STAP method based on atomic norm minimization with array amplitude-phase error calibration

In this paper,a space-time adaptive processing(STAP)method is proposed for the airborne radar with the array amplitude-phase error considered,which is based on atomic norm minimization(ANM).In the conventional ANM-based STAP method,the influence of the array amplitude-phase error is not considered and restrained,which inevitably causes performance deterioration.To solve this problem,the array amplitude-phase error is firstly estimated.Then,by pre-estimating the array amplitude-phase error information,a modified ANM model is built,in which the array amplitude-phase error factor is separated from the clutter response and the clutter covariance matrix(CCM)to improve the estimation accuracy of the CCM.To prove that the atomic norm theory is applicable in the presence of the array amplitude-phase error,the clutter sparsity is analyzed in this paper.Meanwhile,simulation results demonstrate that the proposed method is superior to the state-of-the-art STAP method.Moreover,the measured data is used to verify the effectiveness of the proposed method.

Parameter Estimation of Multiple Frequency-Hopping Signals Based on Space-Time-Frequency Analysis by Atomic Norm Soft Thresholding with Missing Observations

In this paper,we address the problem of multiple frequency-hopping(FH)signal parameters estimation in the presence of random missing observations.A space-time matrix with random missing observations is acquired by a uniform linear array(ULA).We exploit the inherent incomplete data processing capability of atomic norm soft thresholding(AST)to analyze the space-time matrix and complete the accurate estimation of the hopping time and frequency of the received FH signals.The hopping time is obtained by the sudden changes of the spatial information,which is implemented as the boundary to divide the time domain signal so that each segment of the signal is a superposition of time-invariant multiple components.Then,the frequency of multiple signal components can be estimated precisely by AST within each segment.After obtaining the above two parameters of the hopping time and the frequency of signals,the direction of arrival(DOA)can be directly calculated by them,and the network sorting can be realized.Results of simulation show that the proposed method is superior to the existing technology.Even when a large portion of data observations is missing,as the number of array elements increases,the proposed method still achieves acceptable accuracy of multi-FH signal parameters estimation.

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。

基于三维原子范数的机载MIMO雷达STAP算法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)使用稀疏恢复技术时存在的格点失配问题,提出了一种基于三维原子范数的机载MIMO雷达STAP算法。该方法利用杂波空时谱在角度-多普勒域上固有的稀疏性,根据低秩矩阵恢复理论构造了基于三维连续原子集的MIMO雷达杂波信号稀疏恢复模型,避免了稀疏恢复中的格点失配问题,实现了杂波空时谱的高分辨率估计,有效提高了机载MIMO雷达STAP杂波抑制性能。仿真实验表明,本文方法在存在格点失配情况下的MIMO雷达STAP处理性能优于已有的基于字典网格的稀疏恢复方法和二维原子范数方法。

基于不动点深度学习的IRS辅助毫米波移动通信系统全信道估计

将智能反射面(IRS)与大规模MIMO结合能够保证和提高毫米波通信系统性能。针对基站(BS)-用户直连信道与用户-IRS-BS反射信道混叠场景,该文提出一种自适应的全信道估计方法。首先,引入辅助变量,采用原子范数将直连信道与反射信道的稀疏角度域子空间进行关联;然后,利用原子范数最小化将全信道估计问题建模为连续角度域稀疏矩阵重建规划;最后,基于不动点深度学习网络设计低复杂度的问题求解算法。该算法不仅能够克服传统基于模型解法中非线性估计算子对先验知识的依赖还可根据移动场景变化自适应调节算法复杂度。仿真结果表明,所提算法能够避免传统时分估计策略引起的差错传播效应,具有更高的估计精度和更低的复杂度。

Channel Estimation for Reconfigurable Intelligent Surface Aided Multiuser Millimeter-Wave/THz Systems

It is assumed that reconfigurable intelligent surface(RIS)is a key technology to enable the potential of mmWave communications.The passivity of the RIS makes channel estimation difficult because the channel can only be measured at the transceiver and not at the RIS.In this paper,we propose a novel separate channel estimator via exploiting the cascaded sparsity in the continuously valued angular domain of the cascaded channel for the RIS-enabled millimeter-wave/Tera-Hz systems,i.e.,the two-stage estimation method where the cascaded channel is separated into the base station(BS)-RIS and the RIS-user(UE)ones.Specifically,we first reveal the cascaded sparsity,i.e.,the sparsity exists in the hybrid angular domains of BS-RIS and the RIS-UEs separated channels,to construct the specific sparsity structure for RIS enabled multi-user systems.Then,we formulate the channel estimation problem using atomic norm minimization(ANM)to enhance the proposed sparsity structure in the continuous angular domains,where a low-complexity channel estimator via Alternating Direction Method of Multipliers(ADMM)is proposed.Simulation findings demonstrate that the proposed channel estimator outperforms the current state-of-the-arts in terms of performance.

Coarse-fine joint target parameter estimation method based on AN-RSC in OFDM passive radar

In this paper,we study the accuracy of delay-Doppler parameter estimation of targets in a passive radar using orthogonal frequency division multiplexing(OFDM)signal.A coarse-fine joint estimation method is proposed to achieve better estimation accuracy of target parameters without excessive computational burden.Firstly,the modulation symbol domain(MSD)method is used to roughly estimate the delay and Doppler of targets.Then,to obtain high-precision Doppler estimation,the atomic norm(AN)based on the multiple measurement vectors(MMV)model(MMV-AN)is used to manifest the signal sparsity in the continuous Doppler domain.At the same time,a reference signal compensation(RSC)method is presented to obtain highprecision delay estimation.Simulation results based on the OFDM signal show that the coarse-fine joint estimation method based on AN-RSC can obtain a more accurate estimation of target parameters compared with other algorithms.In addition,the proposed method also possesses computational advantages compared with the joint parameter estimation.

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。

面向阵列互耦扰动DOA估计的原子范数方法

互耦效应是天线阵列工作时阵元相互之间产生的一种干扰影响,会导致理想导向矢量与真实导向矢量之间存在偏差,严重影响参数的估计性能。本文针对阵列互耦扰动下的波达方向(Di-rection of Arrival,DOA)估计问题,提出了一种新的原子范数最小化方法MC-ANM,以提高参数估计精度。由于阵列互耦扰动下的原子结构不满足范德蒙德特性,原问题无法直接转化为半定规划程序。因此,文中基于对偶范数理论,推导了一个新的半定规划优化模型,作为原问题对应的对偶问题的充分近似,并构建了对偶多项式,以求解该半定规划优化中的DOA参数。仿真实验结果显示所提出的MC-ANM方法相较于传统原子范数最小化方法的估计性能有了明显的提升,同时估计精度要好于其他互耦扰动下的DOA估计算法。

基于盲超分辨的超大规模MIMO-OFDM信道与感知参数联合估计

面向未来6G网络,ISAC与XL-MIMO技术有机结合、共同演进,有望进一步提升ISAC性能。然而,XL-MIMO-ISAC中部署大量天线会产生近场效应,为准确获取CSI和目标参数信息带来关键挑战。为此,采用线性修改的原子范数最小化方法,建模毫米波通信信道和感知阵列响应这两种盲源之间极坐标域的子空间一致关联,并提出了一种基于盲超分辨技术的CSI与感知参数并行估计方案,以避免从叠加信号中串行估计通信信道与目标参数信息造成误差传播。将联合盲源估计建模为非完全观测条件下的低秩矩阵重构问题,并引入PSWF将问题转化为SDP。仿真结果验证了提出的算法在CSI精度和目标参数分辨率方面的有效性。

基于原子范数最小化的极化敏感阵列DOA估计

为了提高极化敏感阵列中压缩感知类波达方向(Direction Of Arrival,DOA)估计算法的精度,避免网格失配问题,本文使用正交偶极子阵列在原子范数最小化(Atomic Norm Minimization,ANM)的理论基础上提出一种无网格波达方向估计算法.首先,将一维正交偶极子天线接收到的多快拍信号分解为两个子阵再求和,然后通过解决半正定规划问题恢复出一个含有入射信源信息的半正定Toeplitz矩阵,继而对该矩阵进行Vandermonde分解,恢复入射信源的DOA信息.同时结合协方差矩阵的向量化结果和最小二乘法计算得到入射信源的极化辅助角和极化相位角信息.通过仿真实验,在不同快拍数和信噪比下,对比子空间类算法和压缩感知类算法,证明了该算法具有较高的测角精度.

阵元位置误差下的嵌套阵列DOA估计方法

阵元位置误差会使阵列流型产生较大的偏差或扰动,导致基于嵌套阵列的波达方向(Direction of Arrival,DOA)估计方法性能严重下降。针对上述问题,提出了一种基于阵列流型分离的最小原子范数(Array Manifold Separated Atomic Norm Minimization,AMS-ANM)DOA估计方法。建立阵元位置误差下嵌套阵列的虚拟域接收信号模型。利用AMS-ANM方法分离阵列流型中的位置信息和角度信息,通过求解原子范数最小化问题实现欠定条件下的高精度DOA估计。仿真结果表明,所提方法能够避免阵元位置误差对角度估计性能的影响,相比于L1-SVD和矩阵重构方法,在低信噪比和小快拍情况下可以有效提高嵌套阵列的DOA估计精度和空间分辨率。

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RD-ANM的毫米波雷达动目标超分辨DOA估计方法

超分辨波达方位角估计是车载毫米波雷达实现目标精准定位及跟踪需要解决的关键问题。针对车载场景中常见的阵列孔径受限、少快拍、低信噪比以及信源相干的情况,该文提出了一种基于距离多普勒域原子范数最小化(RD-ANM)的车载毫米波雷达动目标超分辨DOA估计方法:首先,构建了基于动目标雷达回波的距离多普勒域阵列接收信号;其次,设计了动目标多普勒耦合相位补偿矢量,用以削弱目标运动对DOA估计的影响;最后,提出了基于原子范数框架的多目标超分辨DOA估计方法。相较于车载毫米波雷达现使用的DOA估计算法,该文算法能够在基于低信噪比条件和单快拍处理前提下获得较高的测角分辨率和估计精度,以及拥有不牺牲阵列孔径对相干信号进行处理的稳健性能。理论分析、数值仿真以及实测实验验证了该文算法的有效性。

基于ANM的非均匀圆阵二维DOA估计

传统的基于原子范数最小化(Atomic Norm Minimization,ANM)的波达方向(Direction of Arrival,DOA)估计算法无法直接应用于不满足范德蒙德结构的非均匀圆阵,针对这一问题提出了一种基于虚拟阵列变换的改进方法。以某非均匀圆阵作原始阵列为例,首先通过虚拟阵列变换处理原始阵列接收的数据,使其转换为虚拟的均匀L阵接收数据,将非均匀圆阵上的DOA估计问题转化为两个均匀线阵上的DOA估计问题,再利用基于ANM的DOA估计算法与L型阵的二维角度关系还原出方位角和俯仰角。通过仿真与实测实验验证了所提算法应用于非均匀圆阵的可行性,并分析其DOA估计结果,证明其拥有较高的估计精度。

使用重加权原子范数最小化的稀疏可重构直线阵列设计

为克服网格失配问题并提升阵列性能,提出了使用重加权原子范数最小化的稀疏可重构直线阵列设计方法,将稀疏可重构直线阵列设计问题表示为多测量矢量稀疏优化模型,并通过重加权原子范数最小化算法解算出阵元位置和阵元激励。区别于经典压缩感知方法,该方法借助原子范数理论建立了阵元数量、阵元位置和阵元激励联合优化的无网格稀疏优化模型,从而可以克服网格失配问题,并提升阵列波束图的匹配精度。仿真实验表明,与压缩感知类方法相比,重加权原子范数最小化算法可以设计出波束匹配精度高一个数量级的稀疏可重构直线阵列。

基于原子范数最小化的单比特稀疏双极子阵列的波达角估计

现有的单比特稀疏双极子阵列的波达角估计方法为子空间方法,其估计精度依赖于信号的统计特征,并且没有充分利用协方差矩阵的结构,导致其估计精度较低.为了提高该阵列的波达角估计精度,本文提出了一种基于原子范数最小化的无网格稀疏化波达角估计方法.该方法将稀疏双极子阵列的波达角估计转化为标量阵波达角估计,并根据参数空间的连续性构造基于原子集的阵列信号稀疏模型,随后利用单比特采样下噪声的稀疏特征,将该波达角估计问题转化为l1范数约束下的原子范数最小化问题,并且给出一种基于交替方向乘子法的快速迭代求解方法.仿真结果表明:相较于现有的方法,本文所提方法有着更高的估计精度,在嵌套阵上,当信噪比为-5 dB时,其估计精度均方误差降低了17.9 dB;将求解原子范数最小化的计算复杂度由O(N6.5)降低为O(N3),其中N为与稀疏阵具有相同孔径和相同阵元间距的均匀线阵的阵元个数.

基于原子范数的无网格动目标参数估计

针对现有参数稀疏恢复空时自适应处理中动目标参数估计方法在字典失配条件下性能下降的问题,提出一种基于原子范数无网格稀疏恢复技术的动目标参数估计方法,该方法利用目标回波在角度-多普勒域的稀疏特性,根据连续压缩感知和低秩矩阵恢复理论实现了运动目标方位角和速度的高精度估计,避免了基于固定离散字典模型进行参数稀疏恢复时遇到的字典失配问题,有效提高了动目标参数的估计性能。仿真结果证实了所提方法参数估计性能优于已有基于字典网格的稀疏恢复参数估计方法。

可重构智能表面辅助的毫米波信道估计算法

针对可重构智能表面(RIS)辅助的毫米波通信中信道状态信息难以获取问题,该文给RIS的部分器件配备射频链,以分开估计基站(BS)/用户(UE)到RIS之间的信道。根据该结构,提出一种低复杂度的信道估计算法。该算法首先采用解耦原子范数最小化(ANM)方法将信道的离开角和到达角的2维角度估计问题转化为两个1维的角度估计的半正定规划(SDP)问题;其次,利用交替方向乘子算法(ADMM)对该SDP问题进行求解,采用动量梯度下降法对信道矩阵参数进行更新以避免矩阵求逆运算,并通过对迭代步长和信道矩阵参数的联合优化以获得更加精准的信道估计值;最后利用信号的2维角度和信道矩阵参数得到路径增益估计。仿真结果表明,该算法达到了优良的信道估计性能,且在确保信道估计性能的系统参数设置下,该算法的复杂度较低。

非凸松弛原子范数空时动目标参数估计算法

针对参数稀疏恢复空时自适应处理中的动目标参数估计存在字典失配的问题,提出一种非凸松弛原子范数空时动目标参数估计算法。该方法利用目标回波在角度-多普勒域的稀疏特性,根据连续压缩感知和低秩矩阵恢复理论实现了运动目标方位角和速度的高精度、超分辨率估计,避免了稀疏恢复中的字典失配问题,有效提高了动目标参数估计性能。仿真实验结果表明,相较于已有基于字典网格的稀疏恢复参数估计方法和原子范数估计方法,所提算法具有更高的参数估计精度和对空间紧邻目标的分辨能力。