基于联合稀疏重构模型的双基MIMO雷达off-grid目标参数快速估计

针对多输入多输出(MIMO)雷达二维参数稀疏估计中的不在格点上(off-grid)目标问题,利用两次泰勒展开对信号模型进行修正,构建联合稀疏重构模型,将off-grid问题转化为联合稀疏重构问题;为降低计算复杂度,针对该联合稀疏重构模型提出Joint-2D-OMP算法。仿真结果表明:所提模型和算法在解决off-grid问题的同时,可有效提高参数估计的速度。

基于稀疏重构的L型阵列的二维波达方向估计

在L型阵列下,基于稀疏重构提出一种可实现自动角度配对的二维波达方向估计方法。首先,根据两均匀线阵接收数据的互相关矩阵构建二维稀疏线性模型;然后,通过数学变换将该二维模型转换为联合稀疏重构模型之内,通过联合稀疏重构算法分别单独获得信源方位角和俯仰角的粗略估计,并将此信息融入二维稀疏线性模型,大大减少了模型中原子个数,达到降低计算复杂度的目的;其次,从理论上分析了新方法可分辨的信源个数和计算复杂度;最后,通过一系列计算机仿真将新方法与其它子空间类二维波达方位估计方法进行比较,表明了新方法在估计精度上的优越性。

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output,MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival,DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio,SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization,MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。

非圆信号的贝叶斯稀疏重构阵列测向方法

对信号非圆特性的有效利用能显著改善子空间类阵列测向方法的性能,但难以弥补此类方法在低信噪比(SNR)、小样本等信号环境适应能力方面的局限。本文引入贝叶斯稀疏学习(SBL)技术以解决非圆信号的波达方向(DOA)估计问题,在结合信号非圆特性的同时对入射信号的空域稀疏性加以利用,通过将非圆信号阵列输出协方差矩阵和共轭协方差矩阵在预先定义的空域字典集上进行稀疏重构,得到入射信号的空间谱重构结果,并依据其谱峰位置估计各信号的方向。该方法对独立和相关信号都具有较好的适应能力,仿真结果验证了该方法在信号环境适应能力和相关信号测向精度等方面的优势。