米波雷达低仰角DOA估计及阵列通道误差校正

现有的阵列校正算法几乎都没有考虑存在多径效应时的情况,对此提出了一种米波雷达低仰角环境下波达方向估计和阵列通道误差校正的新算法.先对各子阵接收信号做预处理,使通道误差对每个子阵的影响一致,这样阵列旋转因子就与通道误差无关.再对各子阵接收数据进行线性变换和差分处理,利用阵列旋转不变性,实现波达方向估计.最后利用精确求得的波达方向值进行阵列通道误差的校正,算法避免了以往自校正算法联合波达方向和误差矩阵进行最大似然多维寻优的缺点,不但运算量小,还可以有效地克服多径效应.理论分析和计算机仿真都表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。     

米波雷达低仰角目标多径模型及其反演方法研究

现有的低仰角测高方法多采用镜面反射模型,将直达波与多径简化为两远场点源;然而实际中不规则反射面使多径回波波前畸变,远场点源模型难以完全描述多径信号。针对此模型失配问题,该文重点研究低仰角目标多径模型,首先分析经典多径模型,对反射系数和反射面高度进行参数反演;然后提出一种扰动多径模型,将反射面对多径回波的影响建模为扰动反射系数,并利用最大似然算法反演扰动反射系数。计算机仿真结果验证了参数反演方法的有效性;实测数据验证了复杂情形下所建模型的合理性和反演方法的有效性,提高了低仰角测高算法在实际阵地的适用性。     

米波雷达低仰角测高方法研究

针对米波雷达低仰角测高问题,提出米波雷达低仰角测高解决方案和基于遗传交替投影算法的最大似然超分辨方法.仿真结果表明该方法的有效性和可行性.     

基于波瓣分裂的米波雷达低仰角测高方法及其应用

针对米波雷达的波束较宽、由于地面反射引起波瓣分裂,通常只能估高而不能测高这一难题,提出一种基于分裂波瓣的米波雷达低仰角测高方法——比相比幅法.该方法采用多个不同高度的测高天线,由于不同高度天线的分裂波瓣有一定的相位关系,利用该相位关系确定目标所在仰角区间;利用不同天线接收信号幅度进行比幅处理提取归一化误差信号;再查表得到目标的高度.分析地面起伏对测高精度的影响;推导不同阵地情况下的比幅误差曲线.将该方法应用于某型雷达,在我国首次成功地进行了米波雷达测高.试验结果表明该方法是行之有效的.     

基于ADMM的低仰角目标二维DOA估计算法

针对面阵米波(VHF)雷达低仰角目标2维DOA估计问题,该文提出一种基于交替乘子法(ADMM)的快速2维DOA估计算法。该方法首先利用均匀面阵条件下方位、俯仰角无耦合的特性,将2维角度估计问题转化为两个1维角度估计问题,通过方位、俯仰维波束合成实现对目标信息提取;其次根据信号模型建立信号空域超完备表达式,利用ADMM方法完成对方位、俯仰角估计。该方法避免了2维联合估计复杂计算量,复杂度大大降低,且运算过程无需特征分解,进一步提高了运算效率。仿真结果表明了该算法的优越性。     

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。     

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。     

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。     

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。     

基于协方差匹配SLO算法的MIMO雷达DOA估计

利用加权平滑l0范数(Smoothed l0, SL0)算法估计MIMO雷达目标DOA时,需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型,并利用信号和噪声子空间的正交性来构造加权向量。然而当存在相干信源时,MIMO雷达协方差矩阵的秩将退化,这会使得稀疏重构模型的误差较大以及无法正确区分信号和噪声子空间,导致加权SL0算法的DOA估计性能恶化。针对上述问题提出了一种基于协方差匹配SL0算法的MIMO雷达DOA估计方法。该方法利用协方差匹配准则重构出一个满秩的协方差矩阵,恢复MIMO雷达协方差矩阵的Toeplitz特性,并利用协方差逆矩阵的高阶幂来近似噪声子空间从而计算加权向量。仿真分析表明,该方法能够在无需预知信源数目的情况下有效地完成对相干信号的DOA估计。     

基于数据共轭重排的修正ESPRIT信号DOA估计算法

本文介绍了将接收数据共轭重排的再利用,构造相关矩阵的修正ESPRIT算法.理论分析和仿真实验表明,该算法同经典的ESPRIT算法相比,在快拍次数有限时,可明显改善信号DOA估计的性能,且其计算量二者基本相当.     

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。