基于极化域波达因子的飞行器群内近距定位

研究飞行器群内近距定位,可改善飞行器群生存能力,飞行器群载电磁矢量传感器位置误差等因素造成了群内定位困难,根据机载缺损电磁矢量传感器姿态位置与接收信号之间的变化规律,建立飞行器群载传感器阵列全孔径导向矢量。根据信号时间、极化和空域相位延迟三维数据结构关系,采用盲信号极化状态等参数的极化域波达因子探测法,保留传感器在机身中安装姿态和位置信息,计算电磁波空间谱, 汇聚目标信息,实现飞行器群对短距多目标定位。对飞行器位置误差不敏感,解决短距目标极化参数随接收位置变化、交叉极化、增益/相位漂移和接收机位置误差问题。仿真试验表明该算法有效。     

矢量传感器幅相误差校正与补偿

提出了利用同一个校正源先后两次发射的两个到达方向相同极化状态不同的电磁信号估计矢量传感器幅相误差的一种新方法。首先根据矢量传感器的特点给出了矢量传感器的幅相误差模型,并利用ESPRIT方法给出了存在幅相误差情况下两个电磁信号的电磁场矢量;其次根据同一个矢量传感器对两个电磁信号引入的幅相误差相等估计两个电磁信号的极化参数,并由幅相误差模型得到矢量传感器的幅相误差的估计;最后推导给出了参数估计的克拉美-罗下界并通过仿真实验证明了算法的有效性。     

双插值拟合的共形电磁矢量传感器阵列解相干

共形电磁矢量传感器阵列依附在共形载体的几何表面上, 具有很高的分布自由度。但是不同传感器回波的极化矢量随着所依附的共形载体法线指向的变化而变化, 导致无法直接用平滑类算法解决相干信号的参数估计问题。本文创造性地利用双插值拟合思想, 将子阵列虚拟平移后得到一个同极化分量的插值子阵列, 然后对插值子阵列进行极化平滑估计目标参数。同时, 为了降低插值拟合误差对插值子阵列数据的影响, 提出了一种双插值拟合方法实现了回波解相干并有效估计了信号的二维角度和二维极化角。最后,数值结果分析了双插值拟合误差和解相干性能。     

机载电磁矢量传感器阵列DOA和极化参数估计

针对机载电磁矢量传感器阵列DOA和极化参数估计问题,提出了一种基于复四元数估计方法,该算法利用四元数建立机载电磁矢量传感器阵列信号处理模型,然后利用四元数联合矩阵的特征分解得到阵列数据相关矩阵的特征分解,一方面使得计算过程中数据的贮存量大大减少,另一方面通过推导得到信号子空间和噪声子空间在四元数域上的正交性从而使DOA和极化参数估计的精度更高,仿真证实了本算法的有效性。     

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。     

一种非理想阵列的快速宽带信号方位估计算法

针对宽带信号方向估计算法需要进行初次估计和进行多次奇异值分解的问题,提出了在传感器阵列存在误差的情况下,基于Prony-Lanczos方法的快速宽带信号方位估计算法。方法将接收信号转换到频率域内,分离阵列流形中信号方向和阵列参数;其次,在考虑阵列互耦的情况下,采用快速奇异值分解的方法求取奇异向量,并利用奇异向量构造聚焦矩阵;最后,利用聚焦求和窄带方位估计对宽带信号进行方法估计。仿真试验表明,存在阵列误差的情况下,本算法具有较好的分辨率和较低的计算复杂度和鲁棒性。     

通道幅相不一致的实时校正方法

针对空间谱估计算法性能对通道幅相不一致敏感的问题,根据实际测向系统接收通道的特点,提出了利用自检信号进行实时校正的方法,将整个通道的校正分为天线到接收通道之间的无源器件预校正和接收通道的实时校正两个部分,先利用0°入射信号和自检信号的接收数据计算得到预校正矩阵,在测向过程中利用自检信号对接收通道进行实时校正。Matlab仿真结果表明实时校正方法可以动态校正通道的幅相不一致误差并且有利于提高MUSIC算法的分辨力,实测数据也表明实时校正方法可以动态的校正通道幅相不一致误差达到提高测向精度的目的。     

电磁跟踪系统磁传感器三轴非理想正交的快速校正算法

六自由度电磁跟踪系统由于磁传感器三轴非理想正交,系统引入误差导致参数定位精度降低。为了克服传统的基于共轭次梯度算法和神经网络模型校正方法存在的算法复杂、计算耗时较长、精度较低的缺点,提出了以误差校正矩阵〖WTHX〗P〖WTBX〗为基础的快速校正算法,同时实现了非正交参数的提取和系统误差的校正。通过系统特定参数的跟踪模型,构造了包含非正交参数的线性方程组,求解出误差校正矩阵。数值模拟结果表明,该方法具有算法简单、计算量小、快速准确的优点,可以有效校正电磁跟踪系统由于磁传感器三轴非理想正交而引入的参数误差,提高了系统定位精度。     

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.     

并联式恒模阵的共道信号接收算法与系统误差研究

并联式恒模阵由于利用了信号的恒模特性而且结构简单，被广泛应用于共道信号接收的研究中。但现有算法对信号波达角的信息要求较高，可能造成多个阵误收敛至同一信号，并且多为理想条件下的算法分析。针对这些问题，提出了一种基于初始假设的共道信号接收方法，并对误差条件下的系统性能进行仿真。仿真结果说明此方法无需对阵列进行校正，瞄准方向误差和阵元失效对并联式恒模阵的影响较小，而对阵元位置误差敏感性稍高。     

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。     

雷达信号阵列处理与检测

雷达信号阵列处理的主要目的就是从噪声、干扰和别的信号环境中估计传输波信源的方向角。根据经典多维谱估计理论,本文论述了提取微弱雷达信号信息的概念和实现方法。 为了改善角谱分辨率,本文还系统地阐明了通过计算平面阵列接收数据空间自相关矩阵,并根据其特征分解所得到的信号子空间和噪声子空间的特征向量相互垂直的概念,计算出所谓高分辨角谱。本文还提出了一种MUSIC谱的修正算法,可以减少正交投影的计算量。     

锥面共形阵列天线的极化-DOA估计

由于共形载体曲率的影响,锥面共形阵列中的阵元不仅具有不同指向的方向图,而且具有不同的极化特性,从而使得共形阵列呈现多极化特性。利用锥面共形阵列的多极化特性,针对现有共形阵列下空间超分辨算法对信号极化参数估计缺失这一问题,结合多重信号分类(multiple signal classification, MUSIC)算法实现了入射信号的极化参数与二维波达方向(direction of arrival, DOA)的联合估计。算法对阵列形式无特殊要求,不需要参数配对;在此基础上进一步对算法的估计性能进行了理论分析与推导,给出了算法多参数估计的克拉美-罗边界(Cramer-Rao bound, CRB)。最后通过计算机仿真验证了算法的有效性。     

基于四元数MUSIC的锥面共形阵列极化-DOA联合估计

基于交叉偶极子构成的锥面共形阵列,建立了四元数表示的锥面共形阵列模型并提出了四元数多重信号分类 (multiple signal classification,MUSIC)算法。算法通过同极化子阵的构造以及秩损原理实现了导向矢量中极化信息和波达方向(direction of arrival,DOA)信息的剥离,进而得到入射信号的二维DOA估计和极化参数估计,有效降低了极化DOA联合估计的计算量。仿真结果验证了算法的有效性。     

ULA中基于LS-ICA的短时高效DOA估计

研究了均匀线阵(uniform linear array, ULA)的波达方向(direction of arrival,DOA)估计问题,提出了一种能充分利用阵列结构上来波数据的信号处理方法进行角度估计。所提方法的关键是采用天线阵列因子的实部来构造新的信号接收模型,进而通过独立分量分析(independent component analysis,ICA)对接收信号进行盲分离,用最小二乘(least square,LS)法求解入射信号的角度,同时给出了天线阵元间距应满足的条件。仿真表明,与多重信号分类(multiple signal classification,MUSIC)方法相比,本文方法能够适应阵元间距的变化,在低信噪比(signal-to-noise ratio,SNR)时估计性能以及角度分辨力均较优,通过一步粗估计就可获得较高精度且具有实时性,均方根误差(root mean square error,RMSE)向克拉美-罗界(Cramer-Rao bound,CRB)的逼近程度也说明了新方法的优势,此外还可以采用细估计来提高估计精度。     

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。     

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。     

载频重频联合捷变雷达目标参数估计方法

针对载频-重频联合捷变体制雷达目标参数估计问题,提出了一种新的基于多重信号分类(multiple signal classification, MUSIC)算法的载频-重频联合捷变雷达目标参数估计方法。通过信号模型的空时等效,将时域信号的处理等效成空域阵列信号的处理,并将超分辨阵列信号处理方法应用到目标的参数估计中,从而把目标距离和速度的估计等效成阵列中二维参数的估计,解决了由于载频-重频联合捷变所带来的目标参数估计难题。仿真实验表明,所提方法能有效实现对目标距离和速度的超分辨估计。     

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。