互耦条件下基于4阶累积量的双基地MIMO雷达角度估计

发射和接收阵列的互耦效应将使得双基地多输入多输出(MIMO)雷达的角度估计算法性能下降。针对阵列互耦效应和高斯色噪声并存情况,该文提出一种基于4阶累积量组合矩阵构造的收发角度估计方法。该方法首先根据收发互耦矩阵的Kronecker乘积特点,并结合互耦矩阵带状、对称的Toeplitz变换性质,充分利用所有的接收数据,构造出多组发射和接收4阶累积量矩阵,通过组合收发累积量矩阵进一步构造出4阶块累积量矩阵,并利用矩阵的奇异值分解,提取出发射和接收旋转不变因子。理论和仿真结果表明：在强互耦效应情况下,所提算法能够有效估计出高斯色噪声背景下目标的收发角度,并实现自动配对。在强互耦情况下,所提算法的估计性能优于其他算法。     

基于累积量的互耦误差下相干信号DOA估计

在高斯色噪声和阵列互耦误差背景下,针对相干信号源和非相干信号源并存的问题,提出了一种准确估计信号源到达角(DOA)的算法。首先,采用辅助阵元法将互耦误差从阵列流形中分离;然后结合空间平滑技术和四阶累积量构建平滑矩阵,实现对高斯噪声的抑制和对信号的解相干;最后使用ESPRIT算法获得信号源的来波方向。仿真结果表明,文中算法有效解决了阵列互耦和信源相干的影响,在高斯白噪声和高斯色噪声环境下均能精确地估计DOA。     

高斯色噪声背景下的单通道信源数目估计算法

目前信源数目估计算法大都是基于多通道接收模型且对高斯色噪声抑制能力较差,而实际应用中单通道接收模型及色噪声环境非常普遍,因此研究色噪声背景下的单通道信源数目估计算法意义重大。针对现有算法的缺陷提出了一种基于构建信号时间快拍和四阶累积量矩阵的单通道信源数目估计算法。首先通过构建信号时间快拍实现单通道接收信号的升维得到矢量化空间,然后以此组信号空间构造出四阶累积量矩阵,并从理论上验证了该四阶累积量矩阵能有效抑制高斯白噪声及高斯色噪声的影响,最后对该矩阵进行奇异值分解并通过信息论准则估计出信源个数。仿真实验和实际信号实验都表明本文算法能较好地解决单通道信源数目估计问题,且能有效抑制高斯色噪声。      

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。     

色噪声环境下单基地MIMO雷达分布式目标角度估计

针对传统的二阶统计量角度估计算法在高斯色噪声环境下估计性能急剧下降甚至失效的问题,该文提出一种基于四阶累积量的单基地MIMO雷达相干分布式目标角度估计算法。首先建立单基地MIMO雷达的相干分布式目标信号模型,求取信号的四阶累积量矩阵;利用特征值分解分离出相互正交的信号子空间与噪声子空间,根据多重信号分类(MUSIC)算法原理,获得阵列的空间谱函数,通过谱峰搜索得到分布式目标的中心波达方向。该算法充分利用了四阶累积量对高斯过程的不敏感性,能够很好地抑制高斯色噪声对角度估计的影响。仿真结果证明了该算法的正确性和有效性。     

基于四阶累积量的DOA估计方法

从一个统一的角度来研究基于高阶累积量的高分辨阵列信号处理方法,用四阶累积量构造了一个较通用的累积量矩阵,该矩阵符合MUSIC算法的结构,从而可进行DOA(Direction ofArrival)估计。对于这种方法在阵列信号处理中的应用,通过计算机仿真与基于二阶矩的MU-SIC算法进行了较全面的比较。仿真结果表明,该方法在高斯噪声中具有良好的统计性能,是实现高分辨方位估计的有效方法。     

阵列误差下的多输入多输出雷达测向技术

针对多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达收发阵列同时存在阵元互耦效应和幅相误差时目标测向性能下降的问题,提出了一种基于Capon波束形成的测向算法.该方法利用Toeplitz特性降低了参数空间维数,并结合Kronecker积特性将发射和接收阵列的阵列误差去耦合,从而对收发阵列误差进行迭代补偿,最终获得目标方位角的估计.仿真结果验证了所提算法的有效性和可行性.     

基于四阶累积量的DOA估计方法

从一个统一的角度来研究基于高阶累积量的高分辨阵列信号处理方法，用四阶累积量构造了一个较通用的累积量矩阵，该矩阵符合MUSIC算法的结构，从而可进行DOA（Directionof Arrival）估计。对于这种方法在阵列信号处理中的应用，通过计算机仿真与基于二阶矩的MU—SIC算法进行了较全面的比较。仿真结果表明，该方法在高斯噪声中具有良好的统计性能，是实现高分辨方位估计的有效方法，     

累积量稀疏表示的扩展阵列的DOA估计方法

针对现有稀疏重构DOA估计算法不能抑制噪声项、在高斯色噪声背景下不适用以及能够分辨的最大信源数小于阵元数的问题,首先利用阵列输出数据的四阶累积量矩阵构建稀疏表示模型,该模型抑制了噪声项,并通过产生虚拟阵元实现了阵列扩展;然后对累积量矩阵进行奇异值分解来化简模型,化简后的模型不仅减小了数据规模而且进一步抑制了噪声。在利用加权l1范数法对稀疏表示模型求解时,不需要选取平衡重构残差与解的稀疏性的正则化参数。理论分析与仿真实验表明所提算法在高斯白噪声以及色噪声背景下均适用,能够分辨的最大信源数大于阵元数且具有较高的角度分辨力。     

基于高阶累积量虚拟阵列扩展的DOA估计

该文提出了一种基于高阶累积量虚拟阵列扩展的DOA估计新方法。该方法基于高阶累积量孔径扩展的性质,由实际阵元的坐标与方向矢量直接计算出虚拟阵元的坐标与方向矢量,利用两种阵元的坐标之间的关系构造四阶或六阶协方差矩阵,运用MUSIC方法对非高斯独立信号源进行DOA估计。该方法在任意阵列的情况下,对非高斯独立信号源进行一维与二维DOA估计,均能准确地估计出多于实际阵元数目的方向角与仰角。实验表明,该方法简单、有效地扩展了阵列孔径,提高了阵列的空间分辨能力,有效地抑制了高斯噪声的干扰,降低了高阶累积量协方差矩阵的计算量。