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.     

分布式nested阵列及其高精度DOA估计

为了进一步提高分布式阵列的自由度和分辨力,提出一种分布式nested阵列。该阵列将nested阵列作为分布式阵列的子阵。基于Khatri Rao积, nested子阵可提高整个阵列的自由度。分布式nested阵列以较少的阵元数及硬件成本实现大的孔径和较高的分辨力,而且提高了目标波达方向(direction of arrival, DOA)估计的精度。并利用基于Khatri Rao积的空间平滑酉旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法进行DOA估计。其先对协方差矩阵向量化提高自由度,然后利用空间平滑对新数据协方差矩阵进行秩恢复,最后使用双尺度酉ESPRIT算法得到DOA估计。仿真结果证明所提方法的有效性。     

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。     

基于稀疏非均匀COLD阵列的极化信号DOA估计

基于稀疏非均匀COLD(concentered orthogonal loop and dipole)阵列,提出了一种极化信号的DOA(direction-of-arrival)无模糊估计算法.该算法利用了稀疏非均匀COLD阵列的阵元数少和孔径大等特点,因而在阵元数目一定的情况下,可获得较高的DOA估计精度.由于稀疏非均匀COLD阵列可分成电磁环和偶极子两个子阵列,通过分析每个子阵列DOA估计的模糊性,给出了整个稀疏非均匀COLD阵列不发生DOA估计模糊的条件.通过计算机仿真证明了该算法的有效性.     

锥面共形阵列天线相干信源盲极化DOA估计算法

针对共形天线阵列流形的多极化特点,建立了锥面共形阵列天线导向矢量的数据模型。通过合理的阵元排列结构设计,推导了锥面共形阵列天线信源解相干的空间平滑算法,解决了ESPRIT(estimation of signal parameters via rotational invariance technique)算法多信源方位估计的参数配对问题,最终给出了锥面共形阵列天线相干信源盲极化波达方向(direction of arrival, DOA)估计算法。该算法利用锥面共形载体的单曲率特性,结合ESPRIT算法参数估计的特点,在盲极化条件下实现了相干信源的高分辨DOA估计。Monte Carlo仿真实验验证了算法的有效性。     

基于ESPRIT算法的柱面共形阵列天线DOA估计

由于共形天线阵列流形的多极化特性(polarization-diversity,PD),信源方位参数与极化状态的“耦合”是实现共形阵列天线波达方向(direction-of-arrival, DOA)估计的主要难点。针对柱面共形阵列天线的特点,建立了柱面共形阵列天线的导向矢量模型;通过合理的阵元排列结构设计,结合ESPRIT (estimation of signal parameters via rotational invariance techniques)算法参数估计的特点,实现了信源极化状态与方位参数的去耦合,推导了ESPRIT算法多参数估计的参数配对方法,最终提出了柱面共形阵列天线盲极化DOA估计算法。计算机Monte Carlo仿真实验验证了所提算法的有效性。     

基于四元数MUSIC的锥面共形阵列极化-DOA联合估计

基于交叉偶极子构成的锥面共形阵列,建立了四元数表示的锥面共形阵列模型并提出了四元数多重信号分类 (multiple signal classification,MUSIC)算法。算法通过同极化子阵的构造以及秩损原理实现了导向矢量中极化信息和波达方向(direction of arrival,DOA)信息的剥离,进而得到入射信号的二维DOA估计和极化参数估计,有效降低了极化DOA联合估计的计算量。仿真结果验证了算法的有效性。     

基于ESPRIT的多基线分布式阵列DOA估计方法

为了提高分布式阵列在低信噪比（signal-to-noise ratio, SNR）条件下的波达方向(direction-of-arrival, DOA)估计性能,同时放宽阵列物理孔径扩展程度的限制,提出了一种基于旋转不变子空间（estimation of signal parameters via rotational invariance techniques, ESPRIT）的多基线分布式阵列DOA估计方法。该方法通过优化分布式阵列结构,在子阵间使用多基线结构布阵,结合ESPRIT算法和多步解模糊方法得到多基线分布式阵列的高精度无模糊DOA估计。此外,利用最大后验概率准则近似法分析分布式阵列DOA估计的门限效应,给出了SNR门限和基线长度门限的近似计算方法。计算机仿真结果验证了所提方法的有效性。     

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。     

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。     

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。     

干涉式L形阵的二维高精度方向估计

为了提高常规L形阵测角精度,结合干涉测量理论与常规L形阵波达方向估计技术,提出了以干涉式L形阵来实现阵列孔径扩展,提高测角精度的方法。由于干涉阵的基线长度远大于半波长,合成方向图出现栅瓣,导致测角模糊。采用双尺度旋转不变子空间解模糊算法,以短基线得到的粗估计为参考,解长基线得到的精估计的模糊,从而得到高精度无模糊的方向估计。在分析干涉式L形阵的波达方向估计性能时,采用近似法计算方向余弦估计的均方根误差下界,同时分析了干涉阵的基线模糊门限与信噪比门限之间的关系。仿真结果验证了干涉式L形阵的有效性及方向估计的高精度性能。     

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。     

基于插值拟合的抛面共形阵盲极化DOA估计

共形阵的载体曲率形式复杂, 导致抛面共形阵的方向图指向不同, 而且不同天线单元的极化特性迥异。常见的圆柱阵、圆锥阵在同一母线上的极化分量是相同的，但是抛面共形阵的载体曲率是变化的，因此抛面共形阵的参数估计问题需要考虑极化分量的影响，导致无法直接用同一母线上阵元回波数据结合免搜索算法获得目标二维波达方向(direction of arrival, DOA)估计。首先，提出一种通过插值拟合思想将抛面共形阵带有极化参数的阵列流形拟合成无极化参数的阵列流形, 然后合理选择子阵对, 再利用旋转不变技术估计信号参数(estimation of signal parameters via rotational invariance techniques, ESPRIT)方法实现盲极化的DOA估计, 同时给出了经过插值拟合后的克拉美罗边界(Cramer-Rao bound, CRB)。最后仿真验证了方法的有效性。