基于L型MIMO雷达二维DOA估计新算法

将MIMO思想应用于L型阵雷达,建立了L型MIMO雷达信号模型,并在此基础上,根据DOA矩阵法,利用MIMO体制雷达产生的虚拟子阵列来构造一个二阶统计量,从而得到了目标方位角和俯仰角的闭式解.该算法不涉及多维谱峰搜索,因此具有较小计算量;此外,该算法估计出的目标的方位角和俯仰角可自动配对,不存在参数的配对问题.计算机仿真结果证明了本文算法的正确性和可行性.     

双基地MIMO雷达高速运动目标的DOD和DOA联合估计

高速目标在回波积累时间内会跨多个距离单元运动,因此双基地MIMO雷达利用单个距离单元上的目标回波数据估计目标发射角(DOD)和接收角(DOA)会产生较大误差,影响目标的交叉定位。该文根据高速目标回波特点提出一种双基地MIMO雷达的跨距离单元估计目标多维参数的方法,该方法把目标在不同距离单元上的脉冲压缩数据的采样协方差矩阵进行平均,提高其协方差矩阵的估计精度,然后采用超分辨算法进行DOD和DOA参数估计。仿真结果表明该方法对高速运动目标的角度估计精度高于现有算法,接近于现有算法在目标无距离走动时的角度估计精度,且其角度估计性能与目标跨越的距离单元数无关。     

基于ESPRIT算法的L型阵列MIMO雷达降维DOA估计

该文针对L型阵列MIMO雷达的2维角度估计问题,基于ESPRIT算法提出两种降维DOA估计方法。首先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;然后分别基于特征分解和传播算子获得信号子空间的估计,最后利用ESPRIT算法实现2维空间角参量的联合估计及参数的自动配对。算法不牺牲阵列孔径,最大程度地降低了回波数据的维数,具有更低的运算复杂度。仿真结果验证了该文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.     

基于十字阵的MIMO雷达的二维DOA估计

多输入多输出（MIMO）雷达使用多个天线同时发射独立波形,在不同位置的目标回波彼此线性独立,以获得较好的空间分辨率。文章提出了基于收发不共位的线阵在水平面内构成十字阵的MIMO雷达信号模型;研究利用MUSIC算法来估计该模型下的MIMO雷达的二维波达角;分析了基于均匀十字阵的MIMO雷达的优越性,并探讨了十字阵MIMO雷达性能与阵元间距的关系,仿真表明,在满足远场条件下,均匀十字阵比均匀线阵可以估计更多的目标而且精度更高;通过非均匀布阵,可以进一步提高MIMO雷达的二维波达角的估计精度。     

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。     

用L阵实现频率、二维到达角和极化的联合估计

在宽频段内多信号多参量联合估计已成为许多研究课题（例如,未积压辐射源识别,有源对消等）的重要研究内容。对基于子空间方法的多信号频率、二维到达角和极化参量的联合估计方法进行了论述。该方法采用L阵和ESPRIT算法来实现,避免了平面阵的复杂性。计算机仿真结果证实了该算法的有效性。     

基于ESPRIT算法的十字型阵列MIMO雷达降维DOA估计

该文针对十字型阵列配置下的单基地MIMO雷达2维空间角度估计问题,提出一种基于ESPRIT算法的降维DOA估计算法。算法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,最大程度地去除了所有的冗余数据;利用矩阵的酉变换进行实数域信号子空间的估计,并基于ESPRIT算法实现2维空间角度的联合估计及参数的自动配对。算法不牺牲阵列孔径,在获取信噪比增益和快拍增益的同时,有效降低了回波数据的维数,具有更低的运算复杂度。仿真结果验证了理论分析的正确性和算法的有效性。     

基于快速张量分解的波束空间MIMO雷达二维DOA估计算法

传统MIMO雷达由于采用全向发射模式导致目标增益损失严重,致使DOA估计算法性能较差.因此,本文提出基于波束空间MIMO雷达的张量模型和快速张量分解的二维DOA估计算法.波束空间MIMO雷达能够通过发射波束成形技术将发射能量集中到指定空域,弥补传统MIMO雷达的发射增益损失.通过高阶张量模型应用MIMO雷达多脉冲接收数...     

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。     

一种适用于MIMO雷达的低复杂度二维DOA估计方法

 本文提出了一种适用于收、发共阵多发多收(MIMO)雷达的低复杂度二维波达方向(DOA)估计方法.该方法将MIMO雷达的虚拟二维阵列分解为多个构形相同但位置不同的虚拟子阵,通过一种基于预投影的ESPRIT算法得到同一目标二维DOA的多组估计值,极大地降低了运算量.并利用Kalman滤波器对这多组二维DOA估计值进行融合,提高了估计值的精度.同时,利用收、发对偶性对样本数据进行了重排,等效地将样本数加倍,进一步提高了二维DOA估计精度.数值仿真的结果证明了该方法的有效性.     

基于MIMO技术的二维波达方向估计

传统的L型阵相比面阵精简了阵列结构,以较少的阵元实现二维波达方向估计,但是波达方向估计性能受到物理孔径限制。本文将MIMO技术和L型阵结合,提出一种基于MIMO技术的L型阵二维波达方向估计方法。该方法通过MIMO等效虚拟阵列原理,将L型阵等效为一矩形平面阵列,然后在等效矩形阵列的基础上,采用MUSIC进行二维波达方向估计,以L型阵的物理孔径实现矩形平面阵列的估计性能。本文推导了二维波达方向估计的CRB,计算机仿真实验证实了所提方法的有效性。      

双基地MIMO雷达四维角度和多普勒频率联合估计

该文提出了一种新的基于L型阵列双基地MIMO雷达多目标的4维角度和多普勒频率联合估计的算法,该算法根据DOA 矩阵法的思想构造矩阵,通过特征参数与待估参数之间的特定关系,推导出了目标2维DOA, 2维DOD及多普勒频率联合估计式,并得到闭式解。该算法无需谱峰搜索,只需一次特征值分解,且估计出的5维参数自动配对,与ESPRIT算法相比,计算复杂度降低,且性能非常接近,并能克服空间色噪声的影响,在发射信号非完全正交时仍旧适用。仿真结果验证了该算法的有效性。     

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。     

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。