基于互质阵列的阵元排布优化方法

相比于传统的线性均匀阵列,稀疏互质阵列提供了更多的自由度,但是稀疏阵列对应的差分阵列中的孔洞影响了DOA估计的性能。为了解决这个问题,该文提出了两种基于互质阵列的稀疏阵列优化方法,减少了差分阵列孔洞数量。首先,对标准互质阵列的虚拟阵列排列进行了分析,发现移除0位置阵元后,阵列可分辨信源数没有发生变化。因此,该文将这个阵元移动到了新的位置,以优化阵列设计,并且推导出两种提出的阵列虚拟阵列最大连续部分和自由度的数学表达式。仿真结果表明,两种阵列在DOA估计方面和均方根误差方面均优于标准互质阵列,具有比较优越的性能。

基于虚拟阵列孔洞插值的互质阵列直接定位方法

针对基于互质阵列的直接定位方法对于虚拟阵元非连续部分利用率不高的问题,提出了一种基于虚拟阵列孔洞插值的互质阵列直接定位方法。该方法采用互质阵列建立信号接收模型,引入虚拟阵列孔洞插值的思想来构造对应的协方差矩阵,最后利用空间谱技术求解定位结果。仿真结果表明,该方法与基于最大连续虚拟阵列的直接定位方法相比,在少快拍数、低信噪比环境下提高了分辨率和定位精度,具有很高的鲁棒性。

基于互质阵列的协方差矩阵重构算法

针对基于互质阵列波达方向(direction of arrival, DOA)估计方法对连续虚拟阵元得到的样本协方差矩阵信息利用率不高的问题,提出一种基于互质阵列的协方差矩阵重构算法。该算法利用最大连续虚拟均匀线阵协方差矩阵的每一行元素进行Toeplitz矩阵重构,再对这些矩阵加权求和获得新的满秩协方差矩阵,提高对接收数据的利用率并消除噪声贡献对DOA估计结果的影响。理论分析和仿真结果表明,该算法能实现欠定DOA估计,在低信噪比、小快拍数、入射角度间隔小条件下有良好的角度估计精度。

移动三平行互质阵列改进设计方法

针对移动三平行互质阵列在虚拟阵列扩展中会产生孔洞的问题,提出了一种移动三平行互质阵列的改进设计方法,通过分析虚拟阵列孔洞位置及优化阵元摆放形式,使得阵列静止状态下所构造虚拟阵列的连续孔洞数不超过2个,同时尽可能减少构造虚拟阵列中的冗余,并且利用移动阵列的思想填补虚拟阵列中的孔洞,获得虚拟阵元全连续且自由度最大化的虚拟阵列,使得阵列自由度得到极大程度的提升。仿真实验结果表明了所提阵列设计方法的有效性,可在相同物理阵元的条件下获得自由度更高的虚拟阵列,具有较高的测向精度。

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。

双基地展开互质阵列MIMO雷达DOD、DOA降维估计算法

展开互质阵列将两个子阵完全展开,因而可在阵元数目受限情况下获得相较于均匀阵列以及传统互质阵列更大的阵列孔径。文中基于双基地展开互质阵列多输入多输出(Multiple Input Multiple Output,MIMO)雷达阵列结构,提出了基于降维多重信号分类(Multiple Signal Classification,MUSIC)算法的双基地展开互质阵列MIMO雷达离开角(Direction of Departure,DOD)、到达角(Direction of Arrival,DOA)联合估计算法。算法通过增加约束并构造代价函数的方式,将二维MUSIC算法中的穷尽搜索二维谱峰转化为求解带约束二次优化问题,先后得到DOA、DOD,并且DOD与DOA自动配对。降维思想的引入使得算法无需二维搜索,因而复杂度显著下降。同时,得益于展开互质阵列MIMO雷达形成的虚拟阵列与大幅扩展的阵列孔径,文中提出的算法亦获得了显著提升的分辨率、自由度以及低信噪比下更为优异的估计性能。此外,子阵数目的互质消除了阵元间距大于半波长可能导致的相位模糊问题。仿真验证了算法的有效性。

基于互质阵列的相干与非相干目标DOA估计算法

提出基于互质阵列的相干与非相干混合目标空间达波方向(DOA)估计算法。首先,基于差协同阵等效的概念,将互质阵列相关矩阵的元素重排形成增广相关矩阵;然后采用矩阵重构对增广相关矩阵进行解相关处理;最后,对解相关的增广相关矩阵进行多重信号分类(MUSIC)空间谱搜索,实现对目标的DOA估计。仿真结果表明,该算法可实现对数目多于互质阵列物理阵元的相干与非相干混合目标的DOA估计。对比矩阵重构、前向空间平滑和前后向空间平滑3种解相关算法,矩阵重构解相关获得了更大的可分辨目标数目,在低信噪比(SNR)下呈现出更佳的估计误差性能,而空间平滑解相关在低快拍情况下具备更优的估计误差性能。

基于双频互质阵列的DOA估计方法

针对互质阵列单频工作模式下,舍弃差协同阵中非均匀虚拟阵元引起的DOA估计最大可分辨信号源数目损失的问题,提出了一种利用双频工作模式提升互质阵列DOA估计最大可分辨信号源数目的方法,通过选择单个合适的额外工作频率获取额外不同位置的差协同阵虚拟阵元,进而填充参考工作频率下互质阵列差协同阵中两个缺失的虚拟阵元。相比于单频工作模式,双频工作模式获取了更多均匀分布的虚拟阵元,DOA估计的自由度得到了提升,实现了对更多非相干信号源的DOA估计。具体来讲,对于具有N+2M-1个物理阵元的互质阵列,双频工作获得的自由度提升为M,对可实现DOA估计的非相干信源数目的增加为M。

利用联合互质阵列的卫星导航抗干扰算法

随着电磁环境越来越复杂,全球卫星导航系统(GNSS)受到的干扰越来越多。基于均匀间距阵列的抗干扰算法已广泛运用于GNSS干扰抑制中,但是均匀线性阵列抑制干扰的性能受到天线阵元个数和阵列孔径的严格限制。本文提出了一种基于联合互质阵列的卫星导航抗干扰算法,能够在不增加阵元的情况下获得较大的阵列孔径,提高了干扰来向估计性能且不需要知道干扰个数。该方法首先利用互质阵列的空间谱估计方法估计出干扰来向,然后,利用估计出的干扰来向构造干扰子空间,并通过正交子空间投影算法抑制干扰。算法提高了卫星导航系统的抗干扰性能,仿真实验验证了该算法的有效性。

稀疏互质阵列的迭代加权l_1范数约束来波方向估计

在阵元数确定的情况下,稀疏互质阵列能增大阵列孔径。为利用阵列的互质关系形成具有更多自由度的互质差合成阵列,采用稀疏重构方法,提出一种迭代加权l_1范数约束波达方向(DOA)估计算法。通过矢量化对稀疏互质阵列进行孔径扩展,进而在相应的过完备基下获得观测模型的l_0范数约束稀疏重构,再用加权l_1范数约束代替l_0范数约束重构方法,采用多次迭代运算求取最优解实现DOA估计。实验结果表明,该算法能够更好地利用稀疏互质阵列的阵列孔径,提高测向精度,并且通过迭代运算来弥合l_1范数约束与l_0范数约束之间的差别,克服传统l_1范数约束类算法存在估计偏差的缺点。

基于Bessel先验快速稀疏贝叶斯学习的互质阵列DOA估计

为提高低采样点条件下互质阵列DOA估计精度,该文提出基于Bessel先验快速稀疏贝叶斯学习算法。该方法针对互质阵列输出的多采样点复数数据,首先构建了基于Bessel先验的多量测分层模型;其次推导了模型所涉超参数的对数似然函数,根据最大似然估计准则得到了超参数的迭代公式;最后提出了快速实现方案,提高了运算效率。仿真结果表明,该方法不依赖先验信息,在低采样点条件下具有更高的DOA估计精度和分辨率,能够对相干信号进行高精度DOA估计,并具有较高的运算效率。此外,该文探究了虚拟阵列扩展与互质阵列测向自由度扩展间的关联,为后续阵列误差条件下互质阵列DOA研究估计提供参考。

基于协方差矩阵重构的互质阵列DOA估计方法

针对现有基于互质阵列的DOA估计方法,由于舍弃差联合阵列中非均匀虚拟阵元而导致最大可估计信号损失的问题,提出了基于协方差矩阵重构的互质阵列DOA估计方法。根据差联合阵列与波程差一一对应的关系,将协方差矩阵扩展为一个部分元素缺失的Toeplitz矩阵;通过求解迹范数最小化问题实行对协方差矩阵中零元素的填充,阵列自由度得到提升;利用求根MUSIC方法实现DOA估计。仿真结果表明:该方法有效提高了可估计信号数且能够有效避免传统稀疏重构算法中模型失配对估计性能的影响。

基于原子范数的互质阵列协方差矩阵重构算法

针对互质阵列的虚拟阵列插值过程中协方差项的非均匀加权问题,将互质阵列协方差矩阵重构转换为低秩矩阵填充与原子范数重构,提出基于原子范数的互质阵列协方差矩阵重构算法。该算法先利用广义增广法得到非完备的互质阵列协方差矩阵,并利用截断的均值奇异值门限填充法得到虚拟阵列的协方差矩阵初值,然后对其进行原子范数最小化求解,实现稳健的正定Toeplitz协方差矩阵重构。该算法充分利用互质阵列协方差矩阵信息,有效提高互质阵列DOA估计算法的稳定性,降低计算复杂度。

基于互质阵列的运动单站信号直接定位方法

信号直接定位方法是一种新型无源定位体制,具有适应低信噪比、无需参数关联等优势。为适应复杂电磁环境,该文提出了一种基于互质阵列的运动单站信号直接定位方法。以典型窄带信号为例,该文首先构建了互质阵列截获信号模型,然后推导了其差分共性阵对应的等效信号数学模型,最后使用空间谱技术构建了直接定位代价函数,实现了定位。经仿真分析验证,采用相同互质阵列时,该方法在分辨率和精度稍有损失的情况下可大幅提升传统直接定位方法的自由度,且与基于均匀线阵的直接定位方法相比,该方法在自由度、分辨率和定位精度等方面都具有优势。

互质阵列信号处理研究进展：波达方向估计与自适应波束成形

阵列信号处理是雷达领域各类应用的核心技术之一。近年来,互质阵列的提出打破了传统方法受限于奈奎斯特采样速率这一瓶颈,其稀疏布设的阵列结构和互质欠采样的信号处理方式大幅降低了系统所需的软硬件开销,为当前不断提升的实际应用需求提供了理论基础和技术前提。鉴于其在自由度、分辨率及计算复杂度等方面的性能优势,互质阵列信号处理的理论和技术研究受到了国内外学者的广泛关注。该文分别从波达方向估计和自适应波束成形这两个阵列信号处理领域的基本问题出发,介绍了互质阵列信号处理方向的研究进展。在互质阵列波达方向估计方面,该文总结了互质子阵分解方法和虚拟阵列信号处理方法等两类典型技术路线,并以此为基础介绍了压缩感知和无网格化技术在低复杂度和超分辨估计等方面的最新研究工作。在互质阵列波束成形方面,该文剖析了其与互质阵列波达方向估计问题的区别与联系,并介绍了面向互质阵列的高效鲁棒自适应波束成形设计方法。该文旨在通过对互质阵列信号处理研究前沿的分类归纳和总结,探讨各类方法的优势和未来的研究方向,为其在雷达等领域的产业需求和实际应用提供理论和技术参考。

单基地展开互质阵列MIMO雷达DOA估计

针对传统互质阵列波达方向(Direction of Arrival,DOA)估计方法的自由度低、阵列孔径小、特定方向上存在相位模糊,以及低信噪比下估计性能不佳等问题,提出了基于多重信号分类(Multiple Signal Classification,MUSIC)算法的单基地展开互质阵列多输入多输出(Multiple Input Multiple Output,MIMO)雷达DOA估计方法。该方法结合了MIMO雷达和展开互质阵列,利用展开互质阵列作为收发阵列,获得了相较于均匀线阵以及传统互质阵列更大的阵列孔径,且自由度得到提高,算法在信噪比低至-20 dB时,仍有着尖锐的谱峰。但是算法涉及对高维度矩阵的特征值分解,因此运算量极大,继而提出了基于传播算子(Propagation Method,PM)的单基地展开互质阵列MIMO雷达DOA估计方法,避免了特征值分解,运算量显著下降,且信噪比大于2 dB时性能相仿。随后,进行了无相位模糊的理论推导,提出的两种算法均严格无传统相位模糊以及新场景相位模糊问题。最后,仿真验证了算法的有效性。

基于互质阵列的外辐射源雷达低仰角估计

针对外辐射源雷达中低空目标仰角估计分辨率低的问题,本文采用了互质阵虚拟阵列法进行低仰角估计,可有效提高角度分辨率。文章首先论述了互质阵虚拟阵列构造原理,以扩展互质阵列为例详细介绍了虚拟阵列的构造方法,然后通过理论分析与仿真探讨了该方法在低仰角镜像模型中的可行性。仿真中比较了分别用虚拟阵列方法和正交匹配追踪法处理互质阵,以及空间平滑方法处理均匀线阵三种方式在低仰角估计分辨率性能上的优劣,结果表明,在低仰角镜像模型中,互质阵虚拟阵列法的角度分辨率相对其他两种方法有明显优势,不受空间网格限制,而且更适用于低信噪比环境。

基于协方差矩阵重构的互质阵列DOA估计

针对利用拓展的虚拟阵列的最大连续均匀阵列进行波达方向估计未完全利用虚拟阵列全部信息的问题,提出了一种基于虚拟阵列插值的矩阵重构DOA估计算法。该算法首先通过互质阵列导出的非均匀虚拟阵列,引入虚拟阵列插值的思想来构造一个均匀的线性虚拟阵列;然后提出一个凸优化问题,重构等效接收信号的协方差矩阵;最后优化协方差矩阵的相应矢量的首个元素,利用重构的协方差矩阵进行DOA估计。该算法充分利用虚拟阵列中包含的信息,与利用拓展的虚拟阵列的最大连续均匀阵列进行DOA估计相比,提高了估计自由度和分辨率。

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Toeplitz协方差矩阵重构的互质阵列DOA估计方法

针对基于互质阵列的欠定DOA估计方法对于虚拟阵元非连续部分利用率不高的问题,该文提出一种基于Toeplitz协方差矩阵重构的DOA估计方法。首先,从互质阵列差联合阵的角度分析虚拟阵元分布特性,结合其与协方差矩阵中各元素得到的波程差存在对应关系,将协方差矩阵进行扩展得到一个数据缺失的高维协方差矩阵;然后,根据矩阵填充理论,用迹范数代替秩范数进行松弛,对缺失元素进行填充;最后,利用现有root-MUSIC方法进行DOA估计。理论分析和仿真结果表明,该方法提升了虚拟阵元的利用率,从而增加了虚拟孔径和可估计信号数,同时无需对角度域进行离散化处理,有效消除了模型失配的影响,并且避免了正则化参数选取问题,提高了估计精度和分辨率。