分布式nested阵列及其高精度DOA估计

为了进一步提高分布式阵列的自由度和分辨力,提出一种分布式nested阵列。该阵列将nested阵列作为分布式阵列的子阵。基于Khatri-Rao积,nested子阵可提高整个阵列的自由度。分布式nested阵列以较少的阵元数及硬件成本实现大的孔径和较高的分辨力,而且提高了目标波达方向(direction of arrival,DOA)估计的精度。并利用基于Khatri-Rao积的空间平滑酉旋转不变子空间(estimation of signal parameters via rotational invariance techniques,ESPRIT)算法进行DOA估计。其先对协方差矩阵向量化提高自由度,然后利用空间平滑对新数据协方差矩阵进行秩恢复,最后使用双尺度酉ESPRIT算法得到DOA估计。仿真结果证明所提方法的有效性。

用于Nested阵列的多测量矢量DOA估计算法

Nested阵列协方差矩阵向量化后可认为是单测量矢量(Single Measurement Vector,SMV)模型,基于追踪算法和正交匹配追踪等算法在SMV模型下估计多个信源精度不高。针对这一问题,在空间平滑算法的基础上,提出了一种用于Nested阵列的多测量矢量(Multiple Measurement Vector,MMV)DOA估计算法。将SMV模型转为MMV模型,基于奇异值分解的1范数重构算法进行测向。仿真结果表明,基于所提MMV模型的1范数重构算法能够准确估计出目标数多于阵元个数的信号的波达方向。

基于nested阵列的高分辨DOA估计

针对nested阵列对邻近信号的分辨力受信噪比和快拍数等因素限制的问题,提出了基于nested阵列的加权子空间平滑M USIC算法.该算法对协方差矩阵向量化以提高整个阵列的自由度,使用空间平滑恢复新接收数据矢量阵的秩,采用校正的噪声特征值对噪声子空间进行加权,并对信号子空间进行空间谱合成,得到新算法的空间谱函数.通过搜索空间谱函数极大值实现DOA估计.结果表明,该算法在低信噪比及小快拍数条件下,对间隔较近的信号具有高分辨力.

Nested阵列的矩阵重构高精度DOA估计算法

针对Nested阵列利用Khatri-Rao积操作,将接收数据的协方差矩阵拉成列向量,即接收数据变为单快拍的问题,提出了一种新矩阵重构方法.该方法可恢复接收数据的协方差矩阵的秩,并提出了矩阵重构旋转不变测向算法.该算法可构造出Nested阵列虚拟阵元的协方差矩阵,利用这种矩阵重构的方法,可构造多个矩阵根据旋转不变方法进行测向.仿真结果表明,通过使用该种矩阵重构旋转不变测向算法,能够准确地估计出目标数多于阵元个数的信号的波达方向.

Nested阵列宽带LFM信号二维DOA估计

Nested阵列以其大阵列孔径和更多自由度的优点,成为近期研究的热点。但大多集中在对窄带、平稳信号的波达方向(direction-of-arrival,DOA)估计,针对宽带信号,特别是非平稳宽带信号的研究较少。本工作基于分数阶傅里叶变换,应用DOA矩阵方法,提出一种Nested阵列二维测角算法,不需进行二维非线性搜索和参数配对,可实现对宽带线性调频信号的空间波达角精确估计。仿真结果验证了该算法的优越性。

降噪稀疏阵列的多信号接收功率-波达方向联合估计

针对由于电磁环境日益复杂且受阵列阵元数目的限制,致使基于均匀放置的阵列构型无法满足多信号参数联合估计对自由度需求的问题,提出了一种采用降噪稀疏阵列的多信号入射功率-波达方向(DOA)联合估计方法。首先,利用Khatri-Rao积的性质将稀疏Nested阵列扩展为虚拟均匀线阵,从而获得超自由度;其次,根据Vandermonde矩阵结构选取对应虚拟阵元的接收数据进行Toeplitz矩阵重构,得到虚拟阵列的伪协方差矩阵,并对其进行降噪处理,降低噪声对功率估计的影响;最后,结合信号空域功率谱与信号子空间和噪声子空间的正交性实现多信号入射功率-DOA的联合估计。实验结果表明:使用该方法能超自由度地实现多个信号的入射功率和DOA的联合估计,且在低快拍和低信噪比条件下仍有较好的性能。