面向非圆信号的四阶累积量直接定位方法

针对现有基于四阶累积量的直接定位方法阵列孔径扩展不充分以及数据冗余等问题，提出了一种针对最大非圆率信号的四阶累积量直接定位方法。基于移动阵列在多个时隙对目标观测的定位场景，该方法构造了一系列去冗余四阶累积量矩阵。结合辐射源信号的非圆特性，利用阵列接收数据和共轭数据来构成扩展数据模型，实现了阵列孔径扩展，使等效阵元数增加，从而提升定位性能，并通过重新构造快速提取无冗余数据，大大降低矩阵运算维度。由于结合了信号的四阶累积量与非圆特性，该算法适用于信源个数大于阵元数与阵列色噪声的复杂环境。理论分析与仿真结果表明，该算法具有计算量小、高估计精度以及高分辨率等优势，并在高信噪比条件下能够达到相应克拉美罗界。     

非圆信号的DOA与阵列误差参数的联合估计性能界

为了确定非圆信号波达方向(direction-of-arrival,DOA)估计中参数化校正的方差下限,基于阵列误差影响下的随机性非圆信号模型与联合信源时域自相关特性的非圆信号模型,分别推导了DOA参数与阵列误差参数的联合估计克拉美罗界(Cramer-Rao bound, CRB)。通过将推导的非圆性能界与未利用非圆特性的性能界进行对比分析,理论证明了非圆性能界比未利用非圆特性的性能界更低,且两者的差异在低信噪比和大非圆率信号入射的情况下较大。实验结果不仅验证了理论分析的正确性,同时表明信源时域自相关信息有助于进一步提升阵列误差的校正精度。     

非圆信号的协方差匹配自校正算法及其性能分析

针对非圆信号测向中方位依赖幅相误差的校正问题，本文根据非圆信号的非圆特性和辅助阵元能够自校正的特点，对协方差匹配估计技术（covariancematchingestimationtechnique，COMET）进行改进，提出一种适用于信源时域统计特性未知和统计独立特性先验已知两种情况的改进算法：NC—COMET算法．该算法利用非圆信号扩展协方差数据，使其校正精度较常规的基于辅助阵元的最大似然类算法（未利用非圆特性）有明显提升，且降低了最小辅助阵元数要求．从理论上证明了参数估计的统计一致性，采用一阶误差分析方法推导了有限采样影响下参数估计的均方误差表达式，并提出算法的cc数据利用率”定义，定量比较获得了NC．COMET算法的数据利用率较常规的最大似然类算法的提升幅度．仿真结果亦表明NC—COMET算法性能较常规的最大似然类算法更优：低信噪比下具有更强的鲁棒性；信源时域统计独立特性先验已知或者大非圆率的情况下，该算法对校正精度的提升尤为明显．