基于线性变换的阵列幅相误差自校正算法

针对天线阵列的幅相误差严重影响阵列测向算法估计性能的问题,提出了一种基于线性变换的阵列幅相误差自校正算法。该方法通过利用幅度相位特性一致的辅助阵元,进行矩阵的正交线性变换,并结合最小二乘法算法,有效地估计阵列的幅相误差系数和入射信号的波达方向。其不需要谱峰搜索,无特征分解运算,计算量小,复杂度低,可实现对阵列幅相误差的快速校正。计算机仿真实验结果验证了该算法估计性能的有效性。     

双基地MIMO雷达发射阵列幅相误差的旋转阵列校正法

双基地多输入多输出（multiple-input multiple-output, MIMO）雷达可利用直达波进行幅相误差校正,但当直达波方向测量不准时,现有的校正算法性能会严重恶化。针对此问题,提出了一种新的基于子空间的旋转阵列幅相误差校正算法。该算法通过旋转发射阵列天线得到不同方位角的协方差矩阵,利用子空间算法估计通道的增益和相位误差。该算法无需已知直达波的入射角,只需已知发射阵列天线的旋转角度,即可同时完成发射通道幅相误差和直达波到达角的估计,且性能较好,计算机仿真和实测数据结果验证了算法的有效性。     

一种新的波达方向与幅相误差联合估计方法

研究了信源方向未知时,对信源方向与幅相误差同时进行估测的问题。针对两者的耦合导致估计精度下降的问题,提出了一种阵列幅相误差校正方法。该方法通过对分时工作信号的分析,分离信源方向与幅相误差的耦合,通过一次迭代即可得到信源方向、幅相误差的精确估计值,且适用于任意阵列。给出了该方法实现的具体步骤,通过仿真结果验证了该方法的有效性和可行性。     

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。     

基于Metropolis Hastings抽样短采样宽带信号方位估计AML算法

针对短采样宽带信号近似最大似然（approximated maximum likelihood,AML）方位估计计算量大的问题,将马尔科夫链〖CD*2〗蒙特卡罗方法与近似最大似然方位估计相结合,提出一种基于Metropolis Hastings抽样的近似最大似然方位估计方法（AMLMH）。该方法将AML算法的空间谱函数作为信号的概率分布函数,并利用Metropolis Hastings抽样方法从该概率分布函数中抽样。研究结果表明,AMLMH方法不但保持了原近似最大似然方位估计方法的优良性能,而且减小了计算量。     

基于GA的阵列幅相误差校正新方法

研究了在单、多信源入射条件下并存在幅相误差时,用MUSIC算法对信号到达方向进行估测的问题。针对一般方法对均匀细阵误差测不准、对信源数限制较严等问题,提出了一种利用遗传算法来估测阵列幅相误差的方法。该方法适用于任意阵列,放宽了对信源数的限制,在估测幅相误差的基础上对原导向矢量进行了修正,得到了更为准确的信号到达方向估计值。计算机仿真结果验证了此方法的有效性和可行性。     

通道幅相误差条件下的相干信源波达方向估计

针对通道幅相误差条件下的相干信源波达方向(direction of arrival, DOA)估计问题,提出一种基于互相关矢量的误差校正和解相干算法。首先对阵列的状态转换进行时延控制,使两个子阵的接收数据保持旋转不变特性。再利用阵列互相关矢量元素的错位比值实现了误差系数估计,将误差校正后的互相关矢量重构为一个等效协方差矩阵即可实现解相干。进一步对不同时延可能导致的角度偏移进行了分析。仿真结果表明,该算法能够实现通道幅相误差的精确校正及解相干,且DOA估计性能接近于无幅相误差条件下的空间平滑类算法。     

互耦误差下MIMO雷达低仰角估计方法

针对互耦误差下多输入多输出（multiple input multiple output, MIMO）雷达的低仰角估计的问题,提出一种目标角度估计的自校准算法。首先分析了收发阵列同时存在互耦误差时的多径回波信号模型,然后利用均匀线阵互耦矩阵的特点对互耦误差下的阵列导向矢量进行变换,最后基于子空间原理推导出目标角度的搜索函数,同时给出多径衰减系数和收发阵列互耦矩阵的计算表达式。推导了各参数的任意无偏估计的Cramer-Rao界（Cramer-Rao bound, CRB）。算法在未知互耦矩阵和存在相干多径信号的情况下可直接进行参数估计,不需要辅助校准源和迭代处理。仿真结果分析了算法估计性能与信噪比、快拍数的关系并与CRB进行了比较。     

外辐射源雷达旋转阵列校正算法

外辐射源雷达面临严重的多径干扰,但强多径信号也为阵列校正提供了优良的信号源,针对此提出了一种利用最强径信号的旋转阵列校正算法。该算法首先采用时域相关运算分离出最强径信号,然后通过旋转阵列来增加信号源和提供先验信息,接着利用比幅原理估计出阵列幅度误差,最后结合最大似然(maximum likelihood, ML)算法和最小二乘(least square, LS)算法估计出最强径信号到达角和阵列相位误差。分析了所提算法的适用条件,并推导了最强径信号到达角和阵列相位误差估计的克拉美-罗下界(Cramer-Rao lower bound, CRLB)。仿真和实测数据处理结果验证了该算法的有效性。     

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。     

低复杂度的ADS-B抗干扰阵列天线无源校正算法

阵列的幅相误差、位置误差和互耦使真实阵列流形与理想阵列流形有较大偏差,校正这3种误差可以明显提高阵列的性能。针对广播式自动相关监视(automatic dependent surveillance-broadcast,ADS-B)系统,提出了一种同时校正上述3种误差的无源校正算法。通过阵列天线的位置和飞机位置获取校正源的来向信息,并利用该来向信息最终进行误差校正。与其他方法相比,所提方法大大减少了校正阵列的复杂度。仿真结果表明了该算法的有效性。     

基于降维的双基地MIMO雷达收发阵列互耦和幅相误差校正算法

双基地多输入多输出(multiple input multiple output, MIMO)雷达收发阵列互耦和幅相误差会严重影响高分辨波达方向(direction of arrival, DOA)和波离方向(direction of departure, DOD)估计算法的性能。针对这一问题,通过在收发阵列中分别引入若干个经过精确校正的辅助阵元,并利用子空间原理和降维思想,提出了一种双基地MIMO雷达目标二维角度及收发阵列互耦和幅相误差矩阵的联合估计算法。首先,该算法不需要收发阵列互耦和幅相误差矩阵信息,就能较为精确地估计出目标的DOA和DOD;然后,基于对目标二维角度的精确估计,还能进一步对互耦和幅相误差矩阵进行精确估计,进而对收发阵列误差实现自校正。所提算法只需进行一维谱峰搜索,不需要高维非线性优化搜索,所以运算量较小。计算机仿真结果证明了所提算法的有效性和正确性。     

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.     

Method for array gain and phase uncertainties calibration based on ISM and ESPRIT

A now method for array calibration of array gain and phase uncertainties, which severely degrade the performance of spatial spectrum estimation, is presented. The method is based on the idea of the instrumental sensors method (ISM), two well-calibrated sensors are added into the original array. By applying the principle of estimation of signal parameters via rotational invariance techniques (ESPRIT), the direction-of-arrivals (DOAs) and uncertainties can be estimated simultaneously through eigen-decomposition. Compared with the conventional ones, this now method has less computational complexity while has higher estimation precision, what's more, it can overcome the problem of ambiguity. Both theoretical analysis and computer simulations show the effectiveness of the proposed method.     

基于子空间投影的并行交替采样系统误差估计

并行交替采样技术可以有效解决单片模数转换器(analog to digital converter ,ADC)转换速率与量化精度间的矛盾,但是多通道间的失配误差将严重降低系统性能。提出了一种基于子空间投影技术的系统误差估计方法,利用多通道时延对应的频域线性相位矢量与噪声子空间的正交特性实现增益误差以及时基误差的精确估计。该方法迭代次数少,估计精度较高,对噪声以及偏置误差稳健,并且可以同时完成信号重构。仿真数据的处理结果验证了该方法的有效性。     

基于粒子群优化的卡尔曼滤波去耦算法

针对相控阵雷达导引头由于前向通道增益和波束控制增益刻度尺度不同引起的扩展卡尔曼滤波(extended Kalman filter, EKF)去耦中误差量过大的问题,提出了基于粒子群优化的EKF去耦算法。采用了最小均方差为适应度函数,对两个增益参数进行组合优化,然后通过建立EKF的系统模型,推导了提取的视线角速率与增益参数之间的关系,使得滤波后的估计值为最优的后验估计。最后,通过仿真表明该算法可以很好地解决误差量过大的问题,并验证了所提算法在相控阵雷达导引头去耦和视线角速率提取中的有效性。