基于矢量传感器MIMO雷达的DOD DOA和极化联合估计算法

该文研究了一种基于多输入多输出(MIMO)电磁矢量传感器阵列雷达目标波离角(DOD),波达角(DOA)和极化联合估计问题。提出一种新型矢量阵MIMO雷达系统模型,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器。在此基础上,该文提出4维MUSIC, ESPRIT和迭代1维MUSIC 3种联合参数估计算法。其中迭代1维MUSIC算法首先利用矢量传感器的内在结构特点获得目标DOA预估计,随后采用MUSIC算法对DOD和DOA分别进行1维搜索获得目标角度的高精度估计,最后给出一种基于ESPRIT的目标极化估计算法。迭代1维MUSIC算法可用于不规则阵列,对接收阵列约束较少,无需2维搜索及多维搜索,还可以利用矢量阵特点扩展阵列孔径提高DOA估计精度。此外,论文还推导了DOD, DOA和极化联合估计的CRB。仿真实验表明,与前两种算法相比,迭代1维MUSIC算法具有与CRB更接近的估计精度。     

基于矢量传感器MIMO雷达的发射极化优化DOA估计算法

针对常规矢量传感器MIMO雷达没有利用发射极化信息导致波达方向(DOA)估计精度较差的问题,该文提出一种克拉美罗界(CRB)最小化的发射极化优化算法。首先建立矢量传感器MIMO雷达的接收信号模型;然后分析固定发射极化矢量传感器MIMO雷达DOA估计算法的不足;接着推导任意发射极化状态下的CRB,计算最小CRB对应的极化状态;最后利用该优化极化状态采用固定极化DOA估计算法得到DOA估计。该算法的DOA估计精度高于固定极化DOA估计算法。且该算法的2维DOA估计可自动配对,发射电磁矢量传感天线位置可任意。仿真结果证明了该算法的有效性。     

干涉式矢量传感器MIMO雷达的DOD/DOA和极化联合估计

该文结合干涉测量理论与简化矢量传感器多输入多输出(MIMO)雷达,提出一种干涉式矢量传感器MIMO雷达的发射方位角(DOD)、接收方位角(DOA)和极化联合估计方法。利用干涉发射阵列的长、短基线空间平移不变性采用多分辨ESPRIT算法获取DOD高精度估计值;同理,利用矢量接收阵的多分辨特性得到高精度DOA估计值;利用与阵列结构无关的极化域旋转不变性求取极化辅角和极化相位差。最后给出随机信号源模型下的闭式克拉美罗界推导。该干涉矢量MIMO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,且在不增加阵元数和硬件复杂度情况下大大扩展有效孔径,提高了角度估计精度。另外简化矢量传感器减少了传统矢量传感器的互耦效应更有利于工程实现。仿真结果证明了该文多参量估计算法的有效性。     

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。     

双基地分布式阵列MIMO雷达的DOA和DOD估计方法

结合分布式阵列和双基地多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达的特点, 提出了一种新的双基地分布式阵列MIMO雷达的接收角(Direction of Arrival, DOA)和发射角(Direction of Departure, DOD)估计方法.根据发射阵列和接收阵列的空域旋转不变特性, 利用旋转不变估计技术(Estimation of Signal Parameters via Rotational Invariance Techniques, ESPRIT)获取无模糊DOA粗估计和高精度周期性模糊的DOA、DOD精估计; 再利用无模糊DOA粗估计、目标的双基地距离信息以及双基地MIMO雷达的几何特点, 解除DOA、DOD精估计的周期性模糊, 得到高精度且无模糊的DOA和DOD估计.最后, 根据ESPRIT算法原理和估计误差的概率统计特性进行算法的性能分析, 给出算法基线模糊门限的近似计算方法.该算法有效地放宽了发射阵列孔径扩展程度的限制, 从而提高了阵列在大孔径下的角度估计精度, 且能够实现DOA和DOD估计的自动配对.仿真结果验证了所提算法和性能分析方法的有效性.     

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。     

改进分离式电磁矢量阵列的两维波达方向估计

针对现有分离式电磁矢量传感器阵列的两维波达方向(Direction of Arrival,DOA)估计存在的两个问题:其一,当入射信号在时域上不具有旋转不变性时,现有算法失效;其二,无法实现阵列的两维孔径扩展导致两维DOA估计精度较差,提出了一种改进的分离式电磁矢量传感器阵列结构.首先利用所提阵列的空域旋转不变性代替时域旋转不变性得到其中一维方向余弦的高精度估计;其次结合矢量叉乘法与相位干涉法得到另一维的方向余弦高精度估计;最后对两维方向余弦进行三角操作得到目标的两维DOA估计.本文算法摆脱了对入射信号形式的依赖,实现了阵列的两维孔径扩展,使得两维DOA估计精度大大提高.仿真结果证明了本文算法的有效性.     

单快拍数据的分布式阵列DOA估计

该文针对分布式阵列相干信号单次快拍波达方向估计问题,提出一种基于状态空间平衡法的1维波达角估计算法。该算法首先直接利用单快拍数据以分布式阵列每个子阵单元进行Hankle矩阵构造,然后采用状态空间平衡法,分别获得低精度无模糊的子阵单元内DOA估计和高精度有模糊的子阵单元间DOA估计,最后结合配对和解模糊算法获得高精度无模糊DOA估计。该算法不受信号形式限制,可同时对相干信号和非相干信号进行处理,能充分利用分布式阵列扩展阵列物理孔径特性,获得较高的DOA估计精度。计算机仿真结果验证了所提算法的有效性。     

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。     

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。     

DOA estimation for sparse nested MIMO radar with velocity receive sensor array

Direction of arrival (DOA) estimation for sparse nested MIMO radar with velocity receive sensor array is studied, and an algorithm based on extended unitary root multiple signal classification (MUSIC) is proposed. The nested MIMO radar utilizes sparse transmit array and velocity receive array with nested inter-element distances, which can make the final virtual array to be a long and sparse velocity sensor array. After exploiting unitary transformation to transform the data into real-valued one, an extended root MUSIC based method is developed to decompose the angle estimation into high-resolution but ambiguous and low-resolution but unambiguous DOA estimations, which are automatically paired. Thereafter, the ambiguous estimation is used to recover all possible DOAs, and the unambiguous DOA estimation is used as a reference to resolve the estimation ambiguity problem. Compared to conventional methods, the proposed algorithm requires no peak search, maintains larger aperture and achieves better DOA estimation performance. The simulation results verify the effectiveness of our approach.     

基于传播算子的声学矢量传感器阵列 扩展孔径二维DOA估计算法

 本文提出一种基于传播算子的声学矢量传感器阵列扩展孔径二维DOA估计算法.首先,利用传播算子方法得到一组高精度模糊的DOA估计值;然后,利用声学矢量传感器的特点得到另一组低精度无模糊的DOA估计值;最后,利用无模糊估计值对模糊估计值进行解模糊处理,得到高精度无模糊的DOA估计值.提出的算法无需进行特征值分解或奇异值分解进行信号子空间/噪声子空间的估计.与基于ESPRIT的算法相比,提出的算法的计算量约为信号个数与声学矢量传感器个数的四倍之比.计算机仿真结果表明在信噪比不是很低时,提出的算法与基于ESPRIT的算法具有相当的估计性能.     

基于张量分解的互质阵MIMO雷达目标多参数估计方法

该文提出了一种基于双基地互质阵列(CPA)多输入多输出(MIMO)雷达的多目标波离方向角(DOD)、波达方向角(DOA)和多普勒频率估计算法。收发阵列各由两个满足互质结构的稀疏均匀子线阵组成。时域的快拍序列同样由两个互质的稀疏均匀采样构成。算法利用张量因子分解得到分别包含DOD, DOA和多普勒频率信息的3个流形矩阵,再从中构造出具有范德蒙德矩阵结构的虚拟流形矩阵。为了提高估计精度,还提出了一种基于特征值分解的误差抑制算法,并通过旋转不变子空间算法(ESPRIT)求取各目标的3个待估参数。与传统算法相比,该算法通过构造均匀虚拟阵列和虚拟快拍提高参数估计性能,且不会产生模糊,避免了谱峰搜索和额外的配对过程。仿真实验验证了该算法有效性。     

基于四元数的Root-MUSIC的双基地MIMO雷达中角度估计算法

该文将四元数理论应用到双基地集中式多输入多输出(MIMO)雷达的角度估计中。文中通过传统数据模型构造四元数矩阵,提出了基于四元数的求根-多重信号分类(Root MUltiple SIgnal Classification, Root-MUSIC)的MIMO雷达中角度估计算法,该算法通过奇异值分解和Root-MUSIC来估计出发射角(Direction Of Departure, DOD)和接收角(Direction Of Arrival, DOA)。该算法的角度估计性能远优于现有文献的方法,并且无需谱峰搜索,复杂度大大降低。仿真结果验证了算法的有效性。     

基于MUSIC算法的L型阵列MIMO雷达降维DOA估计

该文提出一种基于MUSIC算法的L型阵列多输入多输出雷达降维波达方向(DOA)估计算法。该算法首先针对L型阵列导向矢量的结构,构造出一个降维矩阵,将回波信号转换到低维空间。然后利用二次优化方法将2维DOA估计分解为两个1维DOA估计。最后利用MUSIC空间谱估计其中1维角度,并利用求得的角度回代谱函数,对另1维角度进行求根估计。该算法将2维空间谱搜索降为1维搜索,极大地降低了运算复杂度。理论分析和仿真结果验证了该算法的准确性和可行性。