电磁矢量阵列的四元数Toeplitz矩阵重构算法

对于电磁矢量阵列的相干信源波达方向估计,针对空间平滑算法解相干时减少阵列有效孔径的问题,提出了一种四元数Toeplitz矩阵重构算法。首先,根据四元数的正交特性建立了信号接收模型,很好地保持了电磁矢量阵列的阵元输出信号两分量间的正交性,同时保证了波达方向角信息和极化信息都能包含在重构矩阵中;然后,在阵列各阵元接收数据与参考阵元接收数据的相关函数基础上,构成Hermitian Toeplitz矩阵,从而实现解相干。该算法与空间平滑算法相比增加了相干信源估计个数,且在低信噪比和入射角度接近时具有更好的估计性能,通过仿真实验得到了验证。     

基于波束域的米波雷达低仰角波达方向估计

针对米波雷达低仰角工作时除了收到目标的直达波外,还会收到与直达波相干的地(海)面反射的多径信号,提出了一种基于波束域的米波雷达低仰角波达方向估计的新算法.利用阵列输出数据协方差矩阵构造一个Toeplitz矩阵,以实现对雷达回波数据的解相干;在波束域对降维后的数据协方差矩阵应用基于信号子空间的角度超分辨算法实现波达方向估计;最后,研究了波束域下米波雷达低仰角波达方向估计的特点,分析了不同信噪比、波束个数对算法性能的影响.所提算法不但可以有效地克服多径效应,还极大地降低了运算量,理论分析和计算机仿真都证明了新算法的优越性.     

单快拍虚拟阵列Toeplitz矩阵重构的相干信源DOA估计

针对相干信源的DOA估计,提出一种基于单快拍虚拟阵列Toeplitz矩阵(SSVT)重构的解相干算法。该方法利用阵元接收的单快拍数据构造出双向虚拟子阵,并对虚拟子阵的协方差矩阵的平均值进行Toeplitz矩阵重构,实现对相干信源的DOA估计。该方法无需进行多次快拍,在不损失阵列孔径和工作阵元的基础上实现相干信源的DOA估计。仿真结果表明,该算法降低了运算量,在低信噪比的情况下也能分辨M-1个相干信源。     

一种基于面阵的相干信源DOA估计算法

由于传播环境的复杂性,入射到阵列的信号中有多径信号存在。在多径环境中,相干信源会造成波达方向（Direction of Arrival,DOA）估计的漏报。对面阵及相干信源进行数学建模,通过对接收信号协方差矩阵进行矩阵重构以降     

一种基于波束空间的相干信号源DoA估计方法

针对均匀线阵的相干信号源波达方向(Direction of Arrival,Do A)估计问题,提出了一种可解相干的波束空间Do A估计算法。该算法利用接收数据的自协方差矩阵构造一个Toeplitz矩阵,使构造的Toeplitz矩阵的秩不受信号相干性的影响。然后将新的Toeplitz矩阵变换到波束空间,再结合MUSIC子空间算法,并充分利用信号子空间,即可实现对相干信号源的波达方向估计。与阵元空间算法相比,该算法提高了分辨率,有更小的均方根误差,降低了特征分解的计算量。通过仿真实验,对分辨率、解相干能力、均方根误差及仿真时间进行了对比研究,并验证了文章算法的有效性。     

基于Toeplitz矩阵重构的相干信源波达方向估计研究

波达方向估计(DOA估计)是实现目标精确定位的重要内容。针对相干信号源的波达方向角估计问题,提出了一种能有效解相干的互相关矢量Toeplitz矩阵重构算法。该算法利用了阵列接收数据互相关矢量的内在关系,实现了相干源的完全解相干。该算法不损失阵列孔径,无需阵列平滑。仿真结果表明了该算法的有效性。     

宽带相干信源DOA估计及其阵列校正方法

本文针对宽带相干信号,应用正交投影子空间算法提出了一种新的DOA估计方法。该方法不需要相干信号子空间方法(CSS)中聚汇矩阵所需的DOA先验信息,也不需要插值法中对扇区的划分 。并且应用Toeplitz 对角化方法修正数据协方差矩阵,使该方法能够处理相干信号和对阵列位置误差进行校正。仿真实验结果表明了该方法的有效性。     

相干源二维波达方向估计

本文分析了平面阵接收信号的协方差矩阵，发现它可分解为一个广义对称矩阵与一个非广义对称矩阵之和，利用信号协方差矩阵的这一结构特征，重点研究了相干源二维波达方向（DOA）估计．该方法通过构造一个差矩阵，求出其本特征值对应的任一特征向量，利用谱函数估计相干源二维DOA．简要分析了二维DOA估计的分维处理。     

基于相干积累矩阵重构的波达方向估计新方法

针对短时小样本条件下相干信号的波达方向(Direction Of Arrival, DOA)估计问题,该文提出了一种基于相干积累矩阵重构的快速解相干方法。首先利用相干积累技术对阵列接收快拍进行处理,得到累积快拍矢量,提高了数据信噪比。再依据累积快拍矢量的结构特点构造一个非降维等效协方差矩阵,理论分析可知,该矩阵的秩仅与信源个数相等,与信号间相关性无关,即实现了相干信源完全解相干。相较于空间平滑类算法,该方法避免了阵列孔径损失,估计精度高、计算量小。仿真结果验证了算法的有效性。      

阵元失效下基于Khatri-Rao积的高分辨测向方法

在雷达、声呐、深空通信等实际应用中,阵元的失效会造成检测性能下降,虚警率增加;在目标方位估计中,阵元失效会造成采样协方差矩阵的秩亏问题,使得基于子空间类的传统目标方位估计方法失效。针对存在阵元失效的均匀线列阵的目标方位估计问题,提出了一种基于Khatri-Rao(KR)积处理的阵列自由度恢复方法以及Toeplitz矩阵数据重构的高分辨DOA估计方法。首先对有损伤的阵列采样协方差矩阵进行KR积处理,将产生的冗余项进行平均处理, 处理后的阵列模型将重构阵列自由度,并将阵列孔径扩展为之前的2倍。该阵列模型等效为一确定噪声下的单快拍的相干源估计, 采用基于Toeplitz矩阵数据重构的方法来去相干,重构协方差,最后采用MUSIC方法进行方位估计。数值仿真表明该方法能有效解决均匀线列阵阵元失效下的自由度损失问题,提高阵列的目标方位估计性能,而且具有计算量小的优点。     

利用改进的Toeplitz化技术实现米波雷达低仰角测高

由于多径效应的存在,米波雷达低仰角测高时除了收到目标的直达波外,还会收到与直达波相干的地(海)面反射的多径信号。该文提出了两种利用改进的Toeplitz化技术实现米波雷达低仰角测高方法。第1种改进方法不但利用阵列接收数据协方差矩阵的每一行元素构造Toeplitz矩阵,还利用了与其对应每一列元素构造Toeplitz矩阵,然后对这两个矩阵求平均得到一个新的协方差矩阵,这一过程相当于前后向空间平滑的过程,提高了参数估计的精度。第2种改进算法是在第1种算法基础之上,重新构造一个Toeplitz矩阵,使其在信噪比最大约束条件下逼近平滑后协方差矩阵的信号子空间,这样可以最小程度的减小噪声的影响,提高了算法的稳健性。理论分析和计算机仿真都表明了新算法的优越性。     

基于协方差矩阵重构的阵元失效MIMO雷达DOA估计

在实际应用中由于恶劣环境或人为干扰等因素而导致多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达部分阵元失效,使得其接收数据缺失及其协方差矩阵秩亏,从而导致子空间类算法的波达方向(Direction of Arrival,DOA)估计性能恶化甚至完全失效。针对上述问题,提出了一种接收阵元失效下基于协方差矩阵重构的MIMO雷达DOA估计方法。该方法根据MIMO雷达协方差矩阵中以接收阵元数划分的子方块矩阵具有Toeplitz特性,利用正常工作接收阵元的协方差矩阵元素来恢复相应的缺失元素,从而重构出完整的数据协方差矩阵,提高阵元失效MIMO雷达的DOA估计性能。仿真结果验证了所提方法的有效性。     

DOA estimation for monostatic MIMO radar based on unitary root-MUSIC

Direction of arrival (DOA) estimation is an important issue for monostatic MIMO radar. A DOA estimation method for monostatic MIMO radar based on unitary root-MUSIC is presented in this article. In the presented method, a reduced-dimension matrix is first utilised to transform the high dimension of received signal data into low dimension one. Then, a low-dimension real-value covariance matrix is obtained by forward–backward (FB) averaging and unitary transformation. The DOA of targets can be achieved by unitary root-MUSIC. Due to the FB averaging of received signal data and the eigendecomposition of the real-valued matrix covariance, the proposed method owns better angle estimation performance and lower computational complexity. The simulation results of the proposed method are presented and the performances are investigated and discussed.     

一种基于Toeplitz矩阵重构的相干信源DOA估计算法

提出一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

A covariance matrix shrinkage method with Toeplitz rectified target for DOA estimation under the uniform linear array

A covariance matrix shrinkage method is proposed to make an improvement of the direction of arrival (DOA) estimation under a uniform linear array in a scenario where the number of sensors is large and the sample size is relatively small. The main contribution is that we provide a shrinkage target with Toeplitz structure and deduce a closed-form estimation of the shrinkage coefficient. The closed-form and the expectation of the shrinkage coefficient estimate are calculated based on the unbiased and consistent estimates of the trace and moments of a Wishart distributed covariance matrix. The statistical property of the shrinkage coefficient estimate is discussed through theoretical analysis and simulations, which demonstrate the shrinkage coefficient estimate can ensure that the proposed covariance matrix estimate is a good compromise between the sample covariance matrix (SCM) and the target. The root-mean-square-error (RMSE) simulations of DOA estimation show that the proposed method can improve the multiple signal classification (MUSIC) DOA estimation performance in the case of low signal-to-noise ratio (SNR) with small sample size, and also can provide a satisfactory performance at high SNR.     

基于Toeplitz协方差矩阵重构的互质阵列DOA估计方法

针对基于互质阵列的欠定DOA估计方法对于虚拟阵元非连续部分利用率不高的问题,该文提出一种基于Toeplitz协方差矩阵重构的DOA估计方法。首先,从互质阵列差联合阵的角度分析虚拟阵元分布特性,结合其与协方差矩阵中各元素得到的波程差存在对应关系,将协方差矩阵进行扩展得到一个数据缺失的高维协方差矩阵;然后,根据矩阵填充理论,用迹范数代替秩范数进行松弛,对缺失元素进行填充;最后,利用现有root-MUSIC方法进行DOA估计。理论分析和仿真结果表明,该方法提升了虚拟阵元的利用率,从而增加了虚拟孔径和可估计信号数,同时无需对角度域进行离散化处理,有效消除了模型失配的影响,并且避免了正则化参数选取问题,提高了估计精度和分辨率。     

几种自适应波束形成方法的对比

波束形成在无线通信、雷达、声呐等阵列系统中具有广泛应用。数字波束形成通常是基于接收信号的阵列响应和协方差矩阵的估计设计。由于天线增益、相位、波达方向(Direction-of-Arrival,DOA)和协方差矩阵估计的误差会导致导向矢量(Steering Vector,SV)产生模型失配,而这种模型失配会导致波束形成性能的下降。针对以上问题,给出了基于精度矩阵收缩估计的方法,采用了线性脊估计结构且用数据驱动和留一交叉验证来选择参数。通过Matlab仿真,研究了当存在模型不确定性时,基于精度矩阵收缩估计的方法以及基于协方差矩阵收缩估计和干扰加噪声协方差矩阵重构等方法的鲁棒性。结果显示,当存在模型失配时,基于精度矩阵收缩的波束形成方法在低信噪比时具有更优的鲁棒性。     

DOA Estimation of Coherent Signals Based on Coherent Accumulation Vector

The direction-of-arrival (DOA) method based on multiple Toeplitz matrices reconstruction (MTOEP) method that employs all rows of the array output covariance matrix to reconstruct the Toeplitz matrix, which can effectively resolve coherent signals. However, the existing MTOEP method suffers serious performance degradation when in low signal-to noise (SNR) owing to the square transformation of noise energy. In this paper, a modified MTOEP method based on coherent accumulation processing is proposed. Firstly, because the strong coherence of the narrowband signal and the uncorrelated noise at adjacent snapshots, the accumulation vector is obtained via performing coherent accumulation processing on multiple snapshots. Then, the Toeplitz matrix can be reconstructed by exploiting the coherent accumulation vector and the received data from all sensors, which improves the signal energy, and further results in the improvement of the SNR. Finally, the DOAs can be estimated via the subspace-based methods. Theoretical analysis and simulation results show that compared with the existing MTOEP method, the proposed method provides an improved DOA estimation accuracy and a higher probability of successful resolution at low SNR.

     

基于协方差匹配SLO算法的MIMO雷达DOA估计

利用加权平滑l0范数(Smoothed l0, SL0)算法估计MIMO雷达目标DOA时,需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型,并利用信号和噪声子空间的正交性来构造加权向量。然而当存在相干信源时,MIMO雷达协方差矩阵的秩将退化,这会使得稀疏重构模型的误差较大以及无法正确区分信号和噪声子空间,导致加权SL0算法的DOA估计性能恶化。针对上述问题提出了一种基于协方差匹配SL0算法的MIMO雷达DOA估计方法。该方法利用协方差匹配准则重构出一个满秩的协方差矩阵,恢复MIMO雷达协方差矩阵的Toeplitz特性,并利用协方差逆矩阵的高阶幂来近似噪声子空间从而计算加权向量。仿真分析表明,该方法能够在无需预知信源数目的情况下有效地完成对相干信号的DOA估计。     

非均匀噪声条件下的互质阵列欠定DOA估计方法

针对基于互质阵列的欠定DOA估计方法在非均匀噪声条件下性能下降的问题,该文提出一种基于协方差矩阵重构和矩阵填充的鲁棒DOA估计方法。首先,将接收数据协方差矩阵分解,得到包含非均匀噪声项的对角阵;然后,选取对角线元素中的最小值,替换其余对角线元素,进而得到重构后的数据协方差矩阵;最后,对重构后的协方差矩阵进行扩展和矩阵填充,结合子空间方法进行DOA估计。理论分析和仿真结果表明,相对于现有方法,该文方法有效地抑制了非均匀噪声的影响,有更好的DOA估计性能。