低复杂度多输入多输出雷达目标角度估计方法

针对多重信号分类(multiple signal classification,MUSIC)算法通过谱峰搜索得到目标的角度估计的计算复杂度较高的问题,提出一种用于单基地多输入多输出(multiple input multiple output,MIMO)雷达目标角度估计的低复杂度求根MUSIC方法。首先通过降维变换降低接收数据的维度,然后在低维空间中根据导向矢量和噪声子空间的正交性,构造求根多项式,并通过求解该多项式的根来得到目标的波达方向(direction of arrival,DOA)估计。仿真实验表明,与MUSIC算法和RC-MUSIC算法相比,该算法具有更低的运算复杂度,且在低信噪比条件下具有更好的角度估计性能。     

远近场混合循环平稳信源定位方法

提出一种基于对称均匀线阵与二阶循环统计量相结合的远近场混合源定位新方法。该方法首先将均匀线阵划分为两个对称子阵,获得仅包含方位角信息的旋转矩阵,以此为基础,构造谱峰搜索函数,实现远场源和近场源角度的同时估计,将获得的方位角信息代入二维MUSIC谱函数,实现近场源距离估计。所提算法计算复杂度低,估计精度较高,且无需参数配对及二维搜索。均方根误差的仿真结果验证了该算法的有效性。     

基于秩亏损的近场源定位快速算法

为避免近场源参数估计中的搜索计算,提出了一种改进的Root-MUSIC算法.该算法把阵列分成两个对称的子阵,并利用两个子阵信号子空间的广义旋转关系得到信号源角度的估计,然后利用估计出的角度和GESPRIT方法给出距离的估计.该方法在低信噪比下性能优越,能完成参数的自动匹配,且无需谱峰搜索计算复杂度低.仿真结果表明了此算法的有效性.     

均匀圆阵下单个近场源信号四维参数估计快速算法

针对近场源三维参数估计效率低下及信号源的载波频率估计较少的情况,提出了一种基于均匀圆阵(UCA)的近场源四维参数估计快速算法,利用UCA的中心对称结构构造出两个相关序列,其中一个为利用错位相乘构造的相关序列,使之含有信号源的方位角、俯仰角以及载波的频率信息,而另外一个构造的相关序列则含有信号源的距离参数,这样两个相关序列的相位就包含信号的4-D参数信息.首先对利用错位相乘构造的相关序列利用最小二乘方法给出方位角、俯仰角和频率的估计,然后再利用另一个序列估计出距离参数.仿真结果表明该算法和3-D MUSIC算法性能相当,但由于所提算法无需三维搜索和特征分解,因而计算更加简单利于工程实时实现.     

基于均匀线阵的改进MUSIC算法

在相干信源下,传统的MUSIC（MUltiple SIgnal Classification）算法不能准确地估计波达方向。为此,在对传统的MUSIC算法进行研究的基础上,提出了一种改进的MUSIC算法。该算法是将阵元接收的数据做相应的变换,从而得到新的阵列数据,再通过求互协方差等运算,得到新的数据协方差矩阵。同时,对该算法和传统的MUSIC算法进行了仿真,对其DOA（Direction-of-Arrival）估计性能进行比较。仿真实验表明,改进后的算法在相干信源的情况下具有很好的去相干性能,而且没有阵列孔径的损失。能精确地估计信号的波达方向。     

基于信号子空间的IPR改进算法

研究了到达角(DOA)估计问题中的改进多项式根(IPR)法.针对IPR算法在信号较少时,噪声特征向量构成的矩阵计算量较大的问题,改进算法从信号子空间出发求出构造多项式的系数,从而求得到达角.通过理论推导和计算机仿真实验证明了该方法的有效性,降低了运算的复杂度,并且具有比MUSIC算法更好的性能.     

一种改进的RootMUSIC快速算法

MUSIC算法是一种基于特征结构的子空间类超分辨算法,该算法性能优良,但需要估计协方差矩阵并进行特征分解和谱峰搜索,运算量较大。研究了波达方向估计问题并提出了一种改进的快速算法,该算法利用协方差矩阵的子矩阵得到信号子空间,无需特征分解,只需估计该子矩阵,然后用多项式求根的方法代替谱峰搜索,故该快速算法运算复杂度远低于MU-SIC算法,同时性能损失并不太大。理论分析和计算机仿真结果表明此算法是有效的。     

利用最小冗余对称阵列的近场源定位算法

在阵元数目有限的情况下,针对近场源定位中的阵列孔径和阵元数损失问题,文中突破阵元间距为1/4波长的限制,提出了基于最小冗余对称阵列的协方差矩阵重构算法．该算法构建只与方位角有关的四阶累积量矩阵,通过多重信号分类算法来估计信号方位角;然后根据估计出的信号角度在距离维上进行搜索,估计出距离参数．该算法扩展了阵列的孔径,提高了阵列的自由度．仿真结果表明,该算法可以估计更多的信源数目,拥有较高的估计性能和空间分辨率,且只需进行一维搜索,避免了二维参数配对．     

基于MP的近场源方位角、仰角、距离和极化参量联合估计算法

提出了一种基于十字极化阵列的近场源五维参数联合估计方法。采用中心对称的十字阵列结构,阵列由与坐标轴方向一致的偶极子对组成,分别感应x轴方向和y轴方向的电场分量。利用极化阵列的接收数据,构造出六对矩阵束,并通过对矩阵束广义特征值分解得到的广义特征值来联合估计信源的方位角、仰角、距离和极化等参数。算法不需要谱峰搜索,广义特征值包含参数配对信息,配对方法简单,且不需要构造高维累积量矩阵,适用于加性高斯噪声环境(白噪声和色噪声),仿真试验证明了该算法的有效性。     

实值闭式求根快速阵列测向算法

谱峰搜索类多重信号分类MUSIC(multiple signal classification,MUSIC)算法作为测向算法中的经典算法,由于具有良好的参数估计性能,因此被广泛使用.但由于庞大的计算量,提高了测向系统的复杂度以及研发成本.相比之下,利用多项式求根获取目标信源方位信息的求根MUSIC(root multiple signal classification,root-MUSIC)算法降低了测向的计算复杂度.但由于root-MUSIC算法涉及复系数多项式求根运算,因此其计算量依然很大.为进一步有效降低算法的计算量,本文基于空间谱函数的极值处导数为零这一性质,提出一种基于实系数多项式闭式求根的快速阵列测向算法.所提算法利用坐标映射关系,在新的坐标系u域内构造一个与传统z域root-MUSIC算法同阶次的实系数求根多项式.同时,由于多项式的根关于实轴对称,利用Bairstow算法进一步将该实系数多项式分解为若干个二次多项式,最后利用一元二次方程求根公式直接给出对目标信源方位信息的估计结果.理论分析和仿真实验表明:新算法相比于传统root-MUSIC算法极大降低了计算量,提高了测向速度,同时保持了相同的估计精度.     

基于二阶统计量的近场源三维参数估计方法

针对近场三维参数估计方法计算量大的问题,提出了一种近场源的方位角、仰角和距离的三维参数估计方法。该方法利用在z-z平面十字阵列的结构特点和二阶统计量,估计信源的方位角、仰角和距离参数。将三维参数估计问题转化为多个一维搜索问题,从而减少了算法的计算量,并且无需参数配对,具有估计精度较高的优点。仿真实验表明,在信噪比大于0时,该方法能有效估计近场源的三维参数。     

基于L阵的低计算复杂度二维波达方向估计

针对L阵的二维波达方向估计问题,提出了一种低计算复杂度、高精度的二维波达方向估计算法.首先利用L阵子阵互相关矩阵和均匀线阵导向矢量的共轭交换性质扩展阵列孔径,并构造新的阵列接收数据;然后利用旋转不变子空间算法得到二维角度估计;最后将子阵互相关矩阵对角元素Toeplitz化,在不损失阵列孔径的情况下重构出类阵列自相关矩阵,利用Nystöm方法得到信号子空间估计,进而通过少量角度搜索得到正确的二维角度配对.该算法无须大量角度搜索,具有角度估计精度高、运算量小、所需快拍数少的优点.理论分析和仿真实验结果证明了算法的正确性和有效性.     

一种新的近场源参数估计的子空间方法

提出了一种新的近场源到达方向和距离的联合估计算法．基于阵列接收数据的高阶累积量,构造了两个适当的矩阵束,它们的广义特征值的相位给出到达方向和距离的估计,同时其特征值的幅度实现二维参数配对．该算法的参数估计有闭式解,不需要复杂的谱峰搜索和参数配对算法．由于算法使用了四阶累积量,所以适用于任意结构的加性高斯噪声环境．计算机仿真实验证实了所给算法的有效性．     

多口径组合阵列子空间DOA测向算法

现有各类子空间DOA测向算法为避免阵列模糊一般要求阵元间距小于半波长,但为获得更好的测向性能又需要较大的阵列尺寸,这需要大量的阵元,提高系统复杂度和成本.为克服这个问题,本文基于多重信号分类(MUSIC)算法提出一种采用半径不同的多口径组合阵列进行DOA测向方法.其中小尺寸阵列能够避免测向模糊问题,同时对空间谱起到平滑作用,从而降低空间谱计算复杂度;而具有较少阵元数目的大尺寸阵列主要用于提高测向算法精度和分辨力.本文给出算法的原理与实现步骤,并对算法精度和分辨力进行了分析和仿真,理论分析和仿真结果表明算法的有效性.     

估计近场源三维参数的新方法

针对近场源的方向角、仰角和距离的三维参数估计,提出了一种新的近场源三维参数的估计方法。该方法利用十字阵列的结构特点和四阶累积量估计信源的方向角、仰角和距离参数。十字阵列的其中一个子阵仅需2个阵元,从而减少了阵列的阵元个数,同时具有无需谱峰搜索和估计精度高的优点,且适用于高斯有色噪声环境。仿真实验证明了该方法的有效性。     

基于旋转不变阵列的分段平稳信号欠定DOA估计

为克服KR-MUSIC算法限定阵列为均匀线列阵、需要空域谱搜索、计算量较大的缺点,提出了一种基于旋转不变阵列的DOA估计算法,扩大了应用范围,且算法通过解析运算估计DOA,避免了计算量较大的谱搜索.该算法可估计的DOA个数由KR-MUSIC方法的2N-1增加到N2/2.仿真结果表明,在同样信噪比、帧长和帧数条件下,本文算法的性能要优于KR-MUSIC算法.     

基于fast-RVM算法的CACIS型互质阵列DOA估计

针对CACIS型互质阵列的快速、高精度DOA估计问题,提出了一种能够用于复数数据的fast-RVM算法.首先分析了CACIS型阵列结构;其次基于虚拟阵列扩展原理,构建了基于复数数据的稀疏信号模型;最后进行了数据的实数化处理,使其能够适用fast-RVM算法的数据结构.仿真结果表明,本文提出的CACIS型互质阵列DOA估计方法在具有较低运算复杂度的同时,也兼具了较高的DOA估计精度.     

适于相干信号DOA估计的改进矩阵差分方法

提出一种适用于色噪声背景下窄带信号的波达方向估计方法. 假设未知色噪声协方差矩阵具有对称的Toeplitz结构,利用线性变换改变阵列协方差矩阵,并与阵列协方差相减,理论上消除了噪声对算法估计性能的影响. 新差分算法适用于信号不相干或仅有2个信号相干的波达方向估计. 当相干信号多于2个时,通过与空间平滑算法结合,拓展了算法的应用范围. 与传统差分算法相比,新算法避免了“伪”波达方向估计,降低了计算复杂度. 仿真实验结果表明,新算法具有优越的估计性能.     

基于酉变换的虚拟阵列DOA估计算法

为了估计相干信源的波动方向,提出基于酉变换的虚拟阵列DOA估计算法．该算法通过阵列虚拟平移形成虚拟阵列对相干信号进行解相干,并利用酉变换将虚拟阵列接收数据的协方差矩阵从复数域变换到实数域,然后利用该实数矩阵进行波达方向估计．计算机仿真表明算法在低信噪比情况下具有很好的解相干特性和估计性能．该算法避免了阵列孔径损失,可在小采样拍数情况下实现相干信源的DOA估计,且运算在实数域进行,大大降低了运算复杂度．     

互质圆形阵列DOA估计方法

针对传统均匀圆形阵列孔径受限的问题,设计了一种互质圆形阵列,并在此基础上,研究了一种基于相位模式激励的二维波达方向估计方法.首先利用两个均匀圆形子阵列进行堆叠形成互质圆形阵列结构.然后,基于相位模式变换算法将元素空间问题转化到波束空间,将互质圆形阵列合成类似于ULA的范德蒙结构且中心埃尔米特对称的阵列流型,减小谱峰搜索...