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。     

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.     

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。     

基于整体最小二乘的单次快拍线性预测空域谱估计方法分析

本文基于时间域前、后向线性预测方程,利用整体最小二乘方法来分析单次快拍空域谱估计问题。这种方法同时考虑数据矩阵与观察矢量噪声扰动的影响,所以,在低信噪比情况下,性能优于MUSIC等大多数高分辨空域谱估计方法。另外,由于它利用了数据矩阵奇异值分解技术,所以,对相干信号源也能实现良好分辨。本文摸拟实验结果证明了这一点。     

飞行机器人传感器阵列信息处理技术研究

越来越多的应用任务要求机器人能高精度的测量目标相对机器人的位置信息.通过在飞行机器人上安装传感器阵列来感知环境信号,并运用阵列信号处理算法可实现高精度的目标方位角度估计.给出了MUSIC(Multi signal classification)算法应用在传感器阵列信号处理的原理和实现方法,利用一种改进的MUSIC算法使机器人的传感器阵列能在出现相干信号源或信号信噪比较低时也能完成对多个信号方向的精确估计,并仿真实现.     

抑制校正源方位偏差的阵列误差矩阵鲁棒校正算法

针对校正源方位扰动误差会影响阵列误差矩阵校正精度这一问题,提出了一种可以自行抑制校正源方位扰动误差的鲁棒阵列误差矩阵校正算法。在假设校正源方位扰动误差较小的情况下,通过一阶Taylor级数展开的方式,建立了一种关于阵列误差矩阵的结构总体最小二乘优化模型用以抑制校正源方位扰动误差的影响,基于该优化模型,设计出一种数值优化算法用以实现阵列误差矩阵的鲁棒校正。数值实验验证了文中新算法的有效性和优越性。     

极化域DOA估计与阵元姿态位置误差自校正

极化阵列波达方向估计的多重信号分类(multiple signal classification,MUSIC)算法可以利用数据的多线性关系减少需搜索参数,适用于跳频、宽带信号。电磁矢量传感器在空间单一位置接收的完备电磁信息,可以转化为任意姿态下接收信号。无需专用校正信号源,利用系统使用期间获得的参照信号,可得到各传感器位置误差参数。仿真实验表明,该方法可实现极化阵列阵元六维空间参数误差自动校正。     

基于非圆信号的波束域共轭MUSIC方法

针对非圆信号形式,对传统的波束域MUSIC方位估计方法进行重构,提出了波束域共轭MUSIC方法来进行相干信号的波达方向估计.该方法充分利用非圆信号的特性,从阵列接收数据构造共轭对称的Toeplitz矩阵,将其作为伪协方差矩阵,使用波束域MUSIC算法进行处理来得到目标的方位估计值.该方法可以避免常规波束域MUSIC方法使用空间平滑预处理后损失阵列孔径,而导致可测的信号源数减少的问题.仿真表明,该方法在较少快拍数下,无需空间平滑就可以检测多个相关信号,其性能优于使用空间平滑技术的常规波束域MUSIC方法.     

一种无特征分解的快速子空间DOA算法

基于子空间正交特性的MUSIC算法具有优良的超分辨性能,但由于其需要对空间协方差矩阵进行特征分解,因而计算量比较大。为了降低计算复杂度,提出一种快速子空间算法。该方法利用信号特征值大于噪声特征值的特性,通过对空间协方差矩阵的高阶次幂或者空间协方差矩阵逆的高阶次幂来逼近信号子空间或者噪声子空间,从而避免了特征分解。获得噪声子空间后再采用MUSIC算法实现波达方向估计。仿真结果表明,该方法减少了计算量同时能够达到MUSIC算法的估计性能。     

一种基于四阶累积量的相干信号测向算法

利用四阶累积量估计相干信号的来波方向(DoA)需要获得修正阵列的方向矩阵。提出了一种估计修正阵列方向矩阵的改进算法,它减少了计算量,通过模式激励和空间平滑,实现均匀圆阵对来自不同独立信号源的相干信号的DoA估计,并利用虚拟阵列流形的中心对称性,将复矩阵的特征分解转换为实矩阵的特征分解,减少了计算量。相比基于自相关矩阵的算法,所提出方法提高了阵元利用率,有效地抑制了高斯噪声,不需要对模式激励后的数据进行白化处理,仿真结果表明,在低信噪比和多个独立信号源存在的条件下,有更明显的优势。     

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。     

Approach for wideband direction-of-arrival estimation in the presence of array model errors

The presence of array imperfection and mutual coupling in sensor arrays poses several challenges for development of effective algorithms for the direction-of-arrival (DOA) estimation problem in array processing. A correlation domain wideband DOA estimation algorithm without array calibration is proposed, to deal with these array model errors, using the arbitrary antenna array of omnidirectional elements. By using the matrix operators that have the memory and oblivion characteristics, this algorithm can separate the incident signals effectively. Compared with other typical wideband DOA estimation algorithms based on the subspace theory, this algorithm can get robust DOA estimation with regard to position error, gain-phase error, and mutual coupling, by utilizing a relaxation technique based on signal separation. The signal separation category and the robustness of this algorithm to the array model errors are analyzed and proved. The validity and robustness of this algorithm, in the presence of array model errors, are confirmed by theoretical analysis and simulation results.     

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。     

双基地MIMO雷达发射阵列幅相误差的旋转阵列校正法

双基地多输入多输出（multiple-input multiple-output, MIMO）雷达可利用直达波进行幅相误差校正,但当直达波方向测量不准时,现有的校正算法性能会严重恶化。针对此问题,提出了一种新的基于子空间的旋转阵列幅相误差校正算法。该算法通过旋转发射阵列天线得到不同方位角的协方差矩阵,利用子空间算法估计通道的增益和相位误差。该算法无需已知直达波的入射角,只需已知发射阵列天线的旋转角度,即可同时完成发射通道幅相误差和直达波到达角的估计,且性能较好,计算机仿真和实测数据结果验证了算法的有效性。     

基于特征向量空间聚焦的宽带DOA估计方法

针对传统宽带阵列信号波达方向(direction of arrival, DOA)估计方法中由入射角预估带来的DOA估计偏差及其在多径效应等环境下的应用问题,提出基于特征向量空间聚焦的宽带阵列DOA估计方法。首先,考虑多径干扰等对DOA估计算法的影响,对接收信号自相关矩阵进行平滑处理。然后,以平滑自相关矩阵特征向量空间过渡性为基础,构造聚焦矩阵,并证明其完美聚焦性。理论分析及仿真结果表明,该方法无需对入射信号角度值进行预估,有效避免了聚焦误差,算法复杂度较低,提高了估计精度及效率。     

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。     

虚拟波束四阶累积量DOA估计方法

为满足复杂干扰场景和阵列误差因素影响下雷达微弱目标信号精确测向需求,提出一种基于均匀线阵构建虚拟波束,替代阵列接收信号进行四阶累积量(fourth-order cumulant, FOC)波达方向(direction of arrival, DOA)估计的算法。该算法包括两个关键步骤：一是利用阵列接收信号特征分解的方法,对信号主信息分量进行提取,并以构建的虚拟波束为输入,计算FOC矩阵;二是针对主分量虚拟波束波瓣外的起伏,利用高斯窗修正波束方向图的方法,进一步提升空间谱函数的估计精度。仿真结果表明,该方法在存在阵列误差的非理想因素下,对复杂电磁干扰场景下的目标信号DOA估计精度较现有FOC方法提高150%以上,尤其对于场内同时存在多个非等功率源信号时,所提方法对低信噪比目标DOA估计精度提升效果优势明显,对复杂干扰环境下DOA估计精度更高、适应性更强。     

外辐射源雷达旋转阵列校正算法

外辐射源雷达面临严重的多径干扰,但强多径信号也为阵列校正提供了优良的信号源,针对此提出了一种利用最强径信号的旋转阵列校正算法。该算法首先采用时域相关运算分离出最强径信号,然后通过旋转阵列来增加信号源和提供先验信息,接着利用比幅原理估计出阵列幅度误差,最后结合最大似然(maximum likelihood, ML)算法和最小二乘(least square, LS)算法估计出最强径信号到达角和阵列相位误差。分析了所提算法的适用条件,并推导了最强径信号到达角和阵列相位误差估计的克拉美-罗下界(Cramer-Rao lower bound, CRLB)。仿真和实测数据处理结果验证了该算法的有效性。     

基于ESPRIT算法的矢量水听器阵方位估计性能分析

研究了矢量水听器阵利用旋转不变子空间(estimation of signal parameters via rotational invariance technique, ESPRIT)算法估计目标方位的问题,分析了几种处理方式的内在机理,并推导了它们的理论误差公式。针对利用振速分量直接估计方位受声源方位影响较大的问题,提出了一种角度融合的方法来提高方位估计性能。仿真结果表明,理论误差与实际非常吻合,提出的优化融合处理方法提高了目标方位估计的精度,降低了估计误差随方位角度变化波动的程度。