基于稀疏表示的双平行线阵二维DOA估计

为了对空域目标的方位角和俯仰角进行有效估计,提出一种基于稀疏表示的双平行线阵二维DOA估计方法。首先需构建包含目标方位角和俯仰角信息的2个空间复合角;然后利用稀疏表示技术求解其中的一个空间复合角,以此作为前提条件,另一个空间复合角就可以解耦为一维波达方向(DOA)估计问题,利用矩阵运算可以求解出来;最后根据已求解的2个空间复合角对方位角和俯仰角进行配对求解。与现有算法相比较,所提方法受快拍数的影响较小,在信噪比较高、角度间隔较大的情况下,具有良好的性能。     

一种稀疏表示的二维DOA降维估计新算法

提出了一种基于空间锥角降维的二维DOA稀疏分解估计新方法,解决了利用稀疏表示方法进行二维DOA估计时计算复杂度大的问题.根据L阵列的结构特性,引入空间锥角表示信号的二维DOA信息,构造空间锥角冗余字典,通过稀疏正则化求解实现空间锥角的估计,然后利用求解得到功率实现L阵列中两个子阵之间的空间锥角配对,从而达到对多来波的二维DOA估计的目的,其避免了方位角和俯仰角组合而造成冗余字典庞大的问题,极大地减少了稀疏分解的计算量.仿真和实测数据结果均验证了该方法的有效性和优越性,为进一步的工程应用奠定了基础.     

基于阵列流型盲辨识的MIMO雷达二维DOD和二维DOA联合估计

MIMO（Multiple Input Multiple Output）雷达基于分集增益理念,使其相对于相控阵雷达,在目标探测、参数测量、多目标分辨及干扰识别和抑制等方面具有明显优势.目标角度估计是雷达目标参数测量的核心内容,也是雷达对空域目标进行定位和跟踪的前提.本文基于双L型阵列,提出了一种高精度低复杂度的双基地MIMO雷达二维离开角和二维到达角联合估计的新算法.通过对匹配滤波后的阵列接收数据进行子空间分解,实现了阵列流形矩阵的盲辨识,进而获得目标二维到达角和二维离开角的闭式解.所提算法估得的收发四维角（二维离开角和二维到达角）能够自动配对,与2-D ESPRIT（Two Dimensional Estimating Signal Parameters via Rotational Invariance Techniques）算法相比,运算复杂度约是其三分之一,角估计性能相当.仿真实验证明了所提算法以较低的运算复杂度,实现了对目标收发四维角的高精度联合估计.     

双基地多入多出雷达收发方位角联合估计算法

基于多项式求根理论,提出了一种高精度双基地多入多出(Multiple InputMultiple Output,MIMO)雷达收发方位角联合估计算法.该方法通过多项式求根和极小特征矢量法获得二维收发方位角的估值.所提方法无需运算负担繁重的二维伪谱峰值搜索,估得的二维收发方位角由于特征值和特征矢量存在一一对应关系能够自动配对.算法通过链接匹配滤波后的阵列接收数据,产生了虚拟阵元效应,扩展了有效阵列孔径,使得可检测信源数目成倍增长,算法的空间角分辨率更高,角估计性能更优,有效测角范围更加宽广,稳健性更好.仿真实验证明了所提算法的有效性和实用性.     

单快拍数据的分布式二维阵列测角方法研究

该文针对2维阵列波达方向估计问题,提出一种基于单快拍数据的分布式2维DOA估计算法。该算法首先利用每个子阵单元的单快拍数据进行2维Hankle矩阵构造;然后基于2维状态空间平衡法分别获得方位角和俯仰角子阵单元内DOA估计与子阵单元间DOA估计;最后通过解模糊算法获得方位角和俯仰角高精度无模糊DOA估计。该算法较好地解决了子阵单元内DOA估计和子阵单元间DOA估计之间的配对问题以及俯仰角和方位角之间配对问题,充分利用分布式阵列扩展阵列物理孔径特性;同时该算法可直接对相干信号和非相干信号进行处理。计算机仿真结果验证了所提算法的有效性。     

基于子空间投影角度配对的L型阵列二维DOA估计算法

针对传统二维MUSIC角度估计计算量巨大的缺点,及Root-MUSIC算法可减少计算量却无法完成角度配对的问题,提出了一种基于子空间投影角度配对的L型阵列二维DOA估计算法.该方法利用Root-MUSIC算法估计L型阵列的角度参数,并利用子空间投影完成方位角和俯仰角的角度匹配,从而得到正确的二维DOA结果.计算机仿真验证了该方法的有效性.     

基于虚拟阵列的二维稀疏阵列相干源DOA估计

波达方向DOA估计是雷达阵列信号处理的一个重要方向,传统的MUSIC算法对均匀阵列条件下独立信号源的估计有很强的适应性,但实际的雷达工作中,稀疏布阵下多相干源测角是一个经常出现的应用场景。文中针对二维稀疏阵列的相干源测角,提出了一种基于虚拟阵列的相干源DOA估计方法。该方法利用虚拟阵列内插的方法,将一个任意二维稀疏阵列内插为一个均匀面阵,再通过二维空间平滑方法对相干源进行测角,能够同时获得信号的方位角和俯仰角信息。稀疏面阵和稀疏圆阵的仿真实验结果表明,该方法可以有效的解决二维稀疏阵列的相干源测角问题。     

信号的二维到达角和极化估计

本文论述了一种基于子空间方法的多信号二维到达角和极化参量的估计算法。该方法采用了交叉偶极子阵元组成的Ｌ型阵列，利用子阵输出信号数据矩阵中包含的信号空间的旋转不变性质，借助于矩阵方法求解出信号的二维到达角和极化参量的估计值，并自动进行参数的配对，仿真结果证实了该算法的有效性。     

信号的二维到达角和极化估计

本文论述了一种基于子空间方法的多信号二维到达角和极化参量的估计算法。该方法采用了交叉偶极子阵元组成的L型阵列,利用子阵输出信号数据矩阵中包含的信号空间的旋转不变性质,借助于矩阵束方法求解出信号的二维到达角和极化参量的估汁值,并自动进行参数的配对。仿真结果证实了该算法的有效性。     

基于均匀圆阵的近场源三维参数估计

基于均匀圆阵,提出一种近场源距离-方位角-俯仰角联合估计算法。利用阵元观测数据,构造一组高阶累积量矩阵,通过矩阵联合对角化技术得到阵列流形矩阵的估计。根据阵列流形矩阵的估计以及近场和远场条件下方位角相同的结论,获得方位角的估计。利用阵列流形矩阵和方位角的估计,得到距离和俯仰角的估计。该方法无需二维频域峰值搜索或参数配对。计算机仿真验证了算法的有效性。     

基于压缩感知的宽频段二维DOA估计算法

针对2维DOA估计问题,该文提出一种基于压缩感知(CS)的宽频段2维DOA估计算法,能够同时得到多个窄带信号的中心频率、方位角和俯仰角。首先利用方位向和俯仰向的空间频率分别建立过完备稀疏字典,然后通过对阵列接收数据的压缩采样得到空间频率的高分辨估计,最后通过空域滤波实现中心频率、方位角和俯仰角之间的匹配。理论分析表明,该算法具有较高的估计精度与分辨力,对信噪比(SNR)要求不高,无需多维搜索过程,且经过压缩采样降低了运算量。仿真结果验证了算法的正确性与有效性。     

Two-Dimensional DOA Estimation by?Cross-Correlation Matrix Stacking

In this paper, we present a novel scheme to improve the two-dimensional (2-D) direction-of-arrival (DOA) estimation performance for narrowband signals impinging on two orthogonal uniform linear arrays (ULAs). The proposed scheme exploits the cross-correlation matrix information between subarray data to construct a stacking matrix and derive an expanded signal subspace representation through the singular value decomposition (SVD). This method enables the alleviation of the effects of additive noise. In particular, 2-D DOA estimation can be achieved by computing two rotation matrices with the same set of eigenvectors obtained by partitioning the expanded signal subspace. The pair matching procedure for elevation and azimuth angles is implemented by permutation test. Simulation results demonstrate that the proposed method performs better than the existing techniques in DOA estimation as well as the detection of successful pair matching.     

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.     

联合多方位角调频率估计的星载SAR三维成像方法

星载合成孔径雷达(Synthetic Aperture Radar, SAR)通过波束的方位向扫描可以实现单次航过的多方位观测。在多方位角观测过程中,卫星弯曲轨道可等效为长3维曲线阵列,从而具备了3维成像能力。由于多方位角观测在高度维采样的稀疏性,无法直接通过3维FFT实现无模糊成像,且目标在不同方位角SAR图像的投影与高程间的传递相对复杂。针对该问题,该文提出了联合多方位角调频率估计的星载SAR3维成像方法。该方法首先给出了不同观测方位角下多普勒调频率误差与目标高程误差间的关系,利用视错位法(Map Drift, MD)估计多普勒调频率误差。然后,联合多方位角高程估计结果提升高程估计精度。最后,利用高程估计结果恢复目标3维几何信息,从而实现3维成像。仿真实验验证了该方法的高程估计精度可达米级。      

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.     

Joint Estimation of TOA and DOA in IR‐UWB System Using Sparse Representation Framework

This paper addresses the problem of joint time of arrival (TOA) and direction of arrival (DOA) estimation in impulse radio ultra‐wideband systems with a two‐antenna receiver and links the joint estimation of TOA and DOA to the sparse representation framework. Exploiting this link, an orthogonal matching pursuit algorithm is used for TOA estimation in the two antennas, and then the DOA parameters are estimated via the difference in the TOAs between the two antennas. The proposed algorithm can work well with a single measurement vector and can pair TOA and DOA parameters. Furthermore, it has better parameter‐estimation performance than traditional propagator methods, such as, estimation of signal parameters via rotational invariance techniques algorithms matrix pencil algorithms, and other new joint‐estimation schemes, with one single snapshot. The simulation results verify the usefulness of the proposed algorithm.     

平面阵线性约束自适应单脉冲测角算法

平面阵单脉冲测角具有方位、俯仰二维方向信息耦合的特点,需要利用二维单脉冲信息联合进行角度估计。本文基于最大似然单脉冲测角算法,采用线性约束自适应波束形成方法,将二维角度联合估计简化为一维角度估计,具有较好的可实现性。计算机仿真结果验证了该方法的有效性。