极化分集下的共形阵列波达方向估计

提出了一种基于双馈源共形阵列的极化分集信号盲极化波达方向(Direction of Arrival,DOA)估计方法.通过投影和旋转变换,分析并给出了双馈源共形阵列下正交极化分集信号的等效导向矢量,将信号空间划分为两个正交极化信号子空间,实现了正交极化信号的盲极化分离.在此基础上给出了基于多重信号分类(Multiple Signal Classification,MUSIC)的极化信号的DOA估计算法.该算法无需估计极化参数,能够实现任意共形阵列对正交极化分集信号的DOA估计,最大估计信号数目能够超过阵元个数.仿真实验验证了该算法具有很好的估计性能.     

MUSIC算法在柱面共形天线阵DOA估计中的应用研究

由于柱面共形天线阵所具有的特殊性质,使得其在利用经典MUSIC算法进行DOA估计时,性能会受到较大影响.通过将柱面共形阵划分为多个子阵的方法,可以有效地解决此类问题.仿真结果表明,该方法能应用于柱面共形阵的DOA估计,并容易推广到任意曲面共形阵.     

共形阵列非圆信号波达方向估计算法

受共形载体变曲率结构的影响,各天线单元指向不尽相同,使得共形天线阵列呈现极化多样性。因此,共形天线阵列的建模过程中需考虑不同阵元的极化响应特性。基于柱面共形天线阵列的快拍数据模型,利用非圆信号的特性对阵列输出进行扩展,基于秩亏理论和子空间原理实现信号波达方向（DOA）估计,所提方法估计精度高,不需要参数配对。存在相干信源时,提出对扩展后的虚拟阵列进行划分,对划分出的子阵进行虚拟的空间平滑,实现解相干的预处理操作。仿真结果表明该方法能有效应用于柱面共形阵列非圆信号DOA估计,并提高了空间分辨率。      

互质阵列DOA估计性能综合分析北大核心CSCD

互质阵列是近年来兴起的新型阵列,能显著提高阵列自由度,处理信源数大于阵元数时的波达方向(DOA)估计,且能提高角度分辨率和测角精度。文中根据互质阵物理阵元和虚拟阵元特点,结合多重信号分类(MUSIC)算法提出适用于互质阵基于物理阵列和虚拟阵列的DOA估计方法。该方法以非相干信号源为研究对象,利用互质阵列建立信号接收模型,基于物理阵列的DOA估计方法根据互质阵物理阵元位置特点推导其导向矢量,然后根据导向矢量计算回波信号数据和信号协方差矩阵,最后利用MUSIC算法进行DOA估计。基于虚拟阵列的DOA估计方法根据其虚拟阵元数据特点在向量化协方差矩阵并去冗余后选取连续虚拟阵元接收数据,然后对新协方差矩阵进行一维Toeplitz平滑重构,最后利用MUSIC算法或求根MUSIC算法进行DOA估计。与等阵元数的均匀线阵进行对比,仿真实验验证了互质阵列DOA估计性能的优越性。     

柱面共形阵列天线盲极化波达方向估计算法

针对柱面共形阵列天线的单曲率特点,建立了柱面共形阵列天线的快拍数据模型,基于高分辨波达方向（DOA）估计的子空间原理与秩损理论,结合合理的阵元排列结构设计,将信源极化状态、俯仰角以及方位角去耦合,通过参数的一维搜索与方程求解,实现了信源极化状态未知条件下的2D DOA估计。针对相干信源情况,推导了柱面共形阵列天线的解相干算法,最终提出了适用于独立和相干信源的柱面共形阵列天线盲极化DOA估计算法。该算法估计精度高,计算量小,且无需参数配对。计算机仿真实验验证了所提算法的有效性。     

共形阵列天线MUSIC算法性能分析

该文在建立了三维共形天线阵列流形的数学模型基础上,将经典高分辨波达方向(DOA)估计方法多重信号分类(MUSIC)算法移植到共形阵列天线中;详细分析推导了MUSIC算法在共形阵列天线 (锥面阵列、柱面阵列、球面阵列)中的估计方差、克拉美-罗界(CRB);通过计算机仿真试验对比MUSIC算法在面阵(均匀线阵、均匀圆阵)与共形阵列中的性能函数以及估计方差,给出了MUSIC 算法在不同阵列形式中DOA估计性能的评估与比较,仿真结果显示MUSIC算法在不同阵列形式中的估计性能均随阵元个数以及信噪比的增加而变好,验证了理论分析的正确性。     

阵列单通道高分辨DOA估计方法

阵列单通道相比多通道具有复杂度低、成本小的优点。针对以往阵列单通道测向模型估计精度较低的问题,基于随机过程理论,构建了阵列单通道波达方向(direction of arrival,DOA)估计模型。在此模型基础上,推导阵列单通道下均匀线阵和均匀圆阵导向矢量,并将MUSIC算法运用于阵列单通道DOA估计。由于该模型充分利用了阵元的幅相信息,无需恢复协方差矩阵,因此具有较高精度和分辨率。仿真实验验证了模型的可行性和有效性。     

基于虚拟阵列变换的共形阵列信号DOA估计

共形阵列是指与载体表面共形的天线阵列,对载体空气动力性能影响小,在军用、民用等飞行器上具有广泛的应用。针对共形阵列信号处理中的角度估计问题,给出了一种基于虚拟阵列变换思想的共形阵列信号DOA估计算法。该算法首先对接收数据进行虚拟阵列变换,利用变换后的数据,采用ESPRIT算法和MUSIC算法相结合,实现了对共形阵列信号二维角度估计。算法对阵列形状限制小,真正实现了适用于任意共形阵列。以圆柱共形阵列为例,通过仿真实验验证了算法的有效性。     

柱面共形阵列信源方位与极化状态的联合估计算法

针对柱面共形极化敏感阵列的结构特点建立了其导向矢量模型,以此为基础实现了信源方位与极化状态的联合估计。根据旋转不变子空间思想估计俯仰角和子空间原理、秩损理论,通过对阵列流形矩阵进行特定的形式变换,将其中隐含的信源方位信息与极化信息\     

基于宽带均匀同心球阵列的低复杂度二维波达方向估计算法

该文提出一种基于宽带均匀同心球阵列(UCSA)的2维波达方向(2D-DOA)低复杂度估计算法。该方法将宽带UCSA输出信号转换为相位模式,并对其进行频率补偿,实现近似频率不变(FI)特性,从而降低宽带信号处理的计算复杂度。为了进一步降低2D-DOA估计的计算复杂度,该文提出基于FI-UCSA的降维多重信号分类(MUSIC)算法。该方法将相位模式导向向量分解为方位角和仰角相关的两个矩阵,从而把2维搜索问题简化为1维(1D)搜索,实现降维优化并降低计算复杂度。仿真结果表明,该算法计算复杂度相较于2维MUSIC算法得到了极大的降低,并且在估计精度和分辨率上均稍有改善。     

基于圆柱共形阵的快速来波方向估计

通过子阵分割和虚拟内插技术在圆柱共形阵上实现了快速准确的来波方向估计。在此过程中,共形于金属柱体表面的圆环阵被划分为八个相同的子阵,每一个子阵通过内插,变换为虚拟均匀直线阵,应用旋转不变参数估计技术(ESPRIT)算法和Root-MUSIC算法,可以快速准确地估计出来波方向。仿真结果证实了该方法的有效性。     

一种低复杂度的动目标DOA估计算法

针对运动目标信号波达方向(DOA)估计问题,提出将简化的数据投影法(DPM)与快速求根MUISC(FR-MUSIC)算法相结合,得到了一种新的动目标DOA估计算法.该算法的特点是利用FR-MUSIC中的子矩阵求逆过程抵消了原DPM算法中的正交化步骤,从而在不损失DOA估计性能的前提下,将子空间跟踪的运算量降至同类算法运...     

一种低复杂度的二维波达方向估计方法

提出了一种基于传播算子的低复杂度二维波达方向估计新算法,该方法避免了常规子空间方法中占主要运算量的估计信号协方差矩阵及其高维矩阵的特征分解,降低了运算复杂度,并且由于无阵列孔径损失,获得了良好的参数估计性能.最后计算机仿真验证了算法的有效性.     

非规则几何结构平面阵列的DOA估计性能

由于受实际环境的限制,天线阵的布设受到一定的约束,而实际测向环境限制了天线阵列的阵列结构,阵列结构是否合理将直接影响测向的精度。针对特定环境对阵列结构的特殊要求及二维测向的实际问题,建立了非规则几何结构阵列进行二维测向的数学模型,研究了基于MUSIC算法的非规则几何结构阵列的二维测向问题,对非规则结构阵列的阵列结构对测向模糊性的影响进行了分析,以矩形平面阵列和任意形平面阵列为例,对两种阵列的测向性能进行了仿真比较,结果证明,提出的数学模型对非规则结构平面阵列的研究具有有效性,可广泛应用于任意平面空间的二维测向。     

阵列误差下的波达方向估计

由于阵列误差的存在会降低波达角的估计精度,重点研究了迭代求解混合范数约束下的稀疏谱以提高估计精度。考虑一维线性阵列,首先建立了统一的优化函数,高精度地估计信号子空间;然后推导了误差矩阵向量化的方法,简化求解耦合误差和幅相误差的过程;最后推导了Khatri-Rao积下的扩展正交导向矢量,根据优化函数迭代求解空间谱估计。对比不同方法估计参数的均方根误差表明,通过设计优化函数迭代求解阵列误差、波达角等参数的精度较之现有方法有一定的提高。     

一种最小冗余线阵的目标DOA估计方法

针对目标波达方向(DOA)估计的子空间类算法工程实现上的问题,提出了一种次最小冗余线阵的目标DOA估计方法。该方法应用孔径合成理论和最小冗余线阵理论,在保证阵列孔径等价的前提下,从工程应用的实际问题出发,对次最小冗余线阵的阵元配置进行研究。在分析MUSIC及MMUSIC算法的基础上,对次最小冗余线阵进行仿真。通过与相同孔径的均匀线阵和最小冗余线阵对比表明,次最小冗余线阵与相同孔径的均匀线阵性能相仿,并有更小的计算复杂度,比最小冗余线阵有更大的阵元灵活性,可以解决一般最小冗余线阵不能解决的相干信源的DOA估计问题。     

基于加权l1最小化的低复杂度波达方向估计算法

基于阵列协方差矩阵的稀疏表征和阵列响应矩阵的Khatri-Rao积,提出了一种低运算复杂度的波达方向估计算法.所提算法在减少未知数个数的同时,通过线性变换降低约束方程的维数,可有效减少优化问题的计算复杂度.为充分利用阵列协方差矩阵中蕴涵的信息,使用Capon谱的倒数作为权值构建出了加权l1最小化问题,这使得所提算法在降低运算量的同时能够获得较好的估计性能.仿真实验验证了所提算法的有效性.