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。     

MIMO雷达的近场模型DOA估计

MIMO(Multiple input multiple output)雷达为实现目标角度分集,系统的天线阵一般分布式布阵,有效孔径比较大,目标一般处于天线的近场.该文从近场DOA估计的原理出发,利用MIMO的有源特性将距离参数作为已知,建立了多输入多输出系统的近场DOA估计模型,从原理上克服了传统时延定位方法存在的多目标时延对应难题.与一般近场DOA估计需要进行距离和角度的二维搜索不同,文中方位向估计只需要角度维的一维搜索,提高了运算速度.该文给出了系统可分辨最大目标数,并在理论上分析了方位向估计的CRB.     

MIMO雷达DOA估计方法分析

在介绍多输入多输出（MIMO:Multiple-Input Multiple-Output）雷达的信号模型的基础上,给出了一种目标波达方向（DOA:Direction of Arrival）估计方法--多信号分类（MUSIC:Multiple Signal Classification）方法在MIMO雷达系统DOA估计中的应用。与传统相控阵雷达相比,在MIMO雷达系统中该方法可以分辨的信号源数目有较大增加。通过仿真实验,详细分析了在MIMO雷达系统DOA估计中,多种因素对MUSIC方法测角精度的影响。     

基于L型MIMO雷达二维DOA估计新算法

将MIMO思想应用于L型阵雷达,建立了L型MIMO雷达信号模型,并在此基础上,根据DOA矩阵法,利用MIMO体制雷达产生的虚拟子阵列来构造一个二阶统计量,从而得到了目标方位角和俯仰角的闭式解.该算法不涉及多维谱峰搜索,因此具有较小计算量;此外,该算法估计出的目标的方位角和俯仰角可自动配对,不存在参数的配对问题.计算机仿真结果证明了本文算法的正确性和可行性.     

阵元失效下基于矩阵重构的MIMO雷达DOA估计

针对阵元失效下MIMO雷达目标DOA估计性能下降问题,提出一种基于虚拟阵列采样数据矩阵重构的MIMO雷达DOA估计方法。MIMO雷达的阵元失效分为冗余虚拟阵元失效和非冗余虚拟阵元失效两种情况。当冗余虚拟阵元失效时,通过合并空间上位置相同的正常冗余虚拟阵元输出数据以实现信号降维与失效阵元数据填充。当非冗余虚拟阵元失效时,经降维填充后的数据矩阵中仍存在整行缺失数据,根据降维数据矩阵的低秩和稀疏先验,建立带低秩和稀疏约束的矩阵填充模型,并利用ALM-ADMM算法求解来恢复完整的降维数据矩阵。最后利用root-MUSIC算法估计目标DOA。仿真结果表明,本文方法能够有效提高MIMO雷达在阵元失效时的DOA估计精度。     

基于矢量传感器MIMO雷达的DOD DOA和极化联合估计算法

该文研究了一种基于多输入多输出(MIMO)电磁矢量传感器阵列雷达目标波离角(DOD),波达角(DOA)和极化联合估计问题。提出一种新型矢量阵MIMO雷达系统模型,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器。在此基础上,该文提出4维MUSIC, ESPRIT和迭代1维MUSIC 3种联合参数估计算法。其中迭代1维MUSIC算法首先利用矢量传感器的内在结构特点获得目标DOA预估计,随后采用MUSIC算法对DOD和DOA分别进行1维搜索获得目标角度的高精度估计,最后给出一种基于ESPRIT的目标极化估计算法。迭代1维MUSIC算法可用于不规则阵列,对接收阵列约束较少,无需2维搜索及多维搜索,还可以利用矢量阵特点扩展阵列孔径提高DOA估计精度。此外,论文还推导了DOD, DOA和极化联合估计的CRB。仿真实验表明,与前两种算法相比,迭代1维MUSIC算法具有与CRB更接近的估计精度。     

MIMO雷达中基于互协方差压缩感知的角度估计算法

将压缩感知(CS)理论应用到单基地集中式多输入多输出(MIMO)雷达的角度估计中,提出了MIMO雷达中基于互协方差CS的角度估计算法。首先进行降维变换降低复杂度,然后根据多快拍数据互协方差的特点,噪声影响被大大降低,最后构造字典并采用正交匹配追踪算法(OMP)进行压缩感知后期恢复。算法不再需要难以抉择的正则系数,并且利用了多快拍互协方差来估计波达角(DOA),对噪声有很强的鲁棒性,同时对相干目标也可准确估计。该算法的角度估计性能也优于现有文献的一些方法。仿真结果验证了算法的有效性。     

基于快速张量分解的波束空间MIMO雷达二维DOA估计算法

传统MIMO雷达由于采用全向发射模式导致目标增益损失严重,致使DOA估计算法性能较差.因此,本文提出基于波束空间MIMO雷达的张量模型和快速张量分解的二维DOA估计算法.波束空间MIMO雷达能够通过发射波束成形技术将发射能量集中到指定空域,弥补传统MIMO雷达的发射增益损失.通过高阶张量模型应用MIMO雷达多脉冲接收数...     

空间分集MIMO雷达的DOA估计新方法

多输入多输出(MIMO)雷达分布式布阵获得空间分集增益,但DOA估计是一个难题。该文分析了DOA估计的旁瓣一致现象,从空间分集MIMO雷达信号模型出发,推导了发射正交PCM信号,在接收端匹配滤波信号分选构造虚拟子阵的过程,提出了一种谱值优选算法进行空间分集MIMO雷达DOA估计。该算法得到目标在各子阵的最优估计,在发射端获得空间分集增益抑制目标闪烁的同时,在接收端进行稳健的多目标波达方向超分辨估计。最后仿真实验与相控阵进行了比较,表明了该算法的有效性,以及抑制目标闪烁改善DOA估计的能力。      

基于迭代近端投影的MIMO雷达多快拍DOA估计

传统基于压缩感知的MIMO雷达DOA估计算法将非凸非平滑稀疏表示问题近似成凸或平滑函数问题进行求解,稀疏表示模型误差的存在导致DOA估计性能不理想。为此,提出了一种基于迭代近端投影的MIMO雷达多快拍DOA估计方法。该方法首先将高维回波数据转换至低维空间以降低空域维度,并对降维后的数据进行奇异值分解(Singular Value Decomposition,SVD),提取信号子空间以降低时域维度,利用近端函数优化模型来表示MIMO雷达多快拍DOA估计中的非凸非平滑稀疏表示问题,然后采用SCAD(Smoothly Clipped Absolute Deviation Penalty)函数获得近端算子以求解该模型。仿真结果表明,该方法在低快拍和低信噪比下相干信源的DOA估计性能优于现有算法。     

基于波束空间MUSIC的MIMO雷达波达方向估计

在进行波达方向估计时,阵元空间MUSIC方法的计算量通常都比较大。为了解决此问题,采用了波束空间MUSIC的方法,它的计算量较阵元空间MUSIC方法有所下降,将它运用于多输入多输出雷达波达方向的估计问题。计算机仿真实验表明,虽然协方差矩阵特征分解的计算量下降了,但是波束空间MUSIC的性能依然良好。     

基于MIMO雷达虚拟阵列的二维波达方向估计算法

基于L型配置MIMO雷达系统,提出了一种利用MIMO雷达单次回波的二维波达方向估计新算法。该算法通过单次回波信号形成的虚拟阵列数据来构造两个具有特定关系的矩阵,再用这两个矩阵构造一个波达方向矩阵,根据该矩阵的特征值和特征向量之间的关系,导出了目标方位角和高低角的闭式解。该算法不涉及二维谱峰搜索,计算量小,且不存在参数的配对问题;此外,当发射阵元数大于2时,其估计的最大目标数可大于或等于接收阵元数。计算机仿真结果证明了该算法的正确性和可行性。     

一种有效的MIMO雷达相干信源波达方向估计方法

提出了一种基于接收数据样本复用的MIMO雷达相干信源波达方向估计方法.算法利用MIMO雷达发射波形的分集以及MIMO雷达收、发阵列之间的对偶性,对MIMO雷达回波数据矩阵进行了样本复用以等效地增加样本数量,获得基于发射阵和基于接收阵的虚拟子阵接收信号.利用各个子阵之间的平移不变特性计算空间平滑之后的协方差矩阵,提高了相...     

互质MIMO雷达的非圆信号降维DOA估计方法北大核心CSCD

针对传统互质阵列波达方向估计方法存在的自由度低、阵列孔径小、相位模糊等问题,提出了一种基于互质MIMO雷达的非圆信号降维波达方向(Direction of Arrival, DOA)估计方法。该方法结合了互质阵列与MIMO雷达的优点,利用非圆信号特性对阵列进行扩展,重构接收信号矩阵,然后进行降维处理,并利用噪声特征值的幂级数对噪声子空间进行修正,进一步提高算法精度。最后推导了文中方法的无相位模糊问题。仿真实验表明,文中方法能够有效避免相位模糊,大大提高自由度并扩大阵列孔径,与传统MUSIC算法以及互质阵列MUSIC算法相比,在估计成功率、DOA估计精度等方面均具有更好的性能。     

基于矢量传感器MIMO雷达的发射极化优化DOA估计算法

针对常规矢量传感器MIMO雷达没有利用发射极化信息导致波达方向(DOA)估计精度较差的问题,该文提出一种克拉美罗界(CRB)最小化的发射极化优化算法。首先建立矢量传感器MIMO雷达的接收信号模型;然后分析固定发射极化矢量传感器MIMO雷达DOA估计算法的不足;接着推导任意发射极化状态下的CRB,计算最小CRB对应的极化状态;最后利用该优化极化状态采用固定极化DOA估计算法得到DOA估计。该算法的DOA估计精度高于固定极化DOA估计算法。且该算法的2维DOA估计可自动配对,发射电磁矢量传感天线位置可任意。仿真结果证明了该算法的有效性。     

基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计

多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel 矩阵并施加Schatten-p 范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。     

Esprit算法在单基地MIMO雷达中的应用

多输入多输出（MIMO）雷达是近年来提出的一种新体制雷达,由于发射正交信号,不同位置目标的回波信号相互独立,因此在DOA估计和目标分辨方面,比传统雷达具有较大优势。文中将Esprit算法应用于单基地MIMO雷达系统中,并对两种结构的MIMO雷达分别进行一维和二维DOA估计,仿真证明了算法的优越性。     

MIMO雷达GMTI性能及DOA估计的克拉美·罗界分析

研究了MIMO雷达GMTI 性能及其DOA估计的克拉美·罗界(CRB)。首先建立机载平台下MIMO雷达信号模型,通过对系统参数设置,可使MIMO雷达工作在3种不同模式中。接着分析了MIMO雷达GMTI性能,并推导出了在MIMO雷达空时信号模型下,利用空时联合域信息时DOA估计的CRB。仿真结果表明,无论是GMTI性能还是DOA估计性能,MIMO雷达均优于相控阵雷达,尤其是发射稀疏阵MIMO雷达性能最佳。同时,利用空时联合域信息能有效改善MIMO雷达DOA估计的CRB,在目标多普勒频率相差较大时效果更加明显。