基于信号子空间的多维参数联合估计

旋转不变的子空间中特征值的估计与关联是多维谱估计和阵列信号处理的重要问题.采用平行的交叉偶极子均匀线阵,利用各子阵列输出信号的相关矩阵构造多个旋转不变的子空间,并用其中一个子空间的信号子空间实现了频率、二维到达角和极化的自动配对.整个计算过程只需进行一次矩阵特征值的分解,就可完成多维参量估计与配对,且不存在参量兼并现象,理论分析与计算仿真结果证明了方法的有效性.     

基于部分校准极化敏感阵列的信号DOA和极化参数迭代估计

针对安装于飞机机翼上,具有不同结构极化敏感天线的部分校准阵列,该文提出了一种完全极化电磁波DOA和极化参数的迭代估计方法。该方法基于部分校准阵列,估计阵列误差;然后利用阵列误差,估计单个极化敏感天线的极化导向矢量;最后利用极化导向矢量,估计完全极化电磁波DOA和极化参数。迭代运行上述三步,可以逐步提高估计精度。计算机仿真验证了该方法是收敛的,并且具有良好的鲁棒性。     

基于虚拟时间延迟阵元的极化敏感阵列的多参数联合估计

本文提出了一种基于虚拟时间延迟单元的极化敏感阵列模型,根据该阵列的接收数据构造高阶累积量矩阵,利用高阶累积量的阵列扩展特性构造双平行线阵,最后采用DOA矩阵法实现信号的频率、方向角和极化参数的联合估计,并通过MATLAB进行了仿真验证.该方法不需要参数配对且可应用于任意高斯噪声的环境中.     

稀疏极化敏感阵列的波达方向和极化参数联合估计

该文采用稀疏分布极化敏感阵列(SD-PSA),研究了多目标波达方向(DOA)和极化参数的估计问题。首先建立稀疏极化敏感阵列信号模型;然后利用阵列的空间旋转不变性运用ESPRIT算法得出信号的高精度周期性模糊多值DOA估计;同时利用子阵列导向矢量之间的关系得出信号的极化信息和DOA的无模糊粗估计;最后利用DOA粗估计值解模糊,得到信号的高精度无模糊DOA估计。该文所提阵列的阵元间距大于半个波长距离,扩展了阵列2维物理孔径,一定程度上降低了阵元间的互耦影响,相应的信号DOA估计精度大大提高。仿真实验结果验证了该算法对信号DOA和极化参数估计的有效性。     

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。     

极化敏感阵列及其应用研究

与普通阵列相比,极化敏感阵列由于利用了极化信息,不仅能完成空域信号的处理,还可完成极化域信号的处理.因此,极化敏感阵列在抗干扰能力、信号检测能力、分辨率、极化多址能力等方面都有很大的优势.针对极化敏感阵列的理论优势作了说明,对其在信号处理和信号检测方面的应用作了详细的阐述.从中可以看出,极化敏感阵列具有更加广阔的应用前景.     

基于极化敏感阵列均匀线阵的二维DOA估计

针对残缺电磁矢量传感器的极化敏感阵列多参数联合估计问题,该文提出一种基于正交偶极子的均匀线阵的2维波达方向(Direction-Of-Arrival, DOA)估计算法。首先,对极化敏感阵列的接收数据矢量的协方差矩阵进行特征分解,然后将信号子空间划分成4个子阵,根据旋转不变子空间(ESPRIT)算法分别求出其中1个子阵与其它3个子阵的相位差,再对不同子阵间的相位差进行配对,最后根据相位差求出信号的DOA估计和极化参数。由正交偶极子组成的均匀线阵使用极化MUSIC算法和传统ESPRIT算法无法进行2维DOA估计,该文提出的算法解决了这个问题,并且相较于极化MUISC算法降低了算法的复杂度。仿真结果验证了该文算法的有效性。     

电磁矢量传感器阵列信号波达方向估计:双模MUSIC

 针对电磁矢量传感器阵列信号波达方向(DOA)估计问题,提出了一种基于张量模型的双模MUSIC算法,并讨论了双模MUSIC角度参数和极化参数的分离问题,提出一种低维双模MUSIC算法.(低维)双模MUSIC算法利用了张量信号子空间与两个噪声子空间的双模正交性,通过连续两次子空间投影完成DOA估计.计算机仿真结果表明,(低维)双模MUSIC算法性能要明显优于传统基于矩阵模型的MUSIC方法.     

矢量传感器阵列MIMO雷达高精度二维DOA与极化联合估计

该文采用矢量传感器配置下的十字型阵列MIMO雷达系统,提出一种新的2维高精度DOA与极化参数联合估计算法。首先根据MIMO雷达虚拟阵列导向矢量的特点,通过降维矩阵的设计及回波数据的降维变换,将高维回波数据转换至低维信号空间;然后基于传播算子获得对应信号子空间的估计,利用收、发阵列阵元间长基线对应的旋转不变性和极化矢量中电场矢量和磁场矢量的叉积进行2维高精度DOA估计和解模糊处理,同时利用与阵列结构无关的极化域旋转不变性进行极化辅角和极化相位差的联合估计。该矢量传感器MIMO雷达阵列可同时获取MIMO雷达的波形分集和矢量传感器的极化分集,无需额外增加阵元和硬件开销,能够有效扩展阵列孔径,提高参数估计性能;同时通过降维变换及传播算子,在获取信噪比增益的同时,能够实现2维高精度DOA和2维极化矢量的联合估计及参数的自动配对,有效降低数据处理维数和参数估计的运算复杂度;最后,仿真结果验证了理论分析的正确性和算法的有效性。     

矢量阵元阵列对Chirp信号极化和到达角的联合估计

针对LFM信号,利用分数阶傅里叶变换构造了一种新的空间极化时频分布:提出了基于L型矢量阵元阵列的二维到达角和极化联合估计算法。理论分析和仿真实验结果都表明,在低信噪比下该方法比已有的极化和到达角联合估计算法具有更好的性能。     

一种基于阵列接收信号重排的单快拍DOA估计方法

针对单快拍情况下大多数空间谱估计方法失效的问题,该文提出一种直接利用阵列接收信号重排构造伪协方差矩阵的模型。理论分析表明,该模型更加灵活且更具一般性,已有的伪协方差矩阵构造方法可以统一在该模型下。在此基础上结合波束形成的思想,进一步提出一种基于阵列接收信号加权求和的伪协方差矩阵构造方法,该方法综合考虑了信噪比及阵列自由度两方面因素的影响,可在一定程度上提升估计性能。理论分析和仿真验证说明了该方法及模型的正确性和有效性。     

锥面共形阵列信源方位和极化参数的联合估计算法

该文用交叉电偶极子对在锥面共形载体表面构造极化敏感阵列,在建立其快拍数据模型的基础上实现了信源方位和极化参数的联合估计。算法首先通过合理的矩阵变换将阵列流形中的信源方位和极化信息去耦合,然后分别根据秩损理论和旋转不变子空间思想对其进行估计,最后通过一种轮换比对配对方法实现信源方位和极化参数的联合估计。Monte-Carlo仿真实验表明,所提算法可以很好地解决锥面共形阵列的多参数联合估计问题。     

一种改进的极化敏感阵列解相干算法

在相干信号源情形下,常用的极化敏感阵列信号处理方法(如参数估计、波束形成等)会出现性能下降甚至失效的现象。该文在极化平滑算法的基础上提出一种改进的解相干算法,通过对各子相关矩阵选择适当的加权系数,使平滑之后的相关矩阵具有Toeplitz的形式,进而消除信号之间的相干性。该文推导了最优加权系数的表达式及最大解相干信号个数,并利用加权平滑之后的相关矩阵完成了参数估计和波束形成。计算机仿真结果表明改进的方法具有比常规极化平滑算法更优越的性能,且适用于非均匀噪声和相干噪声的情况。     

基北斗导航阵列信号的模型构建及仿真

提出一种北斗卫星导航信号模型的构建方法和仿真平台,并使用MATLAB软件构建卫星导航阵列信号的系统模型,以均匀圆阵为研究阵型,分析其相干信号的模型和相位误差模型,并用功率倒置算法进行权值求解和阵列方向图的描绘,验证阵列信号构造的正确性,对阵列信号处理的抗干扰算法研究具有重要意义。     

共形阵列信号DOA和极化状态联合估计研究

共形阵列是一种与载体表面共形的天线阵列。与平面阵列相比,共形阵列具有对载体电磁性能和动力性能影响小等优点,因此受到人们广泛的关注。受载体曲率影响,共形阵列具有多极性。在信号处理时,必须要考虑信号极化的状态。为此,针对共形阵列信号二维DOA和极化状态联合估计问题,提出了一种基于空时处理的参数估计算法。该算法通过对极化接收数据时域和空域联合处理构造时空DOA矩阵,利用DOA矩阵方法只需一次特征值分解即可获得信号二维DOA和极化状态参数估计。算法对阵列形状要求低,无需谱峰搜索和参数配对,计算量小。最后,以圆台共形阵列为例,通过仿真实验验证了算法的有效性。     

信号特征向量分解与到达波方向估计＊

本文提出了到达波方向(DOA)估计的一种新算法。基于信号特征向量分解的一种唯一形式,我们提出了用递推算法来实现由一个或几个信号特征向量进行DOA估计。与一般的特征结构法相比,该方法不但可以解决相干源问题而且改善了在低信噪比情况下的估计性能,并具有使用灵活的特点。计算机仿真证实了上述结论。     

基于特征分解的高分辨时—空二维信号谱估计

本文提出一种基于特征分解的高分辨时-空二维信号谱估计方法。该方法对时-空二维信号相关阵进行特征值分解,构造相互正交的信号子空间和噪声子空间,利用其正交性,得到高分辨的时-空二维信号谱。该方法用于相控阵雷达,可以精确地提取空间目标的方位信息和速度信息。计算机模拟表明了算法的有效性。