三正交分离式极化敏感阵列的波达方向估计

该文研究了分离式极化敏感阵列(SS-PSA)的多目标波达方向(DOA)估计问题。首先建立三正交分离式极化敏感均匀稀疏阵列的信号模型;接着利用阵列的旋转不变性采用ESPRIT算法计算出多值模糊DOA估计;利用该模糊DOA估计值对分离式极化天线进行空间相移的补偿,然后利用共点式极化天线之间的多维角度结构求出对应的虚拟DOA估计;最后通过提取多值模糊估计值和对应虚拟估计值之差的最小范数得到多目标的DOA估计。该文所提阵列采用分离式极化天线代替传统共点式极化天线,降低了阵列的互耦影响;采用稀疏阵列结构有效地扩展了阵列的物理孔径,大大提高了DOA估计精度。计算机仿真结果证明了该算法对分离式极化天线DOA估计的有效性和高精度性。     

稀疏拉伸式L型极化敏感阵列的二维波达方向和极化参数联合估计

为降低现有的共心式矢量传感器阵列天线间存在的严重互耦影响,进一步提高参数估计精度,该文提出一种稀疏拉伸式L型极化敏感阵列(SSL-PSA),并针对该阵列提出一种2维波达方向(DOA)和极化参数联合估计算法。首先建立稀疏拉伸式极化敏感阵列的信号模型,然后将阵列划分为6个子阵,采用子空间旋转不变算法(ESPRIT)算法得到多个旋转不变因子(RIFs),再根据旋转不变因子间的关系,通过数学运算,得到一组方向余弦有模糊精估计值和4组无模糊粗估计值;然后重构出对应的4组导向矢量,根据导向矢量和噪声子空间的正交性,确定出正确的一组无模糊粗估计值;最后通过现有的解模糊方法得到高精度且无模糊的DOA和极化参数估计值。该文所提阵列不存在共心结构,相对于现有的含有共心式矢量传感器结构的阵列,大大降低了互耦影响,且可在不增加天线数目的前提下,有效扩展阵列的2维孔径,大大提高DOA估计精度。仿真结果证明该文所提方法的有效性。     

基于累积量的极化敏感阵列信号DOA和 极化参数的同时估计

本文研究极化敏感阵列非高斯窄带信号二维波达方向(DOA)和极化参数的同时估计问题.所考虑的极化敏感阵列包含一个特定子阵,该子阵由空间稀疏伸展三极子天线和两个导引阵元组成.分析了3维极化-角度域相干结构的平凡模糊问题,对利用并行累积量ESPRIT分别恢复出的信号3维极化-角度域相干结构和空域相干结构信息进行联合完成了非线性极化信号二维DOA和极化参数的同时估计.给出了一种相位缠绕解决方案并讨论了空间伸展三极子天线的可选择结构.     

基于极化敏感阵列均匀线阵的二维DOA估计

针对残缺电磁矢量传感器的极化敏感阵列多参数联合估计问题,该文提出一种基于正交偶极子的均匀线阵的2维波达方向(Direction-Of-Arrival, DOA)估计算法。首先,对极化敏感阵列的接收数据矢量的协方差矩阵进行特征分解,然后将信号子空间划分成4个子阵,根据旋转不变子空间(ESPRIT)算法分别求出其中1个子阵与其它3个子阵的相位差,再对不同子阵间的相位差进行配对,最后根据相位差求出信号的DOA估计和极化参数。由正交偶极子组成的均匀线阵使用极化MUSIC算法和传统ESPRIT算法无法进行2维DOA估计,该文提出的算法解决了这个问题,并且相较于极化MUISC算法降低了算法的复杂度。仿真结果验证了该文算法的有效性。     

基于矢量传感器MIMO雷达的DOD DOA和极化联合估计算法

该文研究了一种基于多输入多输出(MIMO)电磁矢量传感器阵列雷达目标波离角(DOD),波达角(DOA)和极化联合估计问题。提出一种新型矢量阵MIMO雷达系统模型,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,该文提出4维MUSIC, ESPRIT和迭代1维MUSIC 3种联合参数估计算法。其中迭代1维MUSIC算法首先利用矢量传感器的内在结构特点获得目标DOA预估计,随后采用MUSIC算法对DOD和DOA分别进行1维搜索获得目标角度的高精度估计,最后给出一种基于ESPRIT的目标极化估计算法。迭代1维MUSIC算法可用于不规则阵列,对接收阵列约束较少,无需2维搜索及多维搜索,还可以利用矢量阵特点扩展阵列孔径提高DOA估计精度。此外,论文还推导了DOD, DOA和极化联合估计的CRB。仿真实验表明,与前两种算法相比,迭代1维MUSIC算法具有与CRB更接近的估计精度。     

基于电磁矢量阵列孔径扩展方法的相干目标DOA估计

该文采用均匀且稀疏分布的电磁矢量矩形阵列,针对相干目标提出了一种有效的2维波达角(DOA)估计算法,该算法通过增加相邻阵元的间隔来扩展阵列的有效孔径,从而提高算法的DOA估计性能。论文首先结合极化平滑算法和传播算子方法得到存在相位周期性模糊的方向余弦估计。为了解决模糊性问题,论文通过协方差矩阵平滑提出一种新的解相干预处理算法,由该算法得到的信号子空间包含矢量阵元的导向矢量,且不存在相位模糊,利用此特点实现去模糊处理,得到目标的DOA估计。仿真结果表明,与基于ESPRIT的孔径扩展算法相比,提出的算法能够实现相干目标的DOA估计,同时无需特征值或奇异值分解,有更低的运算量。     

多跳频信号波达方向与极化状态联合估计算法

为了有效辅助跳频(FH)网台分选和信号识别、跟踪,该文用正交偶极子对构造极化敏感阵列,基于空间极化时频分析,在欠定条件下实现了多跳频信号波达方向(Direction Of Arrival, DOA)与极化状态的高效联合估计。首先建立跳频信号的极化敏感阵列观察模型,然后根据参考阵元时频分析结果建立各跳信号的空间极化时频分布矩阵,再利用该矩阵中蕴含的信号极化-空域特征信息分别运用线性、二次型空间极化时频以及多项式求根共3种方法实现DOA与极化参数联合估计,最后蒙特卡罗仿真结果验证了该算法的有效性。     

矢量传感器阵列MIMO雷达高精度二维DOA与极化联合估计

该文采用矢量传感器配置下的十字型阵列MIMO雷达系统,提出一种新的2维高精度DOA与极化参数联合估计算法。首先根据MIMO雷达虚拟阵列导向矢量的特点,通过降维矩阵的设计及回波数据的降维变换,将高维回波数据转换至低维信号空间;然后基于传播算子获得对应信号子空间的估计,利用收、发阵列阵元间长基线对应的旋转不变性和极化矢量中电场矢量和磁场矢量的叉积进行2维高精度DOA估计和解模糊处理,同时利用与阵列结构无关的极化域旋转不变性进行极化辅角和极化相位差的联合估计。该矢量传感器MIMO雷达阵列可同时获取MIMO雷达的波形分集和矢量传感器的极化分集,无需额外增加阵元和硬件开销,能够有效扩展阵列孔径,提高参数估计性能;同时通过降维变换及传播算子,在获取信噪比增益的同时,能够实现2维高精度DOA和2维极化矢量的联合估计及参数的自动配对,有效降低数据处理维数和参数估计的运算复杂度;最后,仿真结果验证了理论分析的正确性和算法的有效性。     

极化分集下的共形阵列波达方向估计

提出了一种基于双馈源共形阵列的极化分集信号盲极化波达方向(Direction of Arrival,DOA)估计方法.通过投影和旋转变换,分析并给出了双馈源共形阵列下正交极化分集信号的等效导向矢量,将信号空间划分为两个正交极化信号子空间,实现了正交极化信号的盲极化分离.在此基础上给出了基于多重信号分类(Multiple Signal Classification,MUSIC)的极化信号的DOA估计算法.该算法无需估计极化参数,能够实现任意共形阵列对正交极化分集信号的DOA估计,最大估计信号数目能够超过阵元个数.仿真实验验证了该算法具有很好的估计性能.     

极化敏感L型阵模值约束的多参数联合估计

对于极化敏感L型阵列的多参数联合估计问题,采用传统的多重信号分类(MUSIC)算法所需计算量大,采用旋转不变子空间(ESPRIT)算法需要考虑参数配对问题。提出了模值约束下的求根多重信号分类(root-MUSIC)算法,首先利用L型阵列中两个相互垂直的线阵构造两子阵接收数据的自相关函数,采用root-MUSIC算法进行波达方向角(DOA)估计,然后根据模值约束条件构造代价函数,通过闭合式解得到极化参数估计。该算法与传统MUSIC算法相比,大大减少了计算量,同时能够实现参数自动配对,避免了ESPRIT算法的不足。计算机仿真结果表明,该算法的角度估计性能与传统MUSIC算法接近,优于E SPRIT...     

基于张量四元数极化平滑的极化-DOA估计

为了解决相干信号的极化平滑算法在小快拍数和低信噪比条件下估计性能较差的问题,结合四元数的正交特性和协方差张量方法,提出了一种基于张量四元数的极化平滑多重信号分类（Multiple Signal Classification,MUSIC）解相干算法。首先,为了充分利用接收数据样本中的多维结构信息,建立了由张量四元数表示的柱面共形阵列极化平滑信号模型;其次,将平滑后的张量协方差矩阵通过高阶奇异值分解得到信号子空间;最后,通过极化秩亏MUSIC算法对入射相干信号分别进行二维波达方向（Direction of Arrival,DOA）估计和极化参数估计。仿真结果表明,该算法在小快拍数和低信噪比条件下具有更高的估计精度和分辨能力。     

极化敏感线阵的模值约束降维Root-MUSIC算法

为了解决极化敏感线阵波达方向角和极化参数联合估计运算量大的问题,本文提出了模值约束降维Root-MUSIC算法。 该算法通过对波达方向角和极化参数进行剥离,先采用Root-MUSIC算法进行DOA估计,然后根据模值约束条件构造代价函数,通过闭合式解求出极化参数估计。与传统MUSIC算法相比,该算法避免了谱峰搜索,大大提高了运算效率。与ESPRIT算法相比,该算法避免了参数配对问题。计算机仿真结果验证了该算法的正确性,且具有较高的成功率与精确度。在两目标信号入射角度接近时,也能够很好的分辨出两信号。      

Blind DOA and polarization estimation for polarization-sensitive array using dimension reduction MUSIC

A novel blind direction-of-arrival (DOA) and polarization estimation algorithm for polarization-sensitive uniform linear array using dimension reduction multiple signal classification (MUSIC) is proposed in this paper. The proposed algorithm utilizes the signal subspace to obtain an initial estimation of DOA, then estimates more accurate DOA through a one-dimensional (1-D) local searching according to the initial estimation of DOA, and finally obtains polarization parameter estimation via the estimated polarization steering vectors. The proposed algorithm, which only requires a one-dimension local searching, can avoid the high computational cost within multi-dimensional MUSIC algorithm. The simulation results reveal that the proposed algorithm has better DOA and polarization estimation performance than both estimation of signal parameters via rotational invariance technique algorithm and trilinear decomposition algorithm. Furthermore, the proposed algorithm can be suitable for irregular array geometry, obtain automatically paired multi-dimensional parameter estimation, and avoid multi-dimensional searching. Simulation results verify the effectiveness of the proposed algorithm.     

共形阵列天线信源方位与极化状态的联合估计算法

 针对共形天线阵列流形的特点,提出了共形阵列天线信源方位与极化状态的联合估计算法.算法的方位估计不需要信源极化状态的任何信息,估计精度高、分辨力强,在完成信源方位估计的同时,还可以精确的估计出信源的极化状态,不需要参数配对,实现了共形阵列天线信源方位与极化状态的联合估计.算法仅需要二维参数搜索,计算量比已有的联合估计算法小,且适用于任意共形载体,具有广泛的应用范围.对算法参数估计的理论性能进行了分析推导,给出了参数估计的CRB(Cramer-Rao Bound),并通过Monte-Carlo仿真实验验证了理论分析的正确性与算法的有效性.     

基于单快拍极化平滑处理的DOA跟踪算法

该文研究了基于电磁矢量传感器阵列的相干信号波达方向(DOA)跟踪问题。首先,对一种增强阵列有效孔径的单快拍极化平滑估计算法(SSPSA)的解相干性能进行了分析,此算法可以用于相干信号的DOA快速估计。在此基础上,提出了一种基于迭代的相干信号DOA跟踪算法,此算法无需奇异值分解和矩阵求逆运算,具有较快的跟踪速度。仿真实验验证了算法的有效性。     

Nested planar array: configuration design,optimal array and DOA estimation

Nested array enables to enhance localisation resolution and achieve under-determined direction of arrival (DOA) estimation. In this paper, we improve the traditional nested planar array to achieve more degrees of freedom (DOFs) and better angle estimation performance. The closed-form expressions for sensor positions of the improved array are given and the optimal array configuration for largest available DOFs is derived. Meanwhile, a computationally efficient DOA estimation algorithm is proposed. Specifically, we utilise two dimensional Discrete Fourier Transform (2D DFT) method to obtain the coarse DOA estimates; Subsequently, we achieve the fine DOA estimates by 2D spatial smoothing multiple signals classification (SS-MUSIC) algorithm. The proposed algorithm enjoys the same estimation accuracy as SS-MUSIC algorithm but with lower complexity because the coarse DOA estimates enable to shrink the range of spectral search. In addition, estimation of the number of signals is not required by 2D DFT method. Extensive simulation results testify the effectiveness of the proposed algorithm.     

基于斜投影的DOA估计和盲信号识别协同算法

阵列信号处理领域中,经常需要分析阵列接收信号的波达方向(DOA)和波形信息。在缺乏信号先验DOA和波形信息的情况下,提出了一种新的斜投影DOA估计和盲信号识别协同算法,实现对未知阵列接收信号的自适应分析。该算法交替地采用斜投影空域滤波技术将阵列接收信号拆分为单信号群组,在每个单信号群组内进行DOA和波形联合估计。算法适用于主瓣干扰存在的情况,并且在中小快拍数下有较好的估计性能。理论分析和仿真实验证实了文中算法的有效性。