空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次,利用张量填充技术对无噪协方差矩阵进行恢复。然后,利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

基于互协方差稀疏重构的MIMO雷达低仰角估计算法

针对低空目标仰角估计时, 多径信号间的混叠严重影响雷达的测角性能的问题, 基于压缩感知理论的波达方向(direction of arrival, DOA)估计算法与多输入多输出(multi-input and multi-output, MIMO)雷达体制结合起来共同进行低空目标DOA估计的研究, 提出了一种基于互协方差矩阵稀疏重构的MIMO雷达低空目标DOA估计算法。首先, 对MIMO雷达多径接收信号广义匹配滤波后的虚拟矩阵向量化处理, 并针对向量化后虚拟孔径扩展带来运算量大的缺点, 通过降维处理来减少运算量; 然后利用多快拍数互协方差矩阵中的噪声独立不相关的优点, 降低噪声影响, 提高算法估计性能; 最后转化为凸优化问题进行稀疏恢复。仿真结果表明算法在直达信号与多径反射信号相互削弱的情况下, 仍能有效估计低空目标的仰角, 较L1-SVD和L1-SRACV算法对低空目标具有更好的仰角估计性能。     

基于子空间估计的MIMO阵列降维STAP方法

当对多输入多输出(multiple input multiple output, MIMO)阵列进行空时自适应处理时,由于MIMO阵列虚拟孔径增大,相对常规相控阵列能够更好地抑制杂波和干扰,但其所需样本数据量大且计算复杂度高,工程实际中难以应用。提出基于子空间估计的MIMO阵列降维空间自适应处理（space time adaptive processing, STAP）方法,该方法结合扁长椭球波函数的时限带限特性近似构造出降维的杂波子空间,并利用与发射波形正交的辅助匹配滤波通道估计出干扰加噪声协方差矩阵,通过“逼零”方法求得MIMO阵列系统的空时权矢 量。仿真结果表明,当存在非理想因素影响时,该方法能够有效抑制杂波和干扰且降维运算量更低。     

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。     

色噪声下双基地MIMO雷达DOD和DOA联合估计

针对双基地多输入多输出(multiple input multiple output,MIMO)雷达在色噪声环境中的收发角度估计问题,提出了一种基于改进四阶累积量的角度估计算法。该算法首先构造回波信号的四阶累积量矩阵,然后根据四阶累积量矩阵的形成规律,在保证虚拟阵列孔径有效扩展的前提下去除其中的冗余项,达到矩阵降维的目的。最后将降维后的矩阵特征分解得到噪声子空间,再利用四阶累积量的多重信号分类(multiple signal classification,MUSIC)算法实现最终的收发角度估计。所提算法不仅可以有效抑制高斯色噪声,并且能够减小四阶累积量矩阵的维数,降低计算的复杂度,仿真结果验证了该算法的有效性。     

基于MEMP算法的二维DOA估计

针对L形阵列,提出利用增广矩阵束(MEMP)进行二维DOA估计的新算法。计算两个均匀线阵的互协方差矩阵,利用MEMP方法构造增广矩阵,运用ESPRIT算法实现二维波达方向的估计,并采用一种新的配对算法,实现二维波达角的自动配对。为了克服MEMP方法对阵列有效孔径的损失,利用四阶累积量的阵列扩展的性质,提出了基于MEMP方法扩展的二维DOA估计算法,该算法增加了阵列的有效孔径,无需进行谱峰搜索。仿真实验证明了算法的有效性。     

任意阵列双基地MIMO雷达的半实值MUSIC 目标DOD和DOA联合估计

实值处理具有降低高自由度多输入多输出(multiple input multiple output,MIMO)雷达角度估计大计算量的优势。但受制于阵列的共轭对称性,对于任意阵列结构的双基地MIMO雷达发射角(direction of departure, DOD)和接收角(direction of arrival, DOA)联合估计,若不做附加的预处理则无法实现实值操作,故将常规阵列实值处理的多重信号分类(multiple signal classification, MUSIC)超分辨算法推广至任意阵列结构的双基地MIMO雷达。首先根据MIMO雷达的导向矢量共轭与镜像的对等性,提取接收信号协方差矩阵的实部,并对其进行特征分解得到“目标加倍”的信号子空间及其应对的噪声子空间;然后利用Kronecker积的特性对其进行降维处理,得到搜索区域减半的一维半实值域MUSIC谱,取出目标DOD真值与其镜像代入降维Capon算法来剔除虚拟峰值得到目标DOD估计真值;最后利用特征矢量得到模糊DOA估计值,采用方向余弦差最小范数方法得到目标DOA无模糊估计值。本文算法估计性能与一维搜索复数域MUSIC相当,计算量约降50%,且能够实现DOD和DOA的自动配对。仿真结果证明了该算法的有效性。     

基于噪声特征向量重构的地波雷达单次快拍超分辨算法

高频地波雷达在一个相参积累时间内通常只能得到频域一次快拍,利用其直接进行波达方向估计性能较差。针对这一问题,在分析时、频域协方差矩阵特征分解后差异的基础上,在频域采用降维方法估计协方差矩阵。根据频域目标信噪比相对较大的特点,利用最大特征值对应的信号特征向量构造原始的数据矩阵,并对该矩阵进行奇异值分解得到新的噪声子空间,进而构造出新的噪声特征向量,最后利用该噪声特征向量进行方位角估计。仿真和实测数据分析验证了算法的有效性,相比降维Toeplitz算法和前后向空间平滑算法有着更高的分辨力和估计精度。     

联合互协方差矩阵的快速波达方向估计

针对常规子空间类波达方向(direction-of-arrival, DOA)估计中存在的子空间分解计算量过大问题,提出了基于均匀线阵的联合互协方差矩阵(joint cross covariance matrix,JCCM)DOA估计算法。基于阵列划分和矩阵重构思想,将均匀线阵划分成两个子阵,在求得这两个子阵接收数据互协方差矩阵后,重构一个新的矩阵即JCCM,利用JCCM的部分数据进行线性运算即可得到等价的信号子空间,然后构造多项式并求根,最终实现波达角估计。理论分析和仿真实验证明,算法避开了对协方差矩阵的特征值分解运算,在保证估计精度可接受的同时,有效降低了计算量,取得了更高的估计速度。     

米波MIMO雷达波束空间精确最大似然算法

针对阵元空间多输入多输出(multiple input multiple output, MIMO)雷达低仰角估计方法运算量和数据传输量太大的问题, 提出了基于波束空间的MIMO雷达精确最大似然(refined maximum likelihood, RML)算法。该算法将阵元空间的数据转换到波束空间, 实现降维处理, 再利用最大似然的思想对波束空间的数据进行测角。计算机仿真结果表明, 相比于基于阵元空间的MIMO雷达RML算法, 所提算法有着良好的测角性能, 并大大降低了算法运算时间。同时, 通过计算机仿真分析了信噪比、仰角、波束指向与目标仰角之间的偏差、阵元数、反射系数误差和天线中心高度等因素对所提算法测角性能的影响。     

单基地MIMO雷达低复杂度求根MUSIC角度估计方法

针对单基地多输入多输出(multiple input multiple output,MIMO)雷达波达方向(direction of arrival,DOA)估计问题,该文提出一种低复杂度的实值求根多重信号分类(multiple signal classification, MUSIC)方法。该方法首先通过降维变换降低接收数据的维数,利用酉变换将复值数据协方差矩阵实值化,然后构造基于酉MUSIC的求根多项式,采用保角映射将复系数多项式映射为实系数多项式,最后通过求解该实系数多项式的根来得到目标的DOA估计。该方法不需要进行谱峰搜索,所涉及的特征值分解和多项式求根运算均只在实数域进行,在大大降低算法运算复杂度的同时可以获得更好的角度估计性能。仿真结果验证了所提算法的有效性。     

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CMCAP的低空风切变风速估计方法

针对机载气象雷达在存在幅相误差影响时,杂波抑制性能下降,低空风切变风速估计不准确的问题,提出了基于组合空时主通道自适应处理(combined space-time main channel adaptive processing, CMCAP)的低空风切变风速估计方法。该方法首先对待测距离单元的雷达回波数据利用构造的降维联合空时变换矩阵进行自适应降维处理,然后构造降维处理器的最优权矢量对降维处理后的数据进行自适应滤波,进而在存在幅相误差的情况下实现风场速度的准确估计。后续仿真结果证明了所提方法的有效性。     

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。     

基于DCS的发射分集MIMO雷达参数估计

针对目标在多角度观测下的散射系数估计问题,研究了基于分布式压缩感知（distributed compressed sensing, DCS）的发射分集多输入多输出（multiple-input multiple-output, MIMO）雷达参数估计方法。在分析发射分集MIMO雷达信号模型的基础上,构建了其联合稀疏表示模型;在分析正交匹配追踪（orthogonal matching pursuit, OMP）算法实现结构的基础上,提出了一种新的基于迭代式正交匹配追踪的DCS算法。仿真结果表明该方法的估计精度高于DCS SOMP和幅度相位估计+Capon的算法,重构概率也高于DCS-SOMP算法。     

FDA-MIMO雷达稳健抗主瓣距离欺骗式干扰技术

频率分集阵(frequency diverse array, FDA)多输入多输出(multiple-input and multiple-output, MIMO)雷达可利用距离维自由度在发射-接收频率域内对欺骗式干扰进行抑制。但当存在目标导向矢量失配和协方差矩阵估计误差时,其抗干扰性能损失严重。针对该问题, 在FDA-MIMO雷达中提出了一种基于稳健波束形成的抗干扰方法。首先, 对剔除了残留噪声的Capon谱估计器在信号(或干扰)域内积分来构造期望信号(或干扰)导向矢量; 然后, 利用不同信号导向矢量间的正交性获得干扰功率并重构干扰加噪声协方差矩阵; 最后, 用更精确的导向矢量和重构矩阵计算自适应波束形成器的最优权值, 提高干扰抑制性能。仿真实验验证了所提方法的有效性。