基于遗传算法的圆柱阵列稀疏方法

由于共形阵列所具有的特性,使其正得到日益广泛的应用,但其耗用较多的阵元,方向图具有相对主瓣较高的旁瓣电平。为此,针对基本的共形阵列——圆柱阵列的天线阵元,应用经典遗传算法,以阵元的工作状态为优化参量,对其进行稀疏。减少了阵元数量,仿真结果表明,该方法能有效地降低圆柱阵列的旁瓣电平。

大规模平面阵列稀疏优化技术综述

针对当前星载相控阵宽频带、轻量化需求和天线阵列超密集布阵的特点,研究大规模平面稀疏天线阵列能够有效简化通道设计、降低散热难度,同时具有一定的副瓣抑制效果。首先介绍天线阵列稀疏优化技术的基本原理;其次综述几种常用的大规模平面阵列稀疏优化技术,包括确定性稀疏方法、随机性稀疏方法和混合稀疏优化方法;最后总结这几类阵列稀疏优化技术的优缺点,并展望其未来发展方向。

阵元失效下稀疏阵列的二维DOA估计算法

本文针对二维稀疏阵列在阵元失效条件下,因数据缺失导致虚拟阵列连续性被破坏及自由度下降的问题,提出了一种二维DOA估计算法。首先基于二维差分共阵构建虚拟阵列,然后利用解耦原子范数最小化理论,以矩阵填充的形式恢复协方差矩阵数据,实现对虚拟阵列中丢失虚拟阵元的内插,最后采用SS-MUSIC算法进行多信源的二维DOA估计。所提方法弥补了物理阵元失效所造成的影响,恢复了原始虚拟阵列的完整孔径特性,保持了虚拟阵列的自由度,从而确保了较高精度的二维DOA估计性能。仿真实验结果表明,在相同阵元数量及阵元失效情况下,本文提出的算法相比已有方法能有效地估计更多信源,并在小快拍数和低信噪比条件下表现出更高的稳健性,最大限度地保留并利用了稀疏阵列在二维DOA估计中的自由度优势。

基于空间频率估计的稀疏阵列测向

针对有互质型和嵌套型特征的稀疏阵列提出一种基于空间频率估计的测向方法,利用快速傅里叶变换(Fast Fourier Transform, FFT)就可以快速对同时同频多角度入射信号进行测向分辨。介绍了该方法的测向原理和处理步骤,给出了仿真结果。针对非均匀稀疏阵列,提出一种基于虚拟扩展和空间频率估计的测向方法,对该方法进行了理论分析和仿真验证。这两种方法运算量小,简单易用,工程实现非常方便。

稀疏阵列结构设计及波达方向估计研究进展

近年来,利用稀疏阵列估计信源的波达方向(Direction of Arrival,DOA)已成为阵列信号处理领域的研究热点问题之一。相较于传统的均匀线阵,稀疏阵列凭借其大孔径、高自由度、低互耦率、低冗余度、低开销和布阵灵活等优良特性,吸引了学术界广泛关注和系统性研究。同时,为充分发挥稀疏阵列的巨大优势,学者们已经从不同角度开发了一系列与之相适应的DOA估计算法,以进一步提高可分辨信源的数量和角度估计精度。本文在构建稀疏阵列信号模型和整理稀疏阵列相关术语的基础上,详细介绍了稀疏阵列结构设计及DOA估计算法的发展历程和代表性研究成果。在稀疏阵列结构设计方面,围绕自由度、互耦率和冗余度等核心指标,深入剖析了各类稀疏阵列结构的设计思想,并着重描述了嵌套和互质两类结构性稀疏阵列的连续自由度和自由度特征;在稀疏阵列DOA估计方面,根据信号参量构造原理的不同,阐述了基于物理阵列处理和虚拟阵列处理的两种测向理论,并分析了各自方法的适用条件和性能优势。此外,本文还回顾了稀疏阵列DOA估计的克拉美罗界(Cramér-Rao bound,CRB),为评估不同阵列和算法的优劣提供了重要依据。最后,通过梳理现有研究成果中存在的不足,对未来研究方向进行了展望,力图为稀疏阵列DOA估计的工程应用提供理论依据和技术支撑。

稀疏阵列的鲁棒矩阵填充DOA估计算法

稀疏阵列布阵灵活,增大阵列孔径的同时还能减少阵元间耦合,但基于稀疏阵列的传统波达方向估计会导致角度模糊混叠,带来估计精度差和稳健性不足的问题。针对以上问题,提出一种适用于稀疏阵列波达方向估计的加权截断奇异值投影(weighted truncated singular value projection,WT-SVP)的鲁棒矩阵填充算法。在填充迭代过程中根据奇异值的大小分配权重,突出大奇异值包含的阵列信息,减少小奇异值中不必要的噪声信息,从而优化传统奇异值投影算法。该算法可以实现稀疏阵列的孔洞信息恢复,对不连续阵元充分利用,同时WT-SVP填充算法实现了稀疏阵列波达方向估计的高精度、高分辨以及在低信噪比、低快拍时的高鲁棒性。

基于稀疏阵列的近场通信与感知方法

超大规模阵列的应用可以显著增加传输距离和提高频谱效率,克服路径损耗,从而为通信领域带来新的发展机遇。在超大规模阵列中用户往往处于辐射近场区域,因此通信系统需要采用更为精准的球面波模型。然而,超大规模阵列面临硬件成本和能耗高以及信号处理算法复杂等问题。为解决该问题,提出利用稀疏阵列构造超大规模阵列,赋能近场通感一体化。分别对稀疏阵列在远场和近场通信与感知中的关键问题进行了深入分析,阐述了现有稀疏阵列应用的挑战,并提出未来稀疏阵列的研究方向。

基于改进哈里斯鹰算法的MIMO雷达稀疏阵列优化策略

针对MIMO雷达稀疏阵列优化问题,提出一种改进哈里斯鹰算法的MIMO雷达阵列图优化策略。首先通过融合重心邻域搜索与状态转移算子提高哈里斯鹰算法的局部搜索能力,并在迭代过程中加入天牛须搜索策略,使得算法在迭代过程中始终保持较高种群多样性,提高算法的收敛精度和收敛速度。其次以等效虚拟收发波束的旁瓣峰值最小为目标函数,将改进后的鹰群算法进行优化求解。最后将所得实验结果与其他优化策略所得实验结果进行对比分析,所提算法所得旁瓣峰值更小,提高了MIMO雷达的识别能力和工作性能。

基于二维稀疏阵列的相控阵雷达超分辨角度估计方法研究——二维稀疏阵列结构分析

随着时代不断发展,基于均匀阵列的传统DOA估计算法已经落后于时代,稀疏阵列作为新型阵列能提高阵列自由度、降低阵元互耦效应。其中二维稀疏线阵相比于一维稀疏线阵性能更好、使用更广泛。本文总结了前人关于二维稀疏阵列的研究成果,主要研究内容如下:介绍了稀疏阵列。稀疏阵列的阵元间距不必再是信号半波长,降低了阵元间互耦效应,并通过构造虚拟阵列提高阵列自由度,扩展了阵列孔径。本文首先介绍了稀疏阵列是如何构造虚拟阵列并如何扩展阵列孔径这一核心理论,接着介绍了最小冗余阵列、嵌套阵列和互质阵列三种基础的阵列模型,并拓展介绍了L型互质阵列和精简型互质阵列模型,以及基于它们的DOA估计。

基于原子范数最小化的稀疏阵列稳健波束形成算法

为提高稀疏阵列在信号模型存在失配时的波束形成性能,提出一种基于原子范数最小化(Atomic Norm Minimization,ANM)的稳健波束形成算法。构建基于ANM的降噪问题模型,根据稀疏阵列的协方差矩阵结构将其转化为等价的半定规划问题,同时推导该问题的对偶问题以提高运行效率,求解得到阵列降噪后的接收数据和协方差矩阵。根据互质阵列的结构特性证明其空间谱的无模糊性,对所得的协方差矩阵直接使用多重信号分类算法获得入射信号的波达方向。利用虚拟填充技术得到与互质阵列孔径相同的均匀线性阵列的接收数据,最终获得阵列输出。通过计算机仿真实验,验证了所提算法的可行性和准确性,较其他被测算法输出的信干噪比至少提高1.5 dB。

可信推断近场稀疏综合阵列三维毫米波成像

考虑到主动式电扫描毫米波成像系统在实际应用中成像场景要求大,分辨率要求高,但毫米波的波长短,继而造成满足奈奎斯特采样定理的均匀阵列规模及馈电网络复杂度过高,面临着成像精度、成像速度和系统成本之间的矛盾。针对以上问题,该文提出了可信推断近场稀疏综合阵列算法(CBI-SAS),在全贝叶斯学习框架下,该算法基于贝叶斯推断对复激励权值进行稀疏优化,得到复激励权值的完全统计后验概率密度函数,从而利用其高阶统计信息得到复激励权值的最优值及其置信区间和置信度。在贝叶斯推断中,为了实现较少数量的阵元合成期望波束方向图,可通过对复值激励权值引入重尾的拉普拉斯稀疏先验。然而,由于先验概率模型与参考方向图数据模型非共轭,因此需对先验模型进行分层贝叶斯建模,从而保证得到的复激励权值完全后验分布具有闭合解析解。为了避免求解完全后验分布的高维积分,采用变分贝叶斯期望最大化方法计算复激励权值后验概率密度函数,实现复激励权值的可信推断。仿真模拟实验结果显示,相较于传统稀疏阵列合成方法,所提方法阵元稀疏度更低、归一化均方误差更小、匹配方向图精度更好。此外,基于设计的稀疏阵列采集近场一维电扫和二维平面全电扫实测回波数据后,利用改进三维时域算法进行三维重建,验证了所提CBI-SAS算法在保证成像结果的同时降低了系统复杂性的优势。

近距三维成像稀疏MIMO阵列设计

针对MIMO阵列雷达在近场条件下的成像应用,围绕稀疏阵列的设计方法展开研究。从雷达近距离成像模型开始,推导了基于后向投影(back projection,BP)成像算法的稀疏MIMO阵列设计数学模型,在此基础上给出了以点扩展函数(point spread function,PSF)为准则的阵列设计方法,同时分析了阵列的旁瓣抑制性能。最后,给出了两种稀疏MIMO阵列,同时进行多目标成像验证。从仿真结果可知,设计的稀疏MIMO阵列能够满足近距三维成像的需求,为下一步的实际应用奠定了基础。

面向1比特稀疏阵列的无网格测向方法

随着天线阵列规模的不断增大以及天线阵元数目的不断增加,模数转换器成本攀升。1比特量化技术能够有效减小数据规模,降低计算量,而基于1比特量化器的阵列定位是亟待解决的问题。本文提出了1比特量化器下的测向方法,该方法适用于均匀线性阵列及稀疏线性阵列,具有较强的适应性。首先根据1比特量化下协方差矩阵的多种特征建立协方差矩阵重构优化问题,再对该问题进行求解,最后通过范德蒙德分解定理得到角度的估计值。由于该方法不需要网格划分,因此实现了无网格估计,具有较高的估计精度。

基于动态搜索策略离散粒子群算法的稀疏阵列约束优化

针对目前稀疏阵列优化算法搜索策略单一和适用范围受限问题,对离散粒子群(Discrete Particle Swarm Optimization,DPSO)算法进行改进,提出了一种基于多种融合的综合粒子学习策略的算法,用其设计具有多个约束条件的稀疏平面阵列.该方法在粒子速度更新时使用基于小生境的分散解集合替换群体最优解,以形成高多样性种群.为了增强后期局部收敛性,在适时启动局部变异策略,利用变异概率自适应地调整粒子位置,并通过两个观测参数监控其运动状态.经典函数测试和平面稀疏阵列数值仿真结果证明了算法的有效性和鲁棒性.相同仿真条件下,相比于现有三种算法,该算法峰值旁瓣电平(Peak Side-Lobe Level,PSLL)分别降低了8.45%,6.77%和8.27%.

基于改进整型遗传算法的稀疏矩形平面阵列优化

为了降低固定稀疏率、固定孔径的稀疏矩形阵列的峰值旁瓣电平,提出一种改进整型遗传算法。该算法在整型遗传算法的基础上,提出了等间隔采样的交叉策略、多点变异策略以及优良基因重组的策略。采取等间隔采样的基因交叉方式,可以有效发挥整型编码的优势,从而提高算法的运行效率;为了提高种群的多样性,防止算法陷入局部最优,采用了多点变异策略;采用优良基因重组技术,加快了算法的收敛速度。仿真结果表明,相比传统的二进制和实数编码,整型编码更为直接高效;与用于稀疏矩形阵列优化的相关算法相比,本文所提算法获得了更优的旁瓣电平,证实了算法的有效性和优越性。

基于无人机集群的近场线性稀疏阵列波束形成研究

无人机集群构成的天线阵列常呈现近场、稀疏特性,经典波束形成理论无法适配。为此,该文首先构建了近场均匀线阵信号模型,通过对信号相位差函数进行泰勒展开近似提出基于线性调频脉冲压缩处理的近场波束形成简化实现方法,并以此为基础在空间-频率2维域内对近场波束形成特性进行了分析:从空间频率偏移和带宽失配的角度,分析得到了近场波束的方位向增益变化特性和距离向增益变化特性;从空间欠采样的角度,研究提出了阵元稀疏分布条件下近场波束栅瓣分布的解析表达式。仿真证明了该文结论的有效性,为利用波束形成技术提高无人机集群的通信、电子侦察、干扰能力提供了理论支撑。

基于耦合张量分解的稀疏阵列二维DOA估计算法

传统基于张量分解的稀疏阵列波达方向(direction of arrival,DOA)估计,通常将协方差矩阵直接进行划分来构建满秩张量,但这种方法没有考虑数据间的结构信息,使得信息利用不充分。针对这一问题,提出了一种基于数据间耦合关系的张量分解算法。根据信息间的结构特点,构建在俯仰和方位维度能分别利用耦合特性的两个三阶张量。通过张量分解从中估计出两组角度值,将其中利用耦合特性估计出的角度值作为DOA值,伴随产生的估计值用作角度匹配。仿真结果验证了所提算法可进一步提升对数据间耦合信息的利用,有效提高二维DOA估计的精度。

一种基于平行稀疏阵列虚拟孔洞填充的二维DOA估计算法

采用稀疏阵列进行波达方向(Direction of Arrival,DOA)估计时往往会产生虚拟孔洞,它严重限制了阵列孔径的扩展与阵元自由度的提升。由于孔洞位置与初始阵列阵元数目、排布方式有关,故较难对其进行预填充。为此,提出了一种基于平行稀疏阵列虚拟孔洞填充的二维DOA估计算法,利用双稀疏线阵扩展生成两个不同的虚拟阵列,并利用其中一阵的信息去填充另一阵的孔洞。为尽可能减少总阵元数目,采用提前计算的孔洞位置去设计另一阵列的排布规则,并通过求根多重信号分类(Root-Mutiple Signal Classification,Root-MUSIC)算法替代传统的二维谱峰搜索算法完成对入射角度的估计与自动匹配。实验仿真结果验证了所提算法相比传统算法能以更少的阵元获得更高的估计精度。

基于稀疏阵列的米波TR MIMO雷达低空目标测高方法

基于时间反转(Time Reversal,TR)技术的米波多输入多输出(Multiple Input Multiple Output,MIMO)雷达能够有效利用反射波能量,较大地提升信噪比,但由于多径效应的存在,其采用均匀线阵信号模型时仍面临超低空目标测高精度下降以及测高误差随俯仰角变化起伏剧烈的问题。本文以降低多径效应的影响为目的,从阵列结构和算法实现两个方面出发,将稀疏阵列应用于米波TR MIMO雷达的低空目标测高。首先,本文建立了基于稀疏阵列的单基地米波TR MIMO雷达镜面反射信号模型,然后结合广义多重信号分类算法和最大似然算法,提出了适用于该模型的低空目标测高方法。最后,仿真实验表明,本文所提出的基于稀疏阵列的米波TR MIMO雷达低空目标测高方法具有更显著的结构优越性和更优的低空目标测高性能。

阵元位置互质的线性阵列:阵列校正和波束形成

该文研究了阵元位置互质的线性阵列(CLA)的阵列校正和波束形成问题。在假设CLA天线单元部分校准的条件下,基于同时干扰定位与阵列校正(SILAC)技术,设计了一种适用于CLA的阵列校正和波束形成方法:CLA-SILAC-INCM算法。从理论上分析证明了,当CLA中包含有L_c≥3个完全校准的天线单元,使用SILAC技术可以高精度无模糊地实现干扰源角度和阵列天线幅相误差估计,并在此基础上完成干扰噪声协方差矩阵(INCM)重建和波束形成最优权向量构造。通过仿真实验验证了,提出的CLA-SILAC-INCM算法具有比其他常用算法更好的性能,尤其是信噪比接近干噪比时,CLA-SILAC-INCM算法的优势更为明显。