基于传播算子的非圆信号实值测向方法

针对现代通信系统大量使用的二相相移键控、调幅等非圆信号,为了降低基于扩展传播算子的非圆信号测向算法--扩展传播算子方法(extended propagator method, EPM)的计算量,提出了EPM实值算法。该算法将阵列输出的实部和虚部拼接使用,即对EPM算法中的阵列输出矩阵进行复加权,用实运算实现了EPM算法,降低了计算量。仿真实验证明,新算法的阵列扩展能力及测向精度与EPM算法相当。     

复杂信号环境中非圆信号的个数估计

针对阵列接收信号中可能同时包含有圆信号和非圆信号,因而很难直接分别估计两类信号源个数的情况,提出了一种基于阵列扩展协方差矩阵特征值分解的解决方法。该方法通过分析观测数据扩展协方差矩阵的结构,特别是其特征值的分布规律,直接得到了复杂信号环境中圆信号和非圆信号个数的估计结果。通过仿真实验验证了各种阵列参数变化时新方法的可靠性。     

单基地MIMO雷达低复杂度求根MUSIC角度估计方法

针对单基地多输入多输出(multiple input multiple output,MIMO)雷达波达方向(direction of arrival,DOA)估计问题,该文提出一种低复杂度的实值求根多重信号分类(multiple signal classification, MUSIC)方法。该方法首先通过降维变换降低接收数据的维数,利用酉变换将复值数据协方差矩阵实值化,然后构造基于酉MUSIC的求根多项式,采用保角映射将复系数多项式映射为实系数多项式,最后通过求解该实系数多项式的根来得到目标的DOA估计。该方法不需要进行谱峰搜索,所涉及的特征值分解和多项式求根运算均只在实数域进行,在大大降低算法运算复杂度的同时可以获得更好的角度估计性能。仿真结果验证了所提算法的有效性。     

基于辅助阵元法的非圆信号实值MUSIC算法

针对非圆信号波达方向(direction of arrival, DOA)估计算法在工程应用中受阵列误差影响的问题,基于辅助阵元法的基本原理,并结合非圆信号的特征提出了一种基于辅助阵元法的非圆信号实值多重信号分类(multiple signal classification, MUSIC)算法。该算法利用非圆信号输出阵列的实值扩展方式,既提高阵元输出信号的使用率,也减少算法的计算量。同时详细推导了获取信号DOA估计的数学表达式,并对所提算法进行了仿真实验。实验结果验证了该算法的有效性。     

联合互协方差矩阵的快速波达方向估计

针对常规子空间类波达方向(direction-of-arrival, DOA)估计中存在的子空间分解计算量过大问题,提出了基于均匀线阵的联合互协方差矩阵(joint cross covariance matrix,JCCM)DOA估计算法。基于阵列划分和矩阵重构思想,将均匀线阵划分成两个子阵,在求得这两个子阵接收数据互协方差矩阵后,重构一个新的矩阵即JCCM,利用JCCM的部分数据进行线性运算即可得到等价的信号子空间,然后构造多项式并求根,最终实现波达角估计。理论分析和仿真实验证明,算法避开了对协方差矩阵的特征值分解运算,在保证估计精度可接受的同时,有效降低了计算量,取得了更高的估计速度。     

宽带信号方位估计的改进RSS方法

为了降低宽带信号旋转信号子空间（rotational signal subspace, RSS）方位估计算法的运算量和分辨门限,针对中心对称阵列,将实值处理过程和信号子空间缩放MUSIC（SSMUSIC）方法引入宽带信号方位估计,提出了一种宽带信号方位估计新方法。该方法首先使用左实变换矩阵将双向平滑后的各个频率子带的数据协方差矩阵变换为实数矩阵,从而大大降低了运算量;然后使用RSS方法选取聚焦矩阵对各个频率子带的实协方差矩阵进行变换,得到同一参考频率点的数据协方差阵;最后利用基于子空间斜投影的SSMUSIC算法进行一维搜索来求得各个目标的方位角。仿真实验结果表明,该方法比常规宽带RSS方法运算量小,且具有更低的分辨门限和更小的均方误差。     

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。     

任意阵列双基地MIMO雷达的半实值MUSIC 目标DOD和DOA联合估计

实值处理具有降低高自由度多输入多输出(multiple input multiple output,MIMO)雷达角度估计大计算量的优势。但受制于阵列的共轭对称性,对于任意阵列结构的双基地MIMO雷达发射角(direction of departure, DOD)和接收角(direction of arrival, DOA)联合估计,若不做附加的预处理则无法实现实值操作,故将常规阵列实值处理的多重信号分类(multiple signal classification, MUSIC)超分辨算法推广至任意阵列结构的双基地MIMO雷达。首先根据MIMO雷达的导向矢量共轭与镜像的对等性,提取接收信号协方差矩阵的实部,并对其进行特征分解得到“目标加倍”的信号子空间及其应对的噪声子空间;然后利用Kronecker积的特性对其进行降维处理,得到搜索区域减半的一维半实值域MUSIC谱,取出目标DOD真值与其镜像代入降维Capon算法来剔除虚拟峰值得到目标DOD估计真值;最后利用特征矢量得到模糊DOA估计值,采用方向余弦差最小范数方法得到目标DOA无模糊估计值。本文算法估计性能与一维搜索复数域MUSIC相当,计算量约降50%,且能够实现DOD和DOA的自动配对。仿真结果证明了该算法的有效性。     

基于非圆信号的波束域共轭MUSIC方法

针对非圆信号形式,对传统的波束域MUSIC方位估计方法进行重构,提出了波束域共轭MUSIC方法来进行相干信号的波达方向估计.该方法充分利用非圆信号的特性,从阵列接收数据构造共轭对称的Toeplitz矩阵,将其作为伪协方差矩阵,使用波束域MUSIC算法进行处理来得到目标的方位估计值.该方法可以避免常规波束域MUSIC方法使用空间平滑预处理后损失阵列孔径,而导致可测的信号源数减少的问题.仿真表明,该方法在较少快拍数下,无需空间平滑就可以检测多个相关信号,其性能优于使用空间平滑技术的常规波束域MUSIC方法.     

面向非圆信号的四阶累积量直接定位方法

针对现有基于四阶累积量的直接定位方法阵列孔径扩展不充分以及数据冗余等问题，提出了一种针对最大非圆率信号的四阶累积量直接定位方法。基于移动阵列在多个时隙对目标观测的定位场景，该方法构造了一系列去冗余四阶累积量矩阵。结合辐射源信号的非圆特性，利用阵列接收数据和共轭数据来构成扩展数据模型，实现了阵列孔径扩展，使等效阵元数增加，从而提升定位性能，并通过重新构造快速提取无冗余数据，大大降低矩阵运算维度。由于结合了信号的四阶累积量与非圆特性，该算法适用于信源个数大于阵元数与阵列色噪声的复杂环境。理论分析与仿真结果表明，该算法具有计算量小、高估计精度以及高分辨率等优势，并在高信噪比条件下能够达到相应克拉美罗界。     

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。     

塔克张量域正则极化ESPRIT

针对极化敏感阵列信号波达方向(direction-of-arrival, DOA)估计问题,提出了一种基于塔克张量域序贯截断高阶奇异值分解的正则极化旋转不变参数估计(Tucker tensor based regularized polarimetric estimation of signal parameters via rotational invariance technique, trpESPRIT)方法。首先对阵列接收信号进行塔克张量建模,之后通过序贯截断高阶奇异值分解获得塔克张量域信号子空间,最后利用多旋转不变子空间幅相关系获得信号DOA估计。相比于传统矩阵建模方法,塔克张量建模更便于组织多维数据结构,实现高维的数据匹配操作,而序贯截断高阶奇异值分解则可以获得更高的信号子空间估计精度以及后续的DOA估计。仿真结果表明,trpESPRIT方法较之常规矩阵方法和矢量方法可以更好地抑制噪声,具有更高的信号DOA估计精度,在低信噪比和低快拍条件下仍然具有良好的分辨能力。     

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。     

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。     

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。     

基于数据矩阵的非圆相干信号完全解相关算法

提出了一种非圆相干信号完全解相关算法。不同于传统阵列信号中每次快拍形成一组数据矢量,该算法每次快拍形成一组数据矩阵。通过形成的数据矩阵,在矩阵内部实现虚拟平滑以达到解相干目的,通过数学证明,有该数据矩阵形成的信号相关矩阵可以等效成入射端信号为独立源时形成的信号相关矩阵,这样使得相干源之间得到完全解相关。该方法无孔径损失,可检测N-1个相干源(N为阵元个数)。计算机仿真验证了该方法的有效性和优越性。     

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。     

基于噪声特征向量重构的地波雷达单次快拍超分辨算法

高频地波雷达在一个相参积累时间内通常只能得到频域一次快拍,利用其直接进行波达方向估计性能较差。针对这一问题,在分析时、频域协方差矩阵特征分解后差异的基础上,在频域采用降维方法估计协方差矩阵。根据频域目标信噪比相对较大的特点,利用最大特征值对应的信号特征向量构造原始的数据矩阵,并对该矩阵进行奇异值分解得到新的噪声子空间,进而构造出新的噪声特征向量,最后利用该噪声特征向量进行方位角估计。仿真和实测数据分析验证了算法的有效性,相比降维Toeplitz算法和前后向空间平滑算法有着更高的分辨力和估计精度。     

未知相关噪声下的广义波达方向估计算法

针对未知相关噪声情况下信源波达方向的估计,提出一种适用于均匀线阵的广义波达方向估计算法。该算法利用修正后的协方差差分算法,有效地消除了阵元间的相关噪声的影响。不同于以前的算法,提出的算法通过对接收数据的前后向空间平滑协方差矩阵进行共轭运算得到新的变换矩阵,因此修正后的协方差差分矩阵是个实部为零的厄米特矩阵,从而有效地降低了特征分解过程的计算量。本算法能解决相关噪声下,同时分辨相干与非相干信源的问题。理论分析和仿真结果均表明所提算法的有效性。     

MUSIC空间谱估计并行运算算法

针对多重信号分类(multiple signal classification, MUSIC)算法计算量大不适于实时处理的问题,提出了一种并行处理方案。首先,根据协方差矩阵的Hermite特性简化其构造过程;再通过实值化预处理,将后续运算转换到实数域,通过Householder变换将协方差矩阵简化为三对角矩阵,对三对角矩阵进行QR分解得到特征值和特征向量用于谱峰搜索|最后,各个阶段都适于采用多处理器并行处理。通过理论分析和仿真,验证了该方法在对MUSIC算法性能影响不大的前提下能大大减小运算量,提高算法处理速度,为MUSIC算法的高效化实现提供了一定的理论基础。