星载稀布L阵对地面辐射源的高精度测向研究

在均匀分布和非均匀分布两种情况下,采用二维MUSIC算法研究了星载稀布L阵列的地面辐射源测向精度。对地面辐射源方位估计、小角度辐射源分辨率,以及测向精度的分析和仿真结果表明,星载L型阵列能实现对地面辐射源的高精度二维测向。在相同条件下,非均匀阵的测向性能明显优于均匀阵。     

基于多级维纳滤波器的二维测向算法及DSP实现

为了对辐射源目标进行精确定位,需要对来波信号进行二维到达角估计。将一维MUSIC算法推广到空间阵列可以对辐射源进行二维高精度测向,但由于其需要估计接收数据的协方差矩阵和进行特征分解,因而计算量较大。为了降低MUSIC算法特征分解的计算量,提出一种基于多级维纳滤波器的子空间分解算法,通过多级维纳滤波器的前向递推估计信号子空间和噪声子空间,获得噪声子空间后采用MUSIC算法实现波达方向的估计,该算法不需要估计协方差矩阵和特征分解。应用于空间阵列的二维DOA估计中进行计算机仿真和DSP实现,仿真结果表明该方法有效地降低了计算量、节省了计算时间,且达到了MUSIC算法的估计性能。     

星载非均匀稀布阵高精度测向性能分析

基于微小卫星的侦察与无源定位技术是目前各国广泛研究的问题之一。为了克服有效载荷的限制，寻求适于星载的接收阵列形式，文中针对两种非均匀间距L型稀布阵，采用二维MUSIC算法分析了阵列对地面辐射源的测向性能，并与等间距及同孔径的均匀L阵进行了比较，利用Matlab编程，给出了仿真结果。理论分析和仿真结果表明，本文考虑的非均匀间距阵稀布L阵能够实现对地面辐射源的高精度测向，测向性能明显优于同孔径（等间距）阵。     

基于四阶累积量的来波信号频率和二维角估计

本文提出了一种基于四阶累积量的来波信号频率、方位角和仰角三维参数估计的算法。该算法采用无方向模糊的无效均匀圆阵（阵元数大于６）和阵元延时，实现高斯白或色噪声环境下非高期信源的参数估计，且三维参数可自动配对；在空间欠采样条件下，使用整数搜索法实现方位角和仰角无模糊估计。仿真实验表明了算法的有效性。     

三重混合范数的L型嵌套阵列二维角度估计

针对L型嵌套阵列二维角度估计问题，提出一种三重混合范数块稀疏重构算法。首先，建立一种俯仰角和方位角可分离的二维稀疏测向模型，将两个维度采样点分块，分别计算联合协方差矩阵，二维角度估计问题被转化为联合协方差矩阵稀疏优化问题；为减小计算复杂度，建立三重混合范数块稀疏重构模型，利用交叉迭代的方法得到稀疏解，实现了二维角度估计，并且可以自动配对。仿真试验表明，三重混合范数稀疏重构算法能够有效估计多个辐射源的二维角度，分辨率较高，并且具有一定的鲁棒性。与传统算法相比，在低信噪比和小快拍数的条件下，均优于传统二维角度估计算法。     

一种十字阵列模型下的新型测向算法

为提高精确制导的实时性,实现空间谱测向,提出了一种新型的正交传播算子算法(propagator method,PM)。该算法基于十字型阵列模型,引入了噪声子空间的投影算子构造伪谱,并采用一维谱峰搜索实现二维测向。与利用二维谱峰搜索测向的二维PM算法相比,该算法大大减少了计算量,降低了计算复杂度,可实现多目标信号测向,解决了二维角度的配对问题,也可有效估计出相同方位角(或仰角)的目标。该算法可广泛应用在雷达测向、导引头测向及跟踪等。     

一种单基地MIMO雷达多目标DOA估计算法研究

基于有特殊阵列配置的单基地多输入多输出（MIMO）雷达,提出了一种用于多目标波迭方向（DOA）估计的虚拟阵列Toeplitz重构（VATR）算法。利用MIMO雷达发射信号的正交特性将阵列有效阵元数和孔径同时扩展,可估计更多的目标。研究表明：与发射分集平滑（TDS）和虚拟子阵平滑（VSS）算法相比,VATR算法有更强的阵元节省能力和更好的统计估计性能。仿真结果证明了VATR算法理论的正确性和有效性。     

基于MIMO圆阵雷达的二维DOA估计新算法

基于对均匀圆阵导向矢量的分析,将四元均匀圆阵作为多输入多输出(MIMO)雷达的发射阵,通过构造相应的二阶统计量并对其进行联合对角化获得了目标方位角和俯仰角的闭式解,以实现存在角度兼并时目标的二维到达方向(DOA)的估计,并保持原DOA矩阵方法无需二维谱峰搜索和参数配对等优点。仿真结果证明算法正确、可行。     

色高斯噪声背景下相干信源DOA估计

为在色高斯噪声背景下估计相干信源DOA,提出一种基于四阶累积量的相干信源DOA估计算法。对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关。通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源DOA估计。仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的DOA,并且相对于空间平滑算法具有更好的估计性能。     

色高斯噪声背景下相干信源犇犗犃估计

为在色高斯噪声背景下估计相干信源 DOA,提出一种基于四阶累积量的相干信源 DOA 估计算法.对各个阵元接收数据与参考阵元接收数据的四阶累积量进行排列,构造Toeplitz矩阵,该矩阵的秩仅等于信号个数,而与信号间的相干性无关.通过特征值分解得到信号子空间和噪声子空间,从而实现相干信源 DOA 估计.仿真实验结果表明,在色高斯噪声背景下,此算法能有效地估计出相干信源的 DOA,并且相对于空间平滑算法具有更好的估计性能.     

基于极化时频分布的改进DOA估计算法

针对雷达回波信号波达方向估计精度差和时频分析方法运算量大的问题,以极化敏感阵列为模型,结合时频分析方法,充分利用回波信号的空域、时频域和极化域信息,对雷达回波信号进行更准确的估计,并简化其计算量。分析基于空间极化时频分布的多重信号分类(MUSIC)和旋转不变子空间(ESPRIT)算法,并结合两者的优缺点提出了一种改进算法。改进算法用极化时频ESPRIT算法对来波信号确定大致的方位角,以每个方位角为中心确定一个小角度范围,在此范围内用MUSIC算法进行谱峰搜索,得到较准确的波达方向(DOA)估计值,在确保DOA估计精度的基础上节省大部分运算时间。仿真试验验证了该改进算法的有效性。     

一种多尺度稀疏极化敏感阵列及其DOA估计方法

针对单个电磁矢量传感器(SS-EMVS)的孔径受限和传统稀疏阵列无法提供目标极化信息的问题,结合分离式电磁矢量传感器和稀疏阵列,提出了一种由SS-EMVS组成的多尺度稀疏极化敏感阵列。该阵列的阵列单元为1个完整的分离式电磁矢量传感器,沿y轴分布,整个阵列按阵元间距分为2个均匀子阵,而且这2个阵元间距都可以大于入射信号的半波长,从而构造一个多尺度稀疏极化敏感阵列以得到目标波达方向(DOA)的高精度估计值。该阵列结合了SS-EMVS可降低阵元互耦和稀疏阵列可扩大阵列孔径的优点,提高了目标DOA估计精度的同时降低了阵元互耦,并且对噪声也具备较好的鲁棒性。而在算法上,首先利用矢量叉积算法得到目标方向余弦的低精度无模糊估计值;其次根据2个子阵的空域旋转不变性得到目标方向余弦的高精度模糊估计值,针对这些方向余弦的估计值提出了一种多尺度解模糊算法,可得到目标方向余弦的高精度无模糊估计值;最后经过运算得到目标的高精度DOA的估计结果。仿真结果证明了所提阵列和算法的有效性。该阵列可应用于某些空间受限的实际应用场合中,如安装在飞行器上的传感器阵列,从而发挥电磁矢量传感器的单天线多分量的特点,也可以与MIMO雷达进行结合,借助极化信息提高雷达系统的检测性能和目标二维DOA的估计精度。     

基于径向对称二元阵的非同向阵列测向方法

非同向阵列是指阵元指向互不相同的阵列,其在辐射源测向方面具有独特的优势,已广泛应用于电子侦察。由于多径传输、电离层折射等传播因素的影响,电子侦察面临着更多的（椭）圆极化信号,现有的非同向阵列测向方法对（椭）圆极化信号存在固有的测向偏差。研究了电磁波及天线极化对非同向阵列测向的影响机理,提出了一种基于径向对称二元阵的非同向阵列测向方法,能够测量任意极化信号的到达方向,对于非同向阵列技术的发展具有重要的意义。仿真结果对文中所提出的算法进行了验证。     

极化敏感阵列的空间谱估计测向技术研究

传统的空间谱估计测向模型中没有考虑来波极化这一维度的信息,将其用于极化敏感阵列进行测向时会导致测向的灵敏度和精度下降。为此,对传统的空间谱估计测向模型进行了修正,加入对来波极化信息的考虑,提出一种极化敏感阵列的空间谱估计测向技术,并对该技术的可行性进行了研究。给出极化敏感阵列的空间谱估计测向模型,在此基础上,采用M USIC算法进行测向,并对影响测向精度的因素进行仿真。仿真结果表明,提出的极化敏感阵列空间谱估计测向技术可以实现极化敏感阵列的测向,所得结果对极化敏感阵列的测向问题具有重要意义。     

锥面共形阵列相干源DOA和极化参数的联合估计算法

针对共形阵列中的多参数联合估计问题,用交叉电偶极子对天线单元在锥面共形载体上构造极化敏感阵列并建立了快拍数据模型,在此基础上提出一种适用于相干源的多参数联合估计算法。该算法充分挖掘阵列中隐含的多个空域旋转不变结构,首先通过空间平滑预处理恢复子阵协方差矩阵的秩,实现信源的解相干,然后根据旋转不变子空间思想完成多个相干信源二维到达角和极化参数的联合估计。Monte Carlo仿真结果表明了算法的有效性。     

阵列模型误差条件下稳健的DOA估计算法

为改善阵列误差时高分辨到达方向(DOA)估计算法的性能,引入精确校正的辅助阵元,应用子空间原理,提出了一种均匀线阵存在阵列误差条件下鲁棒DOA估计及方位依赖的幅相误差矩阵和互耦矩阵的估计算法。算法的方位估计无需任何阵列误差信息,估计精度高、分辨力强,且基于信源方位的精确估计,算法还可精确估计方位依赖的幅相误差矩阵和互耦矩阵,实现阵列误差的自校正。算法的运算量较小,无需高维非线性优化搜索,只需一维搜索。仿真结果证明了算法的正确性和有效性。     

未知噪声环境方位-俯仰-频率-时延等四维参数联合估计方法

提出一种基于空时扩展虚拟传感器阵列的未知噪声环境下方位、俯仰、多普勒频移和相对时延四维参数联合估计新算法。未知噪声背景下的UN-MUSIC、UN-CLE等算法不易于完成多参数联合估计任务,而UN-ESPRIT算法又需要信号具有空、时域子空间旋转不变特性,对阵列结构要求严格。文中通过对原始数据的时延补偿等处理,利用虚拟数据阵的时移旋转不变特性,经由构建空时扩展波达方向矩阵同时获得诸参数的联合估计。虚拟传感器阵列的理论孔径为物理阵列的数倍,具有在低信噪比、未知分布噪声环境下更强的适应能力;且算法对于物理阵列阵元分布无特殊要求,具有很好的理论和实用价值。理论分析以及计算机仿真都证明了算法的有效性。