基于二阶统计量的近场源三维参数估计方法

针对近场三维参数估计方法计算量大的问题,提出了一种近场源的方位角、仰角和距离的三维参数估计方法。该方法利用在z-z平面十字阵列的结构特点和二阶统计量,估计信源的方位角、仰角和距离参数。将三维参数估计问题转化为多个一维搜索问题,从而减少了算法的计算量,并且无需参数配对,具有估计精度较高的优点。仿真实验表明,在信噪比大于0时,该方法能有效估计近场源的三维参数。     

基于秩亏损的近场源定位快速算法

为避免近场源参数估计中的搜索计算,提出了一种改进的Root-MUSIC算法.该算法把阵列分成两个对称的子阵,并利用两个子阵信号子空间的广义旋转关系得到信号源角度的估计,然后利用估计出的角度和GESPRIT方法给出距离的估计.该方法在低信噪比下性能优越,能完成参数的自动匹配,且无需谱峰搜索计算复杂度低.仿真结果表明了此算法的有效性.     

估计近场源三维参数的新方法

针对近场源的方向角、仰角和距离的三维参数估计,提出了一种新的近场源三维参数的估计方法。该方法利用十字阵列的结构特点和四阶累积量估计信源的方向角、仰角和距离参数。十字阵列的其中一个子阵仅需2个阵元,从而减少了阵列的阵元个数,同时具有无需谱峰搜索和估计精度高的优点,且适用于高斯有色噪声环境。仿真实验证明了该方法的有效性。     

远近场混合循环平稳信源定位方法

提出一种基于对称均匀线阵与二阶循环统计量相结合的远近场混合源定位新方法。该方法首先将均匀线阵划分为两个对称子阵,获得仅包含方位角信息的旋转矩阵,以此为基础,构造谱峰搜索函数,实现远场源和近场源角度的同时估计,将获得的方位角信息代入二维MUSIC谱函数,实现近场源距离估计。所提算法计算复杂度低,估计精度较高,且无需参数配对及二维搜索。均方根误差的仿真结果验证了该算法的有效性。     

基于双L型阵列的二维非相干分布源参数估计

分布源信号可以看作点源信号在一定空间范围内的聚集。研究二维非相干分布源的参数估计问题,提出一种基于双L型阵列结构的分布源参数估计方法。通过一阶泰勒展开推导出平行阵列广义方向矢量关于中心方位角和中心俯仰角的旋转不变关系,在此基础上利用接收矢量协方差矩阵的信号子空间得出旋转算子,依据参数配对方法解算出中心方位角和中心俯仰角,二维波达方向的估计不需要谱峰搜索,适用于角功率函数未知和多个分布源的情景。最后通过二维Capon谱峰搜索确定角度扩展参数。通过仿真考察实验条件、扩展角度对估计结果的影响,实验表明所提算法具有良好估计性能。     

一种基于子空间方法的近场目标定位算法

针对近场目标参数估计中计算量大的问题,提出了一种结合主奇异向量模态分析（PUMA）技术以及一维多重信号分类（MUSIC）方法的近场目标定位算法。该算法首先利用PUMA技术估计近场目标角度参数,然后通过估计出的角度参数并结合一维MUSIC方法,估计出近场目标距离参数。通过计算机仿真实验表明,该方法能明显减少近场目标参数估计的计算量,并且具有较好的参数估计性能。     

一种近场源四维参数的估计方法

针对近场窄带信源频率、仰角、方向角和距离的四维参数估计,提出了一种近场源四维参数的估计方法。该方法是利用特征值及相应特征向量和四阶累积量估计信号参数,不需要进行谱峰搜索,且适用于加性高斯噪声环境。仿真实验证明了该方法的有效性。     

一种新的近场源参数估计的子空间方法

提出了一种新的近场源到达方向和距离的联合估计算法．基于阵列接收数据的高阶累积量,构造了两个适当的矩阵束,它们的广义特征值的相位给出到达方向和距离的估计,同时其特征值的幅度实现二维参数配对．该算法的参数估计有闭式解,不需要复杂的谱峰搜索和参数配对算法．由于算法使用了四阶累积量,所以适用于任意结构的加性高斯噪声环境．计算机仿真实验证实了所给算法的有效性．     

基于四阶累积量的极化近场源距离、频率及到达角的联合估计算法

研究了由与坐标轴方向一致的偶极子对构成的均匀线阵。使用四阶累积量提出了一种极化近场源距离、频率及到达角(DOA)三维参数联合估计算法。该算法不需谱峰搜索且各参数自动配对,适用于任意加性高斯噪声环境。仿真结果表明,该算法在性能上优于相应的没有利用极化信息的算法。     

基于压缩思想的低运算近场信号估计算法

针对近场源参数估计计算复杂度大的问题,提出了一种基于对称阵列结构的快速估计算法。首先通过对称阵列结构构造多项式,通过求解多项式的根得到近场源的角度信息;在距离估计的时候,结合压缩多重信号分类算法(Compressed multiple signal classification,C-MUSIC)的思想,将菲涅尔区域分为若干个子区域,通过构造噪声子空间簇的交集,得到新的谱函数,将原来整个区域搜索变换成小区域搜索,可节省运算时间。通过仿真试验验证了算法的有效性,证明该算法的运算复杂度与传统估计算法相比得到了很大改善。     

Two-Dimensional Direction Finding via Sequential Sparse Representations

The problem of two-dimensional direction finding is approached by using a multi-layer L-shaped array.The proposed method is based on two sequential sparse representations,fulfilling respectively the estimation of elevation angles,and azimuth angles.For the estimation of elevation angles,the weighted sub-array smoothing technique for perfect data decorrelation is used to produce a covariance vector suitable for exact sparse representation,related only to the elevation angles.The estimates of elevation angles are then obtained by sparse restoration associated with this elevation angle dependent covariance vector.The estimates of elevation angles are further incorporated with weighted sub-array smoothing to yield a second covariance vector for precise sparse representation related to both elevation angles,and azimuth angles.The estimates of azimuth angles,automatically paired with the estimates of elevation angles,are finally obtained by sparse restoration associated with this latter elevation-azimuth angle related covariance vector.Simulation results are included to illustrate the performance of the proposed method.     

一种用于矩形阵列的二维波达方向估计方法

针对现有使用均匀矩形阵列或稀疏矩形阵列的二维无格波达方向估计方法的性能欠佳的问题,提出一种基于二阶特普利茨矩阵重构和二维旋转不变参数估计技术的无格波达方向估计方法。使用均匀矩形阵列或稀疏矩形阵列,对其接收信号的协方差矩阵进行二阶特普利茨结构表达,通过log-det稀疏测度与正定约束构造约束优化问题,并使用优化最小算法求解,最后通过二维旋转不变参数估计技术估计源的二维波达方向,即方位角与俯仰角。这种方法需要多次求解半定规划问题,计算复杂度相对较高,但能获得更好的波达方向估计性能。在仿真实验中,这种方法在均匀矩形阵列或稀疏矩形阵列条件下均有非常低的均方根误差,接近克拉美罗界,证明了其良好的波达方向估计性能。     

基于MP的近场源方位角、仰角、距离和极化参量联合估计算法

提出了一种基于十字极化阵列的近场源五维参数联合估计方法。采用中心对称的十字阵列结构,阵列由与坐标轴方向一致的偶极子对组成,分别感应x轴方向和y轴方向的电场分量。利用极化阵列的接收数据,构造出六对矩阵束,并通过对矩阵束广义特征值分解得到的广义特征值来联合估计信源的方位角、仰角、距离和极化等参数。算法不需要谱峰搜索,广义特征值包含参数配对信息,配对方法简单,且不需要构造高维累积量矩阵,适用于加性高斯噪声环境(白噪声和色噪声),仿真试验证明了该算法的有效性。     

基于均匀圆阵的二维DOA估计的新算法

文章针对均匀圆阵的阵列流形,分析了均匀圆阵的导向矢量,并在此基础上,通过构造相应的二阶统计量得到了信号方位角和俯仰角的闭式解．同已有的二维DOA估计算法相比较,该算法有明显的计算优势,只需要3个阵元即可以达到二维DOA估计的结果．理论分析证明,该闭式解不受空间白噪声的影响,只要选取适当的快拍数,该算法可以在较低的信噪比环境下稳健的工作．计算机仿真结果表明,该算法可以利用圆阵的3个阵元有效地估计信号的二维到达角,并且减少了运算量,降低了白噪声的影响,可以稳健而有效的工作．     

基于矩阵束方法的ESPRIT算法改进

主要研究了一种ESPRIT的改进算法,该算法利用奇异值分解实现多维角度估计参数配对.由于在一定条件下会出现角度估计模糊的现象,在此基础上采用一种矩阵束的方法作进一步的改进,构造的对角阵中每个不同元素对应于不同信号源的方位角和仰角,并且互不相同.这样特征分解得到的可逆阵唯一,因而特征对角阵中的元素必唯一.从特征对角阵中取的元素实部和其对应的负虚部可求得信号源的二维方向角,克服了二维DOA估计中的角度模糊问题.通过算法仿真证实提出的改进算法的有效性.     

基于矩阵束方法的ESPRIT算法改进

主要研究了一种ESPRIT的改进算法,该算法利用奇异值分解实现多维角度估计参数配对.由于在一定条件下会出现角度估计模糊的现象,在此基础上采用一种矩阵束的方法作进一步的改进,构造的对角阵中每个不同元素对应于不同信号源的方位角和仰角,并且互不相同.这样特征分解得到的可逆阵唯一,因而特征对角阵中的元素必唯一.从特征对角阵中取的元素实部和其对应的负虚部可求得信号源的二维方向角,克服了二维DOA估计中的角度模糊问题.通过算法仿真证实提出的改进算法的有效性.     

基于WVD改进算法的跳频信号参数估计

针对平滑伪维格纳分布（SPWVD：SmooLhedPseudoWigner—VilleDistribution）在跳频信号参数估计中存在的分辨率下降和运算量过大等问题,提出基于sTfTr（Short—TimeFourierTransform）与WVD（Wigner—VilleDistribution）的联合算法（STFT—WVD）,实现了跳频周期、跳变时刻和跳频频率等参数的盲估计。在参数估计的过程中,STFT—WVD算法有效地抑制了WVD的交叉干扰项,保持了WVD较高的时频分辨率,在运算量上和WVD相近,没有增加运算的复杂程度。仿真实验证明,STFT—WVD比SPWVD具有更好的整体性能,在信噪比优于-1dB时,能得到更为精准的估计值。     

双基地MIMO雷达目标定位及互耦自校正算法

利用均匀线阵互耦矩阵的带状和对称Toeplitz特性,提出了一种基于旋转不变技术估计目标参数(ESPRIT)的双基地多输入多输出(MIMO)雷达目标定位及互耦自校正算法.该算法通过ESPRIT算法中子阵的选取,将目标二维方位角估计与互耦参数估计相"去耦",角度估计过程不需任何互耦矩阵信息,且估计精度高、分辨力强;基于对目标二维方位角的估计,算法还可以精确地估计出互耦矩阵,从而实现双基地MIMO雷达的互耦自校正.该算法对目标二维方位角与互耦矩阵的估计不涉及任何角度搜索和迭代过程,具有较小的运算量.计算机仿真结果证明了该算法的正确性和可行性。     

一种多通道运动目标重聚焦及运动参数估计方法

针对传统运动目标参数估计方法将运动目标假设为匀速运动的不足,提出了一种新的多通道运动目标参数估计方法．通过构造含有加速度的运动目标回波模型,拟合多通道方位向回波数据的瞬时频率曲线,求解方程组获得各种运动参数的估计值,并重新构造运动目标的方位向匹配函数,对运动目标进行重新聚焦．克服了用匀速运动目标模型对加速目标进行运动参数估计误差较大的问题．仿真分析验证了该运动参数估计方法的有效性．