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。     

基于稀疏表示的平行互素阵二维测向方法

针对传统平行阵二维测向自由度低问题,提出一种改进型平行互素阵,基于稀疏表示方法和最小二乘法来估计目标方位。该方法首先利用改进型互素阵构建双平行稀疏阵列,计算平行互素阵的互协方差矩阵。然后通过矢量化处理,利用重排,去冗余处理生成较大孔径的虚拟阵列,将二维波达方向(direction of arrival,DOA)估计问题降维为一维DOA估计问题。进一步将一维DOA估计问题转为复数信号稀疏重构问题,并利用二阶锥规划来进行求解,通过峰值搜索得到方位角信息。最后利用方位角来构建方向矩阵,通过最小二乘方法求解俯仰角。该方法可以在没有目标先验信息的条件下,能够准确估计目标方位,且能够实现自动配对。相比传统的平行均匀线阵以及平行互素阵,该方法扩展了阵列虚拟孔径,提高了估计精度,能够辨识更多的目标源。实验仿真验证了该方法的有效性。     

非均匀噪声背景下的欠定DOA估计方法

针对非均匀噪声背景下欠定波达方向(direction of arrival, DOA)估计问题,结合互质阵列的结构优势,提出了基于全变分范数最小化的DOA估计方法。首先利用连续差联合阵列与连续波程差一一对应的特性,构造出新的阵列接收数据,阵列孔径得到扩展;然后将其转化为一个联合优化问题,在代价函数中利用全变分范数和L₁范数惩罚项分别对角度的稀疏性和噪声项进行约束;最后通过求解相应的凸优化问题以及多项式求根得到DOA的高精度估计。与现有方法相比,所提方法不仅无需进行预白化处理,而且考虑了连续角度域内的所有角度信息而不是对角度域进行离散化,有效避免了模型失配对估计性能的影响,提高了估计精度和分辨率。仿真实验验证了所提方法的有效性与优越性。     

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。     

基于稀疏非均匀COLD阵列的极化信号DOA估计

基于稀疏非均匀COLD(concentered orthogonal loop and dipole)阵列,提出了一种极化信号的DOA(direction-of-arrival)无模糊估计算法.该算法利用了稀疏非均匀COLD阵列的阵元数少和孔径大等特点,因而在阵元数目一定的情况下,可获得较高的DOA估计精度.由于稀疏非均匀COLD阵列可分成电磁环和偶极子两个子阵列,通过分析每个子阵列DOA估计的模糊性,给出了整个稀疏非均匀COLD阵列不发生DOA估计模糊的条件.通过计算机仿真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。     

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。     

基于虚拟阵元信号重构的嵌套阵稳健波束形成

由于嵌套阵中部分阵元间距远大于信号半波长,可能导致高旁瓣和栅瓣等问题.因此,通过利用均匀子阵进行信号波达方向(direction of arrival,DOA)估计,重构出虚拟阵元的接收信号,从而构建一个虚拟的稠密均匀阵列,大幅增加了波束形成算法自由度.通过估计信号功率,重构虚拟均匀阵列的干扰加噪声协方差矩阵(inte...     

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。     

基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法

传统算法通常采取舍弃互质阵列的“差联合”阵列形成离散虚拟阵元,只利用其中连续虚拟阵元进行离波方向角(direction of departure, DOD)和波达方向角(direction of arrival, DOA)联合估计,存在自由度提升受限、估计性能不佳等问题。对此,提出基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法。首先,将两个互质子阵以零点为中心布列,分别构成双基地多输入多输出(multiple input multiple output, MIMO)雷达的发射阵列和接收阵列,该布阵结构将传统的虚拟阵元由阵列“差联合”结构形式变成“和联合”结构形式,降低了虚拟阵列的冗余度。其次,在形成的虚拟阵元基础上,通过在虚拟阵列孔洞位置内插虚拟阵元使其连续,对于内插的虚拟阵元无实际接收信号问题,基于最小化核范数优化理论,采用协方差矩阵Toeplitz化重建的方式恢复内插虚拟阵元的等价接收信号,利于所有虚拟阵元层面的角度联合估计。最后,针对因角度配对导致的高运算量问题,结合降维多重信号分类(reduced dimension multiple signal classification, RD-MUSIC)算法使角度自动配对,从而减小算法运算复杂度。有效提高了目标分辨力和角度联合估计性能,仿真实验验证了算法的有效性。     

L阵基于降维MUSIC的二维DOA与频率估计

提出了一种L阵中基于降维多重信号分类(reduced dimensional multiple signal classification, RD-MUSIC)的二维波达方向(two dimensional direction of arrival,2D-DOA)与频率联合估计算法。该算法首先通过一维局部谱峰搜索得到接收信号频率的估计,然后利用频率估计过程中得到的参数矩阵,获得信号的2D-DOA估计。与需要进行多维全局搜索的传统MUSIC算法相比,所提算法只需一维局部搜索,算法复杂度较低。该算法同时适用于均匀L阵和非均匀L阵,且能获得配对的二维角度与频率估计。其角度与频率估计性能接近于传统的MUSIC算法以及平行因子方法,且优于借助旋转不变性估计信号参数算法和传播算子算法。     

基于广义近似消息传递的快速DOA估计方法

针对稀疏恢复类波达方向(direction of arrival, DOA)估计算法中计算复杂度高的问题, 提出了一种基于广义近似消息传递(generalized approximate message passing, GAMP)方法的稀疏贝叶斯学习算法。该算法在现有双基地无源雷达系统模型基础上, 构建了多快拍下的GAMP信号统计模型, 将高维联合后验概率密度的计算简化为标量运算, 提高了算法的计算效率。对于离网目标, 利用梯度下降方法推导了角度空间网格更新策略, 进一步提高了角度估计的精度。仿真结果表明, 该算法在有限快拍、低信噪比情况下, 估计精度较高, 计算复杂度较低, 适用于实时性要求高的应用场景。     

基于差集表遍历搜索的互素阵列DOA估计器

为降低波达方向(direction-of-arrival, DOA)估计中阵元硬件成本和阵元间耦合,提出基于差集表遍历搜索的互素稀疏阵列DOA估计器。该估计器兼顾低复杂度和高精度的特点。其低复杂度在于:仅需依据互素稀疏阵列的阵元坐标即可构造出差集表,以该差集表为指导,可实现观测阵元的协方差矩阵到Nyquist虚拟阵列协方差矩阵的快速转换,进而借助多信号分类分解实现多目标DOA估计;其高精度在于:差集表遍历搜索措施可提升信号子空间的维度,进而提高了空间谱分辨率。鉴于高频段、低波长的阵列信号处理应用日益展开,该DOA估计器具有较为广阔的应用前景。     

最优冗余线阵欠定信号双重构DOA估计方法

针对最小冗余线阵难以用于阵列设计的问题, 设计了一种性能相近的最优冗余线阵, 为实现相应阵列的欠定信号到达角(direction of arrival, DOA)估计, 又提出了一种基于两次重构的快速协方差向量稀疏表示方法。该方法利用凸优化中最优解条件, 实现了Toeplitz协方差矩阵的快速高精度重构, 进而基于构造的协方差向量稀疏表示模型, 实现了欠定信号DOA估计。仿真结果证明, 最优冗余线阵相较于其他稀疏线阵, 耦合影响更低, 测向精度更高, 所提算法较同类算法DOA估计精度更高。     

任意结构阵列基于高阶累积量的信号频率和二维角联合估计算法

提出了一种基于高阶累积量的信号频率和二维角估计算法。假设阵列中存在3个特性完全一致的阵元,此时使用高阶累积量实现的阵列虚拟展宽相当于存在两个和实际阵列相同的虚拟平移阵列,因而在其它阵元位置和响应特性未知的情况下也能实现空间信号频率和二维角估计。推导了使用PRO-ESPRIT算法实现联合估计的过程,并给出了相应的信号配对方法,计算机模拟结果证实了该算法的有效性。     

基于稀疏贝叶斯学习的拖曳线列阵空间谱估计

针对常规拖曳线列阵目标方位估计中存在的左右舷模糊问题,提出了联合多个时刻机动拖曳线列阵信号模型的稀疏贝叶斯学习空间谱重构估计方法。首先,建立了机动拖曳线列阵的阵元域信号超完备稀疏表示模型;然后,根据稀疏贝叶斯学习原理将目标的空间角度稀疏特性通过信号双层先验假设进行隐性描述;最后,对目标空间谱的变化过程采用隐马尔可夫模型进行描述,并将空间谱连续慢变的客观规律应用到目标信号超参数的概率密度计算中,构建基于多个时刻阵列信号模型的空间谱稀疏重构模型。计算机仿真研究和海试数据验证结果表明:所提方法在拖曳线列阵机动条件下,能够有效抑制固有的左右舷模糊,同时具有更好的重构精度,从而实现拖曳线列阵空间谱的优效估计。     

锥面共形阵列非圆信号2D-DOA估计

针对常用锥面载体的单曲率特性,结合合理的阵元布局和利用非圆信号非零椭圆协方差特性,提出一种锥面共形阵列天线非圆信号盲极化二维波达方向(two dimensional-direction of arrival, 2D-DOA)估计方法。该方法基于非圆-旋转不变子空间(non-circular estimation of signal parameters via rotation invariant technique, NC-ESPRIT),充分利用非圆信号的阵列扩展性,将DOA与极化参数去耦合,在此基础上,对俯仰与方位角度参数分维处理,在未知极化参数的情况下,实现了2D的分维估计。针对相干源情况,推导了锥面共形阵列非圆信号解相干空间平滑算法,通过解相干预处理,保证了所提算法对相干信号的适用性,扩展了算法的应用范围。计算机仿真实验表明,所提方法在信噪比较低(小于10 dB)时,较之已有算法大大提升了DOA估计精度,达到了较好的效果。     

互耦效应下低复杂度的二维DOA估计算法

互耦效应会对阵列流型产生扰动并改变子阵间的旋转不变关系, 导致二维子空间类算法性能急剧下降甚至失效。传统二维波达方向(two-dimension direction of arrival, 2D-DOA)估计和互耦校正算法存在二维谱峰搜索困难、迭代寻优慢和计算量大等问题。利用均匀矩形阵列的特殊结构以及互耦系数矩阵的特点, 提出了一种互耦效应影响下能实现完全解互耦的二维旋转不变子空间算法。该算法通过合理选取3个在互耦影响下仍具备旋转不变关系的子阵列, 构建扩展的协方差矩阵, 通过一次特征分解, 即可实现2D-DOA估计和互耦抑制。从理论上证明了ESPRIT算法应用于互耦效应影响下2D-DOA估计的可行性。算法无需二维谱峰搜索和阵列互耦任何信息, 计算量得到有效降低。仿真验证了该算法能够实现稳健的2D-DOA估计, 并抑制互耦效应影响, 估计性能与无误差时的标准ESPRIT算法接近。