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。     

基于协方差矩阵高阶幂的二维DOA估计新算法

 针对稀疏分解方法进行均匀圆阵(UCA)的二维波达方向(DOA)估计运算复杂度大的问题,提出了一种基于协方差矩阵高阶幂稀疏分解的二维DOA估计新算法。该算法首先利用协方差矩阵高阶幂无需进行特征值分解和信源数估计的特性,构建了协方差矩阵高阶幂的稀疏分解向量;然后运用粒度分层思想,构造了粗区域估计和细方位估计的分层多粒度的快速分解模型,分层字典的长度大大减少,在保持估计精度的前提下,算法运算时间远小于现有的恒定冗余字典的稀疏分解方法,从而解决了基于稀疏分解的圆阵二维DOA估计问题。论文提出的算法与二维MUSIC算法相比,估计精度高,且能满足对相干信号的估计。仿真结果验证了算法的有效性和可行性。