基于L型阵列MIMO雷达的DOA矩阵方法

首先提出一种基于波达方向（direction of arrival, DOA）矩阵思想的L型阵列多输入多输出（multiple input multiple output, MIMO）雷达二维角度估计方法。通过将L型阵列MIMO雷达所产生的二维虚拟平面阵列划分为两个子阵,并构造估计矩阵以实现二维角度估计。在此基础上,针对角度兼并问题,进一步提出联合对角化DOA矩阵方法。该方法通过构造4个子阵,并采用联合对角化方法估计目标二维角度。该方法在保持原DOA矩阵法无需二维谱峰搜索和参数配对等优点的基础上避免了角度兼并问题,能够减少阵列孔径损失,有效提高阵元利用率和角度估计精度。仿真实验验证了所提方法的有效性。     

基于实值三线性分解的互耦条件下双基地MIMO雷达角度估计算法

研究互耦背景下双基地多输入多输出(multiple input multiple output,MIMO)雷达中联合波离角(direction-of-departure,DOD)波达角(direction-of-arrival,DOA)的估计问题。为利用阵列信号的多维结构,将匹配滤波后的雷达数据表述成一个三阶张量模型。考虑到均匀线性阵列互耦矩阵的带状Toeplitz特性,利用部分阵元方向矩阵具有共同的尺度变换特性消除互耦的影响。结合前后平滑技术和酉变换技术,构建去耦后数据的增广输出三线性模型,再将联合DOD与DOA估计与三线性模型相联系。所提算法能够获得自动配对的目标角度估计,且由于平滑技术的使用,所提算法对相干源具有一定的分辨能力。此外,由于增广三线性模型为实数,因而所提算法的计算复杂度低。最后,通过仿真实验验证了所提算法的有效性。     

基于稀疏重构的L型阵列MIMO雷达降维DOA估计

针对L型阵列多输入多输出(multiple-input multiple-output,MIMO)雷达二维空间角估计问题,提出一种基于协方差矩阵联合稀疏重构的降维波达方向(direction of arrival,DOA)估计算法。该算法根据L型阵列MIMO雷达联合流型矢量的特点,通过降维矩阵的设计及回波数据的降维变换,最大程度地去除了所有的冗余数据;通过协方差矩阵联合构造稀疏线性模型,将2维角参量空间映射到1维空间,极大降低字典长度和求解复杂度的同时,不牺牲阵列孔径,实现了二维空间角度的有效估计和参数的自动配对。理论分析与实验仿真表明:与RD_MUSIC算法相比,本文降维处理有效提高阵元利用率的同时,最大程度地降低了回波数据的维数;与传统子空间类算法相比,基于协方差矩阵联合构造的稀疏线性模型充分利用了阵列孔径,无需预先估计目标数目,参数估计性能在低信噪比及小快拍数据长度下优势明显。最后,仿真结果验证了本文理论分析的正确性和算法的有效性。     

双基地MIMO雷达二维方位角及多普勒频率联合估计

提出了一种新的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达二维方位角及多普勒频率联合估计算法。该算法基于m-Capon方法将目标波离方向(direction of departure, DOD)与波达方向(direction of arrival, DOA)相“去耦”,得出了对目标DOD和DOA的估计;然后,在对目标二维方位角的估计的基础上,算法可进一步估计出目标的多普勒频率。因此,其估计出的目标二维方位角与多普勒频率可自动配对。该算法无需预判目标数及对数据协方差矩阵特征值分解,且对目标二维方位角与多普勒频率的联合估计不涉及高维的非线性优化搜索,具有较小的计算量。此外,该算法可适用于发射和接收阵列为任意阵列结构的双基地MIMO雷达系统。计算机仿真结果证明了本文方法的正确性和可行性。     

基于MEMP算法的二维DOA估计

针对L形阵列,提出利用增广矩阵束(MEMP)进行二维DOA估计的新算法。计算两个均匀线阵的互协方差矩阵,利用MEMP方法构造增广矩阵,运用ESPRIT算法实现二维波达方向的估计,并采用一种新的配对算法,实现二维波达角的自动配对。为了克服MEMP方法对阵列有效孔径的损失,利用四阶累积量的阵列扩展的性质,提出了基于MEMP方法扩展的二维DOA估计算法,该算法增加了阵列的有效孔径,无需进行谱峰搜索。仿真实验证明了算法的有效性。     

非均匀线阵MIMO雷达的多目标定位方法

提出一种非均匀线阵多输入多输出（multiple input multiple output, MIMO）雷达的多目标定位方法。该方法基于阵列内插技术,构造一个内插矩阵对非均匀线阵MIMO雷达进行处理,满足虚拟均匀线阵MIMO雷达的特性,推导出虚拟均匀线阵MIMO雷达的信号子空间,最后利用旋转不变信号参数估计技术（estimating signal parameter via rotational invariance techniques, ESPRIT）对目标方位角度进行估计。其优点是突破ESPRIT算法对阵元配置的要求,且有效增加了阵元数目(实为虚拟阵元),提高了方位角分辨率。仿真结果表明,该算法增加了MIMO雷达探测目标数,角度估计精度接近克拉美罗界根。同时,所估计的二维方位角参数自动配对,不需要额外的配对运算,计算量小。     

MIMO阵列旋转不变子空间目标方位估计仿真研究

针对多输入多输出(Multi-Input Multi-Output,MIMO)阵列多目标定位,提出一种基于子空间特征分解的MIMO阵列旋转不变子空间算法(MIMO array estimation of signal parameters via rotational invariance techniques,简称MIMO-ESPRIT).MIMO阵列各阵元发射彼此独立信号,因此阵列输出数据协方差矩阵不存在降秩以及信号子空间向噪声子空间扩散的现象,可直接应用子空间分解算法进行MIMO阵列目标方位估计.性能分析和仿真结果表明,随着发射阵元个数的增加和发射阵元间距的扩大,算法的多目标分辨能力和方位估计精度将得到明显改善.     

互耦误差下MIMO雷达低仰角估计方法

针对互耦误差下多输入多输出（multiple input multiple output, MIMO）雷达的低仰角估计的问题,提出一种目标角度估计的自校准算法。首先分析了收发阵列同时存在互耦误差时的多径回波信号模型,然后利用均匀线阵互耦矩阵的特点对互耦误差下的阵列导向矢量进行变换,最后基于子空间原理推导出目标角度的搜索函数,同时给出多径衰减系数和收发阵列互耦矩阵的计算表达式。推导了各参数的任意无偏估计的Cramer-Rao界（Cramer-Rao bound, CRB）。算法在未知互耦矩阵和存在相干多径信号的情况下可直接进行参数估计,不需要辅助校准源和迭代处理。仿真结果分析了算法估计性能与信噪比、快拍数的关系并与CRB进行了比较。     

多目标方位高分辨估计方法的实验研究

从实验的角度出发 ,分析讨论了阵列误差条件下多目标方位高分辨估计方法的参数估计性能以及工程应用前景 ,并针对子空间类法研究了一种阵列输出协方差矩阵的Toeplitz化预处理方法。实验结果表明 ,在高信噪比的情况下 ,该预处理方法可以明显地减小阵列误差对估计结果的影响 ,有效地改善子空间类法的稳健性和多目标分辨能力 ,而且估计精度良好。     

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。     

基于特殊阵列的近场源参数估计新算法

阵列孔径损失和计算复杂度大是近场源参数估计面临的两大亟待解决的问题,提出一种类似NEST阵列模型的新模型,利用四阶累积量扩展阵列孔径,使可估计信源个数远远大于实际阵元数;并结合基于特征方程算法(characteristic equation-based method, CEM)思想避免特征值分解和谱峰搜索,极大降低了算法的计算复杂度。最后,基于已获得的近场源的角度信息,估计出所有近场源的距离信息。理论分析和实验仿真结果表明,在保证参数估计精度的前提下,所提算法的计算复杂度低,具有较高的阵列利用率,并且可以避免二维参数配对。     

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。     

Blind CFO estimation algorithm for OFDM systems by using generalized precoding and trilinear model

This paper discusses the blind carrier frequency offset (CFO) estimation for orthogonal frequency division multiplexing (OFDM) systems by utilizing trilinear decomposition and generalized precoding. Firstly, the generalized precoding is employed to obtain multiple covariance matrices which are requisite for the trilinear model, and then a novel CFO estimation algorithm is proposed for the OFDM system. Compared with both the joint diagonalizer and estimation of signal parameters via rotational invariant technique (ESPRIT), the proposed algorithm enjoys a better CFO estimation performance. Furthermore, the proposed algorithm can work well without virtual carriers. Simulation results illustrate the performance of this algorithm.     

空时二维线性预测谱估计算法

线性预测是时间序列分析中常用方法,针对传统一维线性预测谱估计算法只能估计信号源角度或信号频率问题,提出空时二维线性预测算法。采取对空时二维阵列接收到的数据进行数据抽取和排列,和对数据协方差矩阵进行重新构造的方法,求取空时二维线性预测权值并进行谱峰搜索。重点分析了空时二维的前向预测、后向预测和双向预测算法的原理,着重研究了构造的空时二维线性预测协方差矩阵的数据结构,讨论了前向、后向和双向预测的相互关系以及二维与一维的关系,并与空时二维最小方差算法、空时二维多重信号分类(multiple signal classification, MUSIC)算法进行了对比与分析。理论分析与仿真表明,一维空域、一维时域算法的前向、后向和双向预测为空时二维预测算法的特例,同时空时二维预测算法不仅克服了空时二维最小方差算法、空时二维MUSIC算法不能解相干信号源的缺点,还具有很好的测向测频能力。     

基于非圆信号特征的实值张量ESPRIT算法

基于最大非圆率非圆信号特点,提出一种实值张量旋转不变子空间(estimation signal parameters via rotational invariance techniques, ESPRIT)算法。首先,通过研究张量与矩阵之间的转化关系,将阵列接收数据矩阵推广到张量空间;然后,利用欧拉公式将阵列接收数据张量转化成余弦与正弦数据张量,根据阵列维数将其分别在各维上加以拼接,并对拼接的实值数据张量做高阶奇异值分解,获取信号子空间;最后,通过构造选择矩阵和进行特征分解,来联合估计阵列各维相位差,实现波达方向估计。实验仿真结果表明,此算法具有良好的分辨力和测角精度。     

改进声矢量阵相干信号源方位估计算法

为提高声矢量阵相干信号方位估计能力,针对二维紧凑结构的声矢量均匀线阵情况,给出一种改进算法。该算法首先利用解析振速与声压信息,重构接收数据,求出协方差矩阵,并提取信号子空间第一列的3个分矢量进行孔径扩展。然后,利用类单块拍条件下的矩阵重构得到3个新矩阵并合并。最后,套用奇异值分解的多重信号分类算法得到目标波达方位估计。分析表明,所提算法利用数据的组织形式使信号矩阵对角化,最终恢复了矩阵的秩,而且具有一定的孔径扩展能力。同时,所提算法矢量阵阵列流形所具备的方向因子可以在模糊角度处形成抑制,保留了矢量阵的单边指向性。仿真结果证明,此算法无论在角度估计精度还是分辨率方面都要优于矢量阵空间平滑与矢量平滑算法。     

Direction finding of coexisted independent and coherent signals using electromagnetic vector sensor

The existing direction of arrival (DOA) estimation algorithms based on the electromagnetic vector sensors array barely deal with the coexisting of independent and coherent signals. A two-dimensional direction finding method using an L-shape electromagnetic vector sensors array is proposed. According to this method, the DOAs of the independent signals and the coherent signals are estimated separately, so that the array aperture can be exploited sufficiently. Firstly, the DOAs of the independent signals are estimated by the estimation of signal parameters via rotational invariance techniques, and the influence of the coherent signals can be eliminated by utilizing the property of the coherent signals. Then the data covariance matrix containing the information of the coherent signals only is obtained by exploiting the Toeplitz property of the independent signals, and an improved polarimetric angular smoothing technique is proposed to de-correlate the coherent signals. This new method is more practical in actual signal environment than common DOA estimation algorithms and can expand the array aperture. Simulation results are presented to show the estimating performance of the proposed method.     

基于延时相关处理的ESPRIT算法

为了提高旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法的分辨力和测角精度,充分利用非零延迟相关函数中信号入射角度的信息,提出了基于延时相关处理的ESPRIT算法。根据所有阵列间延时相关信息,构造新的阵列输出矩阵,并且得到新的协方差矩阵。对新的协方差矩阵进行特征值分解得到特征向量,通过将特征向量划分得到含有入射角度信息的子阵,最终求得信源的入射角度。仿真结果表明,该算法的分辨力和测角精度均优于原ESPRIT算法,并且在小角度间距情况下也有较好的分辨性能。     

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。