均匀圆阵互耦自校正的级联估计方法

为了校正阵元间的互耦误差,提高波达方向（direction of arrival, DOA）估计算法的性能,针对均匀圆阵,提出一种互耦自校正的级联估计方法。首先利用互耦矩阵的结构特点,从构成互耦矩阵的每个互耦系数入手,重新表示阵列流形;然后利用变换矩阵,构造目标函数,求解线性约束下目标函数最小时所对应的互耦矩阵;最后由互耦矩阵校正阵列流形,进行谱峰搜索,得到入射信号DOA,实现互耦自校正。该算法不需要多维循环迭代,对DOA和互耦矩阵的估计精度较高,计算机仿真和实际测向系统测试验证了该方法的有效性。     

自适应天线阵列研究综述

本文综述了近年来人们对自适应天线系统中天线阵的研究成果，其中包括：自适应天线阵列设计，自适应天线中阵元间互耦的校正和基于自适应天线理论的阵列方向图综合，最后指出了在自适应天线阵列研究方面几个值得进一步探索的问题。     

非均匀线阵的互耦自校正

针对非均匀线阵(non-uniform linear array,NULA)互耦问题进行了研究。与均匀线阵(uniform linear array,ULA)不同的是,NULA的互耦矩阵并不具有带状对称Toeplitz的特性,因而处理起来更为复杂。首先,根据阵列结构的特点,可将其互耦矩阵转换为两个具有Toeplitz特性矩阵相减的形式,从而方便实现角度和互耦系数的解耦合。而后结合子空间原理,同时估计信号的波达方向(direction of arrival, DOA)和互耦系数。算法无需额外的校正源,也不需要非线性的高维搜索和迭代过程,计算量小。仿真结果表明,所提算法能够很好地估计出信号角度和互耦误差系数,具有精度高、分辨力强的特点,可以有效地解决此类NULA的互耦问题。     

均匀线阵互耦和幅相误差有源校正改进算法

阵列互耦和幅相误差会严重影响MUSIC算法的测向性能,为此重点研究了由互耦和幅相误差引起的阵列误差校正问题。针对均匀线阵,提出了一种改进的阵列误差校正算法,它通过矩阵特征分解得到一组校正源的方向向量来估计阵列误差,改进算法充分利用了均匀线阵互耦矩阵的特殊结构,并通过交替迭代的方法实现了阵列误差参数的优化校正。计算机仿真结果表明,改进算法提高了参数估计精度,并且可推广应用于校正源方位存在偏差的情况。     

8单元均匀圆阵天线互耦合校正方法

提出了一种8单元均匀圆阵天线互耦合校正方法。通过采用压缩感知方法,在互耦合效应存在的情况下估计校正信号源的到达角,并确定互耦合系数的迭代初始值,然后通过求解一个优化问题来得到互耦合系数。仿真实验与实测数据结果表明，所提的压缩感知方法能够精确估计校正信号源的到达角,所提方法计算得到的互耦合系数对8单元均匀圆阵天线的校正效果良好。     

基于ESPRIT的均匀互耦线阵DOA及互耦参数估计

利用均匀线阵的特殊结构及其互耦矩阵,提出了一种阵列互耦存在下基于ESPRIT的DOA和互耦参数估计方法.首先通过ESPRIT法中子阵的选取,无需阵列互耦任何信息,直接得到方位估计,即对互耦参数稳健的DOA估计方法;接着在方位估计的基础上,基于真实导向矢量的最小方差拟合得到均匀线阵的互耦系数估计.与已有算法相比,该算法同时利用了天线阵列结构及其互耦特点,一方面将信号角度与互耦系数估计相互分离,使角度估计精度不受互耦估计的制约;另一方面,方位和互耦系数估计均可通过表达式求解,因此算法运算量小.计算机仿真证明该算法的有效性和正确性,并从仿真角度研究了算法分别在幅相误差和互耦矩阵误差下的性能.     

均匀线阵混合信源DOA估计与互耦误差自校正

针对均匀线阵(uniform linear array, ULA)互耦条件下混合信源的波达方向（direction of arrival, DOA）估计问题,基于联合对角化算法,提出了一种基于3步实现的DOA与互耦系数估计新算法。首先利用互耦矩阵的Toeplitz结构实现混合信源中独立信源的DOA及互耦系数的粗估计;然后结合斜投影及前后向空间平滑,实现混合信源DOA估计;最后以广义空间特征矩阵及混合信源DOA估计值为基础,提出一种非子空间类互耦系数自校正方法。计算机仿真结果表明,与同类算法相比,所提算法无论在DOA及互耦系数估计精度、还是在DOA估计成功率方面,均具有明显的优势,且对于高斯背景噪声具有普适性。     

多子阵互耦影响下的鲁棒自校正算法

针对多子阵中各子阵的标称方向可能存在扰动偏差这一问题,给出了一种多子阵互耦影响下的鲁棒自校正算法。与现有很多互耦自校正算法类似,本文算法同样利用了均匀线阵互耦矩阵的带状、对称Toeplitz性以及多子阵互耦矩阵的块状对角特性,从而避免了多参数联合估计中的多维非线性搜索以及迭代运算。不同的是,本文算法能够克服各子阵标称方向的扰动偏差,具有更强的鲁棒性。此外,还推导了多参数联合估计的克拉美罗界。仿真实验验证了本文算法的有效性和优越性。     

互耦效应下低复杂度的二维DOA估计算法

互耦效应会对阵列流型产生扰动并改变子阵间的旋转不变关系, 导致二维子空间类算法性能急剧下降甚至失效。传统二维波达方向(two-dimension direction of arrival, 2D-DOA)估计和互耦校正算法存在二维谱峰搜索困难、迭代寻优慢和计算量大等问题。利用均匀矩形阵列的特殊结构以及互耦系数矩阵的特点, 提出了一种互耦效应影响下能实现完全解互耦的二维旋转不变子空间算法。该算法通过合理选取3个在互耦影响下仍具备旋转不变关系的子阵列, 构建扩展的协方差矩阵, 通过一次特征分解, 即可实现2D-DOA估计和互耦抑制。从理论上证明了ESPRIT算法应用于互耦效应影响下2D-DOA估计的可行性。算法无需二维谱峰搜索和阵列互耦任何信息, 计算量得到有效降低。仿真验证了该算法能够实现稳健的2D-DOA估计, 并抑制互耦效应影响, 估计性能与无误差时的标准ESPRIT算法接近。     

通道不一致性、互耦对最优阵列处理器的影响

本文研究了通道幅相不一致性、互耦这两种误差对最优阵列处理器性能的影响。理论分析结果表明,对于只利用干扰加噪声协方差矩阵求逆的自适应方法(简称NAMI法),当干噪比(JNR)较大时,这两种误差不会导致零点位置的漂移,但零点深度有所变化;对于信号加干扰和噪声协方差矩阵求逆自适应方法(简称SPNMI法),当信噪此(SNR)较小或较大时,零点位置变化不大,但性能损失比NAMI法严重得多。如果能加以补偿,则SPNMI法与NAMI法有相同的结果。我们用矩量法计算得到的互耦矩阵对此进行了仿真模拟,实验结果证明了理论分析的正确性。     

FDA-MIMO雷达目标距离、角度及未知互耦参数估计

针对频控阵-多输入多输(frequency diverse array multiple input multiple output, FDA-MIMO)雷达阵列间存在未知互耦合情况的参数估计问题, 提出一种基于数据转换的二维多重信号分类方法。首先, 构造了存在未知互耦合影响的接收信号模型。然后，通过子空间分解的方法得到用于参数估计的谱函数, 并且采用数据转换的方法来解决谱函数由于未知耦合矩阵存在而失真的问题。最后，利用得到的目标距离和角度参数的估计值, 通过类似线性约束最小方差重构优化问题, 估计出耦合系数矩阵。仿真结果验证了所提方法的有效性，能准确估计阵列间存在未知互耦合效应时的参数和互耦合系数。     

结合天线互耦分析的同车电台射频干扰对消

伴随战场指挥通信系统的复杂化,车载多部军用超短波(very high frequency,VHF)电台间互扰问题日益突出。针对同车电台间互扰问题,提出了结合天线近场耦合计算的射频干扰自适应对消方法,在此基础上推导出了耦合计算误差影响系统收敛时间的解析表达式。该方法通过预先建立同车收发天线近场模型,计算得出收发天线间耦合系数和相位失真度,再利用该结果设定自适应干扰对消链路的初始参数,缩短了射频自适应干扰对消算法的收敛时间。仿真表明,所提方法在不降低对消比情况下,与现有的自适应对消方法相比收敛时间缩短了30%以上,同时也验证了计算误差影响收敛时间解析表达式的正确性。     

立体十字型互耦阵列二维DOA估计及互耦自校正

针对常规十字阵子阵间互耦不易处理这一问题,设计一种立体十字型阵列,并在该阵列基础上,提出立体十字型互耦阵列传播算子(propagation method for tridimensional cross array in presence of mutual coupling,TCA-MC-PM)算法。该算法首先分别从子阵中选取部分合适阵元构成阵列,将理想导向向量与互耦系数剥离,利用信号子空间与理想导向向量张成同一空间这一关系估计方位角与俯仰角,接着通过子空间与秩损原理估算互耦系数,最后利用整个阵列的空间谱函数完成方位角和俯仰角的配对。在此过程中涉及的子空间都以阵列的传播算子构建,可避免特征分解,降低运算量。仿真表明,本文提出的算法不涉及空间谱搜索,运算量小,有效抑制互耦影响,测量精度高。     

宽带阵列互耦建模及其对DOA估计的影响

为了研究不同几何分布的宽带阵列对互耦效应的适应能力,建立了一种互耦条件下新的宽带阵列天线接收数据模型.基于该模型比较了互耦效应对各种测向方法性能的影响,以及几种常见阵列结构对互耦效应的适应能力.最后提出了一种宽带互耦补偿的思想,利用各频率点上互耦矩阵的测量值实现了对宽带阵列的互耦补偿.     

Multi-target localization for bistatic MIMO radar in the presence of unknown mutual coupling

A decoupling-estimation signal parameters via rotarional invariance technique(ESPRIT) method is presented for multi-target localization with unknown mutual coupling in bistatic multiple-input multiple-output(MIMO) radar.Two steps are carried out in this method.The decoupling operation between angle and mutual coupling estimates is realized by choosing the auxiliary elements on both sides of the transmit and receive uniform linear arrays(ULAs).Then the ESPRIT method is resilient against the unknown mutual coupling matrix(MCM) and can be directly utilized to estimate the direction of departure(DOD) and the direction of arrival(DOA).Moreover,the mutual coupling coefficient is estimated by finding the solution of the linear constrained optimization problem.The proposed method allows an efficient DOD and DOA estimates with automatic pairing.Simulation results are presented to verify the effectiveness of the proposed method.     

互耦误差下MIMO雷达低仰角估计方法

针对互耦误差下多输入多输出（multiple input multiple output, MIMO）雷达的低仰角估计的问题,提出一种目标角度估计的自校准算法。首先分析了收发阵列同时存在互耦误差时的多径回波信号模型,然后利用均匀线阵互耦矩阵的特点对互耦误差下的阵列导向矢量进行变换,最后基于子空间原理推导出目标角度的搜索函数,同时给出多径衰减系数和收发阵列互耦矩阵的计算表达式。推导了各参数的任意无偏估计的Cramer-Rao界（Cramer-Rao bound, CRB）。算法在未知互耦矩阵和存在相干多径信号的情况下可直接进行参数估计,不需要辅助校准源和迭代处理。仿真结果分析了算法估计性能与信噪比、快拍数的关系并与CRB进行了比较。     

用一次快拍数据实现二维完全解相干和解互耦

针对相干信源背景和考虑二维阵列互耦效应时的二维波达方向(direction of arrival, DOA)快速估计问题,提出了一种只利用一次快拍数据即可实现二维完全解相干和解互耦的快速算法--互耦效应下的单次快拍波达方向矩阵(single snapshot DOA matrix method in the presence of mutual coupling, MC-SS-DOAM)法。该算法仅利用特殊阵列的单次快拍数据构造等效的接收数据协方差矩阵,避免了传统算法需要多次快拍累积的弊端,将其分解后得到了具有对角阵形式的等效信号协方差矩阵,因此实现了完全解相干,此时互耦系数已经从阵列流型矩阵中剥离,归入至对角元素中,即实现了完全解互耦。文中进一步对互耦系数可能导致的二维盲角进行了分析。仿真结果表明,该算法能够完全实现解互耦和解相干,且仅利用一次快拍的本文算法二维估计性能接近50次快拍的DOAM算法,明显优于40次快拍的DOAM算法。