基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计

针对传统算法进行DOA估计时因删除重复虚拟阵元而造成有效信息损失、估计性能不佳等问题,提出基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计算法。首先,将一组密布均匀线阵和一组稀疏均匀线阵分别以零点为中心对称排列,构成单基地MIMO雷达的发射阵列和接收阵列,将传统的虚拟阵元由“差联合”结构变成对称“和联合”结构形式,提高了系统的自由度、降低了阵元互耦,并将其应用于非相干目标和全相干目标DOA估计;其次,向量化样本协方差矩阵,将“和差联合”阵列重复的虚拟阵元进行冗余平均处理后重构Toeplitz矩阵;最后,结合MUSIC算法进行非相干目标DOA估计,有效提升了目标估计个数和角度估计性能。仿真实验验证了阵列结构和算法的有效性。     

基于深度卷积神经网络的DOA估计

针对现有均匀线阵远场窄带非相干多目标估计算法对低信噪比、少快拍情况适应性差、运算复杂度高，以及现有深度学习方法难以有效提取数据复值特征的问题，提出基于深度卷积神经网络的波达方向估计方法。该方法将波达方向估计问题转换为阵列输出协方差矩阵到目标到达角度的逆映射问题，利用阵列输出协方差矩阵的Hermitian特性，提取其上三角阵的实部、虚部及相位特征，构造网络的输入数据，搭建包含三维卷积层的深度卷积神经网络用来提取数据特征，网络的标签对应目标的到达角度，从而实现多个信源的波达方向估计。试验仿真表明:该方法可以充分提取空间特征，提高波达方向估计精度并降低算法复杂度。所提方法在低信噪比、少快拍数的情况下，其估计精度明显优于MUSIC、ESPRIT以及ML算法。     

高自由度低互耦的广义二阶嵌套MIMO雷达DOA估计

针对传统二阶嵌套阵自由度低、互耦率高的问题, 提出高自由度、低互耦的广义二阶嵌套多输入多输出(multiple input multiple output, MIMO)雷达阵列, 用于波达方向(direction of Arrival, DOA)估计。首先, 在传统二阶嵌套阵的收发两端分别引入互质扩展因子, 抑制阵元互耦的同时提升阵列的自由度; 其次, 推导了“和差联合阵列”结构下, 包括互质扩展因子、连续虚拟阵元数和总虚拟阵元数在内的自由度闭式解; 最后, 针对不同互质扩展因子造成的离散孔洞问题, 基于原子范数最小化理论, 在不连续点出填补虚拟阵元, 并建立恢复填补虚拟阵元等价接收信号的凸优化模型, 结合多重信号分类算法进行DOA估计。仿真实验验证了阵列结构的合理性和算法的有效性。