多径环境下阵列波达方向估计及互耦校正

在阵列信号处理的研究中,多径环境会降低接收机的定位精度,传统的多重信号分类算法的性能会大大降低,空间平滑算法能有效地进行解相干。当阵列天线存在互耦效应时,传统的空间平滑算法的测向性能会大大下降。针对多径环境下的均匀线阵,利用互耦矩阵的复对称带状的结构特点,结合空间平滑算法,提出了一种可以进行互耦校正的波达方向估计算法。该算法通过求解线性约束下的二次规划问题,利用谱峰搜索得到入射信号的DOA。数值仿真结果验证了该算法的有效性。     

一种阵列互耦矩阵与波达方向的级联估计方法

当阵列天线存在互耦效应时,传统多重信号分类(MUltiple SIgnal Classification, MUSIC)算法的测向性能急剧下降。为了有效估计阵列互耦矩阵(MCM)与入射信号的波达方向(Direction Of Arrival, DOA),该文提出一种阵列互耦矩阵与波达方向的级联估计方法。利用互耦矩阵的结构特点,变换阵列流形,实现对互耦矩阵与DOA的解耦合。求解线性约束下的二次优化问题,利用谱峰搜索,得到阵列互耦矩阵和入射信号DOA,完成互耦误差自校正。通过计算机仿真验证了该文方法估计性能的有效性和优越性。     

多径条件下均匀线阵DOA估计及互耦误差自校正

针对多径信道环境下存在互耦误差的均匀线阵,提出了一种联合波达方向估计及互耦 误差自校正算法。在不改变阵列互耦误差的条件下,首先利用虚拟阵列平移预处理方法,将 相干信源协方差矩阵恢复到满秩。进而利用互耦误差的对称Toeplitz特性,基于子空间原理 构造一代阶函数,采用秩损的方法得到互耦误差条件下的DOA估计及阵列互耦误差。数值仿 真结果表明,该算法具有良好的DOA估计性能与互耦误差自校正性能。     

互耦条件下米波雷达角度估计的自校正算法

针对互耦条件下米波雷达目标低角估计问题,提出了一种波达方向估计的自校正算法。分析了米波雷达在互耦条件下目标回波存在多径时的信号形式;利用均匀线阵互耦矩阵的特点对接收数据协方差矩阵的信号参数形式进行变换;在未知互耦校正信息的情况下,基于子空间原理得到目标波达方向的角度搜索函数,还推导出表面反射系数和阵列互耦矩阵的计算表达式。与同类校正算法相比,该算法在存在多径相干信号和未知互耦矩阵的情况下,不损失阵列孔径,不需要辅助阵元和校准源,且不需要迭代运算。仿真结果验证了该算法的有效性。     

一种互耦条件下多径信号的2D DOA估计方法

在均匀圆阵的阵列结构下,提出了一种互耦条件下相干多径信号的2D DOA估计方法,该方法基于RARE降秩理论,首先对多径相干源进行去相干处理,并对与俯仰角相关的互耦矩阵进行补偿,然后将圆阵导向矢量转换成新的波束空间阵列流型,同时将俯仰角与方位角变量构造到两个独立的函数中去,实现在互耦未知的情况下用求根的方法估计出方位角,再根据俯仰角向量函数与噪声零空间的关系通过1D参数搜索得到俯仰角的估计,最后再与方位角配对,得到2DDOA估计结果.整个估计过程仅需要1D参数搜索,不需要预先知道空间信源个数及相关性,俯仰角与方位角能正确配对,克服了RARE算法中2D DOA伪估计问题,没有孔径损失,计算量较RARE算法增加不大.仿真结果验证所提方法的有效性.     

互耦条件下均匀线阵DOA盲估计

阵元间存在互耦时,经典的波达角(DOA)估计算法性能急剧下降甚至失效。针对互耦条件下均匀线阵DOA估计问题,该文提出一种基于盲源分离的DOA盲估计算法。首先,利用源信号的统计特性,由盲源分离方法估计广义阵列流形矩阵;然后,利用均匀线阵互耦矩阵带状、Toeplitz矩阵的特点,将DOA估计问题转化为多个可分离非线性最小二乘问题,由多个1维频域搜索得到DOA的估计。该算法无需高维搜索或多维迭代,对互耦自由度要求更低,互耦自由度未知时仍旧适用,稳健度高。数值仿真验证了该文算法的有效性。     

基于均匀圆阵相干信源的二维DOA估计

随着通信技术的不断发展,信号传输环境变得日益复杂。针对多径传播形成的高度相关和相干信号测向问题,提出了一种基于均匀圆阵相干信源的二维DOA估计方法。该方法利用均匀圆阵轴向虚拟平移解相干,通过去噪后利用虚拟子阵的自协方差矩阵和互协方差矩阵构造波达方向矩阵,利用该矩阵特征分解估计信号的俯仰角;然后将平滑后的自协方差矩阵与波束空间变换矩阵相乘,使圆阵的导向矢量具备范德蒙结构,最后用求根MUSIC算法估计出信号的方位角,完成了相干信号的二维DOA估计。该方法无需二维谱峰搜索,方位角和俯仰角自动配对,计算量小,分辨率高。仿真实验证明了所提方法的正确性。     

基于平行嵌套阵互协方差的二维波达角联合估计算法

论文提出基于平行嵌套阵互协方差的2维(Two Dimensional, 2D)波达角(Direction Of Arrival, DOA)联合估计算法。算法基于两个互相平行的嵌套阵的互协方差生成较长虚拟阵列,同时将2维DOA估计问题降维为1维 DOA估计问题。在构造协方差矩阵时,利用方向矩阵范德蒙特性增加虚拟快拍数,保证了孔径的最小损失。最后算法基于酉旋转不变技术(Estimation of Signal Parameters via Rotational Invariance Technique, ESPRIT)和总体最小二乘(Total Least Squares, TLS)方法进一步降低噪声影响,并获得了自动配对的2维DOA估计。相比传统平行阵下的DOA估计算法,该算法拥有更好的DOA估计性能,能辨识更多的空间信源,对空间色噪声有更强的鲁棒性。仿真结果验证了算法的有效性。     

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。     

一种新的DOA估计方法

本文提出了一种用天线阵来进行多个人射平面波的DOA(direction of arrival)估计方法.这种方法可以解决以往像MUSIC、ESPRIT等算法信号数不能超过阵元数的问题.这种方法计算量少、精度高、可适用于任意几何形状天线阵.同时得到信号频率估计,在平面阵中可得到自动成对的2维角估计.并且借助于相应技术,可...     

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。     

2-D direction finding of coherent signals VIA Temporo-Spatial processing

In most wireless communication systems, two-dimensional Directions-Of-Arrival (DOA) of multipath signals need to be found for spatial selective transmission. However, it is quite difficult to find their DOAs due to the coherent nature of multipath signals and considerable computations when performing 2-D searches. In this paper, a new algorithm to estimate 2-D DOA of multiple narrow-band signals is proposed. A DOA cyclic matrix is constructed whose eigenvalues and eigenvectors can be simultaneously used to extract 2-D DOA without 2-D searches. By exploiting the temporal property of cyclostationarity, the signal detection capability is significantly improved. Besides, based on the decorrelation model for mobile terminal signals, the algorithm can be effectively extended to the coherent case without spatial smoothing and the loss of array aperture. Simulation results are given to illustrate the performance of the new algorithm.     

基于改进互耦系数估计算法的自适应波束形成

阵列信号在实际应用中,常常会面临噪声的干扰,低信噪比(signal noise ratio, SNR)时波束形成器性能会急剧下降.针对该问题,提出一种基于改进互耦系数估计的抗互耦算法的自适应波束形成,即研究信号在不同输入SNR以及不同干扰波达方向(direction of arrival,DOA)估计误差下的互耦系数估计误差;并通过误差分析修正原算法不同SNR下参与估计信号的数目.改进算法改进了导向矢量和期望信号,提高了低SNR下互耦系数估计的准确度,对比分析验证了其在低SNR情况下有更强的抗干扰能力,对互耦现象有着更好的稳健性.     

基于修正LCMV的对流层散射波束域测向算法

利用微波在对流层的散射现象进行电磁侦测是实现超视距雷达辐射源探测的有效手段之一.随着探测威力、分辨力要求的提高，对于散射多径引起的衰落相关导致接收协方差矩阵秩亏损，令多重信号分类(multiple signal classification，MUSIC)等基于特征分解的超分辨类测向算法失效，以及散射机制下大型分布式源产生的相位扩散导致接收阵列流形失配等问题，文章根据近期建立的散射衰落相关模型设计相互独立的多波束排布，并相应地提出一种修正的线性约束最小方差(linearly constrained minimum variance，LCMV)方法补偿相位扩散影响，将接收信号由受衰落相关影响的阵元域变换到独立的波束域，并在波束域进行超分辨测向.仿真结果验证了测向算法在散射多径衰落条件下的有效性，对600 km目标散射信号积累300快拍能达到0.5°的估角精度.     

2-D DOA Estimation in the Presence of Mutual Coupling

We present a 2-D direction of arrival (DOA) estimation algorithm in the presence of unknown mutual coupling for the uniform rectangular array (URA) based on the multiple signal classification (MUSIC) algorithm. By setting the sensors on the boundary of the URA as auxiliary sensors, it can accurately estimate the DOAs without any calibration sources or iterative operations. We prove that the effect of mutual coupling can be eliminated by the inherent mechanism of the proposed method. Twice search technique is used to reduce the computation of the 2-D spectrum search. Moreover, we provide a method to estimate the mutual coupling coefficients after getting the DOA estimates. Simulation results confirm the effectiveness of the proposed algorithm.     

采用Radon-Wigner变换的二维波达方向估计

针对宽带多线性调频信号2维波达方向(2-D DOA)估计精度低的问题,该文提出了一种基于Radon-Wigner变换(RWT)的2-D DOA估计方法。该方法利用RWT在多目标环境下能够有效抑制交叉项干扰和噪声,具有很好的时频汇聚性特点,通过峰值搜索确定目标个数并重构信号阵列,最后利用MUSIC空间谱分析方法实现了对多个LFM信号的2-D DOA估计。仿真实验表明,基于RWT的DOA估计方法能对非平稳信号进行有效的2-D DOA估计。     

A novel spatially spread electromagnetic vector sensor for high-accuracy 2-D DOA estimation

In this paper, a new spatially spread electromagnetic vector sensor (SS-EMVS) is proposed by a two-step design. In addition, a novel DOA estimator with coarse-fine estimate combination is presented for the proposed array. The first step aims to make the configurations of SS-EMVS satisfy the “vector cross-product” estimator, leading to a coarse estimation of three direction-cosines. The second step focuses on extending the two dimensional (2-D) array apertures of SS-EMVS, resulting in two fine but ambiguous estimations on the direction-cosines by extracting inter-sensor phase-delay. Combination the coarse and fine estimations, the high-accuracy 2-D DOA estimation can be obtained by using the coarse estimation to disambiguate the fine estimation. The three- dipoles and loops of the proposed configuration are located separately, which are found to reduce mutual coupling as compared with collocated EMVS. Moreover, the new configuration is able to extend 2-D array aperture to improve the accuracy of 2-D direction-finding. Numerical Simulations are conducted to demonstrate the effectiveness of the proposed algorithm.     

多子阵互耦条件下的一维波达方向估计及互耦自校正

该文研究多子阵(multiple subarrays)阵元互耦条件下的波达方向(DOA)估计,假设阵列由多个位置已知的均匀线阵(ULA)组成,但线阵阵元间存在互耦效应。利用均匀线阵互耦矩阵的带状、对称Toeplitz性及多子阵互耦矩阵的块状对角特性,提出了一种解耦合波达方向估计及互耦自校正算法。该算法在未知阵元互耦参数的情况下,可准确估计出信源的波达方向。另外,算法在精确估计波达方向的同时,还可准确估计出阵元间的互耦系数,实现多子阵的互耦自校正。算法的波达方向估计只需一维谱峰搜索,避免了通常多参数联合估计的多维非线性搜索及迭代运算,可明显减小算法运算量。文中讨论了算法参数可辨识性的必要条件,并分析计算了多参数联合估计的克拉美-罗界(CRB)。理论分析及蒙特卡罗仿真结果表明,该算法具有计算量小、DOA估计分辨力高、互耦校正效果好等优点。     

均匀线阵互耦矩阵非Toeplitz条件下的DOA估计

理想条件下,均匀线阵的互耦矩阵可用一带状、对称Toeplitz矩阵进行建模。然而实测数据表明,均匀线阵的互耦矩阵具有对称性,但不具有Toeplitz性,此时仍按理想情况建模,会导致DOA估计不准甚至完全失效。基于RBF神经网络,提出了互耦矩阵非Toeplitz条件下的DOA估计方法。算法利用了信号协方差矩阵的对称性和对角线元素不含信号DOA信息的特点,取协方差矩阵的上三角的元素作为网络输入,不仅减少了网络的输入数,同时还提高了与阵列法线夹角60°外的DOA估计精度。实验仿真结果验证了算法的有效性。     

Direction-of-arrival estimation in the presence of mutual coupling based on joint sparse recovery

A novel Direction-Of-Arrival (DOA) estimation method is proposed in the presence of mutual coupling using the joint sparse recovery. In the proposed method, the eigenvector corresponding to the maximum eigenvalue of covariance matrix of array measurement is viewed as the signal to be represented. By exploiting the geometrical property in steering vectors and the symmetric Toeplitz structure of Mutual Coupling Matrix (MCM), the redundant dictionaries containing the DOA information are constructed. Consequently, the optimization model based on joint sparse recovery is built and then is solved through Second Order Cone Program (SOCP) and Interior Point Method (IPM). The DOA estimates are gotten according to the positions of nonzeros elements. At last, computer simulations demonstrate the excellent performance of the proposed method.