基于NYFR采样均匀线阵结构的参数估计方法

为了克服传统奈奎斯特采样带来的庞大数据量的影响,且有效解决更宽频带范围内信号接收以及信号载频(carrier frequency,CF)、波达方向(direction of arrival,DOA)参数估计问题,提出了一种基于Nyquist折叠接收机(Nyquist folding receiver,NYFR)采样的均匀线阵结构。首先,构造多通道NYFR采样阵列结构完成入射信号的接收和折叠采样处理;然后,分析并验证多通道NYFR采样信号的相位一致性;最后,分别在信号源原始奈奎斯特区间(Nyquist zone,NZ)未知和已知的情况下进行仿真实验。仿真实验结果表明,所提阵列结构下的信号模型不仅适用于CF与DOA联合估计方法,同时还适用于多种DOA估计算法,验证了所提阵列结构的正确性和有效性。

互耦条件下均匀线阵DOA盲估计

阵元间存在互耦时,经典的波达角(DOA)估计算法性能急剧下降甚至失效。针对互耦条件下均匀线阵DOA估计问题,该文提出一种基于盲源分离的DOA盲估计算法。首先,利用源信号的统计特性,由盲源分离方法估计广义阵列流形矩阵;然后,利用均匀线阵互耦矩阵带状、Toeplitz矩阵的特点,将DOA估计问题转化为多个可分离非线性最小二乘问题,由多个1维频域搜索得到DOA的估计。该算法无需高维搜索或多维迭代,对互耦自由度要求更低,互耦自由度未知时仍旧适用,稳健度高。数值仿真验证了该文算法的有效性。

一种均匀线阵互耦和幅相误差校正算法

阵列互耦和幅相误差会严重影响MUSIC算法的测向性能,为此该文基于均匀线阵,给出了一种新的阵列互耦和幅相误差校正算法。文中首先根据阵列协方差矩阵的关系式构造了一种二次代价函数,然后利用理想条件下均匀线阵协方差矩阵具有Toeplitz结构的性质,通过交替迭代的方法对该代价函数进行优化求解,从而估计出了阵列互耦、幅相误差以及理想条件下的协方差矩阵,最后利用MUSIC算法即可得到信源方位的估计值。计算机仿真结果验证了文中算法的有效性。

均匀线阵中幅相及位置误差的快速校正方法

着重研究了针对均匀线阵中由各阵元幅度相位不一致性及位置误差的综合影响引起的阵列流形误差的校正问题。该方法利用单信号源 (可以为事先设置的校正源或某目标源 ) ,无须准确知道信号源的波达方向 ,只须在校正过程中将阵列天线以已知角度旋转两次 ,即可对各阵元的幅度、相位及位置因子作较精确的估计 ,从而估计出综合误差存在情况下的阵列流形 ,并可同时估计信号源的波达方向。该方法无需迭代 ,计算简单快速 ,且具有较高的估计精度。

均匀线阵目标到达角估计的压缩感知方法研究

为了缓解表面波雷达在天线阵列小型化后角度分辨率低的问题,采用压缩感知理论,提出一种小型天线阵列表面波雷达目标到达角估计的方法。将到达角估计问题转化为稀疏信号表示的重建问题。建立了稀疏信号模型,分析了应用条件,将角度和速度空间离散化以构造字典,设计了基于实时海态信息的测量矩阵,设计匹配算法完成信号重构。仿真结果表明,若满足准确重建条件,即使在小型天线阵列的情况下,也能以计算资源为代价改善方位分辨率。

一种基于FFT估计DOA方法的双均匀线阵设计

在传统的快速傅立叶变换 (FFT)估计空间信号波达方向 (DOA)方法的基础上 ,针对信号集中在一定空间区域里的情况 ,设计了一种双均匀线阵及相应的DOA估计方法 .理论和仿真结果都证明了基于此双均匀线阵的DOA估计方法在解决了角度模糊问题的同时 ,与基于具相同阵元数目及半波长阵元间距的均匀线阵的常规DOA估计方法相比 ,可成倍地提高角分辨率 。

基于非均匀线阵的压缩感知波达方向估计

为提高压缩感知波达方向估计的阵列利用率,提出一种基于非均匀线阵的正交匹配追踪(OMP)算法。根据来波方向的大致范围,分别利用等角度方式和等正弦方式将空间角度划分成若干份,使用非均匀线阵作为信号的接收阵列,并将经过角度划分的非均匀线阵阵列流形阵作为观测矩阵,采用观测矩阵对信号进行投影测量得到维数较低的观测值,从观测值中重构原信号,进而得到待估计信源的方位信息。仿真结果表明,与多重信号分类(MUSIC)算法相比,该算法所需快拍数小、抗噪能力强、阵列利用率高,与均匀线阵条件下的OMP算法和基于空间平滑的MUSIC算法相比,具有更高的测角分辨力和更强的解相干能力。

基于非均匀线阵和修正MUSIC算法的DOA估计

研究了基于非均匀线阵的DOA估计问题。提出了利用修正MUSIC算法进行DOA估计,并设计了对称布阵方式。仿真结果表明在对称布阵非均匀线阵中使用修正MUSIC算法,空间谱分辨率高、栅瓣小,且分辨率要高于均匀线阵。本算法获得了较高的空间谱分辨率,提高了DOA估计性能。

均匀线阵双基地MIMO雷达目标角度估计

在高斯色噪声背景下,提出了高阶累积量最小范数算法,实现了均匀线阵双基MIMO雷达的波离方向和波达方向的联合估计。最小范数算法利用双基MIMO雷达的联合导向矢量矩阵与噪声子空间正交,用噪声子空间的全部噪声奇异矢量构成最小范数矢量,相比MUSIC算法计算量小。仿真结果也表明在低信噪比时,最小范数算法的估计性能较好。

多径条件下均匀线阵DOA估计及互耦误差自校正

针对多径信道环境下存在互耦误差的均匀线阵,提出了一种联合波达方向估计及互耦误差自校正算法。在不改变阵列互耦误差的条件下,首先利用虚拟阵列平移预处理方法,将相干信源协方差矩阵恢复到满秩。进而利用互耦误差的对称Toeplitz特性,基于子空间原理构造一代阶函数,采用秩损的方法得到互耦误差条件下的DOA估计及阵列互耦误差。数值仿真结果表明,该算法具有良好的DOA估计性能与互耦误差自校正性能。

一种均匀线阵幅相误差校正算法

阵列幅相误差会严重影响MUSIC算法的测向性能,为此基于均匀线阵,给出了一种新的幅相误差校正算法。首先根据协方差矩阵的关系式构造了一种二次代价函数,然后利用理想条件下均匀线阵协方差矩阵具有Toeplitz结构的性质,通过交替迭代的方法对此二次代价函数进行优化求解,从而估计出了幅相误差和理想条件下的协方差矩阵,最后利用MUSIC算法即可估计出信源方位。计算机仿真结果验证了文中的算法是有效的,并且具有较高的参数估计精度。

均匀线阵的子阵划分及子阵级权矢量联合优化

大型阵列采用子阵级处理方法可以用小的代价获得较好的处理性能。本文提出一种均匀线阵(Uniform linear array,ULA)子阵级处理方法,该方法综合考虑子阵划分及子阵级幅度权矢量对阵列输出性能的影响,运用粒子群算法(Particle swarm optimization,PSO)将子阵划分方式及子阵级幅度权值进行联合优化。通过仿真发现,该联合优化方法可以充分利用阵列划分方式的自由度,在已知阵列输出性能的前提下,准确地提供一组阵列划分方式及子阵级幅度权值。与常规方法相比,联合优化方法降低了阵列设计的计算量及阵列设计周期,并且可以得到性能更有针对性的方向图。本文方法也为大型阵列进行子阵划分提供了理论依据。

均匀线阵混合信源DOA估计与互耦误差自校正

针对均匀线阵(uniform linear array,ULA)互耦条件下混合信源的波达方向(direction of arrival,DOA)估计问题,基于联合对角化算法,提出了一种基于3步实现的DOA与互耦系数估计新算法。首先利用互耦矩阵的Toeplitz结构实现混合信源中独立信源的DOA及互耦系数的粗估计;然后结合斜投影及前后向空间平滑,实现混合信源DOA估计;最后以广义空间特征矩阵及混合信源DOA估计值为基础,提出一种非子空间类互耦系数自校正方法。计算机仿真结果表明,与同类算法相比,所提算法无论在DOA及互耦系数估计精度、还是在DOA估计成功率方面,均具有明显的优势,且对于高斯背景噪声具有普适性。

均匀线阵互耦和幅相误差有源校正改进算法

阵列互耦和幅相误差会严重影响MUSIC算法的测向性能,为此重点研究了由互耦和幅相误差引起的阵列误差校正问题。针对均匀线阵,提出了一种改进的阵列误差校正算法,它通过矩阵特征分解得到一组校正源的方向向量来估计阵列误差,改进算法充分利用了均匀线阵互耦矩阵的特殊结构,并通过交替迭代的方法实现了阵列误差参数的优化校正。计算机仿真结果表明,改进算法提高了参数估计精度,并且可推广应用于校正源方位存在偏差的情况。

基于极化敏感阵列均匀线阵的二维DOA估计

针对残缺电磁矢量传感器的极化敏感阵列多参数联合估计问题,该文提出一种基于正交偶极子的均匀线阵的2维波达方向(Direction-Of-Arrival,DOA)估计算法。首先,对极化敏感阵列的接收数据矢量的协方差矩阵进行特征分解,然后将信号子空间划分成4个子阵,根据旋转不变子空间(ESPRIT)算法分别求出其中1个子阵与其它3个子阵的相位差,再对不同子阵间的相位差进行配对,最后根据相位差求出信号的DOA估计和极化参数。由正交偶极子组成的均匀线阵使用极化MUSIC算法和传统ESPRIT算法无法进行2维DOA估计,该文提出的算法解决了这个问题,并且相较于极化MUISC算法降低了算法的复杂度。仿真结果验证了该文算法的有效性。

空间非平稳噪声环境下非均匀线阵的DOA估计

针对在空间非平稳噪声环境下传统的MUSIC算法会失效的问题,提出了一种新的波达方向(DOA)估计方法。该方法利用转换矩阵法,通过对阵列数据相关矩阵进行预处理,从而克服噪声对方位估计的影响,并且该算法适用于非均匀线阵,而非均匀线阵在阵元数目一定的情况下,通过合理设置阵元间距,其方位分辨率较之均匀线阵有较大的提高。计算机仿真结果表明,在非平稳噪声环境下利用该算法非均匀线阵的分辨能力要明显高于均匀线阵。

非均匀线阵的互耦自校正

针对非均匀线阵(non-uniform linear array,NULA)互耦问题进行了研究。与均匀线阵(uniform Linear array,ULA)不同的是,NULA的互耦矩阵并不具有带状对称Toeplitz的特性,因而处理起来更为复杂。首先,根据阵列结构的特点,可将其互耦矩阵转换为两个具有Toeplitz特性矩阵相减的形式,从而方便实现角度和互耦系数的解耦合。而后结合子空间原理,同时估计信号的波达方向(direction of arrival,DOA)和互耦系数。算法无需额外的校正源,也不需要非线性的高维搜索和迭代过程,计算量小。仿真结果表明,所提算法能够很好地估计出信号角度和互耦误差系数,具有精度高、分辨力强的特点,可以有效地解决此类NULA的互耦问题。

非均匀线阵波束方向图优化方法

对于非均匀线型阵列,在给定阵元数和阵列孔径的约束条件下,以降低波束方向图峰值旁瓣为目标,进行阵元布阵优化和波束形成权值优化。对于布阵优化,利用多种群并行进化遗传算法,分别采用稀疏栅格编码和实数编码对阵元位置进行优化,方向图峰值旁瓣分别达到-11.8dB和-14dB;利用凸优化方法结合遗传算法对阵元位置和波束形成权值进行联合优化,进一步把方向图旁瓣压低到-16.58dB。仿真实验说明了优化方法的有效性。

一种部分校正均匀线阵幅相误差自校正方法

针对部分校正均匀线阵,给出了一种幅相误差和信源方位联合估计方法。分别建立了关于幅度因子对数和相位误差因子的线性方程组,通过利用部分校正均匀线阵流型的特殊结构,减少了所需考虑的方程个数。随后验证了新建立的两个线性方程组中系数矩阵的列满秩性,从而给出了幅度因子对数和相位误差因子的唯一最小二乘解。仿真结果验证了新方法的有效性.

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MI-MO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(estima-ting signal parameter via rotational invariance techniques,ESPRIT)对目标方位角度进行估计。其优点是突破ES-PRIT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。