DOA estimation and mutual coupling calibration with the SAGE algorithm

In this paper, a novel algorithm is presented for direction of arrival（DOA） estimation and array self-calibration in the presence of unknown mutual coupling. In order to highlight the relationship between the array output and mutual coupling coefficients, we present a novel model of the array output with the unknown mutual coupling coefficients. Based on this model, we use the space alternating generalized expectation-maximization（SAGE） algorithm to jointly estimate the DOA parameters and the mutual coupling coefficients. Unlike many existing counterparts, our method requires neither calibration sources nor initial calibration information. At the same time,our proposed method inherits the characteristics of good convergence and high estimation precision of the SAGE algorithm. By numerical experiments we demonstrate that our proposed method outperforms the existing method for DOA estimation and mutual coupling calibration.     

DOA estimation under unknown mutual coupling and multipath

We propose a new method for direction of arrival (DOA) estimation in the presence of multipath propagation and mutual coupling for a frequency hopping (FH) system. With the use of pilot symbols and assuming perfect time-frequency synchronization for a linear array, we take mutual coupling and multipath propagation into account, and derive a maximum likelihood (ML) estimator for both the mutual coupling matrix and DOA estimation. We then formulate an iterative alternating minimization (AM) algorithm for finding the mutual coupling and DOA parameters in an alternate manner. Simulation results illustrating the performance of the algorithm and comparison with the Cramer-Rao bound (CRB) are also presented.     

一种联合估计的有源校正高精度测向算法

针对存在系统误差的阵列模型,提出了一种有源标校下的联合估计测向算法。该算法把误差矩阵估计转化为误差系数估计,并采用到达角精确已知的源信号进行标校,在此基础上使用最小二乘法联合估计幅相不一致误差系数和互耦误差系数,最后使用结合误差矩阵的MUSIC算法测量信号的到达角。仿真表明,该算法仅需要3个标校源,其精度相比于无阵列误差情况下降0.05°,具有较好的工程可实现性。     

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。     

冲击杂波下的MIMO雷达DOA估计方法

研究了对称α稳定分布(SαS)冲击杂波下的多输入多输出（MIMO）雷达目标波达方向（DOA）估计问题,分别提出基于分数低阶最小方差无畸变响应(FrMVDR)的MIMO雷达DOA估计算法和无穷范数归一化最小方差无畸变响应（Inf-MVDR)算法。FrMVDR算法,首先进行冲击杂波特征指数的估计,然后使MIMO雷达接收阵列的分数低阶输出功率最小,实现MIMO雷达的DOA估计。为了避免FrMVDR算法对杂波特征指数估计,提出Inf-MVDR算法,首先用无穷范数对接收信号进行归一化处理,使归一化后的阵列输出功率有界,继而采用传统MVDR算法进行DOA估计。计算机仿真验证了上述两种算法的有效性;同时仿真结果还表明在冲击杂波下,MIMO雷达的空间分集特性可显著提高DOA估计的精度。     

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     

基于多级维纳滤波的双基地MIMO雷达多目标定位方法

为了降低双基地多输入多输出(MIMO)雷达目标定位过程中的计算复杂度,避免进行占主要计算量的协方差矩阵特征值分解或奇异值分解和二维空间谱的峰值搜索,将多级维纳滤波(MSWF)应用于双基地MIMO雷达多目标定位的研究中。利用MSWF的前向递推原理,得到信号子空间;然后利用ESPRIT算法估计发射角(DOD)和接收角(DOA),且DOD和DOA自动配对,实现了多目标交叉定位。分析了本文算法和ESPRIT算法的计算复杂度,并通过仿真实验及性能分析验证本文算法的有效性。理论分析和实验结果表明:本文算法在保证二维方位角估计性能的基础上,显著地降低了计算复杂度,缩短了运算时间,更加符合MIMO雷达信号实时处理的要求。     

MIMO雷达DOD和DOA联合估计算法: RTR-ESPRIT

 针对双基地多输入多输出(MIMO)雷达多目标波离角(DOD)和波达角(DOA)的联合估计问题,提出一种接收-发射-接收(RTR)-ESPRIT算法。该算法首先利用一维接收ESPRIT(R-ESPRIT)预估计目标DOA,随后分别利用一维发射ESPRIT(T-ESPRIT)和一维接收ESPRIT得到目标的高精度DOD和DOA估计,在每两次ESPRIT算法之间分别构造正交投影算子对接收信号进行接收波束形成和发射波束形成。与传统ESPRIT算法相比,该算法大大降低了数据协方差矩阵维数和计算复杂度,无需额外的配对算法,且理论证明了该方法还可以用于相干目标和单快拍情况下DOD和DOA的联合估计。仿真结果表明了该算法的正确性及良好的估计性能。     

基于空域稀疏性的宽带DOA估计

利用宽带阵列接收信号的空域稀疏性,将宽带信号的波达方向(DOA)估计转化为一个稀疏信号重构的问题,提出了一种新的宽带信号DOA估计算法。该算法将宽带信号分解为多个子带信号,联合利用多个子带信号的空域稀疏性进行重构。它是对用于稀疏重构的标准的稀疏贝叶斯学习算法的推广,可适用于多冗余字典的信号模型。另外,通过对多快拍的阵列接收信号进行奇异值分解(SVD),提取信号子空间作为算法的输入数据,可以在有效减少运算复杂度的同时,提高对噪声的稳健性。与传统的宽带阵列DOA估计方法相比,该算法能够用于低信噪比、快拍有限和信源相关性较高的场合,同时算法的性能对信源个数的估计值不太敏感。仿真实验表明,该算法相对现有的基于子空间类的方法,具有更好的DOA估计性能。     

回溯降维相干分布式非圆信号DOA快速估计

在相干分布式非圆(CDNC)信号波达方向(DOA)估计中,针对阵列输出矩阵扩展后维数增加带来的较大运算量问题,基于降维的多级维纳滤波(MSWF)技术,引入回溯优化思想,提出了一种快速估计算法。该算法首先利用信号非圆特性扩展阵列输出矩阵,然后通过MSWF递推分解快速求出信号子空间,避免了计算阵列协方差矩阵及特征分解,并且在递推过程中引入回溯优化机制提高了各级匹配滤波器的估计性能,最后由最小二乘(LS)或者总体最小二乘(TLS)得到DOA估计。仿真分析表明,所提算法与相干分布式非圆信号旋转不变子空间算法(CDNC-ESPRIT)性能相当,但复杂度得到了大幅度降低,相比于基于MSWF的非圆信号快速子空间(NC-MSWF-FS)算法,在较小的复杂度代价下大幅度提升了低信噪比时的估计性能,并且对初始参考信号的选取具有了较强的鲁棒性。     

存在阵列模型误差情况下的宽带DOA估计

 针对工程应用中存在阵列模型误差的任意形状天线阵列的宽带波达方向（DOA）估计问题,提出一种基于信号分离的相关域宽带松弛（RELAX）算法。此算法利用具有记忆与遗忘特征的矩阵算子的投影机理对入射信号进行有效的分离,因此对一定范围内的阵列模型误差较之基于子空间理论的传统宽带测向算法具有较好的鲁棒性与良好的工程应用前景。分析并证明了此算法的信号分离机理及此算法对阵列模型误差稳健的原理。理论分析与仿真结果均表明存在阵列模型误差时此算法宽带DOA估计的有效性和稳健性。     

一种宽带阵列幅相与互耦误差联合校正算法

宽带数字阵列雷达接收通道中存在随频率变化的幅相误差和互耦误差,会严重影响雷达性能。针对这一问题,提出了一种宽带数字阵列幅相与互耦误差联合校正算法。首先选取通带内多个离散频点,对于每个频点,将幅相误差和互耦误差作为一个整体,采用基于子空间原理的窄带校正算法估计其阵列失真参数,并计算校正矩阵;然后将其组合起来,构成频域离散校正矩阵;最后基于最小二乘准则,设计了宽带有限长脉冲响应(FIR)校正滤波器矩阵。利用该矩阵,可实现通带范围内任意带宽入射信号的校正。计算机仿真实验验证了该算法的有效性。对实测数据的处理结果表明该算法在宽带数字阵列雷达系统中具有实用价值。     

利用分数低阶空时矩阵进行冲击噪声环境下的DOA估计

研究冲击噪声环境下的信号DOA估计问题。在对称α稳定(SαS: Symmetric α-stable)分布冲击噪声假设下,定义了一个阵列接收数据的广义分数低阶空时矩阵。理论分析表明,对广义分数低阶空时矩阵进行奇异值分解可获得噪声子空间估计。与信号空间DOA估计技术相结合,提出一种新的基于信号空间分解的DOA估计算法。该算法在低信噪比下对强冲击噪声具有更好的抑制作用。计算机仿真证明了算法的有效性。     

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。     

基于改进TLS-ESPRIT算法的相干定位信号波达方向空间平滑

针对室内角度定位,在定位信号相干条件下无法实现准确估计波达方向(DOA)的问题,提出了一种基于TLS-ESPRIT算法的双向空间平滑方法。该算法先对定位相干信号进行双向空间平滑处理,然后用TLS-ESPRIT算法进行DOA的精确估计,使其最大限度地利用信号子空间的信息,从而解决了算法计算过程中输出信号的协方差矩阵秩亏损情况。该算法能够准确实现定位信号相干条件下DOA估计,与传统的空间平滑结合其他改进ESPRIT算法相比,具有更好的平稳性及抗干扰能力。最后通过仿真实验验证了算法的有效性和稳定性。     

多输入多输出电磁矢量阵列雷达的DOD和DOA联合估计

研究一种基于电磁矢量传感器阵列的多输入多输出(MIMO)雷达目标波离角(DOD)和波达角(DOA)的联合估计算法.提出了一种新型MIMO雷达系统,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器,在此基础上,算法首先利用矢量传感器的内在结构特点结合子空间旋转不变性质获得目标DOA预估计,随后采用最佳加权子空间拟合算法...     

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。     

Effects of mutual coupling on the performance of STAP antennaarrays

The effect of mutual coupling on the performance of space-time adaptive processing (STAP) antenna arrays is investigated. A signal model that includes the effects of mutual coupling is derived and used to compute the optimum solution for the fully adaptive and a variety of partially adaptive algorithms. The simulations indicate that if the mutual coupling is not properly accounted for there is significant degradation of the signal-to-interference-plus-noise ratio (SINR). In addition, the clutter notch is widened resulting in a larger minimum detectable velocity (MDV) of the target. When the mutual coupling is properly accounted for, the performance can be restored to the ideal level. However, STAP algorithms, in general, are very sensitive to errors in the mutual coupling matrix, requiring a very complete knowledge of this matrix for good performance. Of all the algorithms considered here, beam space algorithms appear to be the most robust with respect to uncertainties in the mutual coupling matrix     

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。     

MIMO雷达中一种降维MUSIC的相干角度估计算法

研究单快拍下双基地多输入多输出（Multiple—InputMultiple-Output,MIMO）雷达中相干信源的离开角（Directionofdeparture,DOD）与到达角（directionofarrival,DOA）联合估计问题。利用单快拍下双基地MIMO雷达的接收信号构造一组Toeplitz矩阵,利用这组ToepIitz矩阵重构一个信号矩阵,提出一种基于降维多重信号分类（ReducedDimensionMultipleSignalClassification,RD-MUSIC）的DOD与DOA联合估计算法。提出的算法能够有效估计相干信源以及非相干信源的角度,实现角度的自动配对,并且角度估计性能远优于FBSS—ESPRIT算法以及ESPRIT-like算法。仿真结果验证了算法的有效性。