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。     

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。     

基于矢量传感器的扩展孔径双基地MIMO雷达多目标定位算法

该文研究基于电磁矢量传感器的扩展孔径多输入多输出(MIMO)雷达多目标定位算法。提出了一种新型MIMO雷达系统,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器,且传感器间距大于半波长。算法首先采用ESPRIT算法获得目标波达角(DOA)高精度模糊估计,随后利用矢量传感器的内在结构特点结合子空间旋转不变性获得目标DOA低精度无模糊估计进行解模糊,从而得到目标高精度DOA估计。最后利用已知DOA信息,采用1维MUSIC算法获得目标波离角(DOD)高精度估计。与已有算法相比,该算法大大提高了MIMO雷达的目标定位精度,且无需配对和2维搜索,具有较低的运算量。仿真结果证明了所提算法的有效性,其估计精度与CRB界接近。     

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。     

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。     

稀疏拉伸式L型极化敏感阵列的二维波达方向和极化参数联合估计

为降低现有的共心式矢量传感器阵列天线间存在的严重互耦影响,进一步提高参数估计精度,该文提出一种稀疏拉伸式L型极化敏感阵列(SSL-PSA),并针对该阵列提出一种2维波达方向(DOA)和极化参数联合估计算法。首先建立稀疏拉伸式极化敏感阵列的信号模型,然后将阵列划分为6个子阵,采用子空间旋转不变算法(ESPRIT)算法得到多个旋转不变因子(RIFs),再根据旋转不变因子间的关系,通过数学运算,得到一组方向余弦有模糊精估计值和4组无模糊粗估计值;然后重构出对应的4组导向矢量,根据导向矢量和噪声子空间的正交性,确定出正确的一组无模糊粗估计值;最后通过现有的解模糊方法得到高精度且无模糊的DOA和极化参数估计值。该文所提阵列不存在共心结构,相对于现有的含有共心式矢量传感器结构的阵列,大大降低了互耦影响,且可在不增加天线数目的前提下,有效扩展阵列的2维孔径,大大提高DOA估计精度。仿真结果证明该文所提方法的有效性。

     

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。     

基于极化敏感阵列均匀线阵的二维DOA估计

针对残缺电磁矢量传感器的极化敏感阵列多参数联合估计问题,该文提出一种基于正交偶极子的均匀线阵的2维波达方向(Direction-Of-Arrival, DOA)估计算法。首先,对极化敏感阵列的接收数据矢量的协方差矩阵进行特征分解,然后将信号子空间划分成4个子阵,根据旋转不变子空间(ESPRIT)算法分别求出其中1个子阵与其它3个子阵的相位差,再对不同子阵间的相位差进行配对,最后根据相位差求出信号的DOA估计和极化参数。由正交偶极子组成的均匀线阵使用极化MUSIC算法和传统ESPRIT算法无法进行2维DOA估计,该文提出的算法解决了这个问题,并且相较于极化MUISC算法降低了算法的复杂度。仿真结果验证了该文算法的有效性。     

电磁矢量传感器阵列相干信号源波达方向和极化参数的同时估计:空间平滑方法

研究如何利用电磁矢量传感器阵列中隐含的冗余空域信息解决多个相干极化信号源的二维波达方向(DOA)和极化参数的同时估计问题。基于整个阵列中所隐含的多个空域旋转不变结构,将组成阵列的单个或多个电磁矢量传感器单元看作一个无模糊子阵,利用空间平滑方法对阵列数据进行预处理,以恢复信号协方差矩阵的秩特性。在此基础上,利用多信号分类方法(MUSIC)和旋转不变参数估计方法(ESPRIT)完成多个相干极化信号源的二维 DOA 和极化参数的同时估计。文中还讨论了成功进行信号解相干的必要条件,并通过计算机仿真验证和比较了所给方法的有效性及其辨识能力。     

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。     

A Low-Complexity Algorithm for Coherent DOA Estimation in Monostatic MIMO Radar

This paper investigates the topic of direction of arrival (DOA) estimation for coherent sources in monostatic multi-input multi-output (MIMO) radar, and proposes a low-complexity algorithm for coherent DOA estimation. The direction vector of MIMO radar can be firstly mapped into a vector of virtual uniform linear array (ULA), and after that, a linear operator is constructed by partial cross-correlations from the received data of the virtual ULA. Finally, the DOAs can be obtained via roots finding method based on this linear operator. The DOAs can be estimated without any eigen-decomposition, nor evaluating all correlations of the received data. The proposed algorithm has much lower complexity as well as much better angle estimation performance than conventional forward backward spatial smoothing (FBSS)-propagator method (FBSS-PM), FBSS- estimation method of signal parameters via rotational invariance techniques (FBSS-ESPRIT), FBSS- root multiple signal classification (FBSS-Root MUSIC), and ESPRIT-like algorithm. Simulations present the effectiveness and improvement of our approach.     

Reduced-Dimensional ESPRIT for Direction Finding in Monostatic MIMO Radar with Double Parallel Uniform Linear Arrays

In this paper, the issue of two-dimensional direction of arrival estimation in monostatic multiple-input–multiple-output (MIMO) radar with double parallel uniform linear arrays is studied, and an algorithm based on estimation of signal parameters via rotational invariance techniques (ESPRIT) is proposed. Through a series of reduced-dimensional transformations, the proposed algorithm has very low complexity due to the low dimension. Meanwhile, the estimation performance of the proposed algorithm is slightly improved compared to the conventional ESPRIT, especially in low signal-to-noise ratio. Furthermore, the algorithm can estimate azimuth and elevation angles without additional pair matching in monostatic MIMO radar. Error analysis of the angle estimation and Cramér–Rao bound are derived. Simulation results verify the usefulness of our algorithm.     

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.     

Joint parameter estimation of DOD/DOA/polarization for bistatic MIMO radar

In the paper,polarization-sensitive array is exploited at the receiver of multiple input multiple output (MIMO) radar system,a novel method is proposed for joint estimation of direction of departure (DOD),direction of arrival (DOA) and polarization parameters for bistatic MIMO radars. A signal model of polarimetric MIMO radar is developed,and the multi-parameter estimation algorithm for target localization is described by exploiting polarization array processing and the invariance property in both transmitter array and receiver array. By making use of polarization diversity techniques,the proposed method has advantages over traditional localization algorithms for bistatic MIMO radar. Simulations show that the performance of DOD and DOA estimation is greatly enhanced when different states of polarization of echoes is fully utilized. Especially,when two targets are closely spaced and cannot be well separated in spatial domain,the estimation resolution of traditional algorithms will be greatly degraded. While the proposed algorithm can work well and achieve high-resolution identification and accurate localization of multiple targets.     

基于降维波束空间的实值ESPRIT单基地MIMO雷达测角算法

单基地多输入多输出(MIMO)雷达的波达方向(DOA)估计问题是近年来研究的热点。高维度的MIMO雷达数据,导致传统旋转不变性参数估计技术(ESPRIT)算法需要付出较大的运算代价。在低信噪比、低快拍数的条件下,传统ESPRIT算法性能会严重下降。为了克服传统ESPRIT算法的以上缺点,该文提出一种降维波束空间的实值ESPRIT算法。该算法通过转换矩阵,将高维度MIMO雷达数据转换到低维度的数据,从而去除数据中的冗余。然后再将低维数据变换到波束空间,构造实值旋转不变性等式,用以估计目标的角度。仿真结果表明,在低信噪比和低快拍数时,相比于传统ESPRIT算法,该文所提方法具有更好的角度估计性能和更少的运算量。     

基于最优子阵划分ESPRIT的任意线阵高精度DOA估计算法

为了提高任意阵列的波达方向(direction of arrival, DOA)估计性能,从对子阵阵元选取进行优化的角度出发,提出了基于最优子阵划分旋转不变信号参数估计技术(estimation of signal parameters via rotational invariance techniques,ESPR...     

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．