基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法.该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)...     

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。     

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。     

基于平行互质虚拟阵列的低复杂度二维DOA联合估计算法

针对传统平行阵列2维测向自由度低、分辨能力差和小快拍情况下估计误差大等问题,该文提出基于平行互质虚拟阵列的低复杂度2维波达角(DOA)估计算法.该算法利用两个相互平行的互质线阵扩展生成虚拟阵列,并通过协方差矩阵和互协方差矩阵构造具有增强2维角度自由度的扩展矩阵,最后通过奇异值分解(SVD)和旋转不变技术(ESPRIT)获得自动匹配的2维角度估计.相比于传统的2维DOA估计方法,所提算法更好地利用了阵列接收数据信息,能识别更多的入射信号,分辨能力高,不需要进行2维线性搜索或者角度参数匹配,在低信噪比(SNR)和小快拍情况下也有很好的估计效果.实验仿真结果验证了提出算法的有效性和可靠性.     

基于双频虚拟互质阵列的均匀稀疏阵列DOA估计算法

提出了一种利用双频工作模式解决均匀稀疏阵列波达方向角(DOA)估计的方法。对一个物理均匀稀疏阵列,引入一个合适的额外工作频率,通过优选阵元数量及阵元间距,构建一个虚拟稀疏阵列,使得虚拟阵元间距与相邻真实均匀稀疏阵列的阵元间距成互质关系;物理均匀稀疏阵列与虚拟阵列组合形成一个自由度更高的虚拟互质阵列,将两个频率的接收信号对应合并后进行相关处理,得到虚拟互质阵列的阵列流形相关矩阵;基于相关间隔与差协同阵阵元位置的一一对应关系,对虚拟相关矩阵进行矩阵增广实现DOA估计,能够获得更高的自由度,突破物理阵元数目对最大可分辨信源数目的限制。基于MUSIC 算法的仿真结果验证了算法的可行性。     

基于广义互质双平行阵列的二维DOA估计方法

对于给定阵元数目的 传统双平行均匀线阵,由于其阵列布局受到空间采样定理限制,阵列孔径不能有效扩展,二维波达方向(DOA)估计的精度和自由度难以得到有效提升.提出一种基于广义互质双平行阵列的二维DOA估计方法.采用两个互相平行的广义互质线阵进行虚拟扩展得到含有较多虚拟阵元的差分优化阵列,并利用该虚拟阵列的协方差信息和互协...     

基于互质阵列的相干与非相干目标DOA估计算法

提出基于互质阵列的相干与非相干混合目标空间达波方向(DOA)估计算法。首先,基于差协同阵等效的概念,将互质阵列相关矩阵的元素重排形成增广相关矩阵;然后采用矩阵重构对增广相关矩阵进行解相关处理;最后,对解相关的增广相关矩阵进行多重信号分类(MUSIC)空间谱搜索,实现对目标的DOA估计。仿真结果表明,该算法可实现对数目多于互质阵列物理阵元的相干与非相干混合目标的DOA估计。对比矩阵重构、前向空间平滑和前后向空间平滑3种解相关算法,矩阵重构解相关获得了更大的可分辨目标数目,在低信噪比(SNR)下呈现出更佳的估计误差性能,而空间平滑解相关在低快拍情况下具备更优的估计误差性能。     

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。     

基于稀疏采样阵列优化的APG-MUSIC算法

针对稀疏阵列下2维波达方向(DOA)估计问题,该文提出一种基于稀疏采样阵列优化的加速逼近梯度(APG)算法与多重信号分类(MUSIC)算法相结合的2D-DOA估计方法。首先,建立稀疏阵列下的2D-DOA估计信号模型,并证明其具备低秩特征,满足零空间性质(NSP)。其次,为提高稀疏阵列下矩阵填充方法重构接收信号矩阵性能和以此为基础的2D-DOA估计精度,提出基于遗传算法(GA)的稀疏采样阵列优化方法。最后,将APG和MUSIC算法相结合,在重构完整平面阵列接收信号矩阵的基础上完成2维波达方向估计。计算机仿真结果表明,该方法在保证2维波达方向估计精度前提下,大幅提高阵元利用率,有效降低空间谱平均旁瓣,与常规2D-DOA估计方法相比具有优势。     

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。     

基于双向传播算子的互质面阵二维波达方向估计

针对谱峰搜索的二维波达方向估计中现有算法复杂度高,精度受搜索间隔影响较大的问题,给出了一种双向传播算子的互质面阵二维波达方向估计算法,实现了俯仰角和方位角的低复杂、高精度、无模糊联合估计.该方法首先将互质阵列引入到二维波达方向估计中,构造互质平面阵模型,然后采用两次旋转不变传播算子方法计算出不同阵列流型方向上的旋转因子矩阵,根据旋转因子矩阵解算出目标信号的俯仰角和方位角,同时利用互质理论消除了稀疏阵列角度估计的不确定性,证明了互质阵列模型下采用双向传播算子方法进行俯仰角和方位角估计的无模糊性.对算法的复杂度进行理论分析,并给出了平面阵列角度估计的克拉美罗界推导.理论分析与仿真结果表明,算法不需要进行角度匹配和谱峰搜索,在相同条件下的均方根误差性能优于均匀平面阵的多重信号分类算法,并且以较低的复杂度无模糊的达到了高维网格搜索的精度.     

基于互质阵列重构的高维波达方向估计算法

针对角度估计中现有算法估计信源数少的问题,提出了一种基于互质阵列重构的高维波达方向估计算法,实现了有限物理阵元条件下多重信号角度的超分辨估计.该方法首先对接收信号协方差矩阵进行列向量化处理,建立虚拟阵列模型,然后在此基础上重构虚拟阵列流型,拟合出缺失的虚拟阵元响应,最后引入空域平滑的思想,实现角度的超分辨估计.对本文算法的复杂度和阵列自由度进行理论分析.仿真结果表明,所提方法在相同物理阵元数条件下阵列自由度高于连续空域平滑检测算法和迭代内插检测算法,相比于迭代内插检测算法,以较小的复杂度代价获得了性能的较大提高.     

基于稀疏面阵的低复杂度三维信源定位算法

针对3维信源定位中阵列结构过于复杂、算法复杂度过高、谱峰搜索范围过大的问题,该文提出一种基于互素线阵互素平移的稀疏面阵(CLACS-SPA)的3维降秩MUSIC算法(RARE-MUSIC)。所提CLACS-SPA拥有中心对称的互素稀疏面阵结构,相较于同口径均匀面阵结构减少了大量的阵元,降低了阵列的结构复杂度;以CLACS-SPA为基础的3维RARE-MUSIC算法利用泰勒公式将接收信号中的方向信息与距离信息进行分离估计,从而将3维谱峰搜索转化为方位角俯仰角的2维搜索和距离项的1维搜索,降低了定位算法的计算复杂度。仿真分析表明:在口径与定位算法相同条件下,与均匀面阵结构相比,所提结构的计算复杂度降低了1～2个数量级;在相同口径与CLACS-SPA结构下,与经典3维MUSIC算法相比,所提算法的复杂度降低了2～3个数量级;在相同口径和阵元数量条件下,与经典3维MUSIC算法相比,所提算法不仅降低了计算复杂度,而且提升了方位角与俯仰角的测量精度。     

Unfolded coprime L-shaped arrays for two-dimensional direction of arrival estimation

Generally, a coprime L-shaped array (CLsA) is composed of two uniform L-shaped subarrays with larger spacing among inter-element to accomplish the improved direction of arrival (DOA) estimation performance. In this paper, the two subarrays are unfolded to extend the array aperture and the performance of the unfolded CLsA (UCLsA) for two-dimensional (2D) DOA estimation is investigated. In addition, an all array multiple signals classification (AA-MUSIC) algorithm is proposed for the UCLsA. By stacking the received signals of the two subarrays, the ambiguity problem can be avoided on the basis of the coprime property. Simultaneously, due to the combination of the cross-correlation and auto-correlation, the proposed AA-MUSIC algorithm can achieve the full degrees of freedom (DOFs) and obtain more accurate DOA estimates, nevertheless, the expensive total spectral search is entailed. Consequently, a reduced complexity MUSIC (RC-MUSIC) algorithm is proposed to relieve the computational burden. The Cramer-Rao Bounds (CRBs) are utilised as a theoretical benchmark for the lower bound of unbiased estimate. Furthermore, numerical simulations verify the effectiveness and superiority of the AA-MUSIC algorithm and RC-MUSIC method for the UCLsA.     

基于L型和差嵌套阵的二维波达方向估计

针对传统L型均匀阵列二维波达方向（Direction of Arrival,DOA）估计中可估计信源数目受限于阵元数、分辨率低等问题,提出了一种新的L型和差嵌套阵列结构。该L型阵列的两个子阵布置相同,是非均匀的稀疏阵,通过阵元位置之间的差分、求和操作达到虚拟扩展阵元数目的效果,从而提升阵列的自由度。采用该阵列进行二维DOA估计时,两个子阵分别先进行一维的DOA估计,再采用PSCM（Pair-matching Signal Covariance Matrices）算法进行一维角度配对。每个子阵进行一维波达方向估计时,先采用VCAM（Vectorized Conjugate Augmented MUSIC）算法生成非均匀稀疏阵的求和求差协方差矩阵,再采用矩阵重构的方法恢复协方差矩阵的秩,最后对协方差矩阵采用MUSIC（Multiple Signal Classification）算法进行DOA估计。实验仿真表明,本阵列有着更高的自由度和估计精度。      

应答着陆系统天线阵列设置研究

采用基于MUSIC算法的空间平滑技术代替了应答着陆系统传统的相位干涉式测角算法。重点研究了新算法下应答着陆系统线性非均匀接收天线阵列的设计方法。通过计算机仿真对比分析了设计阵列与同等条件下的均匀阵列的可行性、有效性、分辨力以及精度等性能,有力地验证了设计阵列的可用性和可靠性。     

基于空间平滑多重信号分类算法的低角目标探测

基于阵列信号处理的目标回波到达方向（DOA）估计算法具有分辨力强、估计精度高、抗干扰能力强的特点，是目标测向的研究热点。多重信号分类（MUSIC）算法就是基于阵列信号处理的目标测向算法之一，传统的多重信号分类算法假设目标回波是互不相关的，这导致其应用效果受到较大的限制。在传统多重信号分类算法的基础上，采用空间平滑多重信号分类算法进行目标回波解相干处理，推导给出了估计目标回波到达角度的表达式以及该算法的实现流程框图，并结合数值模拟结果以及实际应用场景对该算法的优缺点进行了对比分析。空间平滑多重信号分类算法在低角目标探测、单目标多径问题、多目标到达角度与多目标数量估计等方面具有一定优势。     

A Tree Structure One-Dimensional Based Algorithm for Estimating the Two-Dimensional Direction of Arrivals and Its Performance Analysis

A tree structure algorithm using one-dimensional (1D) multiple signal classification (MUSIC) algorithm is proposed to estimate the two-dimensional direction of arrivals (2D DOAs) of coherent signals impinging on a uniform rectangular array. The basic idea of the proposed algorithm is to successively apply several times of the 1D spatial smoothing MUSIC algorithm, in tree structure, to estimate the azimuth and the elevation angles independently. To optimally separate the receive signal, constrained spatial beamformers with adjustable null width are exploited in conjunction with the 1D spatial smoothing MUSIC algorithm to decompose the received signal into several signals each lead by its own 2D DOA. Performance analysis is provided to investigate the estimation bias caused by the residue signal propagating in the tree structure.