近场条件下的MIMO雷达阵列优化

在近场条件下运用遗传算法对MIMO雷达阵列进行优化. 构造优化MIMO阵列近场方向图旁瓣的适应度函数,提出一种基于FFT的快速算法用以高效评估适应度,采用“成对交叉策略”保证遗传算法进化过程中阵列稀疏率恒定. 对有无对称约束两种情况下的阵列优化结果进行比较,分析表明,若在MIMO阵列优化中加入对称
约束,则优化针对的聚焦点所在距离上所有角度均小于该点的目标,用优化所得之阵列扫描它们时可保持性能.     

双基地MIMO雷达二维DOD和二维DOA联合估计

提出一种双基地MIMO雷达L型阵列下多维角度联合估计的新算法. 该算法利用匹配滤波器输出信号特点构造不同的代价函数,采用迭代最小二乘算法估计收发阵列流形矩阵,根据L 型阵列结构的特点和最小二乘法,从估计出的矩阵中计算目标的二维DOD(direction of departure)和二维DOA(direction of arrival). 该方法无需谱峰搜索,可实现参数的同时估计与配对. 与ESPRIT 算法相比,具有更高的估计精度,并接近于克拉美-罗下限,且在小快拍数下也能较好地工作. 仿真结果验证了该算法的有效性.     

压缩感知联合稀疏孔径自聚焦的多站无源雷达成像

针对外辐射源信号特点,考虑相位误差对成像性能的不良影响,提出了基于压缩感知联合稀疏孔径自聚焦的无源雷达成像方法. 利用不同载频外辐射源信号在不同转角下的点扩散函数构造稀疏传感矩阵的每个列向量,并利用lp 范数法将带约束条件的强散射点增强问题转换为无约束的最优问题求解,同时建立关于相位误差的最优化问题,通过准牛顿法求解相位误差增量,从而实现目标成像与相位误差的联合估计. 仿真结果表明,与子孔径综合无源雷达成像相比,该方法无需大的目标累积转角,同时在存在相位误差时仍可获得较好的成像效果.     

基于压缩感知的MIMO系统稀疏信道估计

在多输入多输出通信系统中,接收端信道均衡与相干检测需要利用信道状态信息. 传统信道估计方法如最小二乘法和最小均方误差法均基于多径信道密集型假设,导致频谱利用率低下. 为此,该文研究在单载波MIMO系统中的稀疏信道估计,利用多径信道的稀疏特性提出一种基于压缩感知理论的信道估计方法. 这种方法能利用较少的导频信号达到与传统方法相比拟的估计性能,从而提高频谱利用率. 仿真验证和理论分析表明,基于压缩采样匹配追踪的压缩感知信道估计方法为MIMO系统稀疏信道估计的最优选择.     

特殊阵列的二维到达角方向估计

在特殊均匀线阵的基础上,提出一种二维DOA估计新方法,利用参考阵列的旋转不变性构造整个虚拟阵列的旋转不变性,采用横向和纵向双重扩展提高了阵列的扩展性能,并实现四阶累积量矩阵的无冗余数据处理. 新方法只需计算两个四阶累积量矩阵就可获得信号子空间的估计,进而利用二维ESPRIT方法求得最终的解. 理论分析和仿真实验表明,该算法计算量低,阵列扩展能力强,估计精度高,具有一定的实用性.     

平面阵列下的二维角度和频率联合估计

在均匀面阵列结构基础上提出一种二维角度和频率联合估计新方法. 对阵列天线输出的信号进行建模分析,表明阵列接收信号具有平行因子四线性模型特征. 利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出信源的参数. 该算法首先利用四线性交替最小二乘算法估计出方向矩阵和频率矩阵,然后利用频率矩阵的Vandermonde特征和方向矩阵的结构特点及最小二乘法计算频率和二维角度. 该方法无需谱峰搜索即可实现参数同时估计与配对,与现有的基于三线性分解的算法和ESPRIT算法相比具有更高的估计精度,而且在小样本数情况下也能较好地工作. 仿真结果验证了该方法的有效性.     

解到达角估计模糊的二次虚拟阵列变换

引入非均匀时延构造虚拟阵列变换的变换矩阵,提出一种基于二次虚拟阵列变换的到达角估计方法. 该方法利用非均匀时延间隔的随机性,每一次快拍下都等效于随机改变虚拟阵元的阵元间隔,突破了空域采样定理的限制,解决了在使用较大阵元间距条件下到达角估计的模糊问题. 同时增大的阵元间距也提高了估计的精度和分辨力. 进一步的实验表明,该方法是可行的、有效的,且能改善小信噪比条件下的估计精度.     

共形阵列LFM信号DOA和极化参数的联合估计

利用分数阶傅里叶变换(fractional Fourier transform, FRFT)对线性调频(linear frequency modulation,LFM)信号的能量匹配聚焦特性来简化共形阵列的数据模型,根据子空间拟合原理提出一种信源DOA和极化参数的去耦联合估计方法. 直接进行DOA估计涉及求解难度较大的多维多峰参数搜索过程,于是通过重构噪声子空间
和流形矩阵建立了单峰的目标函数,然后用PSO算法估计信源方位角和俯仰角,在此基础上利用ESPRIT实现极化参数估计. 仿真实验表明,去耦参数估计方法能在保证算法性能的前提下简化问题复杂度,有效降低运算量.