多子阵互耦条件下的一维波达方向估计及互耦白校正

该文研究多子阵（multiple subarrays）阵元互耦条件下的波达方向（DOA）估计,假设阵列由多个位置已知的均匀线阵（ULA）组成,但线阵阵元间存在互耦效应。利用均匀线阵互耦矩阵的带状、对称Toeplitz性及多子阵互耦矩阵的块状对角特性,提出了一种解耦合波达方向估计及互耦自校正算法。该算法在未知阵元互耦参数的情况下,可准确估计出信源的波达方向。另外,算法在精确估计波达方向的同时,还可准确估计出阵元问的互耦系数,实现多子阵的互耦自校正。算法的波达方向估计只需一维谱峰搜索,避免了通常多参数联合估计的多维非线性搜索及迭代运算,可明显减小算法运算量。文中讨论了算法参数可辨识性的必要条件,并分析计算了多参数联合估计的克拉美-罗界（CRB）。理论分析及蒙特卡罗仿真结果表明,该算法具有计算量小、DOA估计分辨力高、互耦校正效果好等优点。     

多子阵互耦条件下的一维波达方向估计及互耦自校正

该文研究多子阵(multiple subarrays)阵元互耦条件下的波达方向(DOA)估计,假设阵列由多个位置已知的均匀线阵(ULA)组成,但线阵阵元间存在互耦效应。利用均匀线阵互耦矩阵的带状、对称Toeplitz性及多子阵互耦矩阵的块状对角特性,提出了一种解耦合波达方向估计及互耦自校正算法。该算法在未知阵元互耦参数的情况下,可准确估计出信源的波达方向。另外,算法在精确估计波达方向的同时,还可准确估计出阵元间的互耦系数,实现多子阵的互耦自校正。算法的波达方向估计只需一维谱峰搜索,避免了通常多参数联合估计的多维非线性搜索及迭代运算,可明显减小算法运算量。文中讨论了算法参数可辨识性的必要条件,并分析计算了多参数联合估计的克拉美-罗界(CRB)。理论分析及蒙特卡罗仿真结果表明,该算法具有计算量小、DOA估计分辨力高、互耦校正效果好等优点。     

互耦条件下均匀线阵DOA盲估计

阵元间存在互耦时,经典的波达角(DOA)估计算法性能急剧下降甚至失效。针对互耦条件下均匀线阵DOA估计问题,该文提出一种基于盲源分离的DOA盲估计算法。首先,利用源信号的统计特性,由盲源分离方法估计广义阵列流形矩阵;然后,利用均匀线阵互耦矩阵带状、Toeplitz矩阵的特点,将DOA估计问题转化为多个可分离非线性最小二乘问题,由多个1维频域搜索得到DOA的估计。该算法无需高维搜索或多维迭代,对互耦自由度要求更低,互耦自由度未知时仍旧适用,稳健度高。数值仿真验证了该文算法的有效性。     

阵列互耦条件下相干信源DOA估计算法研究

针对阵列互耦条件下相干信源到达方向（DOA）估计的问题,利用均匀线阵互耦矩阵的带状循环特性及对称Toeplitz性,提出了一种基于改进的空间平滑算法的信源DOA估计算法。该算法无需阵元的互耦参数信息,只需一维谱峰搜索,避免了通常多参数联合估计的多维非线性搜索及迭代运算;由于采用改进的空间平滑算法,所以该算法具有很好的统计估计性能。计算机仿真结果验证了该算法的正确性和有效性。     

基于Y型阵的互耦矩阵与DOA的同时估计方法

基于均匀间隔的Y型阵列,提出了一种自校正算法用于非相干源的DOA估计和阵元间的互耦校正,且无需任何方位已知的校正源.自校正算法利用均匀线阵互耦矩阵的对称Toeplitz性和带状特性,无需任何互耦信息的条件下可以精确估计信源DOA和阵列的互耦矩阵,从而实现阵列的自校正,并进行了参数的模糊性分析.仿真结果验证了提出的自校正算法具有分辨力高、计算量小以及校正精度高的特点.     

一种互耦和相干源条件下的DOA估计方法

空间平滑算法是一种常用的解相干处理方法,而阵元间互耦的存在会导致空间平滑算法失效,从而无法准确估计相干源DOA。针对这个问题,文中提出了一种新的DOA估计方法。该方法基于信号子空间和噪声子空间的正交性原理,利用入射信号源中的独立信号源可以有效估计出互耦矩阵,再通过估计的互耦矩阵对接收数据协方差矩阵进行互耦补偿,克服了互耦对空间平滑算法的影响,从而保证了相干源DOA能准确估计。计算机仿真实验表明了该方法的有效性。     

一种新的互耦条件下宽带信号DOA估计算法

基于一致聚焦和Khatri-Rao子空间的思想,提出了一种新的互耦条件下宽带信号DOA 估计算法。首先,通过在阵列两端设置辅助阵元来补偿各个频率处的互耦效应;接着,对补偿后的协方差矩阵进行一致聚焦操作,并重排成一个高维矩阵;最后,通过搜索Khatri鄄Rao 子空间谱估计出宽带信号的DOA。算法适用于互耦未知的场合,对宽带信号频率谱是否平坦没有要求,且在互耦自由度较小时能够分辨多于阵元数的宽带信号。计算机仿真结果证明了算法的有效性。     

基于MUSIC迭代法的互耦误差校正

针对阵元之间存在互耦误差,阵列流型会出现一定程度的偏差和扰动的问题,提出了基于MUSIC(MUlti-ple SIgnal Classification)迭代法的互耦误差自校正算法及在互耦误差条件下的DOA(Direction of Arrival)估计算法。利用MUSIC迭代法对波达方向和互耦误差同时进行估计。该算法能够在互耦误差存在的情况下,有效地估计出波达方向和互耦矩阵,仿真实验证明了该算法的有效性。     

多径条件下均匀线阵DOA估计及互耦误差自校正

针对多径信道环境下存在互耦误差的均匀线阵,提出了一种联合波达方向估计及互耦 误差自校正算法。在不改变阵列互耦误差的条件下,首先利用虚拟阵列平移预处理方法,将 相干信源协方差矩阵恢复到满秩。进而利用互耦误差的对称Toeplitz特性,基于子空间原理 构造一代阶函数,采用秩损的方法得到互耦误差条件下的DOA估计及阵列互耦误差。数值仿 真结果表明,该算法具有良好的DOA估计性能与互耦误差自校正性能。     

一种互耦条件下多径信号的2D DOA估计方法

在均匀圆阵的阵列结构下,提出了一种互耦条件下相干多径信号的2D DOA估计方法,该方法基于RARE降秩理论,首先对多径相干源进行去相干处理,并对与俯仰角相关的互耦矩阵进行补偿,然后将圆阵导向矢量转换成新的波束空间阵列流型,同时将俯仰角与方位角变量构造到两个独立的函数中去,实现在互耦未知的情况下用求根的方法估计出方位角,再根据俯仰角向量函数与噪声零空间的关系通过1D参数搜索得到俯仰角的估计,最后再与方位角配对,得到2DDOA估计结果.整个估计过程仅需要1D参数搜索,不需要预先知道空间信源个数及相关性,俯仰角与方位角能正确配对,克服了RARE算法中2D DOA伪估计问题,没有孔径损失,计算量较RARE算法增加不大.仿真结果验证所提方法的有效性.     

增益幅度不一致条件下波达方向估计方法

在各阵元增益不一致条件下,模型误差导致波达方向(DOA)估计性能恶化.Weiss等研究了一种对增益幅度误差不敏感的一维搜索估计方法,但存在DOA估计的模糊性问题.本文在增益幅度未知条件下,提出了一种新的基于广义特征值分解的DOA估计方法,并给出了模糊性问题分析、解模糊性方法及仿真实验结果.     

基于扩展孔径波达方向矩阵法的高精度二维DOA估计

该文针对扩展孔径会产生估计模糊的现象,提出一种高精度扩展孔径波达方向矩阵算法。算法由个阵列单元组成双平行阵列几何结构,利用阵列传感器沿轴和沿轴的不同间距,分别构造波达方向矩阵,由此计算出高精度模糊的方向余弦估计和低精度无模糊的方向余弦估计,然后利用低精度无模糊的方向余弦估计值对高精度模糊的方向余弦估计值进行解模糊处理,得到高精度无模糊的方向余弦的估计值。该算法无需配对运算和2维搜索,是一种低运算量高精度的算法,计算机仿真实验验证了该算法的性能。     

基于传播算子的声学矢量传感器阵列 扩展孔径二维DOA估计算法

 本文提出一种基于传播算子的声学矢量传感器阵列扩展孔径二维DOA估计算法.首先,利用传播算子方法得到一组高精度模糊的DOA估计值;然后,利用声学矢量传感器的特点得到另一组低精度无模糊的DOA估计值;最后,利用无模糊估计值对模糊估计值进行解模糊处理,得到高精度无模糊的DOA估计值.提出的算法无需进行特征值分解或奇异值分解进行信号子空间/噪声子空间的估计.与基于ESPRIT的算法相比,提出的算法的计算量约为信号个数与声学矢量传感器个数的四倍之比.计算机仿真结果表明在信噪比不是很低时,提出的算法与基于ESPRIT的算法具有相当的估计性能.     

三正交分离式极化敏感阵列的波达方向估计

该文研究了分离式极化敏感阵列(SS-PSA)的多目标波达方向(DOA)估计问题。首先建立三正交分离式极化敏感均匀稀疏阵列的信号模型;接着利用阵列的旋转不变性采用ESPRIT算法计算出多值模糊DOA估计;利用该模糊DOA估计值对分离式极化天线进行空间相移的补偿,然后利用共点式极化天线之间的多维角度结构求出对应的虚拟DOA估计;最后通过提取多值模糊估计值和对应虚拟估计值之差的最小范数得到多目标的DOA估计。该文所提阵列采用分离式极化天线代替传统共点式极化天线,降低了阵列的互耦影响;采用稀疏阵列结构有效地扩展了阵列的物理孔径,大大提高了DOA估计精度。计算机仿真结果证明了该算法对分离式极化天线DOA估计的有效性和高精度性。     

增益幅度不一致条件下的SRI算法

阵元增益不一致导致ESPRIT算法的波达方向(DOA)估计性能恶化.本文提出了一种新的利用子空间旋转不变性(SRI)的DOA估计算法,将DOA信息包含于矩阵的特征值估计中,但对增益幅度误差不敏感.由于未利用增益幅度信息,DOA估计结果可能存在模糊性,本文给出了解模糊方法及仿真实验结果.     

基于电磁矢量阵列孔径扩展方法的相干目标DOA估计

该文采用均匀且稀疏分布的电磁矢量矩形阵列,针对相干目标提出了一种有效的2维波达角(DOA)估计算法,该算法通过增加相邻阵元的间隔来扩展阵列的有效孔径,从而提高算法的DOA估计性能。论文首先结合极化平滑算法和传播算子方法得到存在相位周期性模糊的方向余弦估计。为了解决模糊性问题,论文通过协方差矩阵平滑提出一种新的解相干预处理算法,由该算法得到的信号子空间包含矢量阵元的导向矢量,且不存在相位模糊,利用此特点实现去模糊处理,得到目标的DOA估计。仿真结果表明,与基于ESPRIT的孔径扩展算法相比,提出的算法能够实现相干目标的DOA估计,同时无需特征值或奇异值分解,有更低的运算量。     

基于降维处理的MUSIC二维DOA估计算法

针对 MUSIC(多重信号分类法)估计方法实现二维 DOA(波达方向)估计的计算量大且遍历搜索耗时的问题,给出了一种基于降维处理的 MUSIC 算法。该算法无需进行二维谱峰值搜索。该算法利用二次优化方法将二维 DOA 估计分解为一维 DOA 估计,先通过一维 MUSIC 估计获得信号与 x 轴夹角,再利用最小二乘算法估计获得信号与 y 轴夹角。最后利用角度关系式得到信号的二维 DOA 估计值。该算法的复杂和搜索范围都大大降低,仿真表明,该算法具有较好的角度估计效果。     

Blind DOA and polarization estimation for polarization-sensitive array using dimension reduction MUSIC

A novel blind direction-of-arrival (DOA) and polarization estimation algorithm for polarization-sensitive uniform linear array using dimension reduction multiple signal classification (MUSIC) is proposed in this paper. The proposed algorithm utilizes the signal subspace to obtain an initial estimation of DOA, then estimates more accurate DOA through a one-dimensional (1-D) local searching according to the initial estimation of DOA, and finally obtains polarization parameter estimation via the estimated polarization steering vectors. The proposed algorithm, which only requires a one-dimension local searching, can avoid the high computational cost within multi-dimensional MUSIC algorithm. The simulation results reveal that the proposed algorithm has better DOA and polarization estimation performance than both estimation of signal parameters via rotational invariance technique algorithm and trilinear decomposition algorithm. Furthermore, the proposed algorithm can be suitable for irregular array geometry, obtain automatically paired multi-dimensional parameter estimation, and avoid multi-dimensional searching. Simulation results verify the effectiveness of the proposed algorithm.     

基于矢量传感器的扩展孔径双基地MIMO雷达多目标定位算法

该文研究基于电磁矢量传感器的扩展孔径多输入多输出(MIMO)雷达多目标定位算法。提出了一种新型MIMO雷达系统,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器,且传感器间距大于半波长。算法首先采用ESPRIT算法获得目标波达角(DOA)高精度模糊估计,随后利用矢量传感器的内在结构特点结合子空间旋转不变性获得目标DOA低精度无模糊估计进行解模糊,从而得到目标高精度DOA估计。最后利用已知DOA信息,采用1维MUSIC算法获得目标波离角(DOD)高精度估计。与已有算法相比,该算法大大提高了MIMO雷达的目标定位精度,且无需配对和2维搜索,具有较低的运算量。仿真结果证明了所提算法的有效性,其估计精度与CRB界接近。     

DOA estimation for sparse nested MIMO radar with velocity receive sensor array

Direction of arrival (DOA) estimation for sparse nested MIMO radar with velocity receive sensor array is studied, and an algorithm based on extended unitary root multiple signal classification (MUSIC) is proposed. The nested MIMO radar utilizes sparse transmit array and velocity receive array with nested inter-element distances, which can make the final virtual array to be a long and sparse velocity sensor array. After exploiting unitary transformation to transform the data into real-valued one, an extended root MUSIC based method is developed to decompose the angle estimation into high-resolution but ambiguous and low-resolution but unambiguous DOA estimations, which are automatically paired. Thereafter, the ambiguous estimation is used to recover all possible DOAs, and the unambiguous DOA estimation is used as a reference to resolve the estimation ambiguity problem. Compared to conventional methods, the proposed algorithm requires no peak search, maintains larger aperture and achieves better DOA estimation performance. The simulation results verify the effectiveness of our approach.