干涉式矢量传感器MIMO雷达的DOD/DOA和极化联合估计

该文结合干涉测量理论与简化矢量传感器多输入多输出(MIMO)雷达,提出一种干涉式矢量传感器MIMO雷达的发射方位角(DOD)、接收方位角(DOA)和极化联合估计方法。利用干涉发射阵列的长、短基线空间平移不变性采用多分辨ESPRIT算法获取DOD高精度估计值;同理,利用矢量接收阵的多分辨特性得到高精度DOA估计值;利用与阵列结构无关的极化域旋转不变性求取极化辅角和极化相位差。最后给出随机信号源模型下的闭式克拉美罗界推导。该干涉矢量MIMO阵列,可同时获取MIMO雷达的波形分集和矢量传感器的极化分集,且在不增加阵元数和硬件复杂度情况下大大扩展有效孔径,提高了角度估计精度。另外简化矢量传感器减少了传统矢量传感器的互耦效应更有利于工程实现。仿真结果证明了该文多参量估计算法的有效性。

基于矢量传感器MIMO雷达的DOD DOA和极化联合估计算法

该文研究了一种基于多输入多输出(MIMO)电磁矢量传感器阵列雷达目标波离角(DOD),波达角(DOA)和极化联合估计问题。提出一种新型矢量阵MIMO雷达系统模型,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器。在此基础上,该文提出4维MUSIC,ESPRIT和迭代1维MUSIC 3种联合参数估计算法。其中迭代1维MUSIC算法首先利用矢量传感器的内在结构特点获得目标DOA预估计,随后采用MUSIC算法对DOD和DOA分别进行1维搜索获得目标角度的高精度估计,最后给出一种基于ESPRIT的目标极化估计算法。迭代1维MUSIC算法可用于不规则阵列,对接收阵列约束较少,无需2维搜索及多维搜索,还可以利用矢量阵特点扩展阵列孔径提高DOA估计精度。此外,论文还推导了DOD,DOA和极化联合估计的CRB。仿真实验表明,与前两种算法相比,迭代1维MUSIC算法具有与CRB更接近的估计精度。

一种波束内目标与诱饵DOA联合估计新方法

拖曳式诱饵干扰下目标和诱饵DOA参数的准确估计是导引头实现目标分选的前提条件。波束内目标和诱饵的存在引起雷达回波混叠和观测耦合,导致常规观测提取与参数测量方法失效。通过挖掘雷达接收回波和、差通道信号条件概率分布协方差所包含的未知参数信息,获得了目标和诱饵DOA估计的解析表达式,针对估计求解中所需相对功率比未知的情况,提出了基于干扰检测、雷达测量与目标跟踪信息辅助循环估计相对功率比的DOA二次联合估计方法。不同干扰条件的仿真实验验证了估计方法的有效性。

多径信道中多用户检测和DOA估计联合处理方法

提出了一种基于三线性模型的多径信道中多用户检测和波达方向(Directionofarrival,DOA)估计联合处理方法。对阵列接收到的信号分析表明,阵列接收信号具有三线性模型特征。在分析单径信道中的三线性模型的基础上,研究了多径信道中阵列接收信号三线性模型,提出了一种改进的三线性交替最小二乘(Improvedtrilinearalternatingleastsquare,ITALS)算法,它可对多用户检测和DOA估计进行联合处理。该算法利用方向矩阵的Vandermonde特征、基于最小二乘法对方向矩阵进行重构和DOA估计。仿真结果说明,该方法具有较好的误码率性能、较快的收敛性能和精确的DOA估计性能。当DOA靠近90°时,DOA估计性能下降。

基于空间演化谱的Chirp信号极化和DOA的联合估计

本文研究了时变幅度Chirp信号的演化谱,提出了分别在时间轴和频率轴上聚集能量的方法,改善了演化周期谱的能量聚集性。同时,基于时变幅度Chirp信号的空间演化谱,提出了一种新的空间极化时频分布,用此空间极化时频矩阵代替自相关矩阵估计信号子空间和噪声子空间。采用L型正交短偶极子阵列,用ESPRIT算法实现了多Chirp信号DOA和极化参量的联合估计,并提出一种新的多信号参量配对的方法。通过仿真将本文的算法其他一些算法进行了比较。

柱面共形阵列DOA与极化参数高效联合估计算法

针对共形阵列天线信源方位与极化状态联合估计算法计算量大的问题,给出了一种基于多级维纳滤波器前向递推的柱面共形阵列天线信源方位与极化参数高效联合估计算法。新算法推导了柱面共形阵列天线多级维纳滤波器的前向递推。算法以某一期望信号的训练信号为已知条件,通过多级维纳滤波器的前向递推,来实现信号子空间和噪声子空间的快速估计,避免了协方差矩阵估计与特征值分解,大大减少了已有联合估计算法的运算量,使计算量由原来的O(N^(3)+N^(2)L)降低到O(N^(2)L)。仿真实验表明:算法在降低算法复杂度的同时,可保证算法的估计精度,在信噪比大于10 dB时,与已有算法具有近似相同的估计精度,证明了算法的有效性。

超宽带系统中基于DFT的TOA/DOA联合估计方法

针对现有的脉冲超宽带(Impulse radio ultra wideband,IR-UWB)系统中到达时间(Time-of-arrival,TOA)和波达方向(Direction-of-arrival,DOA)联合估计精度不足的问题,提出了一种基于离散傅里叶变换(Discrete Fourier transform,DFT)的TOA和DOA联合估计方法。该算法首先在频域上对接收信号建模,通过DFT处理频域接收信号的协方差矩阵得到两根天线的TOA粗估计结果。然后通过设计补偿矩阵对时延向量进行相位补偿。搜索可得粗估计结果的补偿值,进一步对TOA参数作出精确估计。最后根据两根天线的到达时间差与DOA之间的关系得到信号的DOA估计值,从而实现TOA和DOA的联合估计。仿真结果表明,所提算法的参数估计性能优于矩阵束算法和传统传播算子算法,且该优势随着信噪比的增大更为明显;同时所提算法无需复杂的特征值分解以及广义逆求解步骤,更易于工程实现。

超宽带系统中基于稀疏恢复的TOA和DOA联合估计方法

针对稀疏表示框架下进行超宽带系统中到达时间(Time of Arrival,TOA)和波达方向(Direction of Arrival,DOA)联合估计的问题,提出了一种基于稀疏恢复的TOA和DOA联合估计方法。采用l范数作为稀疏约束条件,并利用联合正交匹配追踪算法获取TOA估计值,解决了TOA配对问题,最后根据两副天线的时延差与DOA之间的关系获得信号的DOA估计。所提算法考虑了离网格信号参数估计问题,并通过联合稀疏恢复进行补偿。仿真结果表明,所提算法的参数估计性能优于传统的压缩感知算法、传播算子算法、矩阵束算法以及借助旋转不变性的信号参数估计技术(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法,同时计算复杂度更低。

基于载波变频稀疏采样与阵列移动的TOA-DOA联合估计

文中提出了一种利用少量传感器和少量快拍实现多目标波达时间(Time of Arrival,TOA)和波达方向(Direction Of Arrival,DOA)联合估计的方法。该方法设计了一种基于移动平台的完全稀疏阵列,保证不同时间的阵列位置合成后不存在重叠,并且通过差分变换可以得到更大的阵列孔径。同时,考虑了载波频率变换场景下一种新的稀疏采样方法,可以利用少量的快拍得到大量的虚拟数据,进而能够实现小快拍条件下TOA/DOA的精确估计。仿真结果表明,与传统的均匀线性阵列结合均匀采样的方式相比,文中所提方法能够识别更多的目标。同时,该方法的估计精度优于基于固定平台的嵌套阵列结合嵌套采样的方式。

一种波达方向、频率联合估计快速算法

首先提出了基于 PM(propagator method)方法的波达方向(DOA)、频率联合估计快速算法,给出了PM算子的一个估计,由PM算子构造出一特殊的低维矩阵,其特征值给出频率的估计,进而由估计的频率和相应的特征矢量得到DOA的估计。该算法具有参数自动配对,计算量小的优点,易于在工程应用中实时处理。计算机仿真结果证实了算法的有效性。

一种MIMO雷达二维DOA估计新方法

提出了一种基于立体阵的多输入多输出(MI MO:Multiple Input Multiple Output)雷达二维波达方向(DOA:Direction Of Arrival)估计新方法,该方法利用MI MO雷达形成的虚拟阵列数据来构造两个二阶统计量并对其进行联合对角化得到了目标方位角和俯仰角的闭式解。该方法不仅很好地解决了存在一维角度兼并时目标的二维DOA估计问题,而且无需二维谱峰搜索和参数配对即可实现对目标DOA的全方位估计。计算机仿真结果证明了所提方法的正确性和可行性。

平面极化天线阵列的DOA及极化参数降维估计方法

基于极化阵列的长矢量数据模型,提出了一种适用于平面极化天线阵列的DOA和极化参数联合估计的方法。通过利用谱函数的偏导数条件进行降维优化,从而大大降低在搜索过程中的运算量,同时保证了分辨能力与估计精度。通过仿真实验可以看出,所提算法相比于目前较有效的基于四元数的Q-MUSIC算法有着更好的分辨力与较小的均方误差,且减少了运算量。

基于联合对角化的近场源参数估计

该文提出了一种基于联合对角化的近场源信号到达方向和距离的联合估计算法。首先利用二阶统计量构造白化矩阵,再基于阵列接收数据的高阶累积量矩阵的对角结构信息利用联合对角化方法估计近场信号的阵列方向矩阵,从而由阵列导向矢量联合估计信号源的到达方向和距离。与高阶ESPRIT方法相比,该方法能够提高阵元利用效率,同时不需要参数配对算法。计算机仿真实验证实了所给算法的有效性。

一种新的盲联合角度-时延估计方法

提出一种新的盲联合角度-时延的估计方法,对阵列天线输出的过采样样本的Fourier变换后信号进行分析,结果表明,此信号具有三线性模型特征.为此,提出一种改进的三线性交替最小二乘(ITALS)算法,对波达方向(DOA)和时延联合估计.该算法利用方向矩阵和时延矩阵的Vanderm onde特征、基于最小二乘原理对方向矩阵和时延矩阵进行重构,以及对DOA和时延估计.仿真结果表明,ITALS方法具有较好DOA和时延联合估计性能,且在过载系统下仍有较好的性能.ITALS方法随着天线数增加联合估计性能变好;而且该方法无须信道衰落系数,是一种盲、鲁棒的联合处理方法.

均匀圆阵中盲联合角度和时延估计方法

提出了均匀圆阵中一种盲联合角度和时延的估计方法(BJADE)。对阵列天线输出的过采样样本的Fourier变换后信号进行分析,表明此信号具有三线性模型特征。该算法先利用三线性交替最小二乘(TALS)算法估计出方向矩阵和时延矩阵,然后利用时延矩阵的Vandermonde特征、基于最小二乘方法进行时延估计;利用方向矩阵结构特点和基于最小二乘方法进行二维角度估计。仿真结果说明BJADE方法具有较好角度和时延估计性能,且在过载情况下仍有较好的性能。该方法无须信道冲激响应,是一种盲、健壮的联合处理方法。

一般阵列误差情况下信号二维方向角和多普勒频率的联合估计

针对平面阵列 ,推导出基于一般阵列误差模型的信号时空DOA矩阵 ,采用总体最小二乘法 (TLS)估计出多个信号的方位角、俯仰角和多普勒频率 ,解决了大多数估计算法的性能因阵列误差而严重下降和“频率兼并”问题。此算法对噪声不敏感 ,不需进行谱峰搜索。仿真结果表明了此算法的有效性。

基于双基地频率和方位联合估计算法研究

提出一种基于双基地频率和方位联合估计的新算法,是基于UN-ESPRIT方法和两个阵列之间的互相关DOA矩阵法,称之为UN-DOAa-ESPRIT算法。该算法可以同时估计目标信号的频率和两个基地(即两个阵列天线)方位角。所估计的参数自动配对,不需要额外的配对运算,而且在不知道的相关噪声环境下同样可以有效地进行估计。数值仿真结果证明了算法的有效性。

基于协方差矩阵重构的互质阵列DOA估计方法

针对现有基于互质阵列的DOA估计方法,由于舍弃差联合阵列中非均匀虚拟阵元而导致最大可估计信号损失的问题,提出了基于协方差矩阵重构的互质阵列DOA估计方法。根据差联合阵列与波程差一一对应的关系,将协方差矩阵扩展为一个部分元素缺失的Toeplitz矩阵;通过求解迹范数最小化问题实行对协方差矩阵中零元素的填充,阵列自由度得到提升;利用求根MUSIC方法实现DOA估计。仿真结果表明:该方法有效提高了可估计信号数且能够有效避免传统稀疏重构算法中模型失配对估计性能的影响。

一种联合角度时延估计新方法

为了实现DOA和时延的联合估计,提出了一个无线通信中高分辨率的联合角度和时延估计方法,该方法不需要对参数进行搜索,利用空时矩阵的特征向量和特征值分别估计DOA和时延,通过特征值和特征向量的对应关系,估计的参数可以自动实现配对, 只要各路径信号的DOA和时延不同时接近此方法都可以适用,与JADE-MUSIC,JADE-ESPRIT和SI-JADE算法相比,该算法具有较好的鲁棒性和较小的估计误差。仿真结果证明了该算法的有效性。

利用盲源分离算法实现DOA估计

提出一种基于快速盲源分离算法实现波达方向(DOA)估计的方法。构造了具有对角化结构的相关矩阵组,引入解盲源分离问题的联合对角化代价函数,采用一种快速的复数域乘性迭代算法求解代价函数,得到混迭矩阵逆的估计,进而实现DOA估计。与同类算法相比,该算法具有更广的适用性和更精确的DOA估计性能。仿真实验结果验证了算法的快速收敛性和优越的估计性能。