基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵无模糊测向算法。该算法在传统MUSIC算法模型基础上,首先对阵列接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算实现孔径扩展,提高了阵列自由度。然后利用任意阵列下的空间平滑恢复新协方差矩阵的秩,最后通过MUSIC算法进行DOA估计。仿真实验结果表明,与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。     

基于虚拟孔径扩展的非均匀稀疏阵DOA估计

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵DOA估计算法。该算法首先对非均匀稀疏阵接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算得到新的协方差矩阵;然后利用任意阵列下的空间平滑算法恢复新协方差矩阵的秩;最后通过对新协方差矩阵进行特征值分解实现DOA估计。与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。仿真结果证明了算法的有效性。     

均匀圆阵的测向模糊研究

在高分辨阵列测向系统中,均匀圆阵(UCA)是一种广泛使用的阵列结构。利用均匀圆阵的阵列流形的微分几何作为分析工具,对实际中常用的几种均匀圆阵的测向模糊进行了大量的计算机仿真试验,定量地给出了这些阵列的测向模糊方向和相应的秩,揭示了均匀圆阵的测向模糊性能与其阵元数和孔径之间的关系,得出了一些有实际意义的结论。这对工程应用时均匀圆阵的选择和构造具有很强的参考价值和指导意义,可以避免系统设计的盲目性和随意性。     

基于均匀圆阵的求根MUSIC算法测向研究

本文介绍了在均匀圆型阵列情况下,利用模式空间激励技术,将均匀圆阵的阵列流行变换成虚拟线阵的阵列流行。然后介绍了传统的MUSIC算法和求根MUSIC算法的特点,并对这两种算法进行仿真及对仿真结果进行性能分析。通过仿真可以得出求根MUSIC算法比传统MUSIC算法运算量小。     

十字阵虚拟基线二维测向算法

提出了一种利用虚拟基线变换估计信号到达角的方法,首先利用圆阵的对称性得到虚拟阵元与参考阵元的相位差,再利用真实阵元与虚拟阵元间的虚拟短基线得到无模糊的相位差估计,通过解长基线的相位模糊得到高精度的到达角估计值。该算法具有较高的估计精度和分辨率,仿真结果证明了文中算法的正确性和有效性。     

基于四阶累积量扩展孔径的宽带信源测向算法

当阵列过载时,常用高分辨测向算法将会失效.针对此问题,提出了一种新的宽带信源测向算法.该算法利用基于最小冗余直线阵列的四阶累积量来扩展阵列孔径.将得到的四阶累积量去除冗余信息后,构造了一新的Toeplitz矩阵.新矩阵充分利用了原协方差矩阵的信息,避免了冗余信息.通过理论分析和计算机仿真,对扩展后阵列孔径、测向性能、检测概率及可分辨信源数进行了对比研究.结果表明,相比相同阵元数的最小冗余直线阵和均匀直线阵,该算法具有大得多的阵列孔径和更高的分辨率,利用M阵元,最多可以分辨M²-M个信源.     

近场雷达成像非均匀稀疏阵设计

阵列设计作为多输入多输出(MIMO)雷达成像系统中的一项关键技术直接影响系统成像性能。为了解决阵元数目、结构与成像质量的关系问题,研究了近场MIMO收发稀疏阵的点扩展函数,研究了合成阵列中栅瓣的位置,探讨了基于等效阵列概念的MIMO阵列设计方法,优化了基于远场条件设计的稀疏阵,并讨论了近场效应对成像结果的影响。仿真结果表明：优化后的阵列在120~150 GHz栅瓣水平可以抑制到-50 dB。     

基于均匀圆阵模式空间噪声流形的高分辨测向算法

本文提出了一种适合于均匀圆阵的高分辨陈列测向算法，该算法首先将圆阵由陈元空间转化至模式空间，然后通过引入噪声流形阵对最大似然测向算法进行改进，形成了非多维插索优化的圆阵噪声流形算法。计算机模拟结果显示，该算法不仅计算量小，而且具有较强的角相干信源的能力。     

一种基于稀疏阵的无网格估计算法

本文将稀疏阵列与无网格波达方向估计算法相结合,提出了一种基于稀疏阵的无网格估计算法。该算法兼具增强实际物理阵列的估计性能及去除网格束缚的优点,可以高精度的利用有限个天线阵元估计更多个入射信号源的参数信息。     

基于均匀圆阵的短波测向性能分析

针对非均匀地面参数引起的短波测向误差问题,导出了含有地面参数的测向阵列流形模型,给出了水平极化和垂直极化两种圆形阵列流形的具体表达式,并利用多重信号分类(multiple signal classification, MUSIC)方法对地面参数不均匀性导致的两种阵列测向误差进行了仿真. 仿真结果表明：对沿着地面参数不均匀区分界方向的来波信号,方位角测向明显存在较大的测向误差;在低电导率的非均匀地面,地面相对介电常数的变化对方位角测向误差有着显著影响,可达到2°~ 3°;非均匀地面参数对垂直极化阵列测向误差要比水平极化阵列高出1°~ 2°. 因此在短波固定测向站建设时,尽可能选址高电导率区域,并铺设地网改善天线场地的均匀性,来消除非均匀地面参数变化引起的测向误差.     

五元均匀圆阵干涉仪加权测向算法及解相位模糊的条件

研究五元均匀圆阵一维、二维干涉仪测向算法。提出了一种多基线加权干涉仪测向算法，提高了干涉仪测向精度。提出了多基线对的比较法解相位模糊，讨论了该方法在噪声限制和阵列孔径限制下的解相位模糊条件。     

基于均匀圆阵的短波测向性能分析

与其他布阵形式相比,均匀圆阵更符合无线电测向的工作需求。结合降低成本和算法复杂度的实际情况,本文选取了较少的阵元组成均匀圆阵,给出了不同阵元数短波信号的最大无模糊测向半径,分析了不同阵元数在相同半径下的测向精度,以及信噪比、快拍数对测向分辨力的影响,最后得出结论,以期为均匀圆阵的短波测向工作应用提供参考。     

基于相关比幅测向的圆阵干涉仪解模糊算法

针对比幅测向精度较低而干涉仪测向相位易模糊这一问题,提出了一种基于多波束比幅测向的圆阵相关干涉仪解模糊改进算法,实现对小型无人机方位的快速估计。首先,根据目标无人机的图传信号特征值建立离线数据库,利用改进的多波束相关比幅法对无人机来波方向进行粗略测量,通过二次插值法对“栅栏效应”造成的估计偏差进行一定修正;然后,将修正后的角度测量值对干涉仪实测相位差进行解模糊;最后,利用无模糊的相位差通过相关运算实现来波方向的精确估计。该算法将相关运算运用在比幅测向中,有效提高了干涉仪解模糊概率。与传统的比幅测向法和干涉仪测向法相比,该算法只需3组天线就能完成测向功能,其测向精度提高至2°以内,并且该算法对天线一致性要求低,实时性高,可实际应用于圆形阵列测向体制,实现对无人机的快速测向。     

基于混合变异差分进化算法的均匀面阵稀疏优化

差分进化算法(DE)已被广泛应用于解决稀疏面阵优化问题,针对DE 算法早熟、全局搜索能力差、容易陷于局部最优的问题,提出一种混合变异差分进化算法,通过加入概率因子来平衡算法收敛速度与全局搜索能力,以阵列孔径、阵元数量以及阵元间距为约束条件,将算法中的实数编码转化为二进制编码,以方向图平面峰值旁瓣电平之和最低为目标函数,通过优化后得到的阵元分布,得到稀疏优化阵列的三维方向图。仿真结果表明:该方法在满足约束条件的同时,能够避免算法早熟得到较优的目标函数值,概率因子为算法提供了额外的自由度。     

稀疏线阵下宽带波束簇组合印证测向算法

当阵列稀疏布置时,用DBF技术形成的波束常具有多个高副瓣增益,无法直接用于辐射源方向估计。针对此问题,本文提出波束簇组合印证测向算法。该算法先通过建立波束簇组合印证表,获得高副瓣响应位置和增益的先验信息。再根据波束簇的输出增益,查表综合逻辑判定信号波达方向。实验结果表明,该算法能有效的估计多个来波方向,且可获得较高的测角精度和角度分辨力。      

基于综合孔径辐射计稀疏阵列非均匀采样图像的快速重建

某些分时采样干涉式微波辐射计成像系统,通常采用稀疏阵列,如圆环稀疏阵列。由于天线阵列优化设计时天线排布位置受限以及天线物理尺寸等限制,具有非均匀空间频域采样的特点。传统的图像重构方法是将非均匀空间频域点插值到均匀的笛卡尔坐标下,补偿空间频率密度,再进行逆快速傅里叶变换。这些插值方法不可避免地会引入误差或者混叠,并且是以假设空间频域的光滑性为前提的,具有局限性。与传统的插值方法不同的是,该文采用最小最大优化准则,先假设图像,再进行共轭梯度迭代快速非均匀傅里叶变换匹配的算法,绕开了空间频域光滑的假设。模拟实验结果表明此算法能够更加快速精确地重建图像。