最优冗余线阵欠定信号双重构DOA估计方法

针对最小冗余线阵难以用于阵列设计的问题, 设计了一种性能相近的最优冗余线阵, 为实现相应阵列的欠定信号到达角(direction of arrival, DOA)估计, 又提出了一种基于两次重构的快速协方差向量稀疏表示方法。该方法利用凸优化中最优解条件, 实现了Toeplitz协方差矩阵的快速高精度重构, 进而基于构造的协方差向量稀疏表示模型, 实现了欠定信号DOA估计。仿真结果证明, 最优冗余线阵相较于其他稀疏线阵, 耦合影响更低, 测向精度更高, 所提算法较同类算法DOA估计精度更高。     

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。     

基于数据共轭重排修正的传播算子DOA估计算法

将数据共轭重排的方法引申到传播算子算法中,提出了修正的传播算子DOA估计算法。从理论上论证了这种引申的合理性,通过理论分析和数值仿真,证明该算法在快拍数有限的情况下,可明显提高信号DOA估计的性能。在不增加运算量的条件下算法性能优于MUSIC算法。     

基于稀疏非均匀COLD阵列的极化信号DOA估计

基于稀疏非均匀COLD(concentered orthogonal loop and dipole)阵列,提出了一种极化信号的DOA(direction-of-arrival)无模糊估计算法.该算法利用了稀疏非均匀COLD阵列的阵元数少和孔径大等特点,因而在阵元数目一定的情况下,可获得较高的DOA估计精度.由于稀疏非均匀COLD阵列可分成电磁环和偶极子两个子阵列,通过分析每个子阵列DOA估计的模糊性,给出了整个稀疏非均匀COLD阵列不发生DOA估计模糊的条件.通过计算机仿真证明了该算法的有效性.     

基于遗传算法的功率域最小二乘DOA估计器

提出一种基于遗传算法的功率域最小二乘波达方向(DOA)估计器。通过功率域最小二乘法推导得到优化目标函数。继而将目标函数作为适应度函数,将阵列天线各入射信号的未知DOA作为决策变量,通过遗传算法进行全局优化,从而完成各信源DOA的估计。采用适当的遗传策略,使全局寻优有效收敛至满意解,避免了复杂的多步迭代,提高了稳健性。估计器对非均匀高斯白噪声条件下的信源DOA同样有效。仿真实验表明,估计器的性能接近确定性最大似然(DML)估计器。     

基于线性预测和最小二乘估计的缺陷阵波束形成

针对阵元失效时缺陷阵的波束形成问题,采用线性预测和最小二乘估计两种方法对失效阵元的输出进行预测.通过对缺陷阵输出响应进行重构,从而有效地抑制由于阵元失效而产生的旁瓣级提高以及基阵指向性的下降.仿真试验结果表明了方法的有效性.     

采用有向阵元的扇形阵列DOA估计

大部分传统的DOA估计算法都是基于全向阵元假设的,该假设显然与实际情况存在偏差。结合无线电引信对目标的空间定位问题,利用克拉美-罗界和MUSIC算法研究了采用有向阵元的扇形阵列DOA估计,并进行了数值仿真,结果表明,在相同的信噪比条件下,采用有向阵元的扇形阵列DOA估计精度和分辨力都要优于全向阵元阵列。     

基于相位差的均匀圆阵DOA估计新方法

根据均匀圆阵阵列结构的特点,提出一种利用相邻阵元间相位差进行二维波达方向(direction of arrival, DOA)估计的方法。分析了均匀圆阵相邻阵元间接收信号相位差的变化规律,得出了其与入射信号的方位角和俯仰角的对应关系,在此基础上推导出入射信号方位角和俯仰角的闭式解。同时,针对相位差测量中存在相位模糊的问题,提出一种循环搜索算法有效地实现了相位差的解模糊,极大地提高了利用相位差进行DOA估计的稳健性和适用范围。理论分析和仿真结果表明,该二维DOA估计方法可以在存在相位模糊的情况下稳健有效地工作。     

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。     

基于非圆信号的MIMO阵列方位估计方法

给出了多输入多输出（multiple-input multiple-output, MIMO）阵列的阵列信号模型。针对信号为非圆信号的形式,提出了一种在MIMO阵列中基于非圆信号的共轭多重信号分类方法（multiple-input multiple-output conjugate multiple signal classification, MIMO CMUSIC）。这种方法充分利用非圆信号的特点,从阵列接收数据构造共轭对称的Toeplitz矩阵得到伪协方差矩阵,然后用常规MUSIC方法进行处理。仿真结果表明,与常规MUSIC方法相比,在只需要一次或者少次快拍下,此方法在MIMO阵列中能够分辨多个目标,性能远优于常规的MIMO MUSIC方法。     

基于阵列基线旋转的多目标DOA估计算法

传统均匀圆阵波达方向(direction of arrival, DOA)估计算法要求天线数目多于目标数量,易受阵列的通道不一致性影响。针对此问题,引入阵列基线旋转这一思想对多目标进行测向。通过旋转两天线阵列基线,并以固定的时间延迟对阵元的接收数据进行采样,相当于利用有限的两个阵元对目标进行多位置观测,增加了阵元的利用率,提高了DOA估计的测向精度。计算机仿真实验表明,该算法采用两阵元就可以实现多目标测向,其测向性能与基于均匀5元圆阵的传统多重信号分类算法相当,具有对多通道间相位不一致鲁棒性强的优点。     

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。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

多输入多输出阵列目标方位估计方法

提出了一种主动阵列目标定向空时编码新构型,即多输入多输出(multi-input multi-output,MIMO)阵列。MIMO阵列发射不相关信号(正交信号),扫描向量是常规相控阵发射扫描向量与接收扫描向量的卷积,从而产生了虚拟阵元,扩展了阵列孔径,形成的波束图是常规发射阵波束图与接收阵波束图的乘积,因此主瓣更窄,旁瓣更低。两目标高分辨统计性能的仿真分析和实验研究表明,与常规相控阵相比,MIMO阵列具有更高的目标角度分辨率和检测性能。     

Low-complexity method for DOA estimation based on ESPRIT

A low-complexity method for direction of arrival (DOA) estimation based on estimation signal parameters via rotational invariance technique (ESPRIT) is proposed. Instead of using the cross-correlation vectors in multistage Wiener filter (MSWF), the orthogonal residual vectors obtained in conjugate gradient (CG) method span the signal subspace used by ESPRIT. The computational complexity of the proposed method is significantly reduced, since the signal subspace estimation mainly needs two matrixvector complex multiplications at the iteration of data level. Furthermore, the prior training data are not needed in the proposed method. To overcome performance degradation at low signal to noise ratio (SNR), the expanded signal subspace spanned by more basis vectors is used and simultaneously renders ESPRIT yield redundant DOAs, which can be excluded by performing ESPRIT once more using the unexpanded signal subspace. Compared with the traditional ESPRIT methods by MSWF and eigenvalue decomposition (EVD), numerical results demonstrate the satisfactory performance of the proposed method.     

Polarization quaternion DOA estimation based on vector MISC array

This paper examines the direction of arrival (DOA) es-timation for polarized signals impinging on a sparse vector sensor array which is based on the maximum int...     

基于柱面共形阵列天线的快速波达方向估计

由于共形天线载体曲率不同,阵列中每个阵元的方向图的指向各不相同,这导致了阵列中各个阵元极化特性(polarization diversity, PD)的差异。因此,共形阵列天线的数学模型中考虑了不同阵元的极化特性。共形阵列实现波达方向(direction of arrival, DOA)估计的过程中,主要难点在于信源方位参数与极化状态的去“耦合”。本文利用圆柱的单曲率特性,通过合理摆放子阵中的天线阵元,结合传播算子方法(propagator method, PM)和子阵分割技术,提出了一种适合于柱面共形阵列的DOA估计方法。本文的DOA估计算法不需要天线单元方向图的任何信息,不需要谱峰搜索和参数配对,计算量较小。最后通过Monte-Carlo仿真实验验证了本文算法的有效性。     

基于ESPRIT算法的柱面共形阵列天线DOA估计

由于共形天线阵列流形的多极化特性(polarization-diversity,PD),信源方位参数与极化状态的“耦合”是实现共形阵列天线波达方向(direction-of-arrival, DOA)估计的主要难点。针对柱面共形阵列天线的特点,建立了柱面共形阵列天线的导向矢量模型;通过合理的阵元排列结构设计,结合ESPRIT (estimation of signal parameters via rotational invariance techniques)算法参数估计的特点,实现了信源极化状态与方位参数的去耦合,推导了ESPRIT算法多参数估计的参数配对方法,最终提出了柱面共形阵列天线盲极化DOA估计算法。计算机Monte Carlo仿真实验验证了所提算法的有效性。