独立分量分析联合最小二乘的DOA估计

研究了线性均匀阵列的信号波达方向(direction of arrival, DOA)估计问题。提出了一种基于独立分量分析(independent component analysis, ICA)联合最小二乘(least square, LS)处理的DOA估计新方法。通过天线阵列因子的虚部,建立新的信号接收模型,并以此进行ICA应用的可行性分析,将获取源信号的幅值转化为LS问题进行求解。设计了方法的实现步骤,推导了新方法用于DOA估计的角度公式,指出天线阵元间距应满足的条件,在提高精度方面可采用细估计对粗估计的更新来实现。仿真表明,所提方法具有较好的低信噪比性能、角度分辨力较高以及所需数据长度较短,为DOA估计问题提供了一种新的解决方式。     

基于冗余阵元优化的双基地嵌套MIMO雷达目标DOD和DOA联合估计方法

针对传统双基地嵌套多输入多输出(multiple input multiple output, MIMO)雷达进行目标参数估计时精度差、角度分辨率低和自由度低等问题, 提出了一种基于利用虚拟冗余阵元的重建Toeplitz矩阵算法对目标的波离方向角(direction of departure, DOD)和波达方向角(direction of arrival, DOA)开展参数估计的方法。首先, 将两个嵌套阵列空间分置后分别形成双基地MIMO雷达的接收阵列和发射阵列, 阵列经处理后的虚拟接收信号存在大量冗余虚拟阵元。其次, 将冗余虚拟阵元对应的协方差数值进行平均处理替代原值, 形成新的虚拟接收信号。然后,通过利用两个选择矩阵在虚拟接收阵列和虚拟发射阵列中分别构建空间平滑子阵的方法重构Toeplitz矩阵, 来重组虚拟接收信号。最后, 利用常规子空间类算法对等效虚拟信号开展空间谱估计, 实现DOD和DOA的相互匹配, 所提算法在估计性能和自由度性能方面与其他算法对比效果更好。     

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。     

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。     

基于L型阵列MIMO雷达的DOA矩阵方法

首先提出一种基于波达方向（direction of arrival, DOA）矩阵思想的L型阵列多输入多输出（multiple input multiple output, MIMO）雷达二维角度估计方法。通过将L型阵列MIMO雷达所产生的二维虚拟平面阵列划分为两个子阵,并构造估计矩阵以实现二维角度估计。在此基础上,针对角度兼并问题,进一步提出联合对角化DOA矩阵方法。该方法通过构造4个子阵,并采用联合对角化方法估计目标二维角度。该方法在保持原DOA矩阵法无需二维谱峰搜索和参数配对等优点的基础上避免了角度兼并问题,能够减少阵列孔径损失,有效提高阵元利用率和角度估计精度。仿真实验验证了所提方法的有效性。     

MIMO阵列旋转不变子空间目标方位估计仿真研究

针对多输入多输出(Multi-Input Multi-Output,MIMO)阵列多目标定位,提出一种基于子空间特征分解的MIMO阵列旋转不变子空间算法(MIMO array estimation of signal parameters via rotational invariance techniques,简称MIMO-ESPRIT).MIMO阵列各阵元发射彼此独立信号,因此阵列输出数据协方差矩阵不存在降秩以及信号子空间向噪声子空间扩散的现象,可直接应用子空间分解算法进行MIMO阵列目标方位估计.性能分析和仿真结果表明,随着发射阵元个数的增加和发射阵元间距的扩大,算法的多目标分辨能力和方位估计精度将得到明显改善.     

评"基于小波变换的多分辨信号波达方向估计法"

从信号泄漏和空间模糊的角度出发,详细分析了一种基于小波分解的多分辨信号波达方向估计方法(WD MDoA)并指出其缺陷。WD MDoA方法的基本思路是通过小波变换,把接收的阵元数据在空间上分解成多个子带,然后对每个子带进行波达方向估计。分析表明:对于WD MDoA方法,把接收的阵元数据在空间上被分解成多个子带后,如果某个子带外存在其它来波信号时,对该子带进行波达方向估计会产生虚假估计。因此,WD MDoA方法存在着较大的缺陷,计算机仿真结果验证了这个结论。     

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。     

基于互质阵虚拟阵列空间平滑的相干信号DOA估计方法

针对相干信号波达方向(direction of arrival,DOA)以空间平滑方法为基础的算法中阵列孔径损失严重以及低信噪比环境下算法估计性能较差等问题,提出一种无需信源数先验信息的互质阵列相干信号DOA估计方法.首先,对互质阵列得到的协方差矩阵矢量化,在虚拟阵元空洞位置内插天线零元,重构协方差矩阵为Toeplit...     

基于响应估计频域拟合的通道均衡方法

阵列各个天线、射频组件等在大信号带宽下引起的响应不同,造成了通道的不一致性,使得阵列的谱估计性能严重恶化.针对内定标无法校准天线馈线、已有外校准方法的性能受噪声影响严重和盲自适应过程依赖参考信号的问题,提出基于单一外部线性调频连续三角波信号源响应估计频域拟合的通道均衡方法.首先通过滑动协方差矩阵特征值分解和已知信源的理...     

基于辅助阵元法的非圆信号实值MUSIC算法

针对非圆信号波达方向(direction of arrival, DOA)估计算法在工程应用中受阵列误差影响的问题,基于辅助阵元法的基本原理,并结合非圆信号的特征提出了一种基于辅助阵元法的非圆信号实值多重信号分类(multiple signal classification, MUSIC)算法。该算法利用非圆信号输出阵列的实值扩展方式,既提高阵元输出信号的使用率,也减少算法的计算量。同时详细推导了获取信号DOA估计的数学表达式,并对所提算法进行了仿真实验。实验结果验证了该算法的有效性。     

基于焦面场的多波束反射面天线二维DOA估计

利用致密焦面阵列馈源，通过二维来波方向（direction of arrival，DOA）估计算法判别干扰信号的方向，是多波束反射面天线设计中的一个重要环节。由于阵列馈源接收的信号由源信号在反射面焦平面上的电场决定，其阵列流形与常规DOA估计平面阵列的阵列流形不相同；焦面场一般是不均匀的，因此选用的阵列单元接收的信号幅度也不相同，部分阵列单元接收的信号会比较微弱；不同的焦面场选用的阵列单元不同，对应的阵列结构也不相同，且其往往是不规则的；源信号经过反射面反射后，阵列单元接收的信号之间的相关性会降低。这些因素决定了阵列馈源的DOA估计具有特殊性。因此结合焦面场，设计了多波束反射面天线二维DOA估计方法，并进行了仿真，仿真结果证明了该方法的有效性和实用性。     

一种基于天线阵列的相干多径信号接收方法

在密集的城区环境下,多径传播导致接收信号的角度扩展和时延扩展,不同路径的到达信号通常具有不同的入射角度和传播时延.传统的波束形成器只针对期望用户的一条主要路径信号进行处理,而其他路径信号作为干扰被抑制.提出了一种基于天线阵列的相干多径信号接收方法,将天线阵列接收到的各路径信号进行延迟相干合并,使得合并信号的信干噪比优于任何单一路径接收的阵列输出信干噪比,从而极大地改善了系统的比特误码率(BER)性能.仿真结果验证了这种接收的方法的有效性.     

一种基于信号子空间聚焦的宽带DOA估计算法

根据阵列采样获得的宽带信号带宽内各个频点的协方差矩阵进行特征值分解得到的信号子空间,提出了一种新的宽带聚焦DOA估计方法。直观地根据各个频点的信号子空间来构造聚焦矩阵,推导了最佳聚焦信号子空间。对新方法的性能分析表明,该方法的性能与双边变换(TCT)方法相同,并给出了证明。构造聚焦矩阵时新方法所用的矩阵维数小于TCT方法,因此新方法运算量小于TCT方法。仿真结果证明了算法的有效性。     

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.     

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.