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。     

双基地MIMO雷达目标定位及幅相误差自校正算法

针对双基地多输入多输出(MIMO)雷达收发阵列存在幅相误差的情况,提出了一种基于辅助阵元法(ISM)的ESPRIT类算法。在收发端分别设置若干个精确校正的辅助阵元,可实现对目标收发方位角和幅相误差系数的无模糊联合估计,在角度估计过程中无需任何收发阵列幅相误差系数信息,无需谱峰搜索,运算量较小。算法未使用对阵列误差的微扰动及第一个收发阵元的幅相误差进行归一化的假设,更符合实际的误差模型。     

基于功率估计的方位数据关联算法

将功率信息与电波传播相关理论引入到测向交叉定位的数据关联问题中,提出一种基于功率估计的方位数据关联算法。推导了阵列协方差矩阵中信号功率与阵列流型之间的关系,利用空间协方差逆矩阵高阶幂逼近噪声子空间的方法,在已知阵列流型的基础上准确获取各目标的功率参数,避免了幅值特征类关联算法易受噪声与信号波形影响的问题;根据功率和传播路径的衰减关系,构造方位组合与功率信息的关联置信度函数,挑选出正确的关联组合。仿真结果表明了算法的有效性和优越性。     

采用结构协方差矩阵的机载／天基雷达的空时自适应处理

本文表明有效地采用机载／天基（A/S）杂波协方差矩阵（CCM）的部分信息可以大大提高在杂波和干扰环境下块处理空／时自适应处理机（STAP）的收敛性能。CCM的部分知识以由机载雷达团体开发的简化通用杂波模型（GCM）为基础。设定一个参数的先验知识，该参数应是易于通过与这种模型相关的雷达平台可测的（但不一定准确）。这种GCM产生一种假定的CCM。用这种假定的CCM和热噪声协方差矩阵的精确知识一起形成STAP要用的未知干扰协方差矩阵的最大似然估值（MLE）。对利用先验杂波和热噪声协方差信息的这种新算法的评估采用两种杂波模型：1）失配的GCM，2）高保真的空军研究实验室STAP杂波模型。对于这两种杂波模型，这种新算法要大大好于（即收敛更快）采样矩阵求逆（SMI）和快速最大似然（FML）STAP算法，后一种模型仅用了热噪声协方差矩阵的信息。     

基于L型阵列的互耦误差校正算法研究

互耦误差对阵列DOA估计性能产生了严重影响。基于L型阵列,建立了互耦误差模型,提出了一种基于MUSIC迭代法的互耦误差自校正算法和在互耦误差条件下的DOA估计算法。利用MUSIC迭代法对互耦误差矩阵和DOA同时估计,且同时估计出来波信号的方向角和俯仰角。仿真实验验证了该算法具有分辨力强、校正精度高的特点。     

一种自适应阵列天线通道不一致性的校准方法

自适应阵列天线使用空间谱估计中的多信号分类(MUSIC)算法估计信号到达角时,阵列天线物理特性的不一致直接影响到达角的估计精度。文章提出一种阵列通道校准方法,综合考虑阵元互耦、安装误差和通道失配,在引入辅助信号源的情况下,从实测来波方向中通过最优化的手段,来获取通道幅相补偿信息和信号到达角估计。通过计算机模拟实验,证明该方法是可行的。     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。     

多径条件下阵列互耦自校正算法研究

在实际的阵列中,阵元间的互耦和相干信源的存在都会使得大多数高分辨的DOA估计算法的性能严重下降,甚至完全失效.针对这一问题,在应用子空间原理的基础上,利用均匀线阵互耦矩阵的带状循环特性及对称Toeplitz性,并结合前后向空间平滑算法,提出了一种阵元互耦条件下的相干信源的波达方向估计新算法.该算法无需阵元的互耦参数信息,就可准确地估计出相干信源的DOA,估计性能优良,且只需一维搜索,计算量较小.仿真结果验证了该算法的有效性.     

阵元指向未知条件下的信号波达方向估计

提出了一种适用于阵元指向未知情形的极化敏感阵列信号波达方向(DOA)估计方法。该方法利用降秩准则将信号方向、极化和阵元指向信息进行解耦,通过唯角度参数搜索完成信号DOA估计,避免了复杂的多维寻优。讨论了新方法实现无模糊DOA估计的必要条件,并将其与利用错误指向信息的DOA估计方法进行了性能比较。结果表明:对于阵元指向未知或存在一定误差的场合,该算法的估计性能更优。     

相干信源DOA估计的非对称加权空间平滑差分算法

提出了相干信源DOA估计的非对称加权空间平滑差分(UWSSD)算法。在空间平滑差分运算的基础上,对各子阵协方差矩阵采用非对称权值加权处理,破坏差分矩阵的负反对称特性,从而使信源差分协方差矩阵恢复为满秩。差分矩阵中不含相关噪声及非相关源信息,可利用它分辨相关及相干信源,而利用传统子空间算法分辨非相干信源,从而重复利用阵列接收数据,可分辨更多信源。通过分析差分矩阵的特点,提出了一种无需矩阵特征分解的快速算法。仿真结果表明,UWSSD算法具有较强的噪声抑制能力及信源过载能力。     

实测数据的降秩空时自适应处理方法

在实际非均匀环境中，机载雷达数据的非均匀性会恶化杂波协方差矩阵的估计，严重地降低了空时自适应处理器的性能。本文首先用非均匀检测器在非均匀环境下选择辅助距离门，来估计样本协方差矩阵。而后讨论了基于广义旁瓣相消器结构上的两种降秩空时自适应处理方法：主分量法和互谱法，这两种方法都是利用杂波和干扰的低秩属性，用依赖于采样数据的转换矩阵来构造空时自适应滤波器。最后对从Mountain Top计划测得的数据，应用上述两种降秩方法对其进行了分析。仿真实验表明了这两种方法的可行性，减少了计算量，并提高了有效可测收敛性，可有效地提高空时自适应处理器的性能。     

一种新的共轭增强MUSIC测向算法

提出一种新的测向算法。利用阵列输出的非零时延互相关函数及其共轭形成伪阵列输出,从而得到伪协方差矩阵,对其进行特征分解,利用信号子空间与噪声子空间的正交性,搜索得到的空间谱函数的极大值点对应的角度就是波达方向。仿真实验表明,新算法可对多于阵元数的信号进行测向,其测角精度和分辨力优于MUISC和MUSIC-like算法。     

基于海杂波稀疏性与非均匀度的样本挑选方法

针对预警雷达对海监视面临海杂波分布非均匀与杂波样本受目标污染,导致自适应杂波抑制处理性能恶化和目标能量损失的问题,提出了一种基于海杂波稀疏性与非均匀度的样本挑选方法。该方法将目标的导向约束与广义内积样本挑选方法结合,先利用海杂波在空时二维平面上的稀疏分布特性,根据海杂波与目标空时二维分布差异剔除被目标污染的样本,再利用广义内积准则衡量海杂波分布的非均匀程度,并获取均匀样本,以提高杂波协方差矩阵的估计精度。仿真结果表明:所提方法能在提高杂波抑制性能的同时,减小目标信号能量损失。该方法可广泛应用于海面预警监视雷达系统。     

基于相对马氏距离的非均匀杂波抑制方法

由于天基雷达覆盖范围广、探测背景复杂，雷达回波会呈现出明显的非均匀特性，从而导致杂波协方差矩阵（clutter covariance matrix, CCM）估计与实际情况出现偏差，从而恶化天基雷达对空中动目标的检测性能。针对上述问题，提出了一种基于相对马氏距离的非均匀样本抑制方法，该方法首先计算所有样本的广义内积（generalized inner product, GIP），在此基础上选取一个合适的样本作为参考。通过比较场景中所有样本与参考样本的马氏距离，将相对马氏距离大于判定门限的样本作为非均匀样本剔除。用筛选后的样本进行杂波协方差矩阵估计，从而提高天基雷达在复杂环境下对空中动目标的检测性能。理论分析和实测数据结果表明，所提算法能够在非均匀环境下有效检测出空中动目标。     

多级嵌套L型阵列及其测向算法

针对基于偶数(2q)阶累积量的测向算法中测向性能提高有限的问题,提出了一种基于多级嵌套 L 型阵列的2维测向算法。首先利用阵列的多级嵌套结构和2q阶累积量,形成具有更多自由度的虚拟均匀面阵;然后使用2维平滑方法,恢复其2q阶累积量矩阵的秩; 采用2维MUSIC算法,进行方位角和俯仰角的估计。与常规的2q MUSIC 算法相比,所提算法不仅具有更好的测向精度,而且由于虚拟均匀阵包含更多的虚拟阵元,因此能够估计更多信源的方位角。另外,针对该L型阵列的最优配置问题,推导了各级子阵阵元数的最优和次优分配表达式。仿真结果表明这些结论的正确性。     

改进的宽带指向最小方差空间谱估计算法

宽带测向一直是阵列信号处理领域研究的难点。把指向最小方差宽带测向算法（STMV）应用到均匀线阵上，通过对阵列频域采样数据的空间协方差矩阵的估计和加权平均处理。给出了空间谱估计子的改进形式。与通常的信号子空间宽带测向算法相比。提出的算法不需要对波达方向进行预估计，因此避免了预估计误差对最终估计结果的影响。理论分析和仿真实验证明了测向算法的有效性。     

基于特征空间重构的子阵级ADBF方法

为实现大型阵列天线子阵级自适应数字波束形成,提出了一种基于阵列特征空间重构的方法。对子阵协方差矩阵进行奇异值分解,分离出信号、干扰与噪声子空间对应的特征值以及特征向量,并对特征子空间重新分配,重构阵列特征空间,完成子阵级ADBF。与常规方法相比,该方法能够消除子阵级输出噪声功率不一致造成的阵列方向图畸变,减小协方差矩阵估计误差的影响。理论分析与仿真结果表明,该方法在子阵级波束形成以及抗干扰接收等方面具有优良性能。     

提高卫星导航性能的阵列参数估计算法

针对卫星导航信号参数估计性能严重影响导航定位精度,提出了一种利用电磁偶极子对提高信号波达方向和极化参数估计性能的方法。充分利用接收数据协方差矩阵,通过两次特征分解,由特征分解的特征值进行极化参数估计。利用小圆环子阵导向矢量得到波达方向的粗略而无模糊的估计,大圆环子阵导向矢量得到有模糊的估计,通过解模糊得到精确的无模糊的估计,从而大幅提高了到达角的估计精度。比较了单个圆环阵列和同心圆环阵列的参数估计性能,分析了参数估计精度对抗干扰性能的影响,仿真结果表明参数估计精度的提高有效改善了卫星导航抗干扰的性能。     

复合高斯杂波中距离分布目标的极化自适应检测

极化高分辨力雷达能够获取更丰富的目标特征信息,充分利用极化信息能够有效地提高检测和识别性能.本文基于广义似然比检验,提出了一种复合高斯杂波中距离分布目标的极化自适应检测器,推导了检测器的虚警概率表达式,理论分析表明其相对于杂波的协方差矩阵和纹理分量都具有恒虚警特性.利用仿真数据统计分析了该检测器的检测性能,仿真结果表明,在一般情况下当辅助数据较少时该检测器的检测性能优于其它同类检测器.     

非高斯杂波协方差矩阵估计新方法

针对雷达目标自适应检测中的复合高斯杂波协方差矩阵估计问题,提出了 一种基于杂波分组的约束迭代估计方法。该方法在迭代过程中有效利用所有辅助数据,并对 最终得到的估计矩阵进行关于迹的约束。在估计的杂波分组大小与实际情况匹配的条件下, 约束迭代估计方法的估计精度与杂波功率水平无关。仿真实验表明,所提出的方法对不同的 杂波分组大小失配情况具有很好的鲁棒性;与已有的两种协方差矩阵估计方法相比,约束迭 代估计方法能极大的提高估计精度,加快迭代过程的收敛速率,且计算量更小。