任意平面阵列的相干信号二维波达方向估计方法

相干信号的波达方向(direction of arrival, DOA)估计一直是阵列信号处理中研究的关键问题,但传统的算法受到阵列流型的限制。为了解决任意平面阵列对二维相干信号的DOA估计问题,提出了一种新的方法。首先利用信号的循环平稳特性构造数据协方差矩阵,再利用信号在极化域的差异来实现解相干。该方法具有噪声抑制的能力,无需空间平滑,不影响阵列孔径,并且对窄带信号和宽带信号均适用。仿真结果证明了该算法的有效性。     

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Toeplitz矩阵,拓展阵列孔径。然后,对重构阵列进行前后向空间平滑处理,消除信号相干性,提高算法估计性能。最后,将前后向平滑矩阵类比均匀对称阵列的协方差矩阵,设计代价函数转化为凸优化问题,通过谱峰搜索进行DOA估计。理论分析及仿真结果表明,该方法无需入射信号信源数,计算复杂度低,且在低信噪比环境下相干信号DOA估计数、估计分辨率以及估计精度都得到了明显改善。     

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。     

一种无特征分解的快速子空间DOA算法

基于子空间正交特性的MUSIC算法具有优良的超分辨性能,但由于其需要对空间协方差矩阵进行特征分解,因而计算量比较大。为了降低计算复杂度,提出一种快速子空间算法。该方法利用信号特征值大于噪声特征值的特性,通过对空间协方差矩阵的高阶次幂或者空间协方差矩阵逆的高阶次幂来逼近信号子空间或者噪声子空间,从而避免了特征分解。获得噪声子空间后再采用MUSIC算法实现波达方向估计。仿真结果表明,该方法减少了计算量同时能够达到MUSIC算法的估计性能。     

基于噪声圆形特性的宽带相干信号DOA估计方法

针对色噪声下基于差分去噪的宽带相干信号波达方向(direction of arrival, DOA)估计方法对相干信源数有限制的问题，提出一种基于噪声圆形特性去噪和Toeplitz矩阵重构的估计算法。首先，对接收到的信号求取协方差矩阵，利用噪声的圆形特性消除噪声。为达到对协方差矩阵进行Toeplitz矩阵重构的要求，通过协方差矩阵相乘来构造新的数据协方差矩阵。然后，通过Toeplitz矩阵重构来解相干。最后，利用旋转子空间算法准则构造聚焦矩阵，使用传播算子算法实现DOA估计。理论分析及仿真实验验证了该算法的有效性，该算法对相干信源数的奇偶没有限制，同时该算法也适用于高斯白噪声下宽带相干信号DOA估计的场景。     

未知相关噪声下的广义波达方向估计算法

针对未知相关噪声情况下信源波达方向的估计,提出一种适用于均匀线阵的广义波达方向估计算法。该算法利用修正后的协方差差分算法,有效地消除了阵元间的相关噪声的影响。不同于以前的算法,提出的算法通过对接收数据的前后向空间平滑协方差矩阵进行共轭运算得到新的变换矩阵,因此修正后的协方差差分矩阵是个实部为零的厄米特矩阵,从而有效地降低了特征分解过程的计算量。本算法能解决相关噪声下,同时分辨相干与非相干信源的问题。理论分析和仿真结果均表明所提算法的有效性。     

虚拟阵列下的相干信号测向算法

大多数解相干测向算法只能应用于均匀线阵,而不能用于均匀圆阵。针对这一问题提出了一种基于虚拟均匀线阵的快速解相干波达方向估计算法,该算法对均匀圆形阵列的输出信号进行模式激励,使其成为虚拟均匀线阵,在色噪声协方差矩阵为复对称Toeplitz结构的情况下,利用空间差分方法和矩阵重构相结合来估计相干信号,并且去除非相干信号以及色噪声。该算法提高了阵列的信源过载能力,不需要进行高阶累积量的计算以及特征分解,计算机仿真结果证明了算法的有效性。     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次,利用张量填充技术对无噪协方差矩阵进行恢复。然后,利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

基于稀疏重构的L型阵列MIMO雷达降维DOA估计

针对L型阵列多输入多输出(multiple-input multiple-output,MIMO)雷达二维空间角估计问题,提出一种基于协方差矩阵联合稀疏重构的降维波达方向(direction of arrival,DOA)估计算法。该算法根据L型阵列MIMO雷达联合流型矢量的特点,通过降维矩阵的设计及回波数据的降维变换,最大程度地去除了所有的冗余数据;通过协方差矩阵联合构造稀疏线性模型,将2维角参量空间映射到1维空间,极大降低字典长度和求解复杂度的同时,不牺牲阵列孔径,实现了二维空间角度的有效估计和参数的自动配对。理论分析与实验仿真表明:与RD_MUSIC算法相比,本文降维处理有效提高阵元利用率的同时,最大程度地降低了回波数据的维数;与传统子空间类算法相比,基于协方差矩阵联合构造的稀疏线性模型充分利用了阵列孔径,无需预先估计目标数目,参数估计性能在低信噪比及小快拍数据长度下优势明显。最后,仿真结果验证了本文理论分析的正确性和算法的有效性。     

基于前后向协方差矩阵投影的信源数估计算法

针对均匀线阵的信源数估计问题,提出了一种基于前向-后向采样协方差矩阵正交投影的多目标信源数快速估计算法。该算法将经过酉变换后的前向-后向采样协方差矩阵的列矢量做Gram-Schmidt (GS)正交化,并将正交化后矢量的模值与一个自适应判决门限做比较来估计信源个数。该判决门限根据阵列采样协方差矩阵估计误差的渐近分布特性推导得到。计算机仿真证明了该算法的正确性和有效性。     

独立源与相干源并存的信源数估计

大多数子空间类谱估计算法,需要预先估计信源个数,而且当信号源相干或强相关时,不能直接应用基于信息论的估计方法。针对接收信号为独立源与相干源并存的情况,提出一种新的基于矩阵重构的信源数估计算法。算法利用各个阵元接收数据与参考阵元接收数据的互相关信息,构造一个Toeplitz等效协方差矩阵解相干。理论分析证明,相比于复信号解相干的常规Toeplitz矩阵重构方法,算法节省一半的阵列孔径,而且对噪声发散性有一定抑制作用。基于此构造矩阵采用特征子空间投影与特征值加权的方法构造判决函数来估计信源个数,仿真结果表明,算法在独立源和相干源并存的情况下,能准确估计出信源个数,性能优于空间平滑Akaike信息论准则法和空间平滑最小描述长度法。     

基于稳健协方差矩阵的ADS-B压制式干扰抑制

压制式干扰是广播式自动相关监视(automatic dependent surveillance broadcast, ADS-B)系统面临的最常见且最有威胁的干扰之一。提出基于稳健协方差矩阵估计的ADS-B压制式干扰抑制算法。首先,考虑了ADS-B信号的脉冲特性,将协方差矩阵的求解转化成凸优化问题。然后,利用求解凸优化问题得到的稳健协方差矩阵设计最优权矢量。最后,对观测信号进行空域滤波,完成ADS-B的压制式干扰抑制,并对抑制结果进行性能分析。提供的仿真实验结果也验证了算法的有效性,该方法不需要知道ADS-B信号来向,且在非高斯噪声情况下同样有效。     

高速运动环境下GNSS接收机阵列抗干扰算法

全球卫星导航系统(global navigation satellite system, GNSS)接收机高速运动状态下,干扰信号来向快速变化将导致阵列抗干扰算法性能下降,为此提出了基于干扰加噪声协方差(interference-plus-noise covariance, INC)矩阵重构的零陷加宽算法。首先,依据采样协方差矩阵相邻特征值之比估算干扰信号数目。然后,利用空间谱估计值粗略判定干扰信号来向,并根据零陷展宽需求重新设定干扰区域空间谱估计值。最后,以干扰区域谱估计值为基础重构INC矩阵,求解阵列权矢量。仿真实验表明,相比于其他零陷加宽算法,所提算法在相同展宽下的零陷更深,阵列输出载噪比(carrier to noise ratio, C/N₀)也高出5 dBHz以上。     

高速运动环境下GNSS接收机阵列抗干扰算法

全球卫星导航系统(global navigation satellite system, GNSS)接收机高速运动状态下,干扰信号来向快速变化将导致阵列抗干扰算法性能下降,为此提出了基于干扰加噪声协方差(interference-plus-noise covariance, INC)矩阵重构的零陷加宽算法。首先,依据采样协方差矩阵相邻特征值之比估算干扰信号数目。然后,利用空间谱估计值粗略判定干扰信号来向,并根据零陷展宽需求重新设定干扰区域空间谱估计值。最后,以干扰区域谱估计值为基础重构INC矩阵,求解阵列权矢量。仿真实验表明,相比于其他零陷加宽算法,所提算法在相同展宽下的零陷更深,阵列输出载噪比(carrier to noise ratio, C/N₀)也高出5 dBHz以上。     

基于逆高斯纹理空间相关性的雷达目标检测

高分辨海杂波可以采用复合高斯模型进行建模,纹理分量决定了杂波的非高斯特性以及后续的检测算法。传统自适应检测算法假设纹理在距离维独立同分布(independent and identically distributed, IID),忽略了实测海杂波纹理相关性。采用逆高斯分布建模纹理分量,提出了一种基于纹理空间相关性的自适应检测器。该检测器选取部分参考单元带入到似然比检测中,为待检测单元提供了散斑协方差矩阵信息和纹理信息。实测数据实验表明,该检测器相对于IID纹理假设下的最优检测器和自适应归一化匹配滤波器具有一定的性能提升。     

基于变分推断的一般噪声自适应卡尔曼滤波

线性高斯状态空间模型中假设噪声为已知的白噪声过于苛刻。认为过程噪声与观测噪声均未知且二者的解析关系确定,假设观测噪声的均值非零且服从高斯分布,方差服从逆威沙特分布,从而构成了层次式贝叶斯模型。利用变分推断将均值与方差和系统状态一起作为随机变量进行迭代估计,在得到观测噪声的均值与方差的估计值后,利用其与过程噪声的关系进一步更新未知过程噪声的均值与方差,从而动态地得到每一时刻过程噪声与观测噪声的一、二阶统计矩信息,即使在噪声统计信息动态变化的情况下也有较满意的滤波精度。实验证明了该算法的有效性。