一种适用于任意阵列的极化和二维DOA联合估计算法

提出了一种适用于任意阵列的极化和二维DOA联合估计算法。该算法基于信号空时二维结构特征,利用空域采样和时域采样构造时空矩阵,通过DOA矩阵方法进行极化和二维DOA参数估计,不需要二维谱峰搜索,计算量小。仿真实验证明了算法的有效性。     

鲁棒成形极化敏感阵列波束的方法及极化估计

基于极化敏感阵列,提出了一种鲁棒成形阵列波束的方法。该方法首先将阵列的数据模型进行了重新描述,从而获得了信号波达角(DOA)和极化解耦的模型。借助于该模型并对信号的两个极化方向分别进行鲁棒约束,设计出了一个新的鲁棒空域波束空间成形矩阵,利用该矩阵可以获得信号两个极化分量的鲁棒估计。基于特征值分解的方法,最后给出了估计信号极化参数的方法。分析和数值仿真实验均表明:提出的方法,在对DOA估计误差以及阵列位置误差等造成的阵列失配具有较强鲁棒性的同时,也能有效抑制干扰和噪声,进而提升了极化参数估计的性能。     

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。     

基于极化敏感阵列的加权融合测角方法

角度估计是雷达的一个关键功能.极化敏感阵列用作雷达天线可有效减小模型误差,改善测角性能.为提高目标角度估计精度,本文提出了一种扩展的加权融合测角方法.首先对完备电磁矢量进行介绍,建立了极化-空域信号处理模型;其次推导了扩展后的加权融合测角方法;最后结合稀疏恢复测角方法,以双正交电偶极子阵列天线为例,验证了方法的有效性....     

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...     

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。     

基于压缩感知的频率和DOA联合估计算法

波达方向（DOA）估计是阵列信号处理的一个重要问题,针对信号的DOA估计问题,本文基于压缩感知理论,提出了一种新的频率和角度联合估计算法。首先利用方向波数的空间稀疏性,建立过完备稀疏字典,然后利用压缩采样阵列结构通过求解最优化问题得到方向波数的高分辨估计,最后利用最优空域滤波实现信号到达角度和频率的配对。相对于传统算法,该算法能够实现多信号DOA的高分辨估计,且经过压缩采样后降低了运算量,仿真验证了该算法的正确性与有效性。     

基于空域滤波的二维全极化散射中心快速提取

在全极化逆合成孔径雷达(ISAR)体制下,二维相干极化几何绕射(CP-GTD)模型能够精确描述雷达目标高频电磁极化散射特性。针对CP-GTD模型,提出了一种基于空域滤波的二维全极化散射中心参数快速提取方法。该方法利用空域滤波将二维全极化散射中心参数提取问题分解为多个一维全极化散射中心提取问题,进而利用一维旋转不变技术(1D-ESPRIT)分步对全极化散射中心各维参数进行联合估计,最后利用最小二乘方法获得相干极化散射矩阵的估计。此外,采用这样的分步估计过程,可以实现二维参数的自动配对。复杂度分析和仿真实验表明:该方法不仅能够显著降低运算量,并且还能获得较好的估计精度,可以有效地用于目标全极化散射中心提取。     

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。     

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。     

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。     

DOA and polarization estimation via signal reconstruction with linear polarization-sensitive arrays

This paper addresses the problem of direction-of-arrival(DOA) and polarization estimation with polarization sensitive arrays(PSA), which has been a hot topic in the area of array signal processing during the past two or three decades. The sparse Bayesian learning(SBL) technique is introduced to exploit the sparsity of the incident signals in space to solve this problem and a new method is proposed by reconstructing the signals from the array outputs first and then exploiting the reconstructed signals to realize parameter estimation. Only 1-D searching and numerical calculations are contained in the proposed method, which makes the proposed method computationally much efficient. Based on a linear array consisting of identically structured sensors, the proposed method can be used with slight modifications in PSA with different polarization structures. It also performs well in the presence of coherent signals or signals with different degrees of polarization. Simulation results are given to demonstrate the parameter estimation precision of the proposed method.     

共形阵列天线单元极化形式的优化设计

由于共形载体曲率的影响,共形阵列天线的阵列流形具有多极化特性.为了利用共形天线阵列流形的多极化特性,提升阵列对空间目标参数的估计性能,将天线单元的极化参数引入到导向矢量建模中.更加完整地论述了共形天线阵列流形的特点.在此基础上.建立了优化设计天线单元极化形式的目标函数,基于交替优化思想.给出了共形阵列中各天线单元最优极...     

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。     

非理想均匀圆阵的波达方向和多普勒频率联合估计

针对均匀圆阵存在一般阵列误差 (如阵元的幅相误差和安装位置误差等 )的情况 ,提出了多个信号的波达方向和多普勒频率估计方法。直接利用均匀圆阵的阵列流形 ,采用波达矩阵法估计各个信号的多普勒频率。由一般阵列误差的统计特性构造加权矩阵 ,采用加权总体最小二乘法估计各个信号的波达方向。此方法具有鲁棒性强等特点。计算机仿真证明了此方法的有效性     

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.     

聚焦变换在MIMO阵列方位估计中的应用

MIMO阵列是近年来信号处理领域提出的一种新体制阵列技术,可有效避免常规阵列中的相干源问题。为解决多载波造成的方位模糊,提出了一种基于聚焦变换的MIMO阵列目标方位估计方法。该方法将MIMO阵列接收信号分解为多个频率分量的信号,并通过聚焦算法将多个频率信号聚焦到同一信号子空间,然后对聚焦后的信号进行方位估计。仿真结果表明:与直接对MIMO阵列接收信号进行方位估计相比,该方法利用了MIMO阵列的回波不相干性和宽带信号能量,具有更好的分辨能力和更高的方位估计精度。