精度无模糊测向。     

阵列通道不一致条件下波达方向估计及其校正

现有的基于特征分解类的角度超分辨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,算法的估计性能会严重下降,甚至失效.针对此问题,提出了一种波达方向估计和通道误差校正的新算法,先对各子阵接收信号预处理,使得通道误差对每个子阵的影响一致,这样阵列旋转因子就与通道误差无关,再利用阵列旋转不变性,实现波达方向估计和阵列通道误差的校正.无需校正源,也不需要知道通道误差的先验信息,无需多维搜索寻优和迭代.理论分析和计算机仿真都表明新算法的优越性.     

基于非均匀采样的空时级联频率和到达角估计

将时域的非均匀采样扩展到空域阵列信号处理,提出了一种基于非均匀采样的空时级联频率和到达角估计方法。利用非均匀时延间隔的延迟器组成的虚拟阵列估计出信号频率,再基于非均匀空域采样估计出该频率上的信号到达角。该方法充分利用了非均匀采样时间间隔的随机性,突破了时域和空域采样定理的限制,解决了在使用较大阵元间距的条件下空时二维频率和到达角估计的模糊问题,不需要二维搜索和额外的配对过程,同时增大的阵元间距也显然提高了估计的精度和分辨率,仿真实验证明了该方法的有效性及小信噪比条件下估计精度的改善。     

低快拍下基于稀疏重构的大电磁矢量传感器阵列多维参数联合估计

大尺寸电磁矢量传感器(electro magnetic vector sensor, EMVS)比小尺寸EMVS辐射效率更高, 研究其参数估计算法有助于推动EMVS的实装化应用。针对大尺寸EMVS阵列研究了低快拍下参数估计问题, 提出基于稀疏重构的波达方向(direction of arrival, DOA)和极化参数联合估计算法。首先构造仅含DOA信息的低维块稀疏表示, 然后采用块正交匹配追踪算法恢复块稀疏信号, 最后利用得到恢复后的信号反推出DOA和极化参数估计值。仿真表明了该算法在低快拍下参数估计的有效性, 且计算量和精度均优于现有基于稀疏重构的小尺寸EMVS参数估计算法。     

压缩感知视角的鲁棒波达角估计算法

从压缩感知的视角对鲁棒波达角估计进行了探索,通过将可能存在的波达角进行空间离散化,从而将波达角估计问题转换为压缩感知信号支撑恢复问题。同时将阵元存在的增益失配、相位失配和阵元间互耦等非理想因素,通过一阶近似,将其建模成均值为理想流形矩阵的随机矩阵,从而建模了阵列非理想特性和波达角空间离散化带来的误差。基于这种新的随机测量矩阵模型,提出了一种基于压缩感知的鲁棒波达角估计算法,分析表明本文提出算法对阵列模型扰动和角度空间离散化具有良好的鲁棒性。仿真验证了分析结果。