互质阵列DOA估计性能综合分析北大核心CSCD

互质阵列是近年来兴起的新型阵列,能显著提高阵列自由度,处理信源数大于阵元数时的波达方向(DOA)估计,且能提高角度分辨率和测角精度。文中根据互质阵物理阵元和虚拟阵元特点,结合多重信号分类(MUSIC)算法提出适用于互质阵基于物理阵列和虚拟阵列的DOA估计方法。该方法以非相干信号源为研究对象,利用互质阵列建立信号接收模型,基于物理阵列的DOA估计方法根据互质阵物理阵元位置特点推导其导向矢量,然后根据导向矢量计算回波信号数据和信号协方差矩阵,最后利用MUSIC算法进行DOA估计。基于虚拟阵列的DOA估计方法根据其虚拟阵元数据特点在向量化协方差矩阵并去冗余后选取连续虚拟阵元接收数据,然后对新协方差矩阵进行一维Toeplitz平滑重构,最后利用MUSIC算法或求根MUSIC算法进行DOA估计。与等阵元数的均匀线阵进行对比,仿真实验验证了互质阵列DOA估计性能的优越性。     

基于双频虚拟互质阵列的均匀稀疏阵列DOA估计算法

提出了一种利用双频工作模式解决均匀稀疏阵列波达方向角(DOA)估计的方法。对一个物理均匀稀疏阵列,引入一个合适的额外工作频率,通过优选阵元数量及阵元间距,构建一个虚拟稀疏阵列,使得虚拟阵元间距与相邻真实均匀稀疏阵列的阵元间距成互质关系;物理均匀稀疏阵列与虚拟阵列组合形成一个自由度更高的虚拟互质阵列,将两个频率的接收信号对应合并后进行相关处理,得到虚拟互质阵列的阵列流形相关矩阵;基于相关间隔与差协同阵阵元位置的一一对应关系,对虚拟相关矩阵进行矩阵增广实现DOA估计,能够获得更高的自由度,突破物理阵元数目对最大可分辨信源数目的限制。基于MUSIC 算法的仿真结果验证了算法的可行性。     

虚拟子阵平滑算法

主动阵列发射正交信号可以极大地扩展阵列的虚拟孔径,阵列的自由度成几何增长。该文利用主动阵列发射同频带时域正交PCM信号构造的虚拟子阵,提出了一种虚拟子阵平滑(VSS)算法,可解决不同目标回波信号相干的问题。该算法避免了接收阵列物理孔径的损失,当接收阵列具有个阵元时,最大可分辨的相干数目为。仿真实验表明VSS算法的有效性,而且该算法只需要较少的阵元发射信号。     

基于协方差矩阵加权截断核范数的DOA估计

针对互质阵列通过差联合处理得到具有高自由度的虚拟阵列存在空洞位置,导致子空间类算法不适用、阵元利用率不足等问题,文中提出了一种基于加权截断核范数的协方差矩阵重构的波达方向(DOA)估计算法。该算法首先根据虚拟域信号表达式和空洞位置构建待填充矩阵;然后,利用最小化加权截断核范数实现阵列插值;最后,迭代重构接收信号协方差矩阵得到角度功率谱估计。仿真结果表明：所提算法可快速准确地实现DOA参数估计,相比基于最小化核范数和截断核函数正则化的DOA估计算法,该算法具有良好的鲁棒性,在快拍数小和信噪比低的情况下均具有较高的估计精度。     

基于阵列内插的双基地互质MIMO雷达角度联合估计方法北大核心CSCD

针对互质阵列形成的差分共阵(DCA)存在空洞导致虚拟阵列不连续的问题,提出了一种基于阵列内插形成无孔互质阵的双基地多输入多输出雷达测向方法。首先,推导阵列内插的位置与形成的DCA填补空洞的位置,并推导出自由度闭合式;其次,分别在发射阵列和接收阵列将子阵列内插,形成连续的虚拟发射阵列和虚拟接收阵列;然后,利用选择矩阵使等效虚拟信号向量在虚拟发射阵列和虚拟接收阵列中平滑移动得到空间平滑矩阵;最后,利用空间平滑矩阵进行空间谱估计,并通过多重信号分类算法实现角度自动匹配。     

空时虚拟DOA估计

智能天线是当前通信领域的热门技术之一。提出了一种基于智能天线的有效的超分辨二维DOA估计算法。该算法同时在空域和时域进行变换,产生大量虚拟阵元,使得阵列在空间的阵元数大量增加,实现了对二维DOA的有效估计。仿真结果验证了此结论。     

基于稀疏互质电磁矢量阵列的MUSIC算法

为增加传统MUSIC算法可分辨的信号源数,该文构造了一对具有互质关系的2维稀疏电磁矢量阵列,并基于此阵列提出了一种基于3维平滑的MUSIC算法。该算法利用两个阵列间的互质关系形成具有更多自由度的互质差合成阵列,并基于3维(2维空域加极化域)平滑算法恢复其自相关矩阵的秩,达到应用于传统MUSIC算法的目的。该算法的最大优势是仅使用二阶统计量即可系统地增加了原阵列的自由度。计算机仿真结果表明所提算法能估计多于物理阵元数的信号且分辨率高。     

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。     

基于内插阵列变换的非圆信号MUSIC算法

针对非圆信号的波达方向(DOA)估计问题,提出一种基于内插阵列变换的非圆信号MUSIC算法(VIA-NC-MUSIC算法)。利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实协方差矩阵变换为虚拟协方差矩阵,再对虚拟协方差矩阵进行奇异值分解(SVD),利用信号子空间与噪声子空间的正交性,得出算法的空间谱函数。仿真实验表明:存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的非圆信号MUSIC算法(NC-MUSIC算法)相当的估计性能,保持了高估计精度、阵列扩展能力等优点。     

基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法.该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)获得自动匹配的2维角度估计.相比于传统的2维DOA估计方法,所提算法更好地利用了阵列接收数据信息,能识别更多的入射信号,分辨能力高,不需要进行2维线性搜索或者角度参数匹配,在低信噪比(SNR)和小快拍情况下也有很好的估计效果.实验仿真结果验证了提出算法的有效性和可靠性.     

互质MIMO雷达的非圆信号降维DOA估计方法北大核心CSCD

针对传统互质阵列波达方向估计方法存在的自由度低、阵列孔径小、相位模糊等问题,提出了一种基于互质MIMO雷达的非圆信号降维波达方向(Direction of Arrival, DOA)估计方法。该方法结合了互质阵列与MIMO雷达的优点,利用非圆信号特性对阵列进行扩展,重构接收信号矩阵,然后进行降维处理,并利用噪声特征值的幂级数对噪声子空间进行修正,进一步提高算法精度。最后推导了文中方法的无相位模糊问题。仿真实验表明,文中方法能够有效避免相位模糊,大大提高自由度并扩大阵列孔径,与传统MUSIC算法以及互质阵列MUSIC算法相比,在估计成功率、DOA估计精度等方面均具有更好的性能。     

基于原子范数的互质阵列协方差矩阵重构算法

针对互质阵列的虚拟阵列插值过程中协方差项的非均匀加权问题,将互质阵列协方差矩阵重构转换为低秩矩阵填充与原子范数重构,提出基于原子范数的互质阵列协方差矩阵重构算法。该算法先利用广义增广法得到非完备的互质阵列协方差矩阵,并利用截断的均值奇异值门限填充法得到虚拟阵列的协方差矩阵初值,然后对其进行原子范数最小化求解,实现稳健的正定Toeplitz协方差矩阵重构。该算法充分利用互质阵列协方差矩阵信息,有效提高互质阵列DOA估计算法的稳定性,降低计算复杂度。     

Unfolded coprime bistatic MIMO radar for joint DOD and DOA estimation: from viewpoint on aperture augment for sum coarray

Generally, the coprime linear array (CLA) consisting of two interleaved uniform linear subarrays can enlarge the array aperture to attain the better angle estimation performance compared with the uniform linear array (ULA). In this paper, we ulteriorly study the virtual sum coarray of the unfolded coprime (UC) bistatic multiple-input multiple-output (MIMO) radar whose transmitter and receiver array are both unfolded CLA from the viewpoint on the geometry and array aperture. The UC MIMO radar can be exploited to obtain the better joint direction of departure (DOD) and direction of arrival (DOA) estimation performance due to the larger array aperture. Furthermore, we propose an all sum coarray multiple signals classification (ASCA-MUSIC) algorithm for the UC MIMO radar. ASCA-MUSIC can fully exploit all the degrees of freedom (DOFs) in the sum coarray and can obtain the better estimation performance. We also prove that ASCA-MUSIC can avoid the phase ambiguity problem due to the coprime property. In addition, we devise a reduced complexity scheme for ASCA-MUSIC to reduce the high computational complexity and utilize Cramer–Rao Bound (CRB) as a benchmark for the lower bound on the root-mean-square error (RMSE) of unbiased angle estimation. Finally, the numerical simulations verify the effectiveness and superiority of the UC MIMO radar, ASCA-MUSIC and the reduced complexity scheme.     

虚拟空间平滑算法

根据MASK、BPSK和AM等信号的实值特性,利用阵列接收数据及其共轭信息,构造了虚拟子阵,提出了虚拟空间平滑算法,较好地解决了信号高度相关问题.虚拟子阵具有M个阵元,避免了阵列孔径的损失,使该算法最大可分辨的相干信号数目为M-1.仿真实验证明,与前后空间平滑算法相比,该算法提高了空间分辨率,适应小样本,在一定程度上可以降低了计算量.     

基于双向传播算子的互质面阵二维波达方向估计

针对谱峰搜索的二维波达方向估计中现有算法复杂度高,精度受搜索间隔影响较大的问题,给出了一种双向传播算子的互质面阵二维波达方向估计算法,实现了俯仰角和方位角的低复杂、高精度、无模糊联合估计.该方法首先将互质阵列引入到二维波达方向估计中,构造互质平面阵模型,然后采用两次旋转不变传播算子方法计算出不同阵列流型方向上的旋转因子矩阵,根据旋转因子矩阵解算出目标信号的俯仰角和方位角,同时利用互质理论消除了稀疏阵列角度估计的不确定性,证明了互质阵列模型下采用双向传播算子方法进行俯仰角和方位角估计的无模糊性.对算法的复杂度进行理论分析,并给出了平面阵列角度估计的克拉美罗界推导.理论分析与仿真结果表明,算法不需要进行角度匹配和谱峰搜索,在相同条件下的均方根误差性能优于均匀平面阵的多重信号分类算法,并且以较低的复杂度无模糊的达到了高维网格搜索的精度.     

分布式嵌套阵列及其DOA估计

提出了一种分布式嵌套阵列天线结构,由两个相互独立的四级嵌套子阵构成。两个子阵间存在一个基线长度,且满足一定条件。对该阵列天线接收到的信号进行高阶累积量和Khatri-Rao积运算可以得到三个完全相同的均匀直线阵列天线结构。针对新得到的阵列天线结构,使用基于空间平滑技术的双尺度酉旋转不变子空间( ESPRIT)波达方向( DOA)估计算法对信号进行DOA估计。该方法可以有效地提高阵列天线的自由度,进而达到提高估计精度的目地。仿真结果证明了基于所提出阵列天线结构的DOA估计方法的有效性。     

Unfolded coprime L-shaped arrays for two-dimensional direction of arrival estimation

Generally, a coprime L-shaped array (CLsA) is composed of two uniform L-shaped subarrays with larger spacing among inter-element to accomplish the improved direction of arrival (DOA) estimation performance. In this paper, the two subarrays are unfolded to extend the array aperture and the performance of the unfolded CLsA (UCLsA) for two-dimensional (2D) DOA estimation is investigated. In addition, an all array multiple signals classification (AA-MUSIC) algorithm is proposed for the UCLsA. By stacking the received signals of the two subarrays, the ambiguity problem can be avoided on the basis of the coprime property. Simultaneously, due to the combination of the cross-correlation and auto-correlation, the proposed AA-MUSIC algorithm can achieve the full degrees of freedom (DOFs) and obtain more accurate DOA estimates, nevertheless, the expensive total spectral search is entailed. Consequently, a reduced complexity MUSIC (RC-MUSIC) algorithm is proposed to relieve the computational burden. The Cramer-Rao Bounds (CRBs) are utilised as a theoretical benchmark for the lower bound of unbiased estimate. Furthermore, numerical simulations verify the effectiveness and superiority of the AA-MUSIC algorithm and RC-MUSIC method for the UCLsA.     

基于均匀圆阵的宽带相干LFM信号定位方法

本文提出一种基于均匀圆阵的宽带相干LFM信号定位方法。首先，算法根据LFM信号在分数阶傅里叶域的能量聚焦性，对接收信号做分数阶傅里叶变换，实现宽带信号的窄带化处理；其次，利用圆阵的虚拟轴向平移形成的相位差构造空间平滑矩阵，完成相干信号的解相干处理；最后，对空间平滑矩阵进行奇异值分解得到相邻阵元接收数据的相位差，结合相位差反演参数估计算法得到二维角度参数估计的闭式解。仿真实验验证了算法对宽带相干LFM信号定位的有效性。     

基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法。该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)获得自动匹配的2维角度估计。相比于传统的2维DOA估计方法,所提算法更好地利用了阵列接收数据信息,能识别更多的入射信号,分辨能力高,不需要进行2维线性搜索或者角度参数匹配,在低信噪比 (SNR)和小快拍情况下也有很好的估计效果。实验仿真结果验证了提出算法的有效性和可靠性。