空间色噪声环境下基于时空结构的双基地MIMO雷达角度和多普勒频率联合估计方法

该文针对空间色噪声环境提出一种基于时空结构的双基地MIMO雷达角度和多普勒频率联合估计方法,并推导了基于时空结构时角度和多普勒频率估计的克拉美-罗界(CRB)。该方法在时域噪声为高斯白噪声的假设下,首先将不同时刻匹配滤波器输出进行互相关以消除空间色噪声的影响,然后将相邻时刻匹配滤波器输出的时间相位差作为时间旋转因子,采用ESPRIT方法估计目标的DOD(Direction Of Departure), DOA(Direction Of Arrival)和多普勒频率。该方法能够克服空间色噪声的影响,所估计参数自动配对且无阵列孔径损失,并且适用于发射和接收阵列不满足平移不变结构的情况。计算机仿真验证了该文所提方法的有效性。     

空间色噪声环境下双基地MIMO雷达DOD和DOA联合估计方法

针对空间色噪声环境提出一种同时利用空域和时域信息的双基地MIMO雷达DOD（Direction of Departure）和DOA（Direction of Arrival）联合估计方法。该方法在时域高斯白噪声的假设下．将不同时刻的匹配滤波器输出进行互相关以消除空间色噪声的影响并获得空时互相关矩阵，然后基于传播算子方法构造一低维矩阵，利用其特征参数与待估参数的特定关系获得目标DOD（DirectionofDe．parture）和DOA（DirectionofArrival）的联合估计。该方法能够有效克服空间色噪声的影响，所估计参数自动配对。与现有方法相比，其孔径损失小，具有更优的参数估计性能和最大可检测目标数。且对发射阵元个数没有特殊要求，具有更广泛的适用性。计算机仿真验证了本文方法的有效性。     

双基地MIMO雷达四维角度和多普勒频率联合估计

该文提出了一种新的基于L型阵列双基地MIMO雷达多目标的4维角度和多普勒频率联合估计的算法,该算法根据DOA 矩阵法的思想构造矩阵,通过特征参数与待估参数之间的特定关系,推导出了目标2维DOA, 2维DOD及多普勒频率联合估计式,并得到闭式解。该算法无需谱峰搜索,只需一次特征值分解,且估计出的5维参数自动配对,与ESPRIT算法相比,计算复杂度降低,且性能非常接近,并能克服空间色噪声的影响,在发射信号非完全正交时仍旧适用。仿真结果验证了该算法的有效性。     

基于MUSIC和ESPRIT的双基地MIMO雷达角度估计算法

该文基于2阶和4阶统计量,提出了空间高斯白噪声和高斯色噪声的背景下联合MUSIC和ESPRIT的双基地MIMO雷达角度估计算法。在接收端,通过单天线的MUSIC算法和双天线的ESPRIT算法分别估计目标的离开方向(Direction Of Departure, DOD)和波达方向(Direction Of Arrival, DOA),且DOD和DOA自动配对。该方法充分利用了MIMO雷达阵列孔径扩展的特征和ESPRIT的子空间旋转不变性,将2维参数估计问题转化为两个1维形式,降低了运算量和系统复杂度。计算机仿真验证了该方法的有效性。     

色噪声环境下MIMO雷达角度估计算法

针对色噪声环境下的MIMO雷达目标角度估计问题,提出一种基于四阶累积量切片的角度估计算法。算法利用MIMO雷达的接收数据计算出四阶累积量,构造出累积量切片矩阵,通过特征分解,结合ESPRIT算法实现了雷达目标的角度估计。同时进行了低复杂度改进,去掉了冗余信息,保留了MIMO雷达阵元扩展能力和目标分辨力,具有自动抑制加性高斯噪声和任意高斯色噪声的能力。最后计算机仿真结果证实了算法的有效性和可行性。     

一种新的双基地MIMO雷达目标定位和多普勒频率估计方法

该文提出了一种新的双基地MIMO雷达目标定位和多普勒频率估计方法.该方法利用矩阵的双正交性构造合理的代价函数,通过迭代求解代价函数和系统化的多阶段分解依次估计每个目标的2维方位角和多普勒频率.仿真结果表明,与基于ESPRIT的方法相比,该文方法能够估计目标的多普勒频率,消除了雷达发射信号不满足理想正交对目标定位精度的影响并且在发射和接收阵列不具备平移不变结构的条件下仍具适用性.     

冲击噪声背景下双基地MIMO 雷达目标角度估计方法

实际工作环境中雷达经常会受到琢稳态分布冲击噪声的影响,使得大量高斯噪声背景下基于二阶或更高阶累积量的角度估计算法性能急剧下降。文中提出了一种基于FLOM-ESPRIT算法的双基地MIMO雷达收发角度估计方法,算法通过利用匹配滤波后数据构造分数低阶协方差矩阵实现对冲击噪声的有效抑制,弥补了传统的二阶或四阶统计模型及相应的处理算法不适用于冲击噪声环境的缺陷,增强了信号子空间估计算法的稳健性,并且无需计算量繁杂的二维谱峰搜索。     

双基地MIMO雷达参数估计

文中探讨了双基地MIMO雷达进行参数估计的方法。针对时域噪声为高斯白噪声,存在空间高斯有色噪声的背景,引入时间延迟这个因素构造旋转因子,同时利用匹配滤波器和ESPRIT子空间算法实现目标角度以及多普勒频率的参数联合估计。仿真结果表明这种算法可以消除系统中空间高斯有色噪声的影响,得到较高的估计精度。     

一种新的双基地MIMO雷达收发角和多普勒频率联合估计方法

该文提出了一种新的双基地MIMO雷达收发角和多普勒频率联合估计方法。利用匹配滤波器输出的信号特点,采用最小二乘法从信号中分别提取出多目标的多普勒矢量、接收角矢量和发射角矢量,然后采用迭代算法对这3个矢量进行更新以完成收发角和多普勒频率的联合估计。该方法复杂度低,运算时间少,且能够实现自动配对。仿真结果表明,与基于PARAFAC的方法相比,该文方法更易获得高精度的收发角和多普勒频率估计,具有更高的可靠性。     

一种双基地MIMO雷达目标定位和多普勒频率估计方法

文章建立了双基地多输入多输出（MIMO）雷达信号模型,提出了一种基于子空间的目标方向角和多普勒频率联合估计算法,该方法引入改进的粒子群优化思想,通过迭代搜寻最优解,提高了多维参数估计的搜索速度,并可实现自动配对。仿真结果证明了所提算法的有效性。     

基于四元数的Root-MUSIC的双基地MIMO雷达中角度估计算法

该文将四元数理论应用到双基地集中式多输入多输出(MIMO)雷达的角度估计中。文中通过传统数据模型构造四元数矩阵,提出了基于四元数的求根-多重信号分类(Root MUltiple SIgnal Classification, Root-MUSIC)的MIMO雷达中角度估计算法,该算法通过奇异值分解和Root-MUSIC来估计出发射角(Direction Of Departure, DOD)和接收角(Direction Of Arrival, DOA)。该算法的角度估计性能远优于现有文献的方法,并且无需谱峰搜索,复杂度大大降低。仿真结果验证了算法的有效性。     

空间色噪声背景下双基地多输入多输出雷达低仰角估计方法

针对多径效应的影响,该文提出一种空间色噪声背景下双基地多输入多输出(MIMO)雷达低仰角估计方法。首先对双基地MIMO雷达中低仰角目标的多径环境进行建模,同时考虑发射和接收端的镜面反射信号,并用空间色噪声模拟漫反射。然后利用协方差矩阵求差方法消除未知色噪声的影响,在发射端和接收端进行空间平滑对多径信号解相干,即进行空间差分平滑处理。最后利用酉变换旋转不变技术(ESPRIT)算法估计目标的发射角(DOD)和接收角(DOA)。该文指出特殊情况下空间差分平滑协方差矩阵缺秩的问题,并提出一种修正的空间差分平滑方法。该算法对阵元数要求不高,适用于未知噪声背景及低信噪比环境,并且解决DOD与DOA联合估计的角度兼并问题。仿真实验表明了所提算法的有效性。     

基于多维范德蒙德结构的双基地MIMO雷达收发角及多普勒频率联合估计

针对双基地MIMO雷达收发角及多普勒联合频率估计问题,该文基于参数流型矩阵的多维范德蒙德结构特征,提出一种低运算量的3维参数联合估计算法。首先根据回波模型的多维结构特性构造3阶张量,并对其分别沿发射维、接收维和脉冲维切片得到3个等效矩阵;然后结合多维范德蒙德结构特征和等效矩阵的左奇异矩阵具有Khatri-Rao乘积结构特征,估计收发阵列流型矩阵和多普勒流型矩阵;最后通过Root-MUSIC算法估计收发角和多普勒频率。与现有算法相比,该算法显著改善了参数估计精度,在小脉冲数下,其运算量与旋转不变子空间算法(ESPRIT)相当。仿真实验验证了该算法的有效性。     

时空非均匀采样下双基地MIMO雷达收发角及多普勒频率联合估计方法

该文针对发射阵列、接收阵列以及多级延迟器均为非均匀配置的双基地MIMO雷达,提出基于时域和空域二次自由度扩展的发射角、接收角以及多普勒频率估计的ESPRIT (Estimating Signal Via Rotational Invariance Techniques)新方法。该方法利用双基地MIMO雷达特殊的方向矢量特点(矩阵的Khatri-Rao积形式),对接收信号进行两次行置换以及去冗余处理,实现了时域和空域孔径自由度的二次扩展。然后对新数据进行时空滑窗处理,利用ESPRIT算法分别估计出目标的收发角以及多普勒频率。理论和仿真结果表明：在相同阵元和延迟级数情况下,所提算法的估计性能优于四线性分解和多维ESPRIT算法,且能估计出更多的目标,此外,通过最小冗余配置,极大地降低了阵列和延迟器的配置需求,更利于实际工程应用。     

基于联合矩阵对角化的双基地MIMO雷达DOD-DOA估计

针对双基地MIMO雷达收发角(DOD-DOA)估计问题,该文提出一种基于联合矩阵对角化的快速多目标收发角估计算法。该算法首先根据匹配滤波输出的数据结构,利用奇异值分解和秩1矩阵判断定理将收发角度估计问题转化为联合矩阵对角化问题,然后采用单次-扫描迭代算法对其求解,得到收发阵列流型矩阵,最后通过谱分析方法估计收发角。该算法充分利用匹配滤波输出的所有信息,无需2维谱峰搜索,每次迭代均可得到精确的闭式解,且收发角自动配对。与现有算法相比,该算法不仅提高了角度估计精度,而且有效降低了运算量。仿真结果证明了所提算法的有效性。