方位依赖幅相误差影响下的非圆信号多站直接定位算法

基于阵列观测站的目标定位易受阵列误差的影响。针对方位依赖幅相误差影响下的定位问题,提出了一种利用辅助阵元(Instrumental Sensor,IS)自校正的非圆信号多站直接定位(Direct Position Determination,DPD)算法。该算法利用辅助阵元校正方位依赖的阵列幅相误差,结合信号的非圆特性扩展数据模型,基于扩展子空间数据融合准则直接实现多目标位置参数与多站阵列误差参数的解耦估计,避免了传统两步定位方法的测向与数据关联步骤。仿真结果表明,该算法较传统的两步定位方法与未考虑阵列误差的直接定位算法均具有更高的定位精度,尤其在低信噪比与目标距离较近时优势更加明显。

基于辅助阵元的非圆信号自校正算法及其性能分析

针对非圆信号空间谱测向中方位依赖幅相误差的校正问题,基于辅助阵元自校正算法(ISM,instrumental sensor method)基本原理,提出一种改进的ISM算法:NC-ISM算法。该算法通过利用最大非圆率信号的扩展数据模型,提高了信号利用率,使其估计精度较一般的ISM算法有明显提升,最大可分辨信源数也增加一倍。对该算法的理论性能进行研究,证明了其参数估计的统计一致性,并采用一阶误差分析方法推导了辅助阵元模型误差影响下参数估计的均方误差表达式,从而为工程应用提供理论支撑。仿真结果验证了理论推导的正确性,同时表明,该算法较ISM算法在辅助阵元模型误差与低信噪比下都有更强的顽健性。

非圆信号的协方差匹配自校正算法及其性能分析

针对非圆信号测向中方位依赖幅相误差的校正问题,本文根据非圆信号的非圆特性和辅助阵元能够自校正的特点,对协方差匹配估计技术(covariance matching estimation technique,COMET)进行改进,提出一种适用于信源时域统计特性未知和统计独立特性先验已知两种情况的改进算法:NCCOMET算法.该算法利用非圆信号扩展协方差数据,使其校正精度较常规的基于辅助阵元的最大似然类算法(未利用非圆特性)有明显提升,且降低了最小辅助阵元数要求.从理论上证明了参数估计的统计一致性,采用一阶误差分析方法推导了有限采样影响下参数估计的均方误差表达式,并提出算法的"数据利用率"定义,定量比较获得了NC-COMET算法的数据利用率较常规的最大似然类算法的提升幅度.仿真结果亦表明NC-COMET算法性能较常规的最大似然类算法更优:低信噪比下具有更强的鲁棒性;信源时域统计独立特性先验已知或者大非圆率的情况下,该算法对校正精度的提升尤为明显.