基于复合阵列的矩阵循环重构DOA估计算法

相干源角度估计一直是困扰雷达角度测量的一个重要难题,基于均匀阵列假设提出了模式空间解相干算法,一定程度上解决了相干干扰条件下的目标角度估计问题,但是上述算法对复合阵列的适应性较差。针对复合阵列下相干多源测角问题,本文提出一种基于模式空间循环重构的解相关算法,利用圆阵外其他任意天线赋形空域滤波特性,在信号源数多于阵元数时较好地解决相干源角度估计问题。仿真试验结果表明,该算法能较好地解决复合阵列天线下的相干源测角问题,并且其角分辨性能优于传统算法。

大间距均匀阵列抗模糊DOA估计实验研究

在波达方向(DOA)估计中,当接收天线阵列的单元间距大于入射信号载波的半波长时,会出现阵列流形模糊,这对分辨真实的信号DOA带来了挑战。该文基于子阵级大间距均匀双线极化阵列,提出通过随机改变每个子阵中某个单元的极化状态,使不同子阵对应的导向矢量相互独立,从而打破大间距均匀阵列下导向矢量间的线性关系,并抑制阵列流形模糊。仿真和实验结果表明,该方法可有效去除多重信号分类(MUSIC)算法空间谱中的伪峰,实现高精度DOA估计。

基于UCA-FDA雷达距离补偿的DOA估计方法

主瓣欺骗式干扰给雷达在电子对抗中的应用带来了挑战。为了解决电子对抗中主瓣距离欺骗干扰的到达方向(direction of arrival,DOA)估计问题,基于均匀圆阵的频率分集阵列(uniform circular array-frequency diverse array,UCA-FDA)雷达,提出了一种利用距离补偿的DOA估计方法。所提方法通过对雷达接收信号进行距离补偿,消除距离维度上的影响,并将角度联合导向矢量和处理后的协方差矩阵代入多重信号分类(multiple signal classification,MUSIC)算法,从而获得目标的方位角和俯仰角。此外,所提方法还增加了分辨来自同一方向的多个目标的功能,具有角度估计精度高、抗干扰性能好、适用低快拍情景的优点。仿真实验也证明了所提方法的有效性。

CRB for 2-D DOA Estimation in MIMO Radar with UCA

The Cramer-Rao bound(CRB)for two-dimensional(2-D)direction of arrival(DOA)estimation in multiple-input multiple-output(MIMO)radar with uniform circular array(UCA)is studied.Compared with the uniform linear array(ULA),UCA can obtain the similar performance with fewer antennas and can achieve DOA estimation in the range of 360°.This paper investigates the signal model of the MIMO radar with UCA and 2-D DOA estimation with the multiple signal classification(MUSIC)method.The CRB expressions are derived for DOA estimation and the relationship between the CRB and several parameters of the MIMO radar system is discussed.The simulation results show that more antennas and larger radius of the UCA leads to lower CRB and more accurate DOA estimation performance for the monostatic MIMO radar.Also the interference during the 2-D DOA estimation will be well restrained when the number of the transmitting antennas is different from that of the receiving antennas.

未知信源数量DOA估计方法

针对传统阵列天线来波方向(Direction of Arrival,DOA)估计算法需要准确获取信源数量的问题,提出了一种未知信源数量类多重信号分类(Multiple Signal Classification,MUSIC)DOA估计方法。首先根据阵列天线的多个快拍数据估计输入信号自相关矩阵;其次对信号自相关矩阵进行特征值分解,并使用重构相关矩阵的方式实现信号分量的抑制;最后结合传统MUSIC谱估计算法实现未知信源数量条件下的DOA估计。仿真实验表明,所提算法的复杂度较低,且DOA估计误差性能接近传统MUSIC算法。

Angle estimation in bistatic MIMO radar using improved reduced dimension Capon algorithm

This paper discusses the problem of direction of departure （DOD） and direction of arrival （DOA） estimation for a bistatic multiple input multiple output （MIMO） radar, and proposes an improved reduced-dimension Capon algorithm therein. Compared with the reduced-dimension Capon algorithm which requires pair matching between the two-dimensional angle estimation, the pro- posed algorithm can obtain automatically paired DOD and DOA estimation without debasing the performance of angle estimation in bistatic MIMO radar. Furthermore, the proposed algorithm has a lower complexity than the reduced-dimension Capon algorithm, and it is suitable for non-uniform linear arrays. The complexity of the proposed algorithm is analyzed and the Cramer-Rao bound （CRB） is also derived. Simulation results verify the usefulness of the proposed algorithm.

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。

阵列误差条件下基于INI-MUSIC算法的二维DOA估计

针对轮换迭代算法在混合互耦误差和幅相误差条件下存在估计精度不高的问题,提出了一种改进非迭代多重信号分类(improved non-iterative multiple signal classification,INI-MUSIC)算法.改进算法利用误差系数在均匀圆阵下的特殊性质和矩阵向量转换定理,将幅相误差和互耦误差与波达方向(direction of arrival,DOA)估计角度分离,从而实现混合误差下的降维操作,进而通过重新构造代价谱峰函数对亏损的秩进行补偿,实现对DOA角度的估计和对误差系数的联合估计.此算法降低了混合误差条件下错误谱峰出现的概率,具有更好的二维DOA估计精度,工程应用价值更高.

基于深度卷积网络的二维波达方向估计方法

为了提高信号波达方向估计技术的实时性和简便性,设计了一种适用于估计均匀圆阵多信号波达方向的深度卷积网络。由阵列观测数据得到的协方差矩阵被当作是包含实部和虚部两个通道的图像,将其当作是卷积神经网络的输入张量,便可以通过训练网络来提取包含在信号协方差矩阵中的波达方向细微特征,从而实现准确快速地同时对多个入射信号的方向进行估计的目的。仿真结果表明,设计的深度卷积网络能够很好地完成二维信号波达方向估计。相比于现有估计方法,卷积网络给出的结果更加精确,且算法相对稳定。因此,提出的深度卷积网络在多目标方位识别与跟踪领域具有潜在的工程应用价值。

基于高阶累积量虚拟阵列扩展的DOA估计

该文提出了一种基于高阶累积量虚拟阵列扩展的DOA估计新方法。该方法基于高阶累积量孔径扩展的性质,由实际阵元的坐标与方向矢量直接计算出虚拟阵元的坐标与方向矢量,利用两种阵元的坐标之间的关系构造四阶或六阶协方差矩阵,运用MUSIC方法对非高斯独立信号源进行DOA估计。该方法在任意阵列的情况下,对非高斯独立信号源进行一维与二维DOA估计,均能准确地估计出多于实际阵元数目的方向角与仰角。实验表明,该方法简单、有效地扩展了阵列孔径,提高了阵列的空间分辨能力,有效地抑制了高斯噪声的干扰,降低了高阶累积量协方差矩阵的计算量。

基于空间三维非均匀SISO阵列雷达的介质目标快速成像算法

近年来,随着高精度定位系统的迅猛发展,基于手持式毫米波雷达的阵列成像技术在无损检测和医疗成像等涉及介质内部结构成像的领域中引起了广泛关注.与常见的二维(Two-Dimensional,2D)平面单发单收(SingleInput-Single-Output,SISO)阵列不同的是,基于手持式毫米波雷达的阵列,其阵元通常非均匀分布于三维(Three-Dimensional,3D)空间中,导致现有的基于平面SISO阵列的对介质目标内部结构进行快速成像重构的算法无法适用.为此,本文提出了一种适用于空间3D非均匀SISO阵列雷达的半空间介质目标快速成像算法.该算法将空间3D非均匀SISO阵列的每一个阵元扩展为一个的虚拟阵列,然后将所有虚拟阵列的回波数据变换至波数域后进行相干累加,最后通过3D逆傅里叶变换(Inverse Fourie Transform,IFT)实现快速成像.数值仿真和实验测量表明,与同样适用于该场景的改进后向投影(Improved Backward Projection,IBP)算法相比,在本文给定的成像参数条件下,所提算法可以在保证成像质量的同时,将成像时间缩短94%以上.

一种利用非圆信号特点的实值DOA估计算法

针对非圆信号波达方向(DOA)估计问题,提出了一种ESPRIT类的实值DOA估计算法。根据信号源为实数的特点,分别求取接收数据的实部和虚部,形成实值数据,并对其加以重新组合,提高了数据利用率,减少了运算量,在此基础上利用新构造数据的结构特点形成一个实值对角矩阵,进而得到一种ESPRIT类的DOA估计算法。该算法通过使用两个选择矩阵获得旋转因子,避免了信道附加相位对DOA估计的影响。仿真实验表明,该算法具有分辨力高、估计精度高以及稳健性强等优点。

一种新的DOA估计方法

本文提出了一种用天线阵来进行多个入射平面波的DOA(direction of arrival)估计方法.这种方法可以解决以往像MUSIC、ESPRIT等算法信号数不能超过阵元数的问题.这种方法计算量少、精度高、可适用于任意几何形状天线阵.同时得到信号频率估计,在平面阵中可得到自动成对的2维角估计.并且借助于相应技术,可对相关信号源的DOA进行估计.本文以均匀圆环天线阵(UCA)来估计多于阵元数的多个入射平面波空间2维角(俯仰角,方位角)为例进行仿真,最后给出计算机模拟结果证实该方法的实用性、有效性.

基于空间平滑算法的二维相干源DOA估计

基于均匀矩形阵列,利用2D Unitary ESPRIT算法二维参数自动配对的优点,运用二维空间平滑技术进行解相干,并结合虚拟阵列扩展的EVESPA算法,提出了相干源的2D-SS-EVESPA-DOA估计算法。该算法在多径环境下能精确估计出二维波达角,能实现多径波达方向的分组估计,而无需进行谱峰搜索;并实现二维角度的自动配对,二维参数自动配对,无需二维谱峰搜索。仿真实验证明了算法的有效性。

一种非等间距线阵的DOA估计方法

针对非等间距线阵测向中的测向精度和相位模糊之间的矛盾,该文提出了一种基于四阶累积量的波达角(DOA)估计算法。该算法利用基线间的参差关系解相位模糊,以突破VESPA算法中参考阵元间距不大于半波长的限制,从而有效地提高了测向精度。依靠导向矢量、累积量矩阵特征值以及其对应的特征向量三者之间的关系,该算法实现了各基线的相位差与信号源的配对。仿真实验验证了该算法的有效性。

联合DOA估计与主波束形成的干扰抑制方法

为克服测距仪(DME)发射的高强度脉冲信号干扰L频段数字航空通信系统1(L-DACS1)OFDM接收机的问题,提出联合DOA估计与主波束形成的干扰抑制方法.首先接收机通过波达方向矩阵算法估计接收信号来向;然后基于信号来向通过线性约束最小方差波束形成算法提取各个方向信号;随后通过频域功率与时域功率比较算法分辨各来向信号的类型;最后输出OFDM直射径信号.仿真结果表明:该方法可显著克服DME与OFDM散射径信号干扰,提高L-DACS1系统链路传输的可靠性.

一种均匀圆阵子阵干扰抑制DOA估计算法

常规空间谱估计算法在强干扰背景下往往无法正确估计弱信号的来波方向。针对此问题,本文提出了一种均匀圆阵子阵干扰抑制波达方向估计算法。将整个阵列划分为若干个子阵,利用提出的最小二乘波束形成算法分别对子阵波束加权以抗干扰,加权后的子阵可以看作是一个‘有向阵元',将它们组成一个新的虚拟阵列,再进行超分辨谱估计。该方法通过子阵波束形成抑制强干扰,子阵输出中消除了强干扰分量,因此能够实现弱信号波达方向的正确估计,同时弱信号到达角估计的成功概率也得到了提高。最后计算机仿真实验验证了本文算法的有效性和正确性。

波束空间DoA算法性能综合分析

针对波束空间谱估计算法进行深入系统地研究,给出了基于波束空间预处理算法的内在关系及统一表达式,这一表达式在空间谱估计算法统一框架的基础上,揭示了波束空间预处理算法间的相互关系,有利于波束空间算法的推广应用。最后通过计算机仿真实验,从波束增益、理论性能和统计性能3个方面比较了各种不同波束空间算法的性能,并给出了一些计算机仿真结果和结论。

锥面共形阵列非圆信号2D-DOA估计

针对常用锥面载体的单曲率特性,结合合理的阵元布局和利用非圆信号非零椭圆协方差特性,提出一种锥面共形阵列天线非圆信号盲极化二维波达方向(two dimensional-direction of arrival,2D-DOA)估计方法。该方法基于非圆-旋转不变子空间(non-circular estimation of signal parameters via rotation invariant technique,NC-ESPRIT),充分利用非圆信号的阵列扩展性,将DOA与极化参数去耦合,在此基础上,对俯仰与方位角度参数分维处理,在未知极化参数的情况下,实现了2D的分维估计。针对相干源情况,推导了锥面共形阵列非圆信号解相干空间平滑算法,通过解相干预处理,保证了所提算法对相干信号的适用性,扩展了算法的应用范围。计算机仿真实验表明,所提方法在信噪比较低(小于10dB)时,较之已有算法大大提升了DOA估计精度,达到了较好的效果。

基于交替迭代的混合信号DoA与ULA互耦误差估计算法

针对互耦条件下均匀线阵(Uniform Linear Array,ULA),该文基于交替迭代提出一种适用于混合信号模型的波达方向(Direction of Arrival,DoA)与互耦误差估计算法。算法首先利用ULA互耦矩阵的带状Toeplitz结构,提出一种基于门限的非相干信源DoA估计方法,进而实现互耦误差初步估计;在此基础上,以交互迭代方式实现混合信号DoA估计及互耦误差更新。算法最多只需二次交互迭代,就可实现收敛。计算机仿真结果表明:该算法在较少接收快拍数及低信噪比情况下,均具有良好的DoA及互耦误差估计性能。