酉稀疏贝叶斯学习降维MIMO雷达角度估计

针对收发共址多输入多输出（Multiple-Input Multiple-Output,MIMO）雷达的低计算复杂度波达方向（Direction of Arrival,DOA）估计问题,提出一种降维的MIMO雷达高精度DOA新算法。首先采用经过白化的降维矩阵对MIMO雷达脉冲压缩后的接收信号进行降维;然后通过最优信号子空间拟合对无幅度误差阵列流型下的接收信号矩阵进行重构;接下来通过酉变换得到实值增广数据矩阵,并在实值稀疏字典矩阵下对其进行稀疏表示;接着将DOA估计问题转化为行稀疏矩阵的稀疏恢复问题,通过改进的稀疏贝叶斯学习对其进行求解,实现目标DOA的估计。理论分析和仿真实验结果验证了该方法的有效性和实用性。     

基于协方差矩阵重构的阵元失效MIMO雷达DOA估计

在实际应用中由于恶劣环境或人为干扰等因素而导致多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达部分阵元失效,使得其接收数据缺失及其协方差矩阵秩亏,从而导致子空间类算法的波达方向(Direction of Arrival,DOA)估计性能恶化甚至完全失效。针对上述问题,提出了一种接收阵元失效下基于协方差矩阵重构的MIMO雷达DOA估计方法。该方法根据MIMO雷达协方差矩阵中以接收阵元数划分的子方块矩阵具有Toeplitz特性,利用正常工作接收阵元的协方差矩阵元素来恢复相应的缺失元素,从而重构出完整的数据协方差矩阵,提高阵元失效MIMO雷达的DOA估计性能。仿真结果验证了所提方法的有效性。     

基于稀疏非均匀COLD阵列的极化信号DOA估计

基于稀疏非均匀COLD(concentered orthogonal loop and dipole)阵列,提出了一种极化信号的DOA(direction-of-arrival)无模糊估计算法.该算法利用了稀疏非均匀COLD阵列的阵元数少和孔径大等特点,因而在阵元数目一定的情况下,可获得较高的DOA估计精度.由于稀疏非均匀COLD阵列可分成电磁环和偶极子两个子阵列,通过分析每个子阵列DOA估计的模糊性,给出了整个稀疏非均匀COLD阵列不发生DOA估计模糊的条件.通过计算机仿真证明了该算法的有效性.     

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。     

一种最小冗余线阵的目标DOA估计方法

针对目标波达方向(DOA)估计的子空间类算法工程实现上的问题,提出了一种次最小冗余线阵的目标DOA估计方法。该方法应用孔径合成理论和最小冗余线阵理论,在保证阵列孔径等价的前提下,从工程应用的实际问题出发,对次最小冗余线阵的阵元配置进行研究。在分析MUSIC及MMUSIC算法的基础上,对次最小冗余线阵进行仿真。通过与相同孔径的均匀线阵和最小冗余线阵对比表明,次最小冗余线阵与相同孔径的均匀线阵性能相仿,并有更小的计算复杂度,比最小冗余线阵有更大的阵元灵活性,可以解决一般最小冗余线阵不能解决的相干信源的DOA估计问题。     

Khatri-Rao积变换下的离格信号DOA估计

当存在离格信号时，基于稀疏表示的波达角（DOA）估计算法性能损失严重。为解决这个问题，在对接收数据协方差矩阵进行Khatri-Rao积变换的基础上，推导了离格信号网格偏离量与紧邻信号原子系数之间的关系，提出了一种单一离格信号DOA估计方法。为提高对邻近离格信号DOA的估计性能,利用矩阵的广义逆性质提出了基于多原子系数的联合估计方法。仿真实验表明，单一离格信号DOA估计方法在低信噪比下有较好的性能，联合估计方法在高信噪比条件下对邻近离格信号DOA有较高的估计精度，同时所提算法估计性能几乎不受网格划分间距的影响，可以通过增大网格间距降低算法运算量。相关研究对阵列天线DOA估计具有一定的参考价值。     

基于矩阵感知的毫米波MIMO系统信道估计方法

在使用混合波束形成的毫米波大规模多输入多输出系统中，射频链路少于天线数，信道估计非常具有挑战性。当天线阵列缺陷导致未知相位和增益误差时，压缩感知信道估计器的性能会下降。为提高系统鲁棒性，提出了一种新型的基于矩阵感知的信道估计方案。该方案利用毫米波信道的低秩特性，采用凸函数差框架设计信道估计器。理论分析及仿真结果证明，所提方案不受阵列相位和增益误差的影响，与压缩感知方案比较增强了系统的鲁棒性，可获得比矩阵补全方案更好的估计性能。     

阵列模糊问题的分析

在对波达方向(DOA)估计最为经典的MUSIC算法研究的基础上,分析了线阵模值问题产生的原因,利用MATLAB软件对均匀线阵的不同间距结构进行了计算机仿真。根据对仿真结果的分析,提出了多值模糊问题的解决方法。     

几种自适应波束形成方法的对比

波束形成在无线通信、雷达、声呐等阵列系统中具有广泛应用。数字波束形成通常是基于接收信号的阵列响应和协方差矩阵的估计设计。由于天线增益、相位、波达方向(Direction-of-Arrival,DOA)和协方差矩阵估计的误差会导致导向矢量(Steering Vector,SV)产生模型失配,而这种模型失配会导致波束形成性能的下降。针对以上问题,给出了基于精度矩阵收缩估计的方法,采用了线性脊估计结构且用数据驱动和留一交叉验证来选择参数。通过Matlab仿真,研究了当存在模型不确定性时,基于精度矩阵收缩估计的方法以及基于协方差矩阵收缩估计和干扰加噪声协方差矩阵重构等方法的鲁棒性。结果显示,当存在模型失配时,基于精度矩阵收缩的波束形成方法在低信噪比时具有更优的鲁棒性。     

分布式嵌套阵列及其DOA估计

提出了一种分布式嵌套阵列天线结构,由两个相互独立的四级嵌套子阵构成。两个子阵间存在一个基线长度,且满足一定条件。对该阵列天线接收到的信号进行高阶累积量和Khatri-Rao积运算可以得到三个完全相同的均匀直线阵列天线结构。针对新得到的阵列天线结构,使用基于空间平滑技术的双尺度酉旋转不变子空间（ESPRIT）波达方向（DOA）估计算法对信号进行DOA估计。该方法可以有效地提高阵列天线的自由度,进而达到提高估计精度的目地。仿真结果证明了基于所提出阵列天线结构的DOA估计方法的有效性。     

阵列误差下的波达方向估计

由于阵列误差的存在会降低波达角的估计精度，重点研究了迭代求解混合范数约束下的稀疏谱以提高估计精度。考虑一维线性阵列，首先建立了统一的优化函数，高精度地估计信号子空间；然后推导了误差矩阵向量化的方法，简化求解耦合误差和幅相误差的过程；最后推导了Khatri-Rao积下的扩展正交导向矢量，根据优化函数迭代求解空间谱估计。对比不同方法估计参数的均方根误差表明，通过设计优化函数迭代求解阵列误差、波达角等参数的精度较之现有方法有一定的提高。     

采用局部搜索的二维DOA估计

针对酉旋转不变估计信号参数(Unitary-ESPRIT)算法估计精度较低的问题，提出了一种采用局部搜索实现的非相干信源二维波达方向(2-D DOA)估计方法。该方法首先利用实特征矢量近似值估计导向矩阵,然后利用矩阵Kronecker积性质以及阵列旋转不变特性获得自动配对的角度估计值，降低了2-D DOA初始估计复杂度,实现了对Unitary-ESPRIT算法的改进；接着，采用一维局部搜索法对该初始估计结果进行优化，提高了低信噪比下的2-D DOA估计精度。仿真实验结果表明，相较于传统的Unitary-ESPRIT算法，所提方法在DOA估计精度和成功率上具有明显的优势，特别是在低信噪比以及快拍数较少条件下，因此该方法能够在计算复杂度和估计性能之间取的较好的折中。     

高斯白噪声下L阵二维波达方向快速估计

针对L型阵列,提出一种在高斯白噪声环境下的二维波达方向(DOA)快速估计方法。首先利用阵列结构特点构建两个互协方差矩阵,同时实现了噪声分量的有效抑制,再依据协方差矩阵的性质构造了波达方向矩阵。对该矩阵进行一次特征分解即可分别得到包含方位角和俯仰角信息的方向矢量和方向元素,实现二维DOA估计。该算法避免了传统算法的谱峰搜索或大矩阵构造及其特征分解过程,计算量小,且参数自动配对。仿真结果表明,该算法在低性噪比和少快拍下的估计精度与2D ESPRIT算法近似,但计算复杂度大幅降低,适用于实时性高的工程应用背景。     

采用降秩多级维纳滤波器的二维DOA估计快速算法

针对双平行线阵的二维波达方向（DOA）估计问题,为有效降低计算复杂度,提出了一种基于降秩多级维纳滤波器（MSWF）的快速算法。首先利用MSWF的前向递推实现信号子空间的快速估计,无需估计协方差矩阵和特征分解;然后,通过MUSIC算法对方位角和俯仰角的估计进行分维估计,使二维DOA估计退化为两个一维DOA估计问题,且方位角和俯仰角自动配对,进一步降低了运算量。仿真结果表明,该方法的估计精度优于同样基于双平行线阵提出的波达方向矩阵法（DOAM）,俯仰角兼并时同样适用,计算复杂度低,适用于实时性要求高的应用背景。     

基于相干对消的噪声子空间自适应估计

MUSIC算法的运算量主要集中在特征值分解和空间谱的搜索两部分,为避免进行特征 值分解,将相干信号自适应对消的思想用于噪声子空间的估计。由于阵元输出信号完全相干 ,视一个阵元输出为参考信号,其它阵元输出能够完全对其进行对消,得到的系数矩阵作为 噪声子空间的估计。基于LMS算法,给出了算法的矩阵形式,得到的噪声子空间估计算法的 运算量大大降低,且以迭代的方式进行,适合应用于运动信号源的跟踪,在阵元数较大时能 很好地逼近MUSIC算法性能。为减少空间谱搜索过程的计算量,对搜索过程先用系数矩阵的 一列进行搜索,然后采用其它列对搜索峰值进行验证。仿真结果显示算法具有很好的空间谱 估计性能和DOA跟踪性能。     

基于BPSK和MASK信号源特点的实值ESPRIT算法

在信号源为BPSK和MASK的情况下，提出了一种波达方向（DOA）估计方法。对于等距线阵上的接收数据，此算法根据信号源为实信号的特点，利用欧拉公式形成正弦和余弦数据，并将其加以串联，这相当于将阵元个数加倍，然后在此基础上运用ESPRIT类算法估计波达方向。由于正（余）弦数据为实值数据，所以本文提出的算法可以有效地将运算量减少到相同维数复值运算量的1／4。仿真实验表明新算法不仅估计精度高，而且能够处理的信号个数可大于阵元个数。