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。     

立体十字型互耦阵列二维DOA估计及互耦自校正

针对常规十字阵子阵间互耦不易处理这一问题,设计一种立体十字型阵列,并在该阵列基础上,提出立体十字型互耦阵列传播算子(propagation method for tridimensional cross array in presence of mutual coupling,TCA-MC-PM)算法。该算法首先分别从子阵中选取部分合适阵元构成阵列,将理想导向向量与互耦系数剥离,利用信号子空间与理想导向向量张成同一空间这一关系估计方位角与俯仰角,接着通过子空间与秩损原理估算互耦系数,最后利用整个阵列的空间谱函数完成方位角和俯仰角的配对。在此过程中涉及的子空间都以阵列的传播算子构建,可避免特征分解,降低运算量。仿真表明,本文提出的算法不涉及空间谱搜索,运算量小,有效抑制互耦影响,测量精度高。     

基于降维稀疏重构的相干信源二维DOA估计方法

直接将压缩感知(compressed sensing,CS)思想应用到相干信源二维波达方向(direction of arrival,DOA)估计中会带来高计算复杂度的问题。为了解决这一问题,提出了一种基于降维稀疏重构的二维DOA估计方法,该方法利用特殊阵列结构将二维冗余字典构建问题转化为一维冗余字典的构建,同时提出了一种基于子字典空间谱重构的配对算法,从而在极大降低算法计算复杂度的同时,提高了配对成功概率。仿真结果表明,该方法对相干信源具有接近于克拉美罗下界(Cramér Rao lower bound, CRLB)的估计性能,即使是在低信噪比、少快拍数和小角度间隔的情况下,仍有良好的估计性能。     

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。     

高斯色噪声下混合信号二维DOA估计方法

针对色高斯噪声环境下混合信号二维波达方向(two-dimensional direction of arrival, 2D-DOA)估计问题,提出四阶累积量与斜投影算子相结合的混合信号波达方向(direction of arrival, DOA)估计算法。首先利用接收数据构造四阶累积量矩阵切片替代传统协方差矩阵来抑制高斯色噪声,并通过传播算子方法(propagator method,PM)估计非相干信号的仰角与方位角。然后采用正交三角(orthogonal triangular,QR)分解构造特定的斜投影算子,使接收信号中仅包含相干信号信息。将矩阵重构与PM相结合来解相干并估计相干信号的仰角与方位角。可以实现高斯色噪声背景下混合信号的2D-DOA估计,且估计信号的方位角和仰角能够实现自动配对,仿真实验证明了算法的有效性。     

模值约束的降维MUSIC二维DOA估计

利用传统二维多重信号分类(multiple signal classification, MUSIC)算法进行二维波达方向(direction of arrival, DOA)估计时,往往带来巨大的运算量,限制了算法的实际应用。提出了一种能够大大降低二维DOA估计运算量的模值约束降维MUSIC算法,该算法将二维DOA估计问题转化为优化方程的求解问题,并采用模值约束法定义附加条件,使方向向量得到了较强约束,进而使求解结果更加接近最优解。理论分析和仿真实验表明,本文算法所需运算量较低,且角度估计的成功率与精确度较高。     

L阵基于降维MUSIC的二维DOA与频率估计

提出了一种L阵中基于降维多重信号分类(reduced dimensional multiple signal classification, RD-MUSIC)的二维波达方向(two dimensional direction of arrival,2D-DOA)与频率联合估计算法。该算法首先通过一维局部谱峰搜索得到接收信号频率的估计,然后利用频率估计过程中得到的参数矩阵,获得信号的2D-DOA估计。与需要进行多维全局搜索的传统MUSIC算法相比,所提算法只需一维局部搜索,算法复杂度较低。该算法同时适用于均匀L阵和非均匀L阵,且能获得配对的二维角度与频率估计。其角度与频率估计性能接近于传统的MUSIC算法以及平行因子方法,且优于借助旋转不变性估计信号参数算法和传播算子算法。     

基于ESPRIT的多基线分布式阵列DOA估计方法

为了提高分布式阵列在低信噪比（signal-to-noise ratio, SNR）条件下的波达方向(direction-of-arrival, DOA)估计性能,同时放宽阵列物理孔径扩展程度的限制,提出了一种基于旋转不变子空间（estimation of signal parameters via rotational invariance techniques, ESPRIT）的多基线分布式阵列DOA估计方法。该方法通过优化分布式阵列结构,在子阵间使用多基线结构布阵,结合ESPRIT算法和多步解模糊方法得到多基线分布式阵列的高精度无模糊DOA估计。此外,利用最大后验概率准则近似法分析分布式阵列DOA估计的门限效应,给出了SNR门限和基线长度门限的近似计算方法。计算机仿真结果验证了所提方法的有效性。     

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。     

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。     

基于虚拟孔径扩展的子带信息融合宽带DOA估计

如何有效地利用宽带信号各频点所提供的信息实现高精度波达角(direction of arrival, DOA)估计一直是热点问题,针对宽带DOA估计问题,提出一种基于孔径扩展的子带信息融合(subband information fusion, SIF)DOA估计方法。该方法在宽带信号的频域模型基础上,结合虚拟阵列方法实现孔径扩展,并联合各子带信息统一处理,从而提高DOA估计的精度。与其他SIF方法相比,该方法利用二阶统计量将数据转化为单快拍模型,不仅提高了可估计信源数目,而且极大程度地降低了运算复杂度,同时在小快拍、低信噪比条件下仍能得到DOA估计结果。仿真实验验证了所提方法的有效性。     

Approach for wideband direction-of-arrival estimation in the presence of array model errors

The presence of array imperfection and mutual coupling in sensor arrays poses several challenges for development of effective algorithms for the direction-of-arrival (DOA) estimation problem in array processing. A correlation domain wideband DOA estimation algorithm without array calibration is proposed, to deal with these array model errors, using the arbitrary antenna array of omnidirectional elements. By using the matrix operators that have the memory and oblivion characteristics, this algorithm can separate the incident signals effectively. Compared with other typical wideband DOA estimation algorithms based on the subspace theory, this algorithm can get robust DOA estimation with regard to position error, gain-phase error, and mutual coupling, by utilizing a relaxation technique based on signal separation. The signal separation category and the robustness of this algorithm to the array model errors are analyzed and proved. The validity and robustness of this algorithm, in the presence of array model errors, are confirmed by theoretical analysis and simulation results.     

宽带阵列互耦建模及其对DOA估计的影响

为了研究不同几何分布的宽带阵列对互耦效应的适应能力,建立了一种互耦条件下新的宽带阵列天线接收数据模型.基于该模型比较了互耦效应对各种测向方法性能的影响,以及几种常见阵列结构对互耦效应的适应能力.最后提出了一种宽带互耦补偿的思想,利用各频率点上互耦矩阵的测量值实现了对宽带阵列的互耦补偿.     

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。     

基于压缩感知的无模糊宽带测向技术

针对宽带侦察接收机提出了一种新的基于压缩感知(compressed sensing, CS)的无模糊测量来波方向方法,采用非均匀阵列的空域欠采样特性及空域谱的稀疏特性,构造无模糊宽带测向的CS模型,利用基追踪降噪算法估计无模糊的空域响应,实现了最小阵元间距都无法满足空域Nyquist采样情况下的方向角无模糊估计,为了提高所提方法对噪声的鲁棒性及多信号处理能力,提出了快速傅里叶变换频域预处理和CS相结合的宽带测向方法,仿真结果验证了所提方法较直接CS方法具有更高的测向精度和更好的鲁棒性。     

一种宽带循环平稳信号波达方向估计的快速算法

提出了一种宽带信号波达方向估计的快速算法——谱相关多级维纳滤波器(spectral correlation-multi stage Wiener filter,SC-MSWF)算法。由于同时利用信号的循环平稳特性和多级维纳滤波技术,该算法既不需要传统的宽带信号波达方向估计中的聚焦运算,也不需要对伪数据矩阵或其协方差矩阵的特征值分解。从而该算法在具有循环平稳类算法的所有优点的同时,也具有小运算量和低复杂度的特点。仿真结果证明了该算法的有效性。     

低信噪比下非冗余阵列的无网格DOA估计

波达方向(direction of arrival, DOA)是阵列信号处理模型中的非线性参数,当信噪比较低时,其估计值会偏离真实值。为了降低无网格DOA估计方法中该问题的阈值,介绍了一种基于无网格的基于协方差的稀疏迭代估计(sparse iterative covariance-based estimation, SPICE)方法。引入了最大似然求根多重信号分类(maximum likelihood root multiple signal classification, ML-Root-MUSIC)来计算DOA,使用最大似然准则来选择根,可以降低阈值并获得更好的分辨率特性。在原始无网格SPICE的优化问题中加入了负熵项,使得无网格SPICE的均方根误差曲线更接近于Cramer-Rao下界。最后,蒙特卡罗仿真实验验证了所提方法在低信噪比非冗余阵列情况下的优越性。     

基于双模天线阵列的ESPRIT波达方向估计

考虑阵列信号波达方向(DOA)估计问题,提出了一种基于双模天线阵列的模式域旋转不变参数估计(ESPRIT)算法.与传统空域ESPRIT相比,模式ESPRIT的旋转因子仅与信号DOA有关而与阵列结构无关,因而无需阵元位置信息,也无需阵列存在空间匹配子阵.若阵元位置信息精确已知,还可利用空域稀疏采样获得无模糊多尺度DOA估计.计算机仿真结果验证了算法的有效性.     

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。     

阵列通道不一致条件下波达方向估计及其校正

现有的基于特征分解类的角度超分辨算法在理想阵列条件下,其估计性能良好,但当信号模型与实际信号环境不匹配,即存在系统误差时,算法的估计性能会严重下降,甚至失效.针对此问题,提出了一种波达方向估计和通道误差校正的新算法,先对各子阵接收信号预处理,使得通道误差对每个子阵的影响一致,这样阵列旋转因子就与通道误差无关,再利用阵列旋转不变性,实现波达方向估计和阵列通道误差的校正.无需校正源,也不需要知道通道误差的先验信息,无需多维搜索寻优和迭代.理论分析和计算机仿真都表明新算法的优越性.