阵列扩展在干涉仪测向系统中的应用

传统的干涉仪测向系统中,测向精度受到阵列有效孔径的限制。利用四阶累积量的阵列扩展特性,可以达到在解测向模糊的同时保证测向精度的目的。通过对四阶累积量阵列扩展特性及干涉仪测向原理的研究,提出了将阵列扩展特性应用于干涉仪测向系统的测向方法。推导采用不同扩展阵元构成长基线测向时,对应的测向误差公式,得到获得较高的测向精度所需满足的天线阵元间距关系。Matlab仿真结果验证了此方法的正确性。     

基于延时相关预处理的MUSIC算法

针对MUSIC算法的分辨力受信噪比、快拍数及阵元数等因素限制的问题,利用各阵元接收数据的延时相关函数重新构造协方差矩阵,提出了基于延时相关预处理的MUSIC算法.根据阵元间的延时相关函数与原阵列流型及信号延时相关函数的关系,推导了4个与原阵列流型相同（共轭）的延时相关函数矩阵,分别对各矩阵求协方差并按规则求和得到新的协方差矩阵,之后对协方差矩阵进行特征分解,根据信号子空间处理稳健性高和噪声子空间处理估计精度高的特点构造谱函数进行谱峰搜索,实现DOA估计.通过仿真实验验证了本文算法的可行性和有效性.     

基于方向性模糊C-means与K-means的混合矩阵估计方法

在信源数目未知的欠定盲源分离问题中,精确地估计混合矩阵是具有挑战性的问题。针对现有方法在病态条件下（某些混合向量的方向接近）不能准确估计信源数目、易受离群点干扰的不足,提出了一种基于方向性模糊C-means与K-means的混合矩阵估计方法。该方法首先通过方向性模糊C-means对观测信号进行预聚类,通过预聚类可以实现:1) 根据聚类有效性指标值的收敛点确定信源数目;2）根据隶属度矩阵排除离群点;3）确定K-means的初始聚类点。最后使用K-means并利用预聚类确定的信源数目及初始聚类点实现混合矩阵估计。仿真结果表明提出的方法具有更优的混合矩阵估计性能。      

超宽频带测向解模糊方法研究

针对实际测向系统中对工作频带及天线盘可利用体积等限制条件．对现有的三种典型测向解模糊方法进行了简单地说明，并提出了适于任意阵列的立体基线测向法。通过仿真分析比较了各种测向解模糊方法的性能及特点；并选取虚拟基线法和立体基线法在实际测向系统上进行了测试，测试验证了立体基线测向法在实际系统中的可行性。结合仿真结果可以看出立体基线测向法可灵活排列天线并实现超宽频带无模糊测向。