MIMO雷达双向空间平滑的多径目标DOA估计算法

针对多径情况下MIMO雷达低角目标DOA估计问题,提出了一种基于双向空间平滑FBSS的样本复用MIMO雷达低角多径目标DOA估计算法。考虑到MIMO雷达相干信号测角时与多径信号测角时情况的不同,算法采用了MIMO雷达四路径回波信号模型,首先依据MIMO雷达波形分集的特性对接收信号匹配滤波得到虚拟阵列,在此基础上对虚拟阵列采取行列复用并分别进行双向空间平滑,有效提高了低信噪比条件下低角目标DOA估计精度。计算机仿真结果表明,在信噪比小于-12dB条件下,该算法比M-SSMUSIC算法的均方根误差平均减小了1°。     

双基地米波MIMO 雷达低空目标俯仰维DOD和DOA联合估计方法

对于双基地米波多输入多输出(MIMO)雷达低空目标俯仰维测向场景,受多径效应影响,发射接收导向矢量因存在耦合现象而与噪声子空间失去正交性,导致以多重信号分类(MUSIC)为主的子空间类算法在该场景下不可用,而基于空间平滑预处理的子空间类算法由于阵列孔径损失存在角度估计精度不高的问题。为解决上述难题,建立了双基地米波MIMO 雷达单目标和非相干多目标镜面反射信号模型,在信号模型数学变换和分析的基础上发现了一种仍旧与噪声子空间正交的导向矢量矩阵,然后利用新的导向矢量矩阵结合广义MUSIC和最大似然算法提出了双基地米波MIMO 雷达低空目标俯仰维波离方向和波达方向联合估计方法,最后通过仿真验证了所提方法的有效性和俯仰维测向性能的优越性。     

非合作源MIMO雷达的多目标定位与参数估计

研究多输入多输出(MIMO)雷达系统,在收发非合作的情况下,通过两个阶段的处理对空间多目标定位和对非合作源MIMO雷达的发射信号与衰落矩阵进行估计.第一阶段中利用加权MUSIC算法来估计目标来波的方向角(DOA),第二阶段中则利用盲分离(BSS)算法对衰落矩阵及发射信号完成估计,仿真实验结果证明了估计算法的性能.     

基于Cyclic-Music算法MIMO雷达的DOA估计

在具有循环平稳特性的信号环境中, 传统DOA（Direction Of Arrival）估计算法精度很差,甚至失效。为此,将Cyclic-Music算法运用在MIMO（Moltiple Inpat and Multiple Output)雷达系统中,利用循环统计量理论计算接收信号间的循环相关函数,基于此构造循环互相关矩阵,并对其进行奇异值分解和谱峰搜索,从而得到信号的波达方向角。理论推导和仿真结果均表明,该方法可以有效估计具有循环平稳特性的人工信号波达方向,从有效性和精度两个方面改善了MIMO雷达的估计性能。     

双基地MIMO雷达多参数联合估计及目标三维定位

多输入多输出(Multiple-input multiple-output,MIMO)雷达具有波形分集、空间分集和极化分集等优势,在抗目标"闪烁"、反干扰、提高分辨力方面有很大的潜力.提出了一种双基地MIMO雷达多参数联合估计及目标三维定位方法.对接收信号的协方差矩阵作特征值分解,提取大特征值对应的特征矢量,构建选择矩阵,基于ESPRIT算法估计出目标的波达角.在求解均匀圆阵时,为将导向矢量中耦合的俯仰角和方位角分开,采用模式激励法解耦合,再分别利用UCA-MUSIC和UCA-ESPRIT算法估计目标俯仰角和波达角.基于MIMO雷达空间结构,利用估计到目标的俯仰角、发射角和波达角,计算得到目标的三维空间坐标信息.该算法可实现角度间的自动配对,可以有效识别同一距离单元内的多个目标.仿真实验表明,提出的估计方法估计精度高,处理速度快.     

一种有效的水下目标波达角估计方法

为提高水下目标波达角(direction of arrival,DOA)估计精度,提出一种基于布谷鸟搜索算法的最大似然DOA估计法.该方法将布谷鸟搜索算法中影响布谷鸟搜索路径的多个参数由固定值改为自适应的动态参数,不仅改进了算法的精度,而且大幅度地提高算法的收敛速度.应用改进后的布谷鸟搜索算法优化基于分数低阶空时矩阵的最大似然DOA估计函数,使水下目标DOA估计在准确的前提下更加迅速.仿真结果表明,无论是在多途环境下还是无多途环境下,该方法都能有效地对水下目标进行DOA估计,而且具有很高的收敛速度,因此该方法具有一定的实际应用前景.     

双基地FDA-MIMO雷达角度、距离及速度无模糊估计方法

在传统的相控阵雷达中,由于受到脉冲重复周期(PRF)的限制,距离估计精度和速度估计精度往往难以同时得到提高.该文将频控阵(FDA)和双基地多输入多输出(MIMO)雷达相结合,提出了一种基于双基地FDA-MIMO雷达的角度、距离及速度联合估计方法.文章首先利用FDA技术,使得雷达的发射矢量中包含目标的角度、距离甚至速度信息.然后提出了基于子阵的波形设计和解耦合算法以对发射矢量中距离-速度进行解耦合处理,并利用传统的子空间类算法对目标的发射角(DOD)、接收角(DOA)、距离和速度进行估计,最后文章提出了基于FDA的解模糊方法以解决距离和速度模糊问题.另外,该文推导了该方法下参数估计的克拉美罗界(CRB)并分析了其性能.仿真结果验证了所提出方法的能够对目标的角度、距离和速度进行无模糊的联合估计.     

基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计

针对传统算法进行DOA估计时因删除重复虚拟阵元而造成有效信息损失、估计性能不佳等问题,提出基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计算法。首先,将一组密布均匀线阵和一组稀疏均匀线阵分别以零点为中心对称排列,构成单基地MIMO雷达的发射阵列和接收阵列,将传统的虚拟阵元由“差联合”结构变成对称“和联合”结构形式,提高了系统的自由度、降低了阵元互耦,并将其应用于非相干目标和全相干目标DOA估计;其次,向量化样本协方差矩阵,将“和差联合”阵列重复的虚拟阵元进行冗余平均处理后重构Toeplitz矩阵;最后,结合MUSIC算法进行非相干目标DOA估计,有效提升了目标估计个数和角度估计性能。仿真实验验证了阵列结构和算法的有效性。     

基于张量ESPRIT-SVD算法的双基地MIMO雷达测向方法

针对双基地MIMO雷达的波离方向(DOD)和波达方向(DOA),提出了一种基于张量ESPRIT-SVD的估计方法。该方法利用匹配滤波输出数据具有多维结构特性构造3阶测量张量,进而获得协方差张量并通过高阶奇异值分解(HOSVD)来估计信号子空间。然后利用ESPRIT算法估计目标的波离方向,使用估计的波离方向构建发射端的导向矢量,将信号子空间进行矩阵变换并与构建的发射端的导向矢量一起构造新的数据矩阵,将新构造的数据矩阵经过奇异值分解(SVD)来估计接收端的导向矢量,最后估计目标的波达方向。该算法在小快拍情况下具有较好的均方根误差、成功概率等性能,且运算量低,估计的波离方向和波达方向不需要额外配对。     

一种基于锁角环路的DOA估计定位跟踪

为了解决传统移动目标波达方向估计定位跟踪过程中,实时性差、精度低、计算复杂度高的问题,提出一种基于锁角环路的DOA估计定位跟踪算法.该算法采用锁角环路(DiLL)结构实现信号的波达方向(DOA)估计和定位,并实时随信号角度变化自动调整方向,以实现信号方位的跟踪.为了减小非线性和噪声对定位跟踪性能的影响,通过UKF滤波将估计目标信号的干扰消除,以提高信号方位定位跟踪的精度及系统的稳定性.仿真结果表明:该算法能够得到较高分辨率的DOA估计信号,能够对多个移动目标的方位进行有效定位跟踪,系统的精度、效率和稳定性也较高.     

基于PM和Root-MUSIC的MIMO雷达波达方向估计

提出了基于传播算子( Propagator Method,PM)和求根MUSIC (Root-MUSIC)算法的单基地MIMO(Multiple - Input Multiple-Output)雷达多目标定位方法.该方法将上述两种方法结合,利用接收数据协方差得到传播算子矩阵,该矩阵可替代所需的噪声矩阵,避免了特征值分解.再利用多项式求根对方位角进行估计,从而无需谱峰搜索,大大降低了计算复杂度.仿真结果表明了该算法的有效性.     

基于TR技术的sin-FDA-MIMO距离角度联合估计

多输入多输出正弦频控阵雷达能够对目标在空间中的距离和角度进行二维估计,如何提高估计精度尤为重要.为了提高sin-FDA-M IM O目标距离角度联合估计精度,引入时间反转技术,利用信号多路径传播的空间多样性来提高距离角度估计算法的性能.首先分析了sin-FDA-M IM O的接收信号模型,然后推导了基于TR技术的sin...     

双基地MIMO雷达多目标定位及互耦参数估计

针对MIMO雷达收发阵元间存在互耦会严重影响目标定位算法性能的情况,提出一种双基地MIMO雷达多目标定位及互耦参数估计的算法.利用均匀线阵互耦矩阵的特点和MIMO雷达的特性获得满足ESPRIT算法的信号子空间,在不需要任何互耦矩阵信息情况下采用ESPRIT算法实现了目标角度估计,且估计出的角度参数自动配对.根据所估计的目标方位角度,利用信号子空间和联合导向矩阵之间的关系,将MIMO雷达的互耦参数估计转化为线性约束二次最小化问题,估计出互耦系数矩阵,实现了MIMO雷达的自校正.该方法的优点是避免了多维空间谱搜索带来的庞大计算量和迭代中的全局收敛性问题,同时得到了收、发阵列互耦参数估计的闭式解.仿真结果表明算法估计性能接近于互耦已知时二维MUSIC算法.     

模式耦合稀疏贝叶斯MIMO雷达成像

通过压缩感知稀疏恢复理论可利用少量MIMO雷达收发阵元实现对目标的高分辨成像。利用MIMO雷达目标图像的块稀疏特性,将模式耦合稀疏贝叶斯学习算法应用于MIMO雷达成像,首先建立MIMO面阵回波信号模型,引入模式耦合稀疏贝叶斯分层模型,将相邻系数通过共用超参数的方法耦合起来。通过贝叶斯推理得到雷达信号的估计式,再通过EM算法实现对超参数的迭代估计,进而实现对雷达信号的估计,直到信号满足误差允许范围,最后重构信号实现MIMO阵列高分辨成像。仿真实验表明,该方法的成像效果在图像的聚焦性能上优于传统的傅里叶、稀疏贝叶斯算法,在散射点重构上优于OMP算法。     

MIMO雷达多目标角度估计的空间平滑改进算法

针对基于阵列协方差矩阵特征分解的子空间类算法存在的问题,提出了一种基于改进空间平滑的新方法。首先介绍了"等效信源"的概念,在此基础上分析了当目标数多于发射阵元数时,一些基于子空间类算法失效的原因;从理论上推导说明了在接收阵元数足够多的情况下,本文算法可突破发射阵元数对可估计目标数的限制的机理,从而使得MIMO雷达在发射阵元数较少时能估计更多的目标。仿真结果表明:本文所提方法具有比TDS算法更好的估计性能。     

基于RBF网络的扫描体制雷达DOA估计方法

针对传统扫描体制雷达无法分辨半功率波束宽度内存在多目标的问题,利用阵列信号处理的思想,把RBF神经网络理论应用于机扫雷达的DOA高分辨估计.首先给出了扫描体制雷达DOA估计的信号模型,提出了一种基于RBF网络实现扫描体制雷达DOA高分辨估计的SRBF算法.然后针对RBF网络存在的学习收敛速度慢等问题,给出了基于模糊学习矢量量化(Fuzzy Algorithm for Learning Vector Quantization,FLVQ)的网络学习算法,FLVQ方法采用模糊C均值方法中的模糊权重函数在线自适应调整,来确定输入和中心之间的权值,使得网络具有更高的非线性逼近性能和高效的收敛性.理论分析和仿真结果均表明SRBF网络具有快速准确的DOA估计能力,算法便于工程实现,具有较高的实用价值.