基于改进粒子群的时差测向最优阵列布局

为了减小阵列布局对测向算法精度的影响，提升在特定场景下目标的测向精度，提出基于竞争策略和差分进化策略的粒子群优化（PSO-CDE）算法，并基于PSO-CDE实现时差测向阵列优化。首先，基于时差测向的原理，以位置约束和基线约束设计传感器阵列，以均方误差构建适应度评价函数；其次，提出PSO-CDE算法来提高粒子群性能和鲁棒性，并基于PSO-CDE算法对阵列布局进行策略优化；最后，通过仿真靶场环境，得到不同条件下的优化阵列布局。仿真结果表明：优化后的阵列较规则阵列具有更高的目标测向精度。同时，对比分析最优阵列中阵列基线、阵元数量和时延误差对测向精度的影响，为实际场景中阵列布局优化策略的选择提供相应的参考依据。     

平滑重构稀疏贝叶斯学习测向算法

针对二级嵌套阵列中的紧凑阵元结构易受互耦效应影响的问题,提出了两种不同的嵌套阵列结构改进方法：连续平移嵌套阵列和间隔平移嵌套阵列。通过对原有二级嵌套阵列阵元位置进行调整,形成了两种不同的平移嵌套阵列结构,这两种结构对应的差分共阵均"无孔",并且测向自由度和阵列稀疏度均大于原二级嵌套阵列。针对嵌套阵列的差分共阵测向模型为单测量矢量模型,稀疏贝叶斯学习测向算法复杂度高的问题,提出了平滑重构稀疏贝叶斯学习算法。该算法通过空间平滑重构将单测量矢量模型变为多测量矢量模型,降低了观测矩阵的维度,减小了计算复杂度。算法求解时,通过对变换后的观测矩阵进行奇异值分解,进一步降低了观测矩阵维度,利用稀疏贝叶斯学习算法估计辐射源角度。仿真表明,在信噪比和采样数相同的条件下,该算法收敛速度比单测量矢量稀疏贝叶斯学习（SMV-SBL）算法快,且测向精度高于SMV-SBL算法和空间平滑多重信号分类（MUSIC）算法;存在互耦影响时,两种平移嵌套阵列比原嵌套阵列受互耦影响小。     

基于约束最小冗余线阵与干扰对消的测向方法

针对有源干扰背景下信号源和干扰源的个数超过线阵的自由度而产生线阵饱和现象,提出一种将约束最小冗余线阵与干扰对消技术相结合的测向方法。通过将无源状态和有源状态下线阵输出数据的协方差矩阵进行对消运算去除有源干扰和噪声分量,并对约束最小冗余线阵的波达方向(DOA)估计算法进行改进,构造了新的协方差Toeplitz矩阵,有效抑制了由阵列非均匀性导致的伪峰,提高了阵列的DOA估计性能。仿真结果表明:该算法在低信噪比背景下具有抗有源干扰能力,扩展了阵列孔径,并具有较高的测向精度和鲁棒性。     

变前掠翼气动布局纵向性能研究

发展和改进了一种变前掠翼气动布局及其设计思想,设计了集战斗和轰炸于一体的通用任务模式,并根据设计指标和翼身融合技术初步设计了变翼几何外形。采用N-S方程计算了该几何外形不同构型的纵向气动性能,分析了机翼前掠角对不同任务模式下纵向气动性能的影响。结果表明,变前掠翼气动布局可通过改变机翼前掠角来获取最佳纵向气动性能。     

阵元位置误差有源估计方法研究

阐述了对阵列天线阵元位置误差进行的研究,首先在天线阵列所在平面设置一个校正源,利用该校正源对阵元位置误差引起的阵列流形误差进行估计,然后将同一校正源放在不同方位角对阵列流形误差进行估计,最后经过矩阵运算估计出阵元位置误差。仿真证明此方法的有效性。     

多天线结构对无人机MIMO信道容量的影响

为进一步提高无人机(UAV)遥测链路传输容量,分析了无人机多输入多输出(UAV-MIMO)天线间隔、阵列等结构参数对信道容量的影响。建立了无人机MIMO基于散射体三维几何分布的单跳同心椭圆(GBSBCERS)信道模型,结合机载MIMO天线布局方案,给出了无人机MIMO信道矩阵及遍历容量的表达式。数值仿真表明,受无人机远距离通信的影响,信道容量与天线间隔呈正比变化;且相比于线阵布局,圆阵布局虽然受到无人机姿态变化的影响,但仍具有较高的信道容量。通过分析多天线结构对无人机MIMO信道容量的影响,对设计实现高速无人机数据链具有实际意义。     

一种基于翼形布局的干涉仪测向方法

翼形布局的干涉仪其布阵方式与传统干涉仪不同,需要寻求新的测向方法。本文分析了一维干涉仪测向情况,并由此得出翼形布局干涉仪天线测向方法。实验室测试结果表明,该方法测向精度满足应用要求。     

一种基于协方差矩阵加权的阵元误差补偿STAP处理

机载多通道阵列雷达天线在工程实践中不可避免地存在各类阵元误差,所产生的通道失配问题会对空时二维自适应处理的性能造成大的影响。对存在阵元误差时的阵列信号模型进行了分析,提出了一种基于协方差矩阵加权（CMT）的阵元误差补偿空时自适应处理（STAP）方法,在工程应用中该加权矩阵可通过地面天线定标及校飞过程确定,通过对总干扰协方差矩阵估计的加权预处理,可将实际阵元误差对STAP性能的影响控制在测量误差的影响范围,最后通过仿真验证了算法的有效性。     

一种基于多基线载波相位差测量的欺骗干扰检测方法

由于卫星导航信号到达地面的信号功率较低,且民用部分信息公开,极易受到欺骗干扰信号的影响,从而导致接收机解算出错误的位置、速度或时间.针对传统的欺骗干扰检测与抑制方法不能对欺骗干扰进行测向的问题,提出了一种基于阵列多天线接收信号的载波相位差进行欺骗信号检测与抑制的方法.该方法能够在缺少先验知识的条件下,借鉴相关干涉仪测向原理,利用不同阵元接收的同一信号的载波相位差构建观测量,实现接收机捕获信号的波达方向估计,通过与星历解算的卫星方向进行对比可实现欺骗干扰的检测与识别.仿真结果表明,该方法能够实现针对不同卫星的多个欺骗信号的波达方向识别,识别精度较高,具有较好的欺骗干扰检测效果,并且该方法对各种导航系统均适用.     

星载DBF接收天线误差校正算法

 提出了一种改进的基于子空间的星载数字波束形成（DBF）接收天线的误差校正方法。根据阵列互耦效应主要取决于阵元间的几何距离这一特点,利用阵元空间排布的对称性简化了天线的互耦模型,将天线的互耦效应及射频(RF)通道失配统一为通道间的幅相不一致。通过在基带注入特定的阵内相位差降低了子空间算法的计算复杂度。在建立7单元正六边形平面阵仿真模型的基础上,分析不同信噪比(SNR)环境下校正算法的性能,经比较得出可以通过提高发射信号功率改善误差估计的精度,验证了算法的有效性。仿真分析结果表明该算法在卫星通信系统中有一定的工程应用价值。     

非理想均匀圆阵的波达方向和多普勒频率联合估计

针对均匀圆阵存在一般阵列误差 (如阵元的幅相误差和安装位置误差等 )的情况 ,提出了多个信号的波达方向和多普勒频率估计方法。直接利用均匀圆阵的阵列流形 ,采用波达矩阵法估计各个信号的多普勒频率。由一般阵列误差的统计特性构造加权矩阵 ,采用加权总体最小二乘法估计各个信号的波达方向。此方法具有鲁棒性强等特点。计算机仿真证明了此方法的有效性     

运动单阵元被动合成阵列波达方向估计

 提出了一种运动单阵元被动合成阵列波达方向(DOA)估计算法。该算法基于被动合成阵列(PSA)的概念,结合空间谱估计的思想构建了运动单阵元被动合成阵列模型,通过多次不同速度合成阵列过程实现对信号DOA的无模糊估计。通过对单次匀速合成阵列过程进行分析得到,在假设信号频率已知条件下,合成阵列算法能够达到与同孔径实阵列多重信号分类（MUSIC）算法相当的DOA估计性能。仿真验证了被动合成阵列与同孔径实阵列的渐近等效性及算法的有效性。     

一种稀疏阵列下的二维DOA估计方法

研究了稀疏阵列下二维波达方向（DOA）的估计问题,提出一种基于不动点迭代的空间谱估计（FPC-MUSIC）算法。首先建立基于矩阵填充的DOA估计信号模型,并验证该信号模型满足零空间性质（NSP）,其次通过不动点迭代算法将稀疏阵列信号恢复为完整信号,最后利用恢复信号估计二维DOA。该算法可在稀疏阵列下大幅度降低谱估计平均副瓣,在大幅度降低阵元数的同时具有较高的估计精度。计算机仿真表明：FPC-MUSIC算法可在稀疏阵列下准确估计二维DOA,验证了该算法的有效性和优越性。     

线性极化敏感阵列的极化平滑算法及相干源参数估计

 研究了基于极化敏感阵列的相干信号参数估计问题。首先,提出一种利用均匀线性极化敏感阵列的新型极化平滑算法(ULAPSA),其能够处理更多相干信号的参数估计,且具有更小的计算量。然后,基于ULAPSA给出了波达方向（DOA）和极化参数估计的两种方法：第1种方法利用角度搜索得到信号的DOA估计,适应任何多分量的电磁矢量传感器阵列;第2种方法结合传播算子算法,无需奇异值分解和角度搜索,能够同时估计信号的DOA和极化参数。该方法适应完备的电磁矢量传感器、三偶极子或三磁环构成的矢量传感器。最后,通过仿真实验比较和分析了所提算法的性能。     

未知互耦条件下混合信号波达方向估计

阵列天线互耦对导向矢量的扰动以及信号相干性对数据协方差矩阵造成的秩损,使得基于子空间正交性原理的超分辨波达方向估计(Direction-of-Arrival,DOA)算法性能恶化,甚至失效。针对这一问题,提出一种在相干与非相干信号混合状态下无需阵列互耦补偿的特征矢量平滑DOA估计算法。该算法对部分阵元接收数据的协方差矩阵特征分解,将得到的特征矢量平滑处理后构造等效协方差矩阵,抑制阵列互耦影响的同时完成混合信号DOA估计。在阵列互耦和信号相干性均未知的条件下,正确估计了信号DOA,无需互耦参数估计或补偿。计算机仿真结果验证了算法的有效性。     

Direction-of-arrival estimation using signal subspace modeling

A computationally viable algorithm for estimating the direction-of-arrival (DOA) of multiple wavefields that are incident on an array of sensors is developed. The geometry of the array is unrestricted and the incident wavefields may be generated by mixtures of incoherent and coherent emitting sources. In the approach taken, the sensor signals are modeled as a noise-contaminated linear combination of steering vectors which are functionally dependent on a set of DOA parameters. These parameters are to be chosen so that this sensor signal model is most compatible with empirically measured data (i.e., snapshot data). An iterative procedure is developed for selecting the most data compatible set of DOA parameters in both the snapshot domain and the array covariance matrix domain. Critical to the success of such iterative solution procedures is the generation of quality DOA parameters to initialize the algorithm. A sequential beamforming method for this initialization is presented. Numerical examples to illustrate the effectiveness of the proposed algorithmic approach are given     

Comparison of signal estimation using calibrated and uncalibrated arrays

We consider the problem of separating and estimating the waveform of superimposed signals received by an array of sensors. If the array is well calibrated it is possible to first estimate the directions of arrival (DOA) of the signals and then use this information to separate the signals. When the array is not calibrated, but the array elements have the same unknown gain pattern, up to an unknown multiplicative factor and the phases of the elements are arbitrary and unknown, it is possible to estimate the array steering vectors and then use this information for signal estimation. We compare the quality of the estimated signals in the calibrated case with the quality of the estimated signals in the uncalibrated case, in terms of the output signal-to-interference ratio (SIRO) and output signal-to-noise ratio (SNRO).     

DOA and steering vector estimation using a partially calibratedarray

We consider the problem of estimating directions of arrival (DOAs) using an array of sensors, where some of the sensors are perfectly calibrated, while others are uncalibrated. We identify a cost function whose minimizer is a statistically consistent and efficient estimator of the unknown parameters-the DOAs and the gains and phases of the uncalibrated sensors. Next we present an iterative algorithm for finding the minimum of that cost function The proposed algorithm is guaranteed to converge. The performance of the estimation algorithm is compared with the Cramer Rao bound (CRB). The derivation of the bound is also included. It is shown that DOA accuracy can be improved by adding uncalibrated sensors to a precisely calibrated array. Moreover, the number of sources that can be resolved may be larger than the number that can be resolved by the calibrated portion of the array     

增益幅度不同时信号二维方向角和多普勒频率的盲估计

 在各阵元增益幅度不一致的条件下,提出了一种起伏目标的二维方向角和多普勒频率盲估计的新方法。此方法在各阵元增益幅度不一致的条件下,仍可获得很好的估计性能,并能应用于各个信号的频率相同的场合。且具有对噪声不敏感,不需进行谱峰搜索,适用范围广等特点。仿真结果表明了此算法的有效性。