基于任意平面阵的一阶模糊问题研究

基于平面阵的阵列测向系统中,一阶模糊是对测向性能影响最大的一类模糊.为了避免一阶模糊,推导了一个不存在一阶模糊的充分条件,并且可以据此判断任意平面阵列是否存在一阶模糊问题.此外,分析了阵元间距都大于半波长与阵列是否存在一阶模糊问题的关系,指出阵元间距都大于半波长并不必然导致产生一阶模糊.最后通过计算机仿真说明了上述结论的正确性.     

基于MUSIC对称压缩谱的快速DOA估计

为提高波达方向（direction of arrival, DOA）估计的速度、降低运算量,在分析多重信号分类（multiple signal classification, MUSIC）算法原理的基础上,利用噪声子空间降维的思想构造一维MUSIC对称压缩谱(MUSIC symmetrical compressed spectrum, MSCS)。MSCS通过构造共轭噪声子空间并对噪声子空间及其共轭子空间的交集进行奇异值分解得到,其物理实质等效于在空间辐射源的对称位置添加相同数目的镜像辐射源。理论分析和仿真实验表明,MSCS不受实际阵型的限制,能将DOA估计的计算量降至传统MUSIC算法的50%,并具有与MUSIC相当的估计精度。     

一种新的基于Krylov子空间的快速子空间分解

快速有效地进行子空间分解是子空间类算法走向工程应用的关键。提出了一种新的期望信号的选择方法,并证明了在空时白噪声条件下由观测信号的协方差矩阵及观测信号与期望信号的互相关矢量构成的Krylov子空间等价于信号子空间,从而可以通过多级维纳滤波方法计算Krylov子空间的基来实现信号子空间的快速估计。由仿真实验可以看出所提出的方法能够快速有效地实现子空间分解,尤其在低信噪比下仍然具有较高的性能。     

一种基于信号子空间聚焦的宽带DOA估计算法

根据阵列采样获得的宽带信号带宽内各个频点的协方差矩阵进行特征值分解得到的信号子空间,提出了一种新的宽带聚焦DOA估计方法。直观地根据各个频点的信号子空间来构造聚焦矩阵,推导了最佳聚焦信号子空间。对新方法的性能分析表明,该方法的性能与双边变换(TCT)方法相同,并给出了证明。构造聚焦矩阵时新方法所用的矩阵维数小于TCT方法,因此新方法运算量小于TCT方法。仿真结果证明了算法的有效性。     

用改进的MUSIC算法实现相干多径信号分离

基于特征值分解的MUSIC算法是建立在非相干信号模型基础之上的,对于相干多径信号,MUSIC算法将会失效。与传统的拟补空间协方差矩阵秩亏损的空间平滑去相关法不同,从另一个角度出发,通过特殊的天线阵列模型,重构一个Toeplitz矩阵,使其秩只与信号的波达方向有关,而不受信号相关性的影响,从而达到去相关的目的,并对信号子空间和噪声子空间作出正确的估计。仿真结果验证了该方法的有效性,且较传统的空间平滑方法具有更低的信噪比门限和更小的运算量。     

基于子频带分解的宽带信号干涉法测向算法

研究了宽带信号波达角的精确估计方法,提出了一种适合宽带信号的干涉法测向算法。该算法利用阵元间的延时估计波达角。先对信号作快速傅里叶变换(fast Fourier transform,FFT),选取信号在6 dB带宽内的谱线,每根谱线看作一个单频信号,采用窄带鉴相方法对各单频信号分别鉴相并估计该频率点上的延时,最后对各延时估计值进行加权平均。证明了信号在各频率点上的能量与频率平方的乘积是最佳加权系数。本算法具有计算量小、算法简单等优点。延时估计的仿真性能接近克拉美-罗限。     

频率捷变的相控阵雷达目标多径DOA估计算法

介绍了频率捷变在相控阵雷达目标多径DOA估计中的应用,并采用修正的MUSIC算法(MMU-SIC)以提高多径信号DOA估计性能。频率捷变不仅可以去掉直射信号与反射信号的相关成分,而且可以消除严重的信号对消现象。而修正的MUSIC算法则可以将相关信号源的相关性大大降低,从而改善了传统MUSIC算法对相关信号源的DOA估计性能。     

基于加权信号子空间投影的MUSIC改进算法

针对MUSIC算法在小快拍条件下DOA估计时性能降低的缺点,提出采用加权信号子空间投影的方法加以改善。首先对信号子空间进行主特征值倒数加权,并将结果与MUSIC空间谱进行叠加。新方法保持了噪声子空间处理的高分辨力,并通过信号子空间处理提高了对有限数据误差的稳健性。理论和统计性能分析表明其对多目标分辨力优于MUSIC方法,特别是在小快拍条件下表现了良好的性能。     

一类快速的宽带分布源到达角估计算法

针对宽带分布源到达角估计问题,提出了一类快速的估计算法,即中频法、中值法和均值法。该类算法首先将阵列接收的宽带信号变换到频率域,然后对于每个频率形成阵列接收信号协方差阵,最后由该协方差阵的次对角线元素估计宽带分布源的到达角,其主要特点是避免了相位展开。仿真结果表明,在高信噪比和分布角不大时,中频法和中值法的性能几利相同;但在低信噪比时,中值法优于中频法。此外,均值法对分布角不敏感,且性能较优。     

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.     

一种DOA估计新算法及其求根形式

由于受到实际中所用阵列孔径的限制,现有DOA算法所能分辨的信源数以及能达到的谱分辨率一直不高。在入射信号具有非圆对称特性的时候,证明可以利用信号的该种特性,对原阵列进行有效的扩展,并且在此基础上提出了一种新的DOA估计算法及其求根形式。指出在相同的条件下,所提出的新算法及其求根形式有着比MUSIC算法更好的DOA估计性能,并且能对更多的信号进行DOA估计。计算机仿真试验进一步证明了这一结论。     

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。     

基于投影预变换的快速DOA估计算法

利用信源分布的先验信息,提出了一种基于投影预变换的快速DOA估计算法(projection pretransfor-mation method,PPTM),它将存在阵的输出数据向量变换到低维阵列流形的输出数据向量,降维变换后可明显减小DOA估计算法的运算量,并可提高谱分辨力。基于虚拟interpolate思想,将该方法进一步应用到整个阵列空域,在每一子空域实施降维投影变换,可大大减小谱估计算法的运算量。计算机仿真结果表明,PPTM比常规空间谱估计算法具有更好的分辨性能和更低的信噪比门限。     

基于变换域张量的机载阵列DOA和极化参数估计

针对强杂波背景下多目标回波的参数估计问题,现有的基于长矢量的多重信号分类(long vector multiple signal classification, LV-MUSIC)法精度下降,基于张量的MUSIC(tensor MUSIC, T-MUSIC)方法通道数不足,无法计算噪声子空间投影矩阵。因此提出基于变换域张量的MUSIC方法。算法利用张量结构,在时域分离不同多普勒频率的信号,分别估计各多普勒通道的回波参数。相比于LV-MUSIC和T-MUSIC,所提算法避免了多目标背景下自由度不足导致的目标分辨力下降的问题,并且能获得更高精度的参数估计。仿真实验证明,所提算法有更高的目标分辨能力,在低信噪比条件下仍保持良好的性能。     

改进MUSIC算法对信号DOA的估计

MUSIC算法能有效地估计出独立信号源的DOA，并且在模型准确的前提下，对DOA的估计可以达到任意精度；但对相干信号源和相隔比较近的小信噪比信号源，MUSIC算法就不能估计出它们的DOA了。这里通过理论推导提出了一种改进MUSIC算法，计算机仿真的结果表明了该改进MUSIC算法既能够有效地估计出独立信号源的DOA，也能有效地估计出相关信号源和相隔比较近的小信噪比信号源的DOA，从而证明了这种改进MUSIC算法的合理性。     

一种在未知噪声下的快速波达方向估计方法

提出了一种基于传播算子方法的波达方向估计（direction of arrival, DOA）算法,和传统的子空间方法相比,该方法不需要进行矩阵特征分解,有效降低了运算复杂度,同时它对相干信源有更高的分辨率。另外,传统的传播算子方法只在噪声协方差矩阵已知并且信噪比（signal-to-noise ratio, SNR）较高的情况下才有很好的分辨率,而本方法在未知相关噪声场中也能够保持非常高的精度。最后,引入了基于混沌优化思想的谱峰搜索算法,进一步减少了算法运算时间,并通过仿真实验验证了文中结论。     

基于最大期望算法的多时变信号DOA估计方法

当多个辐射源同时存在并交替发射信号时,接收数据间相互交错,且多个数据间并无显性关联,无源合成阵列每一次测量仅能获取来波的频率、幅度与相位等数据信息。为了同时、高效地实现多个参数的联合估计,提出采用最大期望算法进行估计多个时变信号参数估计的新方案,将一个高维多参数优化问题分解成多个并行的低维问题进行求解。该方法主要包含求解期望值步骤和期望值最大化两个步骤。求解期望值步骤主要建立接收信号与其辐射源的对应关系,即信号分选,而期望值最大化步骤采用最大似然方法估计辐射源的入射角信息。这两个步骤相互迭代,交替进行辐射源信号的分选与测向。同时,还推导出无源合成圆阵相位差数据的最大似然方法进行入射角的精确估计的闭合形式解,并通过接收信号的复数响应进行相位模糊解算,并推导出测向精度的理论下限。最后,通过数值仿真结果验证了该方法的有效性。     

基于最大期望算法的多时变信号DOA估计方法

当多个辐射源同时存在并交替发射信号时,接收数据间相互交错,且多个数据间并无显性关联,无源合成阵列每一次测量仅能获取来波的频率、幅度与相位等数据信息。为了同时、高效地实现多个参数的联合估计,提出采用最大期望算法进行估计多个时变信号参数估计的新方案,将一个高维多参数优化问题分解成多个并行的低维问题进行求解。该方法主要包含求解期望值步骤和期望值最大化两个步骤。求解期望值步骤主要建立接收信号与其辐射源的对应关系,即信号分选,而期望值最大化步骤采用最大似然方法估计辐射源的入射角信息。这两个步骤相互迭代,交替进行辐射源信号的分选与测向。同时,还推导出无源合成圆阵相位差数据的最大似然方法进行入射角的精确估计的闭合形式解,并通过接收信号的复数响应进行相位模糊解算,并推导出测向精度的理论下限。最后,通过数值仿真结果验证了该方法的有效性。     

基于谱函数二阶导数的波达方向估计算法

针对传统多重信号分类(multiple signal classification, MUSIC)算法在低信噪比(signal noise ratio, SNR)、小快拍数或是信号源相近等复杂信号环境下分辨率严重下降这一问题,提出了一种改进的MUSIC算法。通过对空间谱函数求二阶导数,可以在波达方向(direction of arrival, DOA)附近形成尖锐的负向谱峰。计算机仿真试验表明,与传统MUSIC算法相比,新方法在低SNR、小快拍数下对空间分布很近的信号有更好的分辨率。