双基地MIMO雷达相干目标角度估计算法

提出一种双基地多输入多输出（multiple input multiple output,MIMO）雷达相干多目标角度快速估计算法。采用单次快拍数据构建的一组Toeplitz矩阵重构出新的协方差矩阵,使得矩阵的秩等于目标的总个数;通过矩阵变换使得变换后的协方差矩阵满足centro Hermitian性,即可利用酉变换将复矩阵转化为实矩阵进行实数域的参数求解,采用旋转不变信号参数估计（estimation of signal parameters via rotational invariance technique, ESPRIT）算法即可准确估计出对应的目标角度。通过仿真表明：所提算法能够实现相干目标源的角度估计且参数自动配对;降低了复矩阵特征分解所带来的巨大运算复杂度,具有更高的参数估计精度和算法稳健性;同时能够对移动目标进行角度跟踪,具有良好的跟踪性能。     

基于酉变换ESPRIT的相干信源DOA估计算法

为了增强重构Toeplitz矩阵算法的估计性能,降低计算复杂度,提出了适用于相干信源波达方向估计的Toep UESPRIT算法。它使用利用旋转不变性的信号参数估计代替多重信号分类,避免了谱搜索,并且在构造Toeplitz矩阵的基础上,两次构建centro Hermitian矩阵,利用酉变换将复数域的特征值分解和总体最小二乘问题的求解实数化,使计算量大大降低。同时,由于centro Hermitian矩阵的构造过程重复利用了接收数据,估计精度得到大幅提高。实验仿真和分析证明了该算法的正确性和有效性。     

单基地MIMO雷达低复杂度求根MUSIC角度估计方法

针对单基地多输入多输出(multiple input multiple output,MIMO)雷达波达方向(direction of arrival,DOA)估计问题,该文提出一种低复杂度的实值求根多重信号分类(multiple signal classification, MUSIC)方法。该方法首先通过降维变换降低接收数据的维数,利用酉变换将复值数据协方差矩阵实值化,然后构造基于酉MUSIC的求根多项式,采用保角映射将复系数多项式映射为实系数多项式,最后通过求解该实系数多项式的根来得到目标的DOA估计。该方法不需要进行谱峰搜索,所涉及的特征值分解和多项式求根运算均只在实数域进行,在大大降低算法运算复杂度的同时可以获得更好的角度估计性能。仿真结果验证了所提算法的有效性。     

单基地MIMO雷达降维酉ESPRIT算法

波达方向(direction of arrival, DOA)估计问题是单基地多输入多输出(multiple input multiple output, MIMO)雷达信号处理中的一个关键问题。在低信噪比、低快拍数的情况下,常规DOA估计算法的性能会严重下降。针对此问题,提出一种新的DOA估计算法：降维酉旋转不变性信号参数估计技术算法。该算法首先通过降维变换将MIMO雷达数据变换至低维信号空间,然后在该低维信号空间构造实值旋转不变性方程估计目标的DOA。仿真结果表明该方法能够在低信噪比、低快拍数的环境下获得较常规ESPRIT方法更高的DOA估计精度,同时具有更低的运算量。     

一种快速的测频算法

由于ESPRIT算法结构封闭,不需要搜索过程;而且输入数据阵经过简单的矩阵变换,可以由复数域变换到实数域,利用变换后的实数数据阵的特殊结构,引入基于实数运算的特征值求解过程,其运算复杂度明显减小;再者,ESPRIT算法结构本身便于并行处理等.依据这些特点,基于ESPRIT算法,给出了一种适用于雷达的快速测频算法.仿真结果显示算法测频精度高,运算复杂度小,适用于雷达快速测频.     

宽带信号方位估计的改进RSS方法

为了降低宽带信号旋转信号子空间（rotational signal subspace, RSS）方位估计算法的运算量和分辨门限,针对中心对称阵列,将实值处理过程和信号子空间缩放MUSIC（SSMUSIC）方法引入宽带信号方位估计,提出了一种宽带信号方位估计新方法。该方法首先使用左实变换矩阵将双向平滑后的各个频率子带的数据协方差矩阵变换为实数矩阵,从而大大降低了运算量;然后使用RSS方法选取聚焦矩阵对各个频率子带的实协方差矩阵进行变换,得到同一参考频率点的数据协方差阵;最后利用基于子空间斜投影的SSMUSIC算法进行一维搜索来求得各个目标的方位角。仿真实验结果表明,该方法比常规宽带RSS方法运算量小,且具有更低的分辨门限和更小的均方误差。     

一种二维ESPRIT算法参数配对新方法

根据矩阵、矩阵的特征值及特征值对应的特征向量三者之间的关系,提出了一种新的用于二维波达方向(DOA)估计的ESPRIT算法参数配对方法。该方法无需经过多次矩阵变换就可以达到参数自动配对的目的,在保证二维ESPRIT算法参数估计性能的前提下,简化了参数的配对过程。最后经计算机仿真验证了该方法的有效性。     

非均匀线阵MIMO雷达的多目标定位方法

提出一种非均匀线阵多输入多输出（multiple input multiple output, MIMO）雷达的多目标定位方法。该方法基于阵列内插技术,构造一个内插矩阵对非均匀线阵MIMO雷达进行处理,满足虚拟均匀线阵MIMO雷达的特性,推导出虚拟均匀线阵MIMO雷达的信号子空间,最后利用旋转不变信号参数估计技术（estimating signal parameter via rotational invariance techniques, ESPRIT）对目标方位角度进行估计。其优点是突破ESPRIT算法对阵元配置的要求,且有效增加了阵元数目(实为虚拟阵元),提高了方位角分辨率。仿真结果表明,该算法增加了MIMO雷达探测目标数,角度估计精度接近克拉美罗界根。同时,所估计的二维方位角参数自动配对,不需要额外的配对运算,计算量小。     

塔克张量域正则极化ESPRIT

针对极化敏感阵列信号波达方向(direction-of-arrival, DOA)估计问题,提出了一种基于塔克张量域序贯截断高阶奇异值分解的正则极化旋转不变参数估计(Tucker tensor based regularized polarimetric estimation of signal parameters via rotational invariance technique, trpESPRIT)方法。首先对阵列接收信号进行塔克张量建模,之后通过序贯截断高阶奇异值分解获得塔克张量域信号子空间,最后利用多旋转不变子空间幅相关系获得信号DOA估计。相比于传统矩阵建模方法,塔克张量建模更便于组织多维数据结构,实现高维的数据匹配操作,而序贯截断高阶奇异值分解则可以获得更高的信号子空间估计精度以及后续的DOA估计。仿真结果表明,trpESPRIT方法较之常规矩阵方法和矢量方法可以更好地抑制噪声,具有更高的信号DOA估计精度,在低信噪比和低快拍条件下仍然具有良好的分辨能力。     

基于三阶累积量奇异值分解的雷达目标识别

基于一维距离像三阶累积量矩阵的奇异值分解 ,由非零奇异值构成奇异值矢量作为正则子空间法的输入 ,提出一种雷达目标一维距离像识别方法 ,对目标进行分类识别。该方法一方面利用三阶累积量提高了抗噪性能 ,同时又使用非零奇异值矢量减少了存储量与运算量。仿真实验结果表明 :在低信噪比 ,该方法的识别率高于特征子空间法     

分布式nested阵列及其高精度DOA估计

为了进一步提高分布式阵列的自由度和分辨力,提出一种分布式nested阵列。该阵列将nested阵列作为分布式阵列的子阵。基于Khatri Rao积, nested子阵可提高整个阵列的自由度。分布式nested阵列以较少的阵元数及硬件成本实现大的孔径和较高的分辨力,而且提高了目标波达方向(direction of arrival, DOA)估计的精度。并利用基于Khatri Rao积的空间平滑酉旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法进行DOA估计。其先对协方差矩阵向量化提高自由度,然后利用空间平滑对新数据协方差矩阵进行秩恢复,最后使用双尺度酉ESPRIT算法得到DOA估计。仿真结果证明所提方法的有效性。     

基于延时相关处理的ESPRIT算法

为了提高旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法的分辨力和测角精度,充分利用非零延迟相关函数中信号入射角度的信息,提出了基于延时相关处理的ESPRIT算法。根据所有阵列间延时相关信息,构造新的阵列输出矩阵,并且得到新的协方差矩阵。对新的协方差矩阵进行特征值分解得到特征向量,通过将特征向量划分得到含有入射角度信息的子阵,最终求得信源的入射角度。仿真结果表明,该算法的分辨力和测角精度均优于原ESPRIT算法,并且在小角度间距情况下也有较好的分辨性能。     

基于Unitary ESPRIT的圆和非圆信号联合DOA估计

基于非圆信号的Unitary ESPRIT(NC Unitary ESPRIT)算法,与unitary ESPRIT相比,明显提高了DOA估计的精度,并且可以处理更多的入射波。但是,在对多个入射波进行DOA估计的时候,更常见的是入射波既包含圆信号又包含非圆信号情形,而NC Unitary ESPRIT算法不能很好地进行这类信号的DOA估计。在分析两种信号共同存在时的信号模型结构的基础上,提出了一种新的同时估计圆信号和非圆信号DOA的unitary ESPRIT算法,并且该方法能够区分出圆信号和非圆信号。计算机仿真表明了所提出的方法比unitary ESPRIT方法有更好的估计效果,并且信号源中非圆信号所占的比重越大,估计效果越好。而当入射波均为非圆信号时,提出的算法性能与NC Unitary ESPRIT相似。     

基于实值分解技术的循环root-MUSIC算法

通过构造了循环自相关矩阵的数据模型,使其具有厄尔米特特性,提出了一种基于实值分解技术的循环root-MUSIC算法,无需空间谱搜索,较好地解决了多径传播环境中信号高度相关问题,极大地降低了计算量。实值循环root-MUSIC算法的均方误差公式的理论推导,证明了该算法既适合独立信号,又适合高度相关信号或者相干信号。仿真实验结果证明,与循环root-MUSIC算法相比,该算法适应多径传播环境,具有计算量小和性能好等特点。     

改进的SVD算法对BOC信号组合码与信息序列盲估计

针对低信噪比下二进制偏移载波信号的组合码序列以及信息序列盲估计问题,在未知时延下,利用奇异值分解(singular value decomposition,SVD)算法估计出的组合码序列及信息序列,其最大奇异向量和次大奇异向量之间可能存在酉模糊现象。对于该问题的研究,提出一种改进的SVD方法对最大奇异向量及次大奇异向量进行线性组合,接着最优化筛选出其相应的系数矩阵,最后结合系数矩阵估计出组合码序列与信息序列。仿真结果表明,改进的SVD算法可同时应用于组合码和信息序列的估计且不受未知时延的影响,具有消模糊效果好、需要数据量少和抗噪性能强的特点。     

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。