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。

面向二维波达方向估计的无孔洞互质面阵设计

针对传统互质平面阵列(Coprime planar array, CPA)结构在使用其差分共阵(Difference coarray,DCA)进行二维波达方向(Direction of arrival,DOA)估计时存在孔洞,因此损失可用连续自由度的问题,本文提出了一种无孔洞互质面阵(Hole-free coprime planar array,HFCPA)结构。这种面阵由无孔洞互质线阵分别沿x轴和y轴扩展得到,其DCA为无孔洞的矩形阵。此外,本文还给出了最佳HFCPA结构,以充分放大可用的连续自由度。仿真结果表明,与现有互质面阵结构相比,所提面阵结构在连续自由度数量、虚拟化效率和二维DOA估计性能方面具有优越性。

互质阵MIMO雷达DOA估计性能综合分析

以非相干信号源为研究对象,综合分析了单基地互质阵多输入多输出(MIMO)雷达的波达方向(DOA)估计性能。首先,在总结归纳互质阵结构特点的基础上推导了基于和联合阵列及和差联合阵列的单基地MIMO雷达测向信号模型,然后结合多重信号分类(MUSIC)算法,分别详细介绍了基于和联合阵列及和差联合阵列的单基地MIMO雷达DOA估计方法,最后,进行与等阵元数的均匀线阵MIMO雷达的对比仿真实验,验证了互质阵MIMO雷达DOA估计性能的优越性。

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。

基于核范数最小的正定Toeplitz填充算法及稀疏阵列解模糊应用

稀疏阵列流形是模糊的,但当其差分伴随阵连续且完备时,可通过阵列协方差相关序列的Toeplitz变换实现疏阵列流形识别与解模糊。当伴随阵不连续完备时,需估计缺失相关项。本文将估计缺失相关项转换成Toeplitz填充优化问题,并提出核范数最小的正定Toeplitz填充算法。该算法先对最大熵约束下Toeplitz的正定性约束松弛为矩阵的迹为正,将其转换为核范数约束优化问题,并提出截断的均值奇异值门限法求解缺失相关项,最后实现最近邻准则下的正定Teoplitz填充。该算法适用于任意稀疏线阵流形解模糊,有效地提高填充的稳定性,降低了计算复杂度。仿真结果验证了算法的有效性、正确性和实时性。

基于原子范数的互质阵列协方差矩阵重构算法

针对互质阵列的虚拟阵列插值过程中协方差项的非均匀加权问题,将互质阵列协方差矩阵重构转换为低秩矩阵填充与原子范数重构,提出基于原子范数的互质阵列协方差矩阵重构算法。该算法先利用广义增广法得到非完备的互质阵列协方差矩阵,并利用截断的均值奇异值门限填充法得到虚拟阵列的协方差矩阵初值,然后对其进行原子范数最小化求解,实现稳健的正定Toeplitz协方差矩阵重构。该算法充分利用互质阵列协方差矩阵信息,有效提高互质阵列DOA估计算法的稳定性,降低计算复杂度。

基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法

传统算法通常采取舍弃互质阵列的“差联合”阵列形成离散虚拟阵元,只利用其中连续虚拟阵元进行离波方向角(direction of departure,DOD)和波达方向角(direction of arrival,DOA)联合估计,存在自由度提升受限、估计性能不佳等问题。对此,提出基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法。首先,将两个互质子阵以零点为中心布列,分别构成双基地多输入多输出(multiple input multiple output,MIMO)雷达的发射阵列和接收阵列,该布阵结构将传统的虚拟阵元由阵列“差联合”结构形式变成“和联合”结构形式,降低了虚拟阵列的冗余度。其次,在形成的虚拟阵元基础上,通过在虚拟阵列孔洞位置内插虚拟阵元使其连续,对于内插的虚拟阵元无实际接收信号问题,基于最小化核范数优化理论,采用协方差矩阵Toeplitz化重建的方式恢复内插虚拟阵元的等价接收信号,利于所有虚拟阵元层面的角度联合估计。最后,针对因角度配对导致的高运算量问题,结合降维多重信号分类(reduced dimension multiple signal classification,RD-MUSIC)算法使角度自动配对,从而减小算法运算复杂度。有效提高了目标分辨力和角度联合估计性能,仿真实验验证了算法的有效性。

基于Toeplitz协方差矩阵重构的互质阵列DOA估计方法

针对基于互质阵列的欠定DOA估计方法对于虚拟阵元非连续部分利用率不高的问题,该文提出一种基于Toeplitz协方差矩阵重构的DOA估计方法。首先,从互质阵列差联合阵的角度分析虚拟阵元分布特性,结合其与协方差矩阵中各元素得到的波程差存在对应关系,将协方差矩阵进行扩展得到一个数据缺失的高维协方差矩阵;然后,根据矩阵填充理论,用迹范数代替秩范数进行松弛,对缺失元素进行填充;最后,利用现有root-MUSIC方法进行DOA估计。理论分析和仿真结果表明,该方法提升了虚拟阵元的利用率,从而增加了虚拟孔径和可估计信号数,同时无需对角度域进行离散化处理,有效消除了模型失配的影响,并且避免了正则化参数选取问题,提高了估计精度和分辨率。

基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计

针对传统算法进行DOA估计时因删除重复虚拟阵元而造成有效信息损失、估计性能不佳等问题,提出基于虚拟阵元冗余平均的对称嵌套MIMO雷达DOA估计算法。首先,将一组密布均匀线阵和一组稀疏均匀线阵分别以零点为中心对称排列,构成单基地MIMO雷达的发射阵列和接收阵列,将传统的虚拟阵元由"差联合"结构变成对称"和联合"结构形式,提高了系统的自由度、降低了阵元互耦,并将其应用于非相干目标和全相干目标DOA估计;其次,向量化样本协方差矩阵,将"和差联合"阵列重复的虚拟阵元进行冗余平均处理后重构Toeplitz矩阵;最后,结合MUSIC算法进行非相干目标DOA估计,有效提升了目标估计个数和角度估计性能。仿真实验验证了阵列结构和算法的有效性。

基于连续差联合阵列的非等距线阵无模糊波束形成方法

该文针对非等距线阵波束形成产生栅瓣的问题,提出一种基于连续差联合阵列的非等距线阵无模糊波束形成方法。该方法基于连续差联合阵列对非等距线阵进行阵形优化分析,利用连续差联合阵列与连续波程差一一对应的特性,扩展得到非等距线阵Toeplitz化的协方差矩阵。根据线性约束最小方差(LCMV)准则,可以直接利用该协方差矩阵得到稳健自适应波束形成。由于重构的协方差矩阵与相同孔径等距线阵的协方差矩阵相似,不会产生相位模糊,避免了波束形成栅瓣的影响。大量的仿真实验证明了该文方法的稳健性能。

高鲁棒性的三元冗余稀疏线阵设计

针对稀疏线阵在实际应用中受环境等因素影响发生阵元故障,进而导致自由度下降和波达方向估计(direction of arrival,DOA)性能衰减甚至失效的问题,设计一种由三段不同间距的均匀线阵以特定距离组成的三元冗余稀疏阵,并推导出该阵列自由度的解析表达式。三元冗余阵配置规则简明,差分共阵连续无孔,数学证明可以不小于3的权重覆盖除最远端4个外所有虚拟阵元,具有较低的阵元重要性和较小的广义k脆弱性。三元冗余阵设计兼顾最大自由度、冗余度和稀疏性,阵元故障时,与其他稀疏线阵相比,有更稳定的差分共阵和更高的连续自由度;与多重冗余阵相比,有更低的阵列互耦。仿真实验显示出三元冗余阵在阵元故障下的优越鲁棒性和更高的DOA估计精度。

基于L形嵌套的混合MIMO相控阵雷达阵列设计

混合MIMO相控阵雷达发射端的子阵分割会导致自由度损失,为了解决这一问题,提出了一种基于嵌套阵结构的L形收发阵列设计方法。首先将发射端的混合MIMO相控阵雷达线阵纵向放置,然后接收阵列设计为横向布置的嵌套阵结构,最后通过在虚拟阵列中构造差异阵列,以L形的线阵结构实现了二维混合MIMO相控阵雷达的功能。通过形成虚拟阵元数目扩展,在保留混合MIMO相控阵雷达优势的同时增大了阵列自由度。且本文给出了这种结构下阵列流形的闭合表达式。仿真结果表明,与传统的混合MIMO相控阵雷达相比,这种方法能够提高自由度和波达方向估计精度。

一种平面差分传声器阵列的声成像算法

为了减小已有声成像定位系统使用的阵元数,提出一种基于差分域的平面传声器阵列的高分辨率成像方法。将该方法运用于二维嵌套阵列等平面稀疏阵列结构,在差分域获得具有更高自由度的均匀矩形阵列,从而用少量的传声器获得高分辨的声成像。仿真结果表明:所提算法在使用49个阵元的情况下比基于典型平面阵列使用81个阵元进行常规波束形成的声成像算法得到的主瓣宽度更窄,在低信噪比时定位精度更高。

基于差分阵列的双基地EMVS-MIMO雷达高分辨多维参数估计

为提升双基地EMVS-MIMO雷达的多维参数估计性能,该文提出利用发射/接收EMVS的差分阵列结构来实现多维参数的高分辨估计。对于阵列接收数据,可以利用高阶张量来实现对发射/接收EMVS的差分阵列的构建。首先,利用高阶张量的交换和缩并规则来构建一个包含原始发射/接收EMVS差分阵列结构的5阶张量模型;通过利用两个选择矩阵,可以剔除该张量模型中差分阵列的重复元素,且获得的差分阵列的自由度为原始阵列自由度的两倍。然后,对新构建的5阶张量模型再次进行张量的缩并处理可以获得一个第3个维度为36的3阶张量模型。最后,通过利用平行因子分解算法可以实现对发射4维参数和接收4维参数进行有效的求解。仿真实验表明,该文对差分阵列的构建有效地实现了双基地EMVS-MIMO雷达中多维参数估计性能的提升。