基于插值拟合的抛面共形阵盲极化DOA估计

共形阵的载体曲率形式复杂, 导致抛面共形阵的方向图指向不同, 而且不同天线单元的极化特性迥异。常见的圆柱阵、圆锥阵在同一母线上的极化分量是相同的，但是抛面共形阵的载体曲率是变化的，因此抛面共形阵的参数估计问题需要考虑极化分量的影响，导致无法直接用同一母线上阵元回波数据结合免搜索算法获得目标二维波达方向(direction of arrival, DOA)估计。首先，提出一种通过插值拟合思想将抛面共形阵带有极化参数的阵列流形拟合成无极化参数的阵列流形, 然后合理选择子阵对, 再利用旋转不变技术估计信号参数(estimation of signal parameters via rotational invariance techniques, ESPRIT)方法实现盲极化的DOA估计, 同时给出了经过插值拟合后的克拉美罗边界(Cramer-Rao bound, CRB)。最后仿真验证了方法的有效性。     

锥面共形阵列天线相干信源盲极化DOA估计算法

针对共形天线阵列流形的多极化特点,建立了锥面共形阵列天线导向矢量的数据模型。通过合理的阵元排列结构设计,推导了锥面共形阵列天线信源解相干的空间平滑算法,解决了ESPRIT(estimation of signal parameters via rotational invariance technique)算法多信源方位估计的参数配对问题,最终给出了锥面共形阵列天线相干信源盲极化波达方向(direction of arrival, DOA)估计算法。该算法利用锥面共形载体的单曲率特性,结合ESPRIT算法参数估计的特点,在盲极化条件下实现了相干信源的高分辨DOA估计。Monte Carlo仿真实验验证了算法的有效性。     

基于ESPRIT算法的柱面共形阵列天线DOA估计

由于共形天线阵列流形的多极化特性(polarization-diversity,PD),信源方位参数与极化状态的“耦合”是实现共形阵列天线波达方向(direction-of-arrival, DOA)估计的主要难点。针对柱面共形阵列天线的特点,建立了柱面共形阵列天线的导向矢量模型;通过合理的阵元排列结构设计,结合ESPRIT (estimation of signal parameters via rotational invariance techniques)算法参数估计的特点,实现了信源极化状态与方位参数的去耦合,推导了ESPRIT算法多参数估计的参数配对方法,最终提出了柱面共形阵列天线盲极化DOA估计算法。计算机Monte Carlo仿真实验验证了所提算法的有效性。     

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。     

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。     

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。     

基于双模天线阵列的ESPRIT波达方向估计

考虑阵列信号波达方向(DOA)估计问题,提出了一种基于双模天线阵列的模式域旋转不变参数估计(ESPRIT)算法.与传统空域ESPRIT相比,模式ESPRIT的旋转因子仅与信号DOA有关而与阵列结构无关,因而无需阵元位置信息,也无需阵列存在空间匹配子阵.若阵元位置信息精确已知,还可利用空域稀疏采样获得无模糊多尺度DOA估计.计算机仿真结果验证了算法的有效性.     

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.     

基于阵列基线旋转的多目标DOA估计算法

传统均匀圆阵波达方向(direction of arrival, DOA)估计算法要求天线数目多于目标数量,易受阵列的通道不一致性影响。针对此问题,引入阵列基线旋转这一思想对多目标进行测向。通过旋转两天线阵列基线,并以固定的时间延迟对阵元的接收数据进行采样,相当于利用有限的两个阵元对目标进行多位置观测,增加了阵元的利用率,提高了DOA估计的测向精度。计算机仿真实验表明,该算法采用两阵元就可以实现多目标测向,其测向性能与基于均匀5元圆阵的传统多重信号分类算法相当,具有对多通道间相位不一致鲁棒性强的优点。     

基于子空间原理的共形阵列多参数联合估计算法

由于共形载体表面曲率变化的影响,共形阵列流形中的信源方位与极化状态产生“耦合”,为多维参数联合估计带来较大难度。针对该问题,利用交叉电偶极子对天线单元在锥面和柱面载体上合理布阵,建立了其快拍数据模型,并提出一种信源方位和极化状态的联合估计算法。算法利用锥面和柱面等单曲率结构的特殊性合理设置坐标系,从而避免了多维角度搜索,有效降低了运算量,并且很容易推广到其他多种单曲率几何结构的共形载体中。Monte Carlo仿真验证了算法的有效性。     

Direction of arrival estimation on cylindrical conformal array using RARE

When the information of mutual coupling and shadowing effect of a conformal antenna array are unknown,the performance of direction of arrival (DOA) estimation will be seriously degraded by using some classical methods,such as the multiple signal classification (MUSIC) algorithm.Meanwhile it is difficult to measure or estimate the shadowing effect.The DOA estimation for a conformal uniform circular array (UCA) is studied.Firstly,the azimuthal angle is separated from all the unknown information by transforming the UCA from the element space to the mode space.Then the rank reduction (RARE) algorithm is applied in the estimation of the azimuthal angle.The π ambiguity existed in the RARE is solved by the beam forming.The main advantage of this method is that it does not need to measure the mutual coupling and the shadowing effect.Compared with the subarray method,it will not decrease the aperture of the array.Simulation results validate the advantages of the method.     

基于root-RARE算法的非同构分布式阵列高精度方向估计

针对非同构分布式阵列无法使用旋转不变子空间算法(estimation of signal parameters via rotation invariant technique algorithm, ESPRIT),同时为了提高非同构分布式阵列的角度估计精度,提出基于求根降秩算法(root rank reduction estimator, root-RARE)的目标波达方向估计方法。由于分布式阵列的基线长度远大于半波长,合成方向图出现栅瓣,导致测角模糊。算法以root-RARE与多重信号分类算法(multiple signal classification, MUSIC)联合解模糊,以root-RARE得到的粗估计为参考,解整个非同构分布式阵列MUSIC谱估计的模糊,从而得到高精度无模糊的估计。推导非同构分布式阵列方向估计的克拉美罗界,分析算法的波达方向估计性能,同时分析分布式阵列方向估计时的基线模糊门限与信噪比门限之间的关系。仿真结果验证所提算法方向估计的正确性及有效性。