基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

基于阵列接收模型的宽带盲源分离算法

针对传统盲分离算法对宽带信号不适用的问题,提出了一种基于阵列接收模型的宽带盲源分离算法。该算法以子带分解的方法实现了瞬时复值盲分离方法在宽带情形下的扩展。针对扩展过程中可能出现的子带间次序模糊及子带内幅度模糊的问题,利用阵列接收情况下分离矩阵与混合矩阵的特点,提出了一种基于波达方向(direction of arrival, DOA)估计的次序调整及幅度去模糊方法。仿真结果表明,该算法不仅能有效地分离宽带信号,而且可准确地恢复出信号幅度。     

基于归一化CRB加权的宽带DOA估计方法

针对宽带信号频域波达方向(direction of arrivals,DOA)估计方法在各子频带能量存在差异时性能下降的问题,提出一种基于归一化克拉美罗界(Cramer-Rao bound, CRB)加权宽带DOA估计方法。首先在各子频带分别计算DOA估计值,然后根据信号在各子频带的归一化克拉美罗界值,对相应子频带的DOA估计值进行加权,从而提高DOA估计精度以及分辨率。仿真实验验证了所提方法的有效性。     

基于子空间的后验稀疏约束迭代DOA估计方法

子空间波达方向 (DOA)估计方法的一个缺点是在子空间分解过程中难以利用信号的相关信息或有关DOA估计的先验信息改善DOA估计的性能。结合子空间方法和协方差矩阵拟合方法 ,利用信号相关信息和DOA估计的稀疏约束信息 ,研究了一种新的不相关窄带信号DOA估计方法。理论分析和仿真实验结果表明 ,这种迭代DOA估计方法一般经过几次迭代就能获得稳定的高分辨率DOA估计。     

强信号背景下基于噪声子空间扩充的弱信号DOA估计方法

针对强信号背景下弱信号波达方向(direction of arriaval,DOA)估计问题,提出了一种基于噪声子空间扩展的弱信号DOA估计算法。该算法提出并使用了噪声子空间扩充的思想,其先将强信号导向矢量所在空间纳入噪声子空间进而构造出扩展噪声子空间,再在该扩展噪声子空间基础上利用常规多信号分类(multiple signalclassification,MUSIC)算法得到弱信号的DOA估计。通过噪声子空间的扩充有效地抑制了强信号谱峰,算法无需已知强信号方向及导向矢量,运算量与常规MUSIC相当。理论分析表明该算法对弱信号DOA估计性能不劣于对应的强信号阻塞类算法,仿真实验证实了其有效性和可行性。     

任意平面阵列的相干信号二维波达方向估计方法

相干信号的波达方向(direction of arrival, DOA)估计一直是阵列信号处理中研究的关键问题,但传统的算法受到阵列流型的限制。为了解决任意平面阵列对二维相干信号的DOA估计问题,提出了一种新的方法。首先利用信号的循环平稳特性构造数据协方差矩阵,再利用信号在极化域的差异来实现解相干。该方法具有噪声抑制的能力,无需空间平滑,不影响阵列孔径,并且对窄带信号和宽带信号均适用。仿真结果证明了该算法的有效性。     

宽带相干信号二维波达方向估计新算法

提出一种新的宽带相干信号二维波达方向(DOA)估计算法。该方法充分利用了信号的循环平稳特性以及极化多样性,不仅解决了宽带相干源的二维波达方向估计问题,而且在阵列孔径一定的情况下,提高了对多相干源的处理能力。该方法能够抑制加性噪声以及宽带干扰的影响。仿真结果验证了该方法的有效性。     

基于稀疏表示的平行互素阵二维测向方法

针对传统平行阵二维测向自由度低问题,提出一种改进型平行互素阵,基于稀疏表示方法和最小二乘法来估计目标方位。该方法首先利用改进型互素阵构建双平行稀疏阵列,计算平行互素阵的互协方差矩阵。然后通过矢量化处理,利用重排,去冗余处理生成较大孔径的虚拟阵列,将二维波达方向(direction of arrival,DOA)估计问题降维为一维DOA估计问题。进一步将一维DOA估计问题转为复数信号稀疏重构问题,并利用二阶锥规划来进行求解,通过峰值搜索得到方位角信息。最后利用方位角来构建方向矩阵,通过最小二乘方法求解俯仰角。该方法可以在没有目标先验信息的条件下,能够准确估计目标方位,且能够实现自动配对。相比传统的平行均匀线阵以及平行互素阵,该方法扩展了阵列虚拟孔径,提高了估计精度,能够辨识更多的目标源。实验仿真验证了该方法的有效性。     

基于噪声圆形特性的宽带相干信号DOA估计方法

针对色噪声下基于差分去噪的宽带相干信号波达方向(direction of arrival, DOA)估计方法对相干信源数有限制的问题，提出一种基于噪声圆形特性去噪和Toeplitz矩阵重构的估计算法。首先，对接收到的信号求取协方差矩阵，利用噪声的圆形特性消除噪声。为达到对协方差矩阵进行Toeplitz矩阵重构的要求，通过协方差矩阵相乘来构造新的数据协方差矩阵。然后，通过Toeplitz矩阵重构来解相干。最后，利用旋转子空间算法准则构造聚焦矩阵，使用传播算子算法实现DOA估计。理论分析及仿真实验验证了该算法的有效性，该算法对相干信源数的奇偶没有限制，同时该算法也适用于高斯白噪声下宽带相干信号DOA估计的场景。     

基于矩阵重构的非相干分布源参数估计方法

针对现有非相干分布源参数估计算法计算量大等问题,提出了一种新的DOA和角度扩展估计算法.该算法利用空间频率近似模型下的非相干分布源协方差矩阵的结构特点.协方差矩阵可分为相位信息矩阵和幅度信息矩阵.对相位信息矩阵进行重构,对重构后的协方差矩阵利用MUSIC等传统方法即可实现DOA的估计;对幅度信息矩阵的各主次对角线上的元素均进行平滑得到幅度信息平滑向量,估计得到的DOA代入幅度信息中即可得到角度扩展的估计,从而实现非相干分布源DOA和角度扩展分离估计.计算机仿真验证了算法的性能.     

虚拟波束四阶累积量DOA估计方法

为满足复杂干扰场景和阵列误差因素影响下雷达微弱目标信号精确测向需求,提出一种基于均匀线阵构建虚拟波束,替代阵列接收信号进行四阶累积量(fourth-order cumulant, FOC)波达方向(direction of arrival, DOA)估计的算法。该算法包括两个关键步骤：一是利用阵列接收信号特征分解的方法,对信号主信息分量进行提取,并以构建的虚拟波束为输入,计算FOC矩阵;二是针对主分量虚拟波束波瓣外的起伏,利用高斯窗修正波束方向图的方法,进一步提升空间谱函数的估计精度。仿真结果表明,该方法在存在阵列误差的非理想因素下,对复杂电磁干扰场景下的目标信号DOA估计精度较现有FOC方法提高150%以上,尤其对于场内同时存在多个非等功率源信号时,所提方法对低信噪比目标DOA估计精度提升效果优势明显,对复杂干扰环境下DOA估计精度更高、适应性更强。     

基于互质阵虚拟阵列空间平滑的相干信号DOA估计方法

针对相干信号波达方向(direction of arrival, DOA)以空间平滑方法为基础的算法中阵列孔径损失严重以及低信噪比环境下算法估计性能较差等问题,提出一种无需信源数先验信息的互质阵列相干信号DOA估计方法。首先,对互质阵列得到的协方差矩阵矢量化,在虚拟阵元空洞位置内插天线零元,重构协方差矩阵为Toeplitz矩阵,拓展阵列孔径。然后,对重构阵列进行前后向空间平滑处理,消除信号相干性,提高算法估计性能。最后,将前后向平滑矩阵类比均匀对称阵列的协方差矩阵,设计代价函数转化为凸优化问题,通过谱峰搜索进行DOA估计。理论分析及仿真结果表明,该方法无需入射信号信源数,计算复杂度低,且在低信噪比环境下相干信号DOA估计数、估计分辨率以及估计精度都得到了明显改善。     

基于冗余阵元优化的双基地嵌套MIMO雷达目标DOD和DOA联合估计方法

针对传统双基地嵌套多输入多输出(multiple input multiple output, MIMO)雷达进行目标参数估计时精度差、角度分辨率低和自由度低等问题, 提出了一种基于利用虚拟冗余阵元的重建Toeplitz矩阵算法对目标的波离方向角(direction of departure, DOD)和波达方向角(direction of arrival, DOA)开展参数估计的方法。首先, 将两个嵌套阵列空间分置后分别形成双基地MIMO雷达的接收阵列和发射阵列, 阵列经处理后的虚拟接收信号存在大量冗余虚拟阵元。其次, 将冗余虚拟阵元对应的协方差数值进行平均处理替代原值, 形成新的虚拟接收信号。然后,通过利用两个选择矩阵在虚拟接收阵列和虚拟发射阵列中分别构建空间平滑子阵的方法重构Toeplitz矩阵, 来重组虚拟接收信号。最后, 利用常规子空间类算法对等效虚拟信号开展空间谱估计, 实现DOD和DOA的相互匹配, 所提算法在估计性能和自由度性能方面与其他算法对比效果更好。     

基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法

传统算法通常采取舍弃互质阵列的“差联合”阵列形成离散虚拟阵元,只利用其中连续虚拟阵元进行离波方向角(direction of departure, DOD)和波达方向角(direction of arrival, DOA)联合估计,存在自由度提升受限、估计性能不佳等问题。对此,提出基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法。首先,将两个互质子阵以零点为中心布列,分别构成双基地多输入多输出(multiple input multiple output, MIMO)雷达的发射阵列和接收阵列,该布阵结构将传统的虚拟阵元由阵列“差联合”结构形式变成“和联合”结构形式,降低了虚拟阵列的冗余度。其次,在形成的虚拟阵元基础上,通过在虚拟阵列孔洞位置内插虚拟阵元使其连续,对于内插的虚拟阵元无实际接收信号问题,基于最小化核范数优化理论,采用协方差矩阵Toeplitz化重建的方式恢复内插虚拟阵元的等价接收信号,利于所有虚拟阵元层面的角度联合估计。最后,针对因角度配对导致的高运算量问题,结合降维多重信号分类(reduced dimension multiple signal classification, RD-MUSIC)算法使角度自动配对,从而减小算法运算复杂度。有效提高了目标分辨力和角度联合估计性能,仿真实验验证了算法的有效性。     

基于聚焦预处理的累量域空间平滑算法

针对传统累量域波达方向估计算法对各重复位置处虚拟阵元利用不充分的问题,提出了一种基于聚焦预处理的累量域相干信号波达方向估计算法。首先分析了直接平滑原物理阵列和四阶累积量产生的虚拟阵列不能解相干的原因;然后推导了基于累量域聚焦技术解相干的原理;最后提出了直接累量域聚焦、前后向累量域聚焦和二次前后向累量域聚焦算法,并对其进行了性能分析,指出聚焦预处理技术不但不损失阵列孔径,而且充分利用了累量域各虚拟阵列的数据,提高了角度估计精度。理论分析和仿真结果都表明了算法的有效性。     

MIMO雷达嵌套平行阵下基于子空间的目标二维波达角估计

研究了多输入多输出(multiple input multiple output, MIMO)雷达中的二维波达角(direction of arrival, DOA)估计问题,并提出了一种嵌套平行阵下基于子空间的二维DOA估计算法。利用存在嵌套关系的双平行阵(two parallel uniform linear array, TPULA)作为收发阵列,大大增加了自由度(degree of freedom, DOF)。在DOA估计方面,算法利用数据重构增加虚拟脉冲数,并利用酉变换降低运算复杂度,然后分别基于信号子空间和噪声子空间获得了自动配对的二维DOA估计的闭式解。算法复杂度低,而且相比MIMO雷达中传统TPULA下的算法,该算法拥有更好的角度估计性能,并可辨别空间相干目标。仿真结果验证了算法的有效性。     

基于均匀圆阵模式空间和多重旋转不变子空间算法的完备二维DOA估计算法

为了在低运算量下提高均匀圆阵中二维测角的精度,提出一种基于圆阵模式空间和多重旋转不变子空间算法的二维波达方向估计算法。首先利用模式空间算法将均匀圆阵等效为虚拟均匀线阵,并利用贝塞尔函数的递推性质推导此种情况下阵列的旋转不变特性。然后根据虚拟线阵的结构提出一种简便有效的子阵划分办法,在此基础上得出阵列的多重旋转不变方程,并利用多重最小二乘准则得出其完备解,从而完成对信号二维到达角的估计,仿真实验验证了算法的有效性。     

基于双平行互质阵列的二维高精度DOA估计

为利用互质结构进行二维高精度波达方向(direction of arrival, DOA)估计,设计了双平行互质阵列,提出了构建非均匀虚拟阵列的失配处理贝叶斯学习方法,最大限度扩展了测向自由度的同时,降低了网格失配对DOA估计精度的影响。首先,对平行互质阵列进行垂直方向扩展构建了双平行互质阵列;其次,进行了非均匀虚拟阵列扩展,利用稀疏贝叶斯学习进行稀疏重构;然后,利用到达角相邻网格的能量关系,通过泰勒展开,进行了低复杂度的失配处理;最后,提出剔除规则和选择规则,融合两个方向子阵的估计结果。理论分析和仿真实验证明了所提阵列和DOA估计方法的有效性。     

色噪声下双基地MIMO雷达DOD和DOA联合估计

针对双基地多输入多输出(multiple input multiple output,MIMO)雷达在色噪声环境中的收发角度估计问题,提出了一种基于改进四阶累积量的角度估计算法。该算法首先构造回波信号的四阶累积量矩阵,然后根据四阶累积量矩阵的形成规律,在保证虚拟阵列孔径有效扩展的前提下去除其中的冗余项,达到矩阵降维的目的。最后将降维后的矩阵特征分解得到噪声子空间,再利用四阶累积量的多重信号分类(multiple signal classification,MUSIC)算法实现最终的收发角度估计。所提算法不仅可以有效抑制高斯色噪声,并且能够减小四阶累积量矩阵的维数,降低计算的复杂度,仿真结果验证了该算法的有效性。