双基地MIMO雷达发射阵列幅相误差的旋转阵列校正法

双基地多输入多输出（multiple-input multiple-output, MIMO）雷达可利用直达波进行幅相误差校正,但当直达波方向测量不准时,现有的校正算法性能会严重恶化。针对此问题,提出了一种新的基于子空间的旋转阵列幅相误差校正算法。该算法通过旋转发射阵列天线得到不同方位角的协方差矩阵,利用子空间算法估计通道的增益和相位误差。该算法无需已知直达波的入射角,只需已知发射阵列天线的旋转角度,即可同时完成发射通道幅相误差和直达波到达角的估计,且性能较好,计算机仿真和实测数据结果验证了算法的有效性。     

幅度相位误差条件下的互质阵列DOA估计方法

针对基于互质阵列的欠定波达方向(direction of arrival, DOA)估计方法在阵元幅相误差条件下性能急剧下降的问题, 提出一种基于校正阵元的互质阵列DOA估计方法。首先, 将阵列接收数据分解为两个子阵数据, 基于校正阵元对子阵分别进行幅相误差估计, 并将子阵幅相误差排序重组。然后, 对接收数据协方差矩阵进行误差补偿并扩展为高维的Toeplitz矩阵。最后, 基于矩阵填充理论对高维协方差矩阵进行空洞填充, 结合求根多重信号分类(root multiple signal classification, root-MUSIC)算法进行DOA估计。理论分析和仿真结果表明, 该方法可以实现互质阵列的幅相误差估计, 并通过误差补偿有效恢复幅相误差条件下的互质阵列DOA估计性能, 提高估计精度。     

均匀线阵互耦和幅相误差有源校正改进算法

阵列互耦和幅相误差会严重影响MUSIC算法的测向性能,为此重点研究了由互耦和幅相误差引起的阵列误差校正问题。针对均匀线阵,提出了一种改进的阵列误差校正算法,它通过矩阵特征分解得到一组校正源的方向向量来估计阵列误差,改进算法充分利用了均匀线阵互耦矩阵的特殊结构,并通过交替迭代的方法实现了阵列误差参数的优化校正。计算机仿真结果表明,改进算法提高了参数估计精度,并且可推广应用于校正源方位存在偏差的情况。     

通道幅相误差条件下的相干信源波达方向估计

针对通道幅相误差条件下的相干信源波达方向(direction of arrival, DOA)估计问题,提出一种基于互相关矢量的误差校正和解相干算法。首先对阵列的状态转换进行时延控制,使两个子阵的接收数据保持旋转不变特性。再利用阵列互相关矢量元素的错位比值实现了误差系数估计,将误差校正后的互相关矢量重构为一个等效协方差矩阵即可实现解相干。进一步对不同时延可能导致的角度偏移进行了分析。仿真结果表明,该算法能够实现通道幅相误差的精确校正及解相干,且DOA估计性能接近于无幅相误差条件下的空间平滑类算法。     

基于降维的双基地MIMO雷达收发阵列互耦和幅相误差校正算法

双基地多输入多输出(multiple input multiple output, MIMO)雷达收发阵列互耦和幅相误差会严重影响高分辨波达方向(direction of arrival, DOA)和波离方向(direction of departure, DOD)估计算法的性能。针对这一问题,通过在收发阵列中分别引入若干个经过精确校正的辅助阵元,并利用子空间原理和降维思想,提出了一种双基地MIMO雷达目标二维角度及收发阵列互耦和幅相误差矩阵的联合估计算法。首先,该算法不需要收发阵列互耦和幅相误差矩阵信息,就能较为精确地估计出目标的DOA和DOD;然后,基于对目标二维角度的精确估计,还能进一步对互耦和幅相误差矩阵进行精确估计,进而对收发阵列误差实现自校正。所提算法只需进行一维谱峰搜索,不需要高维非线性优化搜索,所以运算量较小。计算机仿真结果证明了所提算法的有效性和正确性。     

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。     

多载频MIMO雷达的幅相误差校正

建立了多载频（multi carrier frequency, MCF） MIMO雷达的幅相误差模型,并针对其发射和接收阵列的幅相误差耦合到一起的特点,提出了对信号预处理后等效阵列的联合幅相误差进行整体估计来实现误差校正的思想。针对单辅助信源的情况完成了两种误差估计方法：子空间拟合（subspace fitting, SF）法和最大似然（maximum likelihood, ML）法,子空间拟合法利用信号子空间与阵列流型张成空间的对应系列方程求解,而最大似然法利用似然函数最大来得到幅相误差。推导了幅相误差估计的Cramer Rao界（CRB）,并仿真分析了两种方法的估计性能与信噪比、快拍数的关系以及辅助信源的定位误差对估计性能的影响。     

多径条件下基于WSF的均匀圆阵幅相误差自校正

针对多径干扰情况下的均匀圆阵幅相误差校正问题,分析了模式变换法不适用的原因,并基于加权予空间拟合的思想构造了一个拟合函数,通过交替优化和高斯一牛顿算法实现了多径条件下均匀圆阵幅相误差的自校正,仿真结果表明该算法具有优良的方位估计和校正性能.     

一种新的波达方向与幅相误差联合估计方法

研究了信源方向未知时,对信源方向与幅相误差同时进行估测的问题。针对两者的耦合导致估计精度下降的问题,提出了一种阵列幅相误差校正方法。该方法通过对分时工作信号的分析,分离信源方向与幅相误差的耦合,通过一次迭代即可得到信源方向、幅相误差的精确估计值,且适用于任意阵列。给出了该方法实现的具体步骤,通过仿真结果验证了该方法的有效性和可行性。     

外辐射源雷达旋转阵列校正算法

外辐射源雷达面临严重的多径干扰,但强多径信号也为阵列校正提供了优良的信号源,针对此提出了一种利用最强径信号的旋转阵列校正算法。该算法首先采用时域相关运算分离出最强径信号,然后通过旋转阵列来增加信号源和提供先验信息,接着利用比幅原理估计出阵列幅度误差,最后结合最大似然(maximum likelihood, ML)算法和最小二乘(least square, LS)算法估计出最强径信号到达角和阵列相位误差。分析了所提算法的适用条件,并推导了最强径信号到达角和阵列相位误差估计的克拉美-罗下界(Cramer-Rao lower bound, CRLB)。仿真和实测数据处理结果验证了该算法的有效性。     

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。     

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.     

基于均匀圆阵伪协方差矩阵的单快拍测向方法

传统的单快拍测向算法只适用于具有Vandermonde形式的阵列流型, 均匀圆阵的阵列流型不具有Vandermonde矩阵结构, 因此大部分基于线阵的伪协方差矩阵的构造方法无法直接适用于均匀圆阵。针对该问题, 从侦察方的角度对波达方向(direction of arrival, DOA)估计算法进行了研究, 改进了伪协方差矩阵的构造方法, 提出了一种基于均匀圆阵的单快拍测向算法。通过与模式空间前后向平滑(mode forward-backward spatial smoothing, MODE-FBSS)算法的对比仿真, 验证了算法的有效性, 证实了所提方法的性能优于MODE-FBSS算法。     

均匀圆阵互耦自校正的级联估计方法

为了校正阵元间的互耦误差,提高波达方向（direction of arrival, DOA）估计算法的性能,针对均匀圆阵,提出一种互耦自校正的级联估计方法。首先利用互耦矩阵的结构特点,从构成互耦矩阵的每个互耦系数入手,重新表示阵列流形;然后利用变换矩阵,构造目标函数,求解线性约束下目标函数最小时所对应的互耦矩阵;最后由互耦矩阵校正阵列流形,进行谱峰搜索,得到入射信号DOA,实现互耦自校正。该算法不需要多维循环迭代,对DOA和互耦矩阵的估计精度较高,计算机仿真和实际测向系统测试验证了该方法的有效性。     

基于SVM的来波方向估计方法

提出了一种采用支持向量机(support vector machine, SVM)建立模型实现来波方向估计的新方法。提取已知方向来波信号在天线阵元间感应的相位差作为模型的输入,利用支持向量回归机对复杂函数的逼近能力构建方向估计模型。充分利用了SVM的结构风险最小原则和泛化能力,使得模型对低信噪比和通道误差具有较强的适应能力。通过正弦和余弦函数变换的方法,有效解决了360°~0°转换不连续性引起的逼近误差,提高了估计精度,并给出了算法的具体实现步骤。实验结果验证了该方法的优越性和可行性。