基于压缩感知的高分辨DOA估计

研究基于压缩感知的多目标DOA估计问题。利用空间目标空域的稀疏性,提出一种新的DOA压缩感知模型,其感知矩阵满足约束等容(RIP)条件。提出一种基于奇异值分解的多测量矢量欠定系统正则化聚焦求解(SVD-RMFOCUSS)算法。该算法在一定程度上克服了压缩感知重构算法无法用于低信噪比情况缺陷,且具有较低的运算复杂度。计算机仿真表明该算法性能优于传统DOA估计算法,能够对任意相关性的信号进行有效DOA估计,具有更高的角度分辨力及估计精度。

双基地稀疏阵列MIMO雷达快速多目标定位方法

针对双基地稀疏阵列MIMO雷达目标定位问题,该文提出一种基于投影处理与奇异值分解的多测量矢量欠定系统正则化聚焦求解(Projection-SVD-RMFOCUSS,PSVDRMF)算法。该算法首先估计接收角,接着依次将回波信号向目标存在的角度进行投影,最后将投影后的数据重排进行发射角估计,从而得到目标的准确位置。同时借助奇异值分解(SVD)进行信号降维与能量积累,进一步降低运算量,提高了传统压缩感知恢复算法在低信噪比下的估计性能。与现有稀疏重建算法相比,该算法减少了2维场景带来的庞大运算负担,且保持了良好的性能,可以稳健地对相干与非相干目标进行定位。

基于压缩感知的波束域DOA估计

针对传统波达方向角(DOA)估计算法需要大量采样数据从而导致较高计算复杂度的问题,基于压缩感知理论,利用目标信号空域稀疏性,提出一种基于波束域的多测量矢量欠定系统正则化聚焦求解DOA估计算法。该算法将压缩信号从阵元域映射至波束域,一定程度上克服了稀疏重构算法无法用于低信噪比情况下的缺陷。数值仿真表明,与传统的Capon,MUSIC和l1-SVD算法相比,所提算法可对相干信号进行有效DOA估计,具有较高角度分辨力和估计精度;与RMFOCUSS和l1-SVD算法相比,所提算法具有较低计算复杂度。

基于波束域的多测量矢量欠定系统正则化聚焦求解算法

针对传统波达方向角估计算法采样数据量大导致较大计算复杂度的问题,提出了基于波束域的多测量矢量欠定系统正则化聚焦求解算法。该算法首先基于压缩感知理论对空域稀疏信号进行压缩采样,并将压缩信号从阵元域映射至波束域,进而构造出新的波束域接收信号,而后使用多测量矢量欠定系统正则化聚焦求解算法实现信号的波达方向估计。仿真实验表明,与传统的Capon及MUSIC算法相比,所提算法可对相干信号进行有效DOA估计,具有较高角度分辨力和估计精度;与基于阵元域的正则化聚焦求解算法相比,所提算法具有较低计算复杂度。