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。     

基于root-RARE算法的非同构分布式阵列高精度方向估计

针对非同构分布式阵列无法使用旋转不变子空间算法(estimation of signal parameters via rotation invariant technique algorithm, ESPRIT),同时为了提高非同构分布式阵列的角度估计精度,提出基于求根降秩算法(root rank reduction estimator, root-RARE)的目标波达方向估计方法。由于分布式阵列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。算法以root-RARE与多重信号分类算法(multiple signal classification, MUSIC)联合解模糊,以root-RARE得到的粗估计为参考,解整个非同构分布式阵列MUSIC谱估计的模糊,从而得到高精度无模糊的估计。推导非同构分布式阵列方向估计的克拉美罗界,分析算法的波达方向估计性能,同时分析分布式阵列方向估计时的基线模糊门限与信噪比门限之间的关系。仿真结果验证所提算法方向估计的正确性及有效性。     

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。     

一种基于MUSIC算法的二次搜索解模糊方法

在基于阵列天线的DOA估计中,研究者采用了多种手段和方法用来提高测角精度,而往往测角精度越高,角度模糊越严重。针对测角精度和角度模糊是相互矛盾的问题,提出了一种基于MUSIC算法的二次搜索的解模糊方法。首先用MUSIC算法粗搜索出目标信号的低精度来向,然后根据阵列设置推导出第二次搜索的角度范围,最后在新的角度搜索范围内进行小步长的角度搜索,得到目标信号的高精度来向。计算机仿真结果表明,本方法可以更快速、准确地实现高精度无模糊测向。     

一种稳健的非圆信号波达方向估计算法

为了充分利用非圆信号的特性,提高非圆信号波达方向估计的性能,针对最大非圆率信号,提出了一种稳健的波达方向估计算法。首先,构造两个包含信号非圆信息的四阶累积量矩阵;然后,利用这两个矩阵的旋转不变关系实现信号的波达方向估计;最后,在存在通道幅相误差模型下分析了算法的稳健性,并推导出只要令接收通道中任意两个通道保持一致,算法就能得到正确的波达方向估计。仿真实验表明,算法的测角精度得到提高,并且算法对通道幅相误差具有稳健性。     

基于数据矩阵分解的相干源方向估计新方法

提出一种相干源存在情况下的波达方向估计新算法。利用阵列快拍数据构造数据矩阵,相关去噪后,通过奇异值分解获得低维信号子空间的估计,然后运用ESPRIT思想估计出波达方向。无论是否存在相干源,新算法均能有效估计出波达方向,并且无需角度搜索,运算量小。该算法虽基于一维线阵,但可直接推广到具有线性性质的二维平面阵,如L形阵、十字阵、双平行线阵等。计算机仿真验证了算法的有效性     

宽频程电侦阵列设计与二维DOA估计方法

在宽频程条件下,针对传统均匀阵列无法实现大角度范围内目标参数无模糊估计问题,提出宽频程电侦阵列设计及二维波达方向估计方法。该方法首先将平行互质阵列在垂直方向上扩展为双平行互质阵列;然后分别对两平行互质阵列进行虚拟阵列扩展,利用虚拟均匀线阵对目标来波方向余弦分量进行估计;最后采用方向余弦解模糊算法对模糊余弦分量进行解模糊处理,实现多目标角度参数的高精度无模糊估计。相对于传统宽频程阵列测向算法而言,所提方法无需参数配对,可实现宽频程范围内多目标参数的高精度无模糊估计。仿真实验验证了所提方法的有效性。     

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。     

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。     

基于相位差变化率测量的单站定位方法

利用观测平台相对目标辐射源的运动信息,在测角基础上增加相位差变化率信息可实现对目标被动定位,但该定位方法通过相位差法测角,需要增加设备以解相位模糊.针对上述不足,提出一种三角基线只测相位差变化率的定位方法,该方法通过测量两组相位差变化率解得方位角,避免了解模糊运算.给出了测角误差、定位误差表述式,通过仿真分析了相位差变化率对测角精度、定位精度的影响.     

基于非圆信号特征的实值张量ESPRIT算法

基于最大非圆率非圆信号特点,提出一种实值张量旋转不变子空间(estimation signal parameters via rotational invariance techniques, ESPRIT)算法。首先,通过研究张量与矩阵之间的转化关系,将阵列接收数据矩阵推广到张量空间;然后,利用欧拉公式将阵列接收数据张量转化成余弦与正弦数据张量,根据阵列维数将其分别在各维上加以拼接,并对拼接的实值数据张量做高阶奇异值分解,获取信号子空间;最后,通过构造选择矩阵和进行特征分解,来联合估计阵列各维相位差,实现波达方向估计。实验仿真结果表明,此算法具有良好的分辨力和测角精度。     

改进声矢量阵相干信号源方位估计算法

为提高声矢量阵相干信号方位估计能力,针对二维紧凑结构的声矢量均匀线阵情况,给出一种改进算法。该算法首先利用解析振速与声压信息,重构接收数据,求出协方差矩阵,并提取信号子空间第一列的3个分矢量进行孔径扩展。然后,利用类单块拍条件下的矩阵重构得到3个新矩阵并合并。最后,套用奇异值分解的多重信号分类算法得到目标波达方位估计。分析表明,所提算法利用数据的组织形式使信号矩阵对角化,最终恢复了矩阵的秩,而且具有一定的孔径扩展能力。同时,所提算法矢量阵阵列流形所具备的方向因子可以在模糊角度处形成抑制,保留了矢量阵的单边指向性。仿真结果证明,此算法无论在角度估计精度还是分辨率方面都要优于矢量阵空间平滑与矢量平滑算法。     

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。     

基于虚拟孔径扩展的子带信息融合宽带DOA估计

如何有效地利用宽带信号各频点所提供的信息实现高精度波达角(direction of arrival, DOA)估计一直是热点问题,针对宽带DOA估计问题,提出一种基于孔径扩展的子带信息融合(subband information fusion, SIF)DOA估计方法。该方法在宽带信号的频域模型基础上,结合虚拟阵列方法实现孔径扩展,并联合各子带信息统一处理,从而提高DOA估计的精度。与其他SIF方法相比,该方法利用二阶统计量将数据转化为单快拍模型,不仅提高了可估计信源数目,而且极大程度地降低了运算复杂度,同时在小快拍、低信噪比条件下仍能得到DOA估计结果。仿真实验验证了所提方法的有效性。     

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。