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。     

一种MIMO雷达幅相误差估计方法

 针对单基地相关多输入多输出(MIMO)雷达中存在的阵列幅相误差问题进行了研究。给出了单基地相关MIMO雷达的阵列模型,并提出了一种MIMO雷达幅相误差估计方法。利用发射正交信号对阵列接收信号进行匹配滤波,可分离得到类似传统阵列的"虚拟阵列",利用分时信源数据将该阵列中真实导向矢量中信源波达方向(DOA)引起的相位与幅相误差分离开,通过构造代价函数得到波达方向估计值,进而分别得到发射阵与接收阵的幅相误差的估计值,同时给出了误差引入量分析。最后通过仿真验证了该方法的有效性。本文介绍的方法简单可行,适用于任意构型MIMO雷达的幅相误差估计。     

鲁棒EKF在脉冲星导航系统中的应用

针对脉冲星导航系统的滤波问题,传统的扩展卡尔曼滤波(EKF)算法存在不能克服系统模型存在不确定性参数以及乘性噪声等缺陷,提出一种鲁棒EKF算法。首先,分析了状态预测误差方程和估计误差方程,利用统计学原理,得到了状态预测方差矩阵和状态估计方差矩阵计算等式。由于系统模型存在不确定性参数,状态预测协方差矩阵和状态估计协方差矩阵无法计算;因此,利用4个重要矩阵不等式,分析并找到预测方差矩阵和状态估计方差矩阵的上界。最后,利用状态估计误差协方差矩阵上界设计状态增益矩阵,使得状态估计协方差矩阵的迹最小。将该算法对脉冲星导航系统进行仿真,仿真结果验证了所提算法的有效性。     

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。     

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。     

低信噪比下稳健压缩感知成像

 由于基于l₁范数的压缩感知理论模型无法充分挖掘信号的稀疏性,因此在重建过程中无法实现对待重构系数的等权值约束,进而导致在信噪比较低时,噪声分布的不稀疏性会严重影响目标信息的重建,造成成像结果中会出现大量虚假目标,成像性能急剧下降。本文在深入分析了加权l₁范数模型的基础上,提出了一种更加稳健的适用于含噪模式下的高分辨率压缩感知微波成像模型。该模型在借鉴常规加权l₁范数模型的基础上,针对权重选择及加权方式进行了修正,使得权值的变化程度和权值大小分离,可以做到相同的惩罚约束,从而实现成像过程中噪声分量的有效抑制,实验结果说明了低信噪比下所提模型的有效性。     

基于智能特征提取的模糊建模及鲁棒控制

针对航空发动机全包线线性模型难以在线建立问题,提出一种基于智能特征提取的模糊建模方法。设计航空发动机特性表征参数,采用近邻传播算法提取航空发动机特性,将特性提取区域中心稳态工作点作为Takagi-Sugeno （T-S）模糊模型标称点建立全包线T-S模糊状态空间模型。基于该T-S模糊模型结合H_∞控制理论,设计参考模型H_∞控制器并开展仿真验证,仿真结果表明：T-S模糊状态空间模型稳态误差处于10^-3量级,满足模型精度要求且H_∞控制器响应时间小于1s,无稳态误差,具有较好的控制效果。     

一种基于协方差矩阵重构的相干信源DOA估计算法

针对空间相干信源的波达方向估计问题,提出了一种基于协方差矩阵重构的TSVD-ESPRIT算法。它利用包含所有信源信息的特征向量构造Toeplitz协方差矩阵,避免了阵列有效孔径的损失,分辨率高且稳定性好;并且利用ESPRIT算法代替MUSIC算法进行DOA估计,避免了谱峰搜索,大大降低了计算量。数据仿真和分析证明了该算法的正确性和有效性。     

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。     

非均匀噪声稀疏均匀圆阵的二维DOA估计

针对在机载雷达、通信等领域有着广泛应用的均匀圆阵(UCA),研究了非均匀噪声下稀疏均匀圆阵的二维波达方向(DOA)估计.首先采用改进的相位模式方法构造非均匀噪卢稀疏均匀圆阵的波柬空间似然函数;之后,在分析非均匀噪声稀疏均匀圆阵的波束空间似然函数特点的基础上,修改了Burg的逆迭代算法以适应稀疏均匀圆阵下非均匀噪声自相关...     

多渐消因子Kalman滤波器在SINS初始对准中的应用(英文)

针对系统模型和统计信息不能精确已知的条件下Kalman滤波无法给出最优解这一问题,单一渐消因子Kalman滤波算法对于简单的系统是有效的,但是对于复杂的多变量系统,仅仅利用单个的渐消因子是不够的。本文提出了一种多渐消因子滤波算法,通过利用开窗法计算新息序列协方差的无偏估计获得渐消因子矩阵。利用渐消因子矩阵调节一步预测均方误差矩阵k|k1P,对不同的滤波通道提供不同的渐消速率。将该方法应用于SINS的初始对准中,仿真和试验结果表明:当真实系统噪声统计特性同设定参数不一致时,对准精度明显高于其他滤波算法。其对不确定性噪声具有较低的敏感度,对系统参数具有较好的滤波效果。因而,在实际应用中具有重要的参考价值。     

基于压缩感知的信源个数与信号参数估计算法

信源个数与信号参数估计是盲信号处理的关键环节,对后续信号的侦察处理意义重大。针对当前盲信号信源个数与信源参数估计研究割裂的问题,提出了一种联合估计算法。通过分析信号的稀疏系数在不同测量矩阵相同稀疏字典下位置相同的特点,提高了信源个数和信号参数的估计精度,实现算法的自适应控制;通过数理分析确定了多级搜索策略的最优级次,大大降低了稀疏字典的原子数目。仿真结果表明：算法在一定信噪比下能够实现信源个数和信号参数的有效估计;信源个数和信号参数的估计精度随着压缩比的降低而逐渐提高,随着信噪比的提高而逐步增强;噪声对信源个数和信号参数估计精度的影响很大,尤其是低信噪比下;第2个信源载波频率和调频斜率的估计误差明显高于第1个信源参数的估计误差。     

噪声协方差估计新算法在惯性导航系统中的仿真研究

研究一种在动态系统常值误差未知的情况下对线性时变随机系统误差协方差进行估计的新方法。该方法通过构造一个新的时间序列,其协方差由未知参数的线性组合组成,然后用递推最小二乘法来计算新序列的协方差,该方法不需要任何关于噪声的先验知识。从仿真结果来看达到了较好的效果。     

一种步进频率信号认知雷达波形优化设计方法

认知雷达常用于完成探测、跟踪、成像及识别等多重任务,为提高其综合性能,需兼顾多方面因素研究其波形优化设计问题。基于此,提出一种基于压缩感知（CS）RIPless准则的步进频率信号认知雷达波形优化设计方法。首先,建立了目标回波信号稀疏模型,分析了其与发射信号模糊函数之间的关系。其次,根据模型中观测矩阵的构造,基于RIPless准则,将波形设计问题转化为概率分布的互相干参数及其协方差矩阵的条件数的优化问题,从而通过自适应寻优算法,获得优化的步进频率信号脉冲重复时间间隔序列和子脉冲频率序列。相较于传统方法,所提方法在信号发射与接收之间形成了信息实时反馈和信号优化重构的闭环,在高概率准确重构目标径向一维距离像的同时,也实现了发射信号模糊函数的优化。最后,仿真计算验证了所提方法的有效性。     

基于冗余伪观测的自适应滤波算法

现有的二阶互差分(SOMD)算法能够给出与状态估计误差解耦的观测噪声协方差估计，但是需要满足冗余测量的条件，但这一条件往往难以满足。 针对这一问题，提出了一种利用状态预测值构造相邻2个时刻伪观测的方法，将原SOMD算法扩展到具有单测量的系统中。使用目标跟踪问题对该算法的有效性进行验证。仿真结果表明，当采样周期较小时，该算法能够忽略状态估计误差的影响并给出较准确的观测噪声方差，在精度和鲁棒性方面优于其他参考算法。     

基于ATSUKF算法的卫星姿控系统故障估计

针对卫星姿态控制过程中可能发生的执行机构或敏感器故障,提出了一种基于无损卡尔曼滤波（UKF）及偏差分离原理的自适应二阶无损卡尔曼滤波（ATSUKF）算法。首先,提出TSUKF算法,通过UKF处理姿态机动时的非线性并通过偏差分离原理将非线性系统的状态及故障分别估计,避免非线性模型的线性化过程同时降低了计算过程中的矩阵维度。然后,在TSUKF算法的基础上提出了ATSUKF算法,通过滑动窗口内的残差计算自适应矩阵,使滤波器在统计特性不准确的情况下仍然具有较快的收敛速度,特别适用于卫星快速机动过程中的姿态与故障估计。数值仿真结果表明,ATSUKF算法相较于TSUKF算法能有效降低统计特性不准对系统造成的不利影响,实现卫星姿态、执行机构/敏感器故障的快速估计。     

Robust adaptive filtering method for SINS/SAR integrated navigation system

This paper presents a new robust adaptive filtering method for SINS/SAR (Strap-down Inertial Navigation System/Synthetic Aperture Radar) integrated navigation system. This method adopts the principle of robust estimation to adaptive filtering of observational data. A robust adaptive filter is developed to adaptively determine the covariance matrix of observation noise, and adaptively adjust the covariance matrix of system state noise according to the adaptive factor constructed based on predicted residuals. Experimental results and comparison analysis demonstrate that the proposed method cannot only effectively resist disturbances due to system state noise and observation noise, but it can also achieve higher accuracy than the adaptive Kalman filtering method.     

基于稀疏表示和近似(e)0范数约束的宽带信号DOA估计

针对宽带信号的波达方向(DOA)估计问题,在稀疏框架下提出一种近似(e)0范数约束的宽带信号DOA估计新算法.首先对宽带信号进行预处理,得到同一参考频率点下的接收数据,然后对其协方差矩阵元素进行加和平均运算,得到一个低维的观测向量,并在稀疏框架下进行稀疏表示,最后利用截断(e)1函数设定权值,构造逼近(e)0范数约束的稀疏重构方法,进而重构信号,获得宽带信号的DOA估计.仿真结果表明,相比于传统的宽带信号DOA估计算法,所提算法具有更高的分辨率和估计精度.