互耦条件下均匀线阵DOA盲估计

阵元间存在互耦时,经典的波达角(DOA)估计算法性能急剧下降甚至失效。针对互耦条件下均匀线阵DOA估计问题,该文提出一种基于盲源分离的DOA盲估计算法。首先,利用源信号的统计特性,由盲源分离方法估计广义阵列流形矩阵;然后,利用均匀线阵互耦矩阵带状、Toeplitz矩阵的特点,将DOA估计问题转化为多个可分离非线性最小二乘问题,由多个1维频域搜索得到DOA的估计。该算法无需高维搜索或多维迭代,对互耦自由度要求更低,互耦自由度未知时仍旧适用,稳健度高。数值仿真验证了该文算法的有效性。     

一种均匀线阵互耦和幅相误差校正算法

阵列互耦和幅相误差会严重影响MUSIC算法的测向性能,为此该文基于均匀线阵,给出了一种新的阵列互耦和幅相误差校正算法．文中首先根据阵列协方差矩阵的关系式构造了一种二次代价函数,然后利用理想条件下均匀线阵协方差矩阵具有Toeplitz结构的性质,通过交替迭代的方法对该代价函数进行优化求解,从而估计出了阵列互耦、幅相误差以及理想条件下的协方差矩阵,最后利用MUSIC算法即可得到信源方位的估计值．计算机仿真结果验证了文中算法的有效性．      

多径条件下均匀线阵DOA估计及互耦误差自校正

针对多径信道环境下存在互耦误差的均匀线阵,提出了一种联合波达方向估计及互耦 误差自校正算法。在不改变阵列互耦误差的条件下,首先利用虚拟阵列平移预处理方法,将 相干信源协方差矩阵恢复到满秩。进而利用互耦误差的对称Toeplitz特性,基于子空间原理 构造一代阶函数,采用秩损的方法得到互耦误差条件下的DOA估计及阵列互耦误差。数值仿 真结果表明,该算法具有良好的DOA估计性能与互耦误差自校正性能。     

基于复值卷积网络的阵列DOA估计北大核心CSCD

针对现有深度学习方法难以有效利用阵列回波信号的复值相位信息这一问题,文中提出了一种基于复值卷积网络的均匀线阵波达方向(DOA)估计方法,旨在提高DOA估计精度并增强低信噪比条件下对多信源参数估计的适应能力。该方法利用实际阵列输出信号协方差矩阵的Hermitian特性,以其上三角数据作为复值网络的输入,以对应的理想数据作为标签,学习得到信号理想协方差矩阵的第一行,再结合其Hermitian和Toeplitz特性,重构该理想矩阵;最后采用子空间类算法进行DOA估计。仿真结果表明:相比传统子空间类和实值卷积网络算法,该算法在低信噪比下具有更高的估计精度。     

阵列互耦条件下相干信源DOA估计算法研究

针对阵列互耦条件下相干信源到达方向（DOA）估计的问题,利用均匀线阵互耦矩阵的带状循环特性及对称Toeplitz性,提出了一种基于改进的空间平滑算法的信源DOA估计算法。该算法无需阵元的互耦参数信息,只需一维谱峰搜索,避免了通常多参数联合估计的多维非线性搜索及迭代运算;由于采用改进的空间平滑算法,所以该算法具有很好的统计估计性能。计算机仿真结果验证了该算法的正确性和有效性。     

基于Y型阵的互耦矩阵与DOA的同时估计方法

基于均匀间隔的Y型阵列,提出了一种自校正算法用于非相干源的DOA估计和阵元间的互耦校正,且无需任何方位已知的校正源.自校正算法利用均匀线阵互耦矩阵的对称Toeplitz性和带状特性,无需任何互耦信息的条件下可以精确估计信源DOA和阵列的互耦矩阵,从而实现阵列的自校正,并进行了参数的模糊性分析.仿真结果验证了提出的自校正算法具有分辨力高、计算量小以及校正精度高的特点.     

多子阵互耦条件下的一维波达方向估计及互耦白校正

该文研究多子阵（multiple subarrays）阵元互耦条件下的波达方向（DOA）估计,假设阵列由多个位置已知的均匀线阵（ULA）组成,但线阵阵元间存在互耦效应。利用均匀线阵互耦矩阵的带状、对称Toeplitz性及多子阵互耦矩阵的块状对角特性,提出了一种解耦合波达方向估计及互耦自校正算法。该算法在未知阵元互耦参数的情况下,可准确估计出信源的波达方向。另外,算法在精确估计波达方向的同时,还可准确估计出阵元问的互耦系数,实现多子阵的互耦自校正。算法的波达方向估计只需一维谱峰搜索,避免了通常多参数联合估计的多维非线性搜索及迭代运算,可明显减小算法运算量。文中讨论了算法参数可辨识性的必要条件,并分析计算了多参数联合估计的克拉美-罗界（CRB）。理论分析及蒙特卡罗仿真结果表明,该算法具有计算量小、DOA估计分辨力高、互耦校正效果好等优点。     

多子阵互耦条件下的一维波达方向估计及互耦自校正

该文研究多子阵(multiple subarrays)阵元互耦条件下的波达方向(DOA)估计,假设阵列由多个位置已知的均匀线阵(ULA)组成,但线阵阵元间存在互耦效应。利用均匀线阵互耦矩阵的带状、对称Toeplitz性及多子阵互耦矩阵的块状对角特性,提出了一种解耦合波达方向估计及互耦自校正算法。该算法在未知阵元互耦参数的情况下,可准确估计出信源的波达方向。另外,算法在精确估计波达方向的同时,还可准确估计出阵元间的互耦系数,实现多子阵的互耦自校正。算法的波达方向估计只需一维谱峰搜索,避免了通常多参数联合估计的多维非线性搜索及迭代运算,可明显减小算法运算量。文中讨论了算法参数可辨识性的必要条件,并分析计算了多参数联合估计的克拉美-罗界(CRB)。理论分析及蒙特卡罗仿真结果表明,该算法具有计算量小、DOA估计分辨力高、互耦校正效果好等优点。     

多子阵互耦影响下的非圆信号自校正算法

针对多子阵互耦影响下的非圆信号波达方向(Direction-Of-Arrival,DOA)估计问题,给出了一种针对最大非圆率信号的互耦自校正算法.该算法利用均匀线阵互耦矩阵的带状、对称Toeplitz性和多子阵互耦矩阵的块状对角特性,能够与传统的互耦秩减估计器一样避免多维搜索和迭代运算.并且通过结合信号的非圆特性来扩展数据模型,使得其估计精度较传统的互耦秩减估计算法有明显提升,可分辨信源数也有所增加.对该算法的理论性能进行研究,分析了其对未知参数的可辨识性必要条件,并基于最大非圆率信号模型给出了相应的克拉美罗界(Cramér-Rao Bound,CRB).仿真结果表明,该算法较传统的互耦秩减估计算法在低信噪比、小快拍数下有更强的鲁棒性.     

基于虚拟孔径扩展的非均匀稀疏阵DOA估计

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵DOA估计算法。该算法首先对非均匀稀疏阵接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算得到新的协方差矩阵;然后利用任意阵列下的空间平滑算法恢复新协方差矩阵的秩;最后通过对新协方差矩阵进行特征值分解实现DOA估计。与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。仿真结果证明了算法的有效性。     

多径环境下阵列波达方向估计及互耦校正

在阵列信号处理的研究中,多径环境会降低接收机的定位精度,传统的多重信号分类算法的性能会大大降低,空间平滑算法能有效地进行解相干。当阵列天线存在互耦效应时,传统的空间平滑算法的测向性能会大大下降。针对多径环境下的均匀线阵,利用互耦矩阵的复对称带状的结构特点,结合空间平滑算法,提出了一种可以进行互耦校正的波达方向估计算法。该算法通过求解线性约束下的二次规划问题,利用谱峰搜索得到入射信号的DOA。数值仿真结果验证了该算法的有效性。     

2-D DOA estimation in case of unknown mutual coupling for multipath signals

In this paper, two dimensional (2-D) direction-of-arrival (DOA) estimation problem in case of unknown mutual coupling and multipath signals is investigated for antenna arrays. A new technique is proposed which uses a special array structure consisting of parallel uniform linear array (PULA). PULA structure is complemented with auxiliary antennas in order to have a structured mutual coupling matrix (MCM). MCM has a symmetric banded Toeplitz structure which allows the application of the ESPRIT algorithm for 2-D paired DOA estimation. The advantage of the PULA structure is exploited by dividing it into overlapping linear sub-arrays (triplets) and spatial smoothing is employed to mitigate multipath signals. Closed form expressions are presented for search-free, paired and unambiguous 2-D DOA estimation. Two algorithms PULA-1 and PULA-2 are proposed to effectively solve the problem. Several simulations are done and the accuracy of the proposed solution is shown.     

Direction-of-arrival estimation in the presence of mutual coupling based on joint sparse recovery

A novel Direction-Of-Arrival (DOA) estimation method is proposed in the presence of mutual coupling using the joint sparse recovery. In the proposed method, the eigenvector corresponding to the maximum eigenvalue of covariance matrix of array measurement is viewed as the signal to be represented. By exploiting the geometrical property in steering vectors and the symmetric Toeplitz structure of Mutual Coupling Matrix (MCM), the redundant dictionaries containing the DOA information are constructed. Consequently, the optimization model based on joint sparse recovery is built and then is solved through Second Order Cone Program (SOCP) and Interior Point Method (IPM). The DOA estimates are gotten according to the positions of nonzeros elements. At last, computer simulations demonstrate the excellent performance of the proposed method.     

互耦条件下基于4阶累积量的双基地MIMO雷达角度估计

发射和接收阵列的互耦效应将使得双基地多输入多输出(MIMO)雷达的角度估计算法性能下降。针对阵列互耦效应和高斯色噪声并存情况,该文提出一种基于4阶累积量组合矩阵构造的收发角度估计方法。该方法首先根据收发互耦矩阵的Kronecker乘积特点,并结合互耦矩阵带状、对称的Toeplitz变换性质,充分利用所有的接收数据,构造出多组发射和接收4阶累积量矩阵,通过组合收发累积量矩阵进一步构造出4阶块累积量矩阵,并利用矩阵的奇异值分解,提取出发射和接收旋转不变因子。理论和仿真结果表明:在强互耦效应情况下,所提算法能够有效估计出高斯色噪声背景下目标的收发角度,并实现自动配对。在强互耦情况下,所提算法的估计性能优于其他算法。     

基于协方差匹配技术的互耦和幅相误差联合校正算法

 提出了基于协方差匹配技术的均匀线阵互耦和幅相误差联合校正算法.首先,根据协方差匹配技术中的目标函数和均匀线阵的误差模型,设计了一种交替迭代算法用以实现各种参数的优化计算.接着,为了避免该算法中的每轮循环迭代都需要进行波达方向估计这一复杂环节,利用理想条件均匀线阵协方差阵的Toeplitz性,给出了另一种改进型交替迭代算法用以减少计算复杂度.与基于子空间技术的阵列误差校正方法相比,文中的两种新算法可直接利用信源的统计特性,并且适用于不同的高斯噪声模型(例如噪声功率不一致),仿真实验验证了新算法的有效性和优越性.     

自由度和互耦联合优化的三阶嵌套阵

针对现有嵌套阵自由度低、互耦率高的问题,本文采用均匀线阵进行级联,提出一种高自由度低互耦的三阶嵌套阵,该结构保留了嵌套阵的原有优势,具有物理阵元位置和自由度的闭式解,且极大程度地降低了阵元互耦。首先,对传统的回波信号模型引入互耦矩阵,建立了互耦条件下回波信号模型;然后,给出了三阶嵌套阵的布阵方式,并推导了“差联合阵列”结构下物理阵元的最佳配置和自由度的闭合表达式;最后,结合压缩感知技术进行波达方向估计。仿真实验表明,与现有嵌套阵相比,所提三阶嵌套阵在不增加物理阵元数目的条件下可以有效提升自由度,降低阵元互耦,从而提升角度估计性能。      

高斯噪声背景下多用户波达方向估计与互耦自校正

在高斯噪声背景下,针对互耦条件下的均匀线阵(Uniform Linear Array, ULA),该文提出了一种联合多用户波达方向(Direction Of Arrival, DOA)估计与互耦误差自校正算法。该算法首先利用特征矩阵联合相似对角化(Joint Approximative Diagonalization of Eigen matrix, JADE)方法估计出各用户广义空间特征矢量,然后定义了一个将各用户广义空间特征矢量转换为只与部分阵元相关的转换矩阵,进而在斜投影及前后向空间平滑的基础上,实现了多用户相干信源DOA估计,最后以多用户相干信源DOA及广义空间特征矢量估计值为基础,给出一种互耦自校正方法。仿真结果表明:该算法具有较高的DOA估计精度及DOA估计成功率,而且对高斯白噪声/色噪声背景,阵列互耦误差已知/未知情形,均具有普适性。     

一种阵列互耦矩阵与波达方向的级联估计方法

当阵列天线存在互耦效应时,传统多重信号分类(MUltiple SIgnal Classification, MUSIC)算法的测向性能急剧下降。为了有效估计阵列互耦矩阵(MCM)与入射信号的波达方向(Direction Of Arrival, DOA),该文提出一种阵列互耦矩阵与波达方向的级联估计方法。利用互耦矩阵的结构特点,变换阵列流形,实现对互耦矩阵与DOA的解耦合。求解线性约束下的二次优化问题,利用谱峰搜索,得到阵列互耦矩阵和入射信号DOA,完成互耦误差自校正。通过计算机仿真验证了该文方法估计性能的有效性和优越性。