基于波束域的米波雷达低仰角波达方向估计

针对米波雷达低仰角工作时除了收到目标的直达波外,还会收到与直达波相干的地(海)面反射的多径信号,提出了一种基于波束域的米波雷达低仰角波达方向估计的新算法.利用阵列输出数据协方差矩阵构造一个Toeplitz矩阵,以实现对雷达回波数据的解相干;在波束域对降维后的数据协方差矩阵应用基于信号子空间的角度超分辨算法实现波达方向估计;最后,研究了波束域下米波雷达低仰角波达方向估计的特点,分析了不同信噪比、波束个数对算法性能的影响.所提算法不但可以有效地克服多径效应,还极大地降低了运算量,理论分析和计算机仿真都证明了新算法的优越性.     

米波雷达仰角和多径衰减系数联合估计算法

 针对多径信号严重影响米波雷达低仰角测高的问题,基于广义MUSIC算法的思想,提出了一种可同时估计目标仰角和多径衰减系数的新算法。该算法利用阵列协方差矩阵和搜索角度计算出虚拟的多径衰减系数,然后将该系数与搜索角度一起构造子空间,当该子空间与噪声子空间正交时,即可获得波达方向角度,对应的系数即为多径反射波相对于直达波的多径衰减系数。该算法在克服多径效应的同时,不损失阵列孔径,不要求阵列具有特殊的结构。理论分析和仿真结果表明了该算法的优越性。     

基于零陷展宽的米波雷达低仰角测高方法

针对米波雷达在复杂阵地环境下低仰角测高服从高斯分布的多径分布源模型,提出一种基于零陷展宽的低仰角测高方法。该方法首先将直达波与多径反射波视为干扰信号并构造干扰导向矢量协方差矩阵,然后再利用投影变换和对角加载技术保留预设干扰区域扩展后的协方差矩阵,最后采用指向偏离搜索仰角的空域滤波器对阵列接收回波数据进行滤波处理,滤波后输出信号功率最小时对应的正角度即为目标仰角的估计值。相较于传统的超分辨算法,本文算法在复杂阵地条件下具有更高的测角和测高性能,并且可适用于低信噪比和少快拍数条件下的低仰角目标角度估计。计算机仿真结果验证了所提算法的有效性。     

基于差分预处理的米波雷达低仰角处理算法

由于多径信号的存在,使得米波雷达难以对低仰角目标进行高度测量,为此该文提出一种适用于多径情况下的波达方向估计方法。该方法通过差分处理,补偿了多径信号回波延迟的相位,使得接收回波中仅包含直达波信号,对差分后数据进行常规数字波束形成即可得到目标俯仰角。Monte-Carlo试验结果表明在进行低仰角测高过程中,该方法性能优于空间平滑和线性预测等方法。某米波雷达的实测数据验证了该方法的可行性与有效性。     

基于深度学习的米波雷达低仰角估计方法

米波雷达在探测低空目标时存在严重的多径效应,直达波和反射波相当于距离较近的两个强相干点源,目标回波信号协方差矩阵存在噪声子空间与信号子空间相互渗透的问题,经典的超分辨物理算法仰角估计精度会急剧变差。为解决上述问题,文中基于米波雷达经典镜像多径反射模型,利用深度神经网络和全连接网络构造了一个深度学习网络用于低仰角目标波达方向(DOA)估计,将子空间相互渗透的原始协方差矩阵数据实部、虚部及相位特征作为深度学习网络输入,利用智能学习方法解决了多径反射条件下DOA估计问题。相比于基于子空间分解或信号拟合类的超分辨估计方法,文中所提方法仰角估计精度更高且计算量更小。仿真实验验证了新方法的优越性和有效性。     

基于交替投影的DOA估计方法及其在米波雷达中的应用

由于低仰角目标回波中存在多径信号,使得米波雷达难以对低仰角目标进行高度测量,为此该文提出一种适用于多径信号情况下的波达方向估计的迭代方法。该方法将回波信号的相关矩阵,在各个信号子空间中交替投影,该方法可以同时对直达波和反射波进行精确的波达方向估计,并可以有效地对米波雷达中的低仰角低空目标进行高度测量。计算机仿真和某米波雷达实测数据的处理结果证实了该方法的有效性。Monte-Carlo试验结果表明在低仰角低空测高时,该方法具有比时空级联最大似然方法更好的性能。     

存在互耦误差条件下的米波雷达低仰角测高算法

由于多径效应的存在,雷达在低仰角跟踪时除了接收到目标的直接回波外,还会接收到与直接回波相干的地(海)面反射的多径信号.针对存在阵元间互耦情况下的米波雷达低仰角测高问题,本文提出了一种改进的加权空间平滑算法.首先,通过特殊的子阵划分方式,使互耦误差和波达方向估计的代价函数无关,使之转化为无互耦误差条件下波达方向估计问题.然后,直接利用阵列接收数据求得最优加权矩阵,对子阵输出的自相关矩阵和互相关矩阵进行加权空间平滑,改善解相干的性能,提高存在互偶误差情况下米波雷达低仰角波达方向估计的精度.理论分析和计算机仿真都表明了新算法的优越性.     

基于多径分布源模型的米波雷达测高算法

针对复杂环境下的米波雷达低仰角测高问题,建立多径信号服从高斯分布源的阵列信号模型,提出一种广义约束多重信号分类(MUSIC)算法。该算法将多径信号作为约束,通过限制信号子空间包含多径导向矢量,来提高直达波的估计精确度。算法性能不受信号相干和地面反射系数的影响。与传统的测高算法相比,该方法在复杂反射地形下能有效进行目标高度估计。计算机仿真结果验证了该算法的可行性。     

复杂多径信号下基于空域变换的米波雷达稳健测高算法

针对米波(VHF)雷达的复杂多径信号中散射分量的非高斯性严重影响测高的稳定性,该文提出了稳健的空域符号变换最大似然测高算法。该算法先对多维阵列快拍矢量进行空域符号变换处理,以抑制散射分量野值点对阵列协方差矩阵及其测高算法的影响,再计算符号协方差矩阵(SCM),然后根据符号协方差矩阵的映射等效性和特征空间不变性,将符号协方差矩阵应用到最大似然(SCM-ML)测高算法中,实现了稳健的米波雷达低角测高。该算法有效抑制了多径信号中散射分量和波束打地形成的强杂波的非高斯性,提高了米波雷达低角测高的稳健性。仿真结果和实测数据验证了算法的稳健性与有效性。     

米波阵列测高的空间平滑算法性能优化

在米波阵列低仰角测高问题中,由于直达波与反射波信号相干,多信号分类算法不能直接处理,往往需要进行去相干预处理.前后向空间平滑(FBS)方法可用于实现相干信号的去相干,以往的文献注重于分析接收数据平均协方差矩阵的满秩条件.文中分析了即使在满秩条件下,也会出现去相干失效、仰角误差很大的现象,并通过仿真分析了阵列重要参数和算法自身参数对FBS方法去相干性能以及仰角估计误差的影响,指出了选择阵列参数和FBS参数以取得最佳的仰角估计精度方法.     

基于Toeplitz矩阵的波束空间新算法

为保留渡束空间算法优点,降低算法对阵列的要求,及对相干信号源有效,提出了基于Toeplitz矩阵的波束空间多重信号处理算法-BST-MUSIC.算法将任意阵列的波束域输出及均匀线阵的阵元输出综合处理得到Toeplitz矩阵,对其修正处理后采用MUSIC算法进行DOA估计.由推导过程知:算法能够增强或抑制指定空域内的信号;能使相干信源等效为独立信源;在任意阵列与均匀线阵阵元不重合情况下能够有效地抑制噪声;只需一个子阵为均匀线阵,降低了算法对阵列的要求.     

基于Toeplitz协方差矩阵重构的互质阵列DOA估计方法

针对基于互质阵列的欠定DOA估计方法对于虚拟阵元非连续部分利用率不高的问题,该文提出一种基于Toeplitz协方差矩阵重构的DOA估计方法。首先,从互质阵列差联合阵的角度分析虚拟阵元分布特性,结合其与协方差矩阵中各元素得到的波程差存在对应关系,将协方差矩阵进行扩展得到一个数据缺失的高维协方差矩阵;然后,根据矩阵填充理论,用迹范数代替秩范数进行松弛,对缺失元素进行填充;最后,利用现有root-MUSIC方法进行DOA估计。理论分析和仿真结果表明,该方法提升了虚拟阵元的利用率,从而增加了虚拟孔径和可估计信号数,同时无需对角度域进行离散化处理,有效消除了模型失配的影响,并且避免了正则化参数选取问题,提高了估计精度和分辨率。     

基于协方差矩阵重构的阵元失效MIMO雷达DOA估计

在实际应用中由于恶劣环境或人为干扰等因素而导致多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达部分阵元失效,使得其接收数据缺失及其协方差矩阵秩亏,从而导致子空间类算法的波达方向(Direction of Arrival,DOA)估计性能恶化甚至完全失效。针对上述问题,提出了一种接收阵元失效下基于协方差矩阵重构的MIMO雷达DOA估计方法。该方法根据MIMO雷达协方差矩阵中以接收阵元数划分的子方块矩阵具有Toeplitz特性,利用正常工作接收阵元的协方差矩阵元素来恢复相应的缺失元素,从而重构出完整的数据协方差矩阵,提高阵元失效MIMO雷达的DOA估计性能。仿真结果验证了所提方法的有效性。     

Estimation of structured covariance matrices

Covariance matrices from stationary time series are Toeplitz. Multichannel and multidimensional processes have covariance matrices of block Toeplitz form. In these cases and many other situations, one knows that the actual covariance matrix belongs to a particular subclass of covariance matrices. This paper discusses a method for estimating a covariance matrix of specified structure from vector samples of the random process. The theoretical foundation of the method is to assume that the random process is zero-mean multivariate Gaussian, and to find the maximum-likelihood covariance matrix that has the specified structure. An existence proof is given and the solution is interpreted in terms of a minimum-entropy principle. The necessary gradient conditions that must be satisfied by the maximum-likelihood solution are derived and unique and nonunique analytic solutions for some simple problems are presented. A major contribution of this paper is an iterative algorithm that solves the necessary gradient equations for moderate-sized problems with reasonable computational ease. Theoretical convergence properties of the basic algorithm are investigated and robust modifications discussed. In doing maximum-entropy spectral analysis of a sine wave in white noise from a single vector sample, this new estimation procedure causes no splitting of the spectral line in contrast to the Burg technique.     

基于Toeplitz矩阵重构算法的宽带相干信号方位估计

根据天线阵列接收到的数据,提出了一种基于Toeplitz矩阵重构的宽带相干源方位估计算法.该算法先由Toeplitz 阵列接收到的数据得到包含波达方向信息的协方差矩阵,再对该协方差矩阵进行聚焦处理,得到同一频率的阵列协方差矩阵,最后由高分辨子空间处理方法得到宽带相干信号的波达方向估计.仿真实验证明了该方法的有效性.     

一种均匀线阵幅相误差校正算法

阵列幅相误差会严重影响MUSIC算法的测向性能,为此基于均匀线阵,给出了一种新的幅相误差校正算法。首先根据协方差矩阵的关系式构造了一种二次代价函数,然后利用理想条件下均匀线阵协方差矩阵具有Toeplitz结构的性质,通过交替迭代的方法对此二次代价函数进行优化求解,从而估计出了幅相误差和理想条件下的协方差矩阵,最后利用MUSIC算法即可估计出信源方位。计算机仿真结果验证了文中的算法是有效的,并且具有较高的参数估计精度。     

一种新的相干信源DOA估计算法: 加权空间平滑协方差矩阵的Toeplitz矩阵拟合

文献[1]提出的最优加权空间平滑技术可以使相干源存在时的信源协方差矩阵恢复为对角阵.由于文献[1]中导出的最优权矩阵是空间信源方位的函数矩阵,本文利用最优加权空间平滑后阵列协方差矩阵的Toeplitz性,构造了一个全新的优化拟合的代价函数,并基于此提出了一种相干源方位估计的新算法.与文献[1]不同,算法的实现不需要方位估计的先验知识和协方差矩阵的去噪预处理.分辨性能的蒙特卡罗仿真实验表明,新算法对空间相干信源的分辨性能优于常规的空间平滑算法和最大似然算法,在小阵列和信源空间间隔较近时,算法的优越性尤为突出.     

一种均匀线阵互耦和幅相误差校正算法

阵列互耦和幅相误差会严重影响MUSIC算法的测向性能,为此该文基于均匀线阵,给出了一种新的阵列互耦和幅相误差校正算法．文中首先根据阵列协方差矩阵的关系式构造了一种二次代价函数,然后利用理想条件下均匀线阵协方差矩阵具有Toeplitz结构的性质,通过交替迭代的方法对该代价函数进行优化求解,从而估计出了阵列互耦、幅相误差以及理想条件下的协方差矩阵,最后利用MUSIC算法即可得到信源方位的估计值．计算机仿真结果验证了文中算法的有效性．      

修正的干扰噪声自相关矩阵重构波束形成算法

为改善采样自相关矩阵求逆(SMI)算法中期望信号存在于接收信号所引起的性能下降,提出一种修正干扰噪声自相关矩阵重构(CMR)算法。该算法首先选取采样自相关矩阵特征分解的最小特征值对应的特征向量构造空间分布系数,再对其在非期望信号波达方向上进行累加实现矩阵的重构。当存在相干信号时,可采取先利用特征向量元素对协方差矩阵进行托普利兹化处理实现解相干,再进行矩阵重构的托普利兹矩阵重构(TCMR)算法。计算机仿真与实验结果证明适用于非相干信号条件下的CMR算法与适用于相干信号条件下的TCMR算法具有更好的输出性能。     

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。