基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

基于压缩感知的高频地波雷达二维DOA估计

针对高频地波雷达(high frequency surface wave radar, HFSWR)目标角度估计问题,提出了一种基于压缩感知(compressive sensing, CS)的距离多普勒(range Doppler, RD)域单快拍二维波达方向(direction of arrival,DOA)估计方法。分析了在RD域进行DOA估计的理论可行性及单快拍处理的优势;基于子空间追踪思想提出了一种针对L型阵列的二维DOA估计降维后的角度配对和修正方法,在低信噪比和目标回波幅度接近的情况下仍能保证完成正确的匹配并消除无效的角度组合,从而实现精确的二维DOA估计和目标空域分辨。仿真结果和高频地波雷达实测数据的处理结果分别验证了其性能优势和有效性。     

基于稀疏重构的机动拖曳线列阵空间谱估计

针对常规单拖曳线列阵声纳目标方位估计中存在的左右舷模糊问题,提出了一种联合多个波束快拍量测的空间谱稀疏重构估计方法。首先给出了拖曳线阵转向机动时的阵形递推估计方法,建立机动拖曳线列阵的接收信号模型;然后,利用拖曳线列阵转向机动引起的目标方位变化特征,从构造矩阵相关性角度分析实现拖曳线列阵空间谱无模糊重构的机理,构建了基于连续多个时刻波束快拍量测的稀疏重构模型。通过计算机仿真研究,对比分析了所提方法与常规波束形成方法的空间谱估计性能,结果表明所提方法对模糊目标的抑制比远大于目标信噪比,同时具有更好的角度分辨率,从而实现了拖曳线列阵全向空间谱估计。     

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。     

采用信号子空间稀疏表示的DOA估计方法

利用目标辐射源空间分布的稀疏性,提出了一种基于稀疏表示的多快拍联合波达方向(direction of arrival, DOA)估计方法。该方法首先利用采样数据矩阵大奇异值对应的左奇异向量估计信号子空间,然后采用加权迭代最小方差方法对信号空间进行稀疏表示。与传统的角度高分辨估计方法不同,该方法没有利用样本的统计信息,因而对具有任意相关性的信号源能进行有效的波达方向估计,不需要进行去相关处理,且具有很高的分辨力及估计精度。实验表明在该方法能准确的对目标源方位进行估计,且极大地降低了稀疏表示的计算量。     

单基地MIMO雷达降维酉ESPRIT算法

波达方向(direction of arrival, DOA)估计问题是单基地多输入多输出(multiple input multiple output, MIMO)雷达信号处理中的一个关键问题。在低信噪比、低快拍数的情况下,常规DOA估计算法的性能会严重下降。针对此问题,提出一种新的DOA估计算法：降维酉旋转不变性信号参数估计技术算法。该算法首先通过降维变换将MIMO雷达数据变换至低维信号空间,然后在该低维信号空间构造实值旋转不变性方程估计目标的DOA。仿真结果表明该方法能够在低信噪比、低快拍数的环境下获得较常规ESPRIT方法更高的DOA估计精度,同时具有更低的运算量。     

基于稀疏贝叶斯学习的拖曳线列阵空间谱估计

针对常规拖曳线列阵目标方位估计中存在的左右舷模糊问题,提出了联合多个时刻机动拖曳线列阵信号模型的稀疏贝叶斯学习空间谱重构估计方法。首先,建立了机动拖曳线列阵的阵元域信号超完备稀疏表示模型;然后,根据稀疏贝叶斯学习原理将目标的空间角度稀疏特性通过信号双层先验假设进行隐性描述;最后,对目标空间谱的变化过程采用隐马尔可夫模型进行描述,并将空间谱连续慢变的客观规律应用到目标信号超参数的概率密度计算中,构建基于多个时刻阵列信号模型的空间谱稀疏重构模型。计算机仿真研究和海试数据验证结果表明:所提方法在拖曳线列阵机动条件下,能够有效抑制固有的左右舷模糊,同时具有更好的重构精度,从而实现拖曳线列阵空间谱的优效估计。     

基于广义近似消息传递的快速DOA估计方法

针对稀疏恢复类波达方向(direction of arrival, DOA)估计算法中计算复杂度高的问题, 提出了一种基于广义近似消息传递(generalized approximate message passing, GAMP)方法的稀疏贝叶斯学习算法。该算法在现有双基地无源雷达系统模型基础上, 构建了多快拍下的GAMP信号统计模型, 将高维联合后验概率密度的计算简化为标量运算, 提高了算法的计算效率。对于离网目标, 利用梯度下降方法推导了角度空间网格更新策略, 进一步提高了角度估计的精度。仿真结果表明, 该算法在有限快拍、低信噪比情况下, 估计精度较高, 计算复杂度较低, 适用于实时性要求高的应用场景。     

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。     

贝叶斯模型下的OMP重构算法及应用

针对稀疏度先验信息缺失的条件下,正交匹配追踪(orthogonal matching pursuit, OMP)算法设置冗余稀疏度时,造成信号过重构、抗噪性能变差等问题,基于贝叶斯检验模型,提出了贝叶斯正交匹配追踪(Bayesian orthogonal matching pursuit, BOMP)算法。并推导了该算法估计信号的克拉美罗下界,最后将算法应用于逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像。理论分析和实验结果表明,由于该算法能够更加真实地估计信号支撑集,因而具有更好的重构精度、抗噪性能,同时降低了计算复杂度。     

基于二维干涉式APES算法的分布式相参阵盲DOA估计

结合干涉雷达的天线结构和二维波达方向（direction of arrival, DOA）估计方法,提出一种基于二维干涉式幅相估计的分布式相参阵盲DOA估计算法。利用二维干涉式幅相估计算法的空间谱和模型阶数选择准则获得目标个数和目标方向余弦的粗估计;使用子阵间的相位中心偏移来获得目标方向余弦的精估计;针对分布孔径带来的测角模糊问题,采用双尺度解模糊算法实现分布式阵列的高精度方向估计。仿真结果验证了分布式相参阵的高精度测角性能及所提算法的有效性,也验证了分布阵DOA估计中存在基线模糊门限。     

双基地MIMO雷达相干目标角度估计算法

提出一种双基地多输入多输出（multiple input multiple output,MIMO）雷达相干多目标角度快速估计算法。采用单次快拍数据构建的一组Toeplitz矩阵重构出新的协方差矩阵,使得矩阵的秩等于目标的总个数;通过矩阵变换使得变换后的协方差矩阵满足centro Hermitian性,即可利用酉变换将复矩阵转化为实矩阵进行实数域的参数求解,采用旋转不变信号参数估计（estimation of signal parameters via rotational invariance technique, ESPRIT）算法即可准确估计出对应的目标角度。通过仿真表明：所提算法能够实现相干目标源的角度估计且参数自动配对;降低了复矩阵特征分解所带来的巨大运算复杂度,具有更高的参数估计精度和算法稳健性;同时能够对移动目标进行角度跟踪,具有良好的跟踪性能。     

单次快拍波达方向矩阵法

提出了一种新的基于阵列系统单次快拍数据的相干信源二维波达方向(direction of arrival, DOA)快速估计方法--单次快拍波达方向矩阵法(single snapshot DOA matrix method, SS-DOAM)。该方法保持了原DOA矩阵法无需二维谱峰搜索和参数配对的优点,利用阵列系统结构特点,构建单次快拍数据矩阵,通过对单次快拍波达方向矩阵进行特征分解,解决了二维DOA估计问题并实现了相干信源完全解相干。由于该算法只利用一次快拍数据,不需要快拍累计和进行相关运算,计算复杂度大幅降低,适用于对二维DOA估计实时性要求高的应用背景。针对单快拍算法在低信噪比时估计误差较大的问题,进一步提出了利用同相数据叠加来改善估计精度的对策。仿真结果证明了该方法的有效性。     

双基地MIMO雷达相干脉冲串的参数估计性能

研究了双基地多输入多输出(multiple input multiple output, MIMO)雷达发射相干脉冲串时的参数估计性能,推导对Swerling I和Swerling II目标的去波方向(direction of departure, DOD)、波达方向(direction of arrival, DOA)和多普勒频移联合估计的克拉美罗界(Cramer Rao bound, CRB),并分析发射脉冲为正交频分线性调频信号时,各参数对CRB的影响。结果表明对Swerling I和Swerling II目标的DOD和DOA均可做出较理想的估计,Swerling I目标更优,可较好地估计Swerling I目标的多普勒频移,但难以估计Swerling II目标的多普勒频移。     

Direction-of-arrival estimation based on direct data domain （D3） method

A direction-of-arrival (DOA) estimation algorithm based on direct data domain (D3) approach is presented. This method can accuracy estimate DOA using one snapshot modified data, called the temporal and spatial two-dimensional vector reconstruction (TSR) method. The key idea is to apply the D3 approach which can extract the signal of given frequency but null out other frequency signals in temporal domain. Then the spatial vector reconstruction processing is used to estimate the angle of the spatial coherent signal source based on extract signal data. Compared with the common temporal and spatial processing approach, the TSR method has a lower computational load, higher real-time performance, robustness and angular accuracy of DOA. The proposed algorithm can be directly applied to the phased array radar of coherent pulses. Simulation results demonstrate the performance of the proposed technique.     

基于TLS-CS的外辐射源雷达超分辨DOA估计方法

针对外辐射源雷达中，传统基于压缩感知（compressed sensing，CS）的超分辨波达方向（direction of arriving，DOA）估计方法在阵列天线存在幅相误差时测角精度差和目标分辨性能低的问题，提出一种基于总体最小二乘（total least squares，TLS）-CS的超分辨DOA估计方法。首先，通过奇异值分解方法求解TLS信号模型来修正阵列天线的幅相误差；然后利用贪婪迭代追踪算法进行CS稀疏重构得到目标的方位信息。仿真分析表明，当阵列天线存在幅相误差时，本文所提方法具有良好的超分辨DOA估计性能。     

双基地MIMO雷达二维方位角及多普勒频率联合估计

提出了一种新的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达二维方位角及多普勒频率联合估计算法。该算法基于m-Capon方法将目标波离方向(direction of departure, DOD)与波达方向(direction of arrival, DOA)相“去耦”,得出了对目标DOD和DOA的估计;然后,在对目标二维方位角的估计的基础上,算法可进一步估计出目标的多普勒频率。因此,其估计出的目标二维方位角与多普勒频率可自动配对。该算法无需预判目标数及对数据协方差矩阵特征值分解,且对目标二维方位角与多普勒频率的联合估计不涉及高维的非线性优化搜索,具有较小的计算量。此外,该算法可适用于发射和接收阵列为任意阵列结构的双基地MIMO雷达系统。计算机仿真结果证明了本文方法的正确性和可行性。     

MIMO雷达嵌套平行阵下基于子空间的目标二维波达角估计

研究了多输入多输出(multiple input multiple output, MIMO)雷达中的二维波达角(direction of arrival, DOA)估计问题,并提出了一种嵌套平行阵下基于子空间的二维DOA估计算法。利用存在嵌套关系的双平行阵(two parallel uniform linear array, TPULA)作为收发阵列,大大增加了自由度(degree of freedom, DOF)。在DOA估计方面,算法利用数据重构增加虚拟脉冲数,并利用酉变换降低运算复杂度,然后分别基于信号子空间和噪声子空间获得了自动配对的二维DOA估计的闭式解。算法复杂度低,而且相比MIMO雷达中传统TPULA下的算法,该算法拥有更好的角度估计性能,并可辨别空间相干目标。仿真结果验证了算法的有效性。