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。     

基于有限新息率的正交偶极子阵列信号参数估计算法

为解决极化敏感阵列波达方向(DOA)估计中压缩感知类算法的网格失配问题,该文提出一种基于有限新息率(FRI)的正交偶极子阵列无网格信号参数估计算法。首先,利用均匀正交偶极子线阵中不同极化指向天线的两个子阵,求取其自相关矩阵之和,并通过协方差拟合准则恢复出满足Toeplitz结构的协方差矩阵。然后,利用该协方差矩阵构建FRI信号重构模型,求解以重构结果为系数的多项式的零点,就可以得到入射信号DOA参数的估计结果。最后,根据已估计出的DOA参数以及两个子阵的自相关矩阵和互相关矩阵,利用最小二乘法计算得到入射信号的极化参数估计结果。仿真实验表明,该算法与子空间类和压缩感知类算法相比,具有更高的估计精度及更好的角度分辨力。     

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。     

矢量传感器阵列MIMO雷达高精度二维DOA与极化联合估计

该文采用矢量传感器配置下的十字型阵列MIMO雷达系统,提出一种新的2维高精度DOA与极化参数联合估计算法。首先根据MIMO雷达虚拟阵列导向矢量的特点,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;然后基于传播算子获得对应信号子空间的估计,利用收、发阵列阵元间长基线对应的旋转不变性和极化矢量中电场矢量和磁场矢量的叉积进行2维高精度DOA估计和解模糊处理,同时利用与阵列结构无关的极化域旋转不变性进行极化辅角和极化相位差的联合估计。该矢量传感器MIMO雷达阵列可同时获取MIMO雷达的波形分集和矢量传感器的极化分集,无需额外增加阵元和硬件开销,能够有效扩展阵列孔径,提高参数估计性能;同时通过降维变换及传播算子,在获取信噪比增益的同时,能够实现2维高精度DOA和2维极化矢量的联合估计及参数的自动配对,有效降低数据处理维数和参数估计的运算复杂度;最后,仿真结果验证了理论分析的正确性和算法的有效性。     

基于累积量的极化敏感阵列信号DOA和 极化参数的同时估计

本文研究极化敏感阵列非高斯窄带信号二维波达方向(DOA)和极化参数的同时估计问题.所考虑的极化敏感阵列包含一个特定子阵,该子阵由空间稀疏伸展三极子天线和两个导引阵元组成.分析了3维极化-角度域相干结构的平凡模糊问题,对利用并行累积量ESPRIT分别恢复出的信号3维极化-角度域相干结构和空域相干结构信息进行联合完成了非线性极化信号二维DOA和极化参数的同时估计.给出了一种相位缠绕解决方案并讨论了空间伸展三极子天线的可选择结构.     

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。     

信号DOA和极化信息联合估计的降维四元数MUSIC方法

基于简化电磁矢量传感器阵列,该文提出了一种新的降维四元数MUSIC估计方法。文中引用了四元数的概念,利用四元数的正交特性能够很好地描述矢量传感器阵元的正交结构这一优点,建立了电磁矢量传感器阵列的四元数模型,利用降维Q-MUSIC (Quaternion-MUSIC)方法先对极化信号DOA进行估计,通过已经估计出来的DOA信息,再借助传统的V-MUSIC (long-MUSIC)方法估计极化信息。从而依次获得极化信号的4个参数。仿真实验验证了算法的可行性。     

多跳频信号波达方向与极化状态联合估计算法

为了有效辅助跳频(FH)网台分选和信号识别、跟踪,该文用正交偶极子对构造极化敏感阵列,基于空间极化时频分析,在欠定条件下实现了多跳频信号波达方向(Direction Of Arrival, DOA)与极化状态的高效联合估计。首先建立跳频信号的极化敏感阵列观察模型,然后根据参考阵元时频分析结果建立各跳信号的空间极化时频分布矩阵,再利用该矩阵中蕴含的信号极化-空域特征信息分别运用线性、二次型空间极化时频以及多项式求根共3种方法实现DOA与极化参数联合估计,最后蒙特卡罗仿真结果验证了该算法的有效性。     

基于电磁矢量阵列孔径扩展方法的相干目标DOA估计

该文采用均匀且稀疏分布的电磁矢量矩形阵列,针对相干目标提出了一种有效的2维波达角(DOA)估计算法,该算法通过增加相邻阵元的间隔来扩展阵列的有效孔径,从而提高算法的DOA估计性能。论文首先结合极化平滑算法和传播算子方法得到存在相位周期性模糊的方向余弦估计。为了解决模糊性问题,论文通过协方差矩阵平滑提出一种新的解相干预处理算法,由该算法得到的信号子空间包含矢量阵元的导向矢量,且不存在相位模糊,利用此特点实现去模糊处理,得到目标的DOA估计。仿真结果表明,与基于ESPRIT的孔径扩展算法相比,提出的算法能够实现相干目标的DOA估计,同时无需特征值或奇异值分解,有更低的运算量。     

信号DOA和极化参数的自适应估计

运用ESPRIT算法进行信号参数的估计,关键是对信号子空间的估计。在实际运用中,接收到的信号的参数往往是随时间变化的,因此要得到信号参数的实时估计值就需要根据阵列的接收数据对信号子空间进行更新。分析了如何运用ESPRIT算法得到信号的DOA和极化参数,并在矩阵扰动理论的基础上,利用矩阵特征分解一阶修正方法更新特征值和特征向量,从而使得ESPRIT算法能够自适应地估计信号DOA和极化参数。最后通过Matlab仿真验证了该方法的有效性。     

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, ESPRIT)的任意线阵高精度DOA估计算法. 该算法首先利用虚拟插值阵列ESPRIT（virtual interpolated array ESPRIT, VIA-ESPRIT）得到精度较低的DOA粗估计. 其次以DOA粗估计为参考对任意阵列进行相位补偿,使其具备旋转不变性. 然后根据ESPRIT算法原理对构建旋转不变方程的子阵划分进行优化,并通过优化后子阵间的旋转不变性得到高精度的DOA估计. 此外,本文还分析了子阵划分对算法估计性能的影响,给出了子阵最优选取的近似计算方法. 计算机仿真结果验证了所提算法的有效性,并表明其性能逼近克拉美·罗界（Cramer-Rao bound, CRB）.     

极化敏感线阵的模值约束降维Root-MUSIC算法

为了解决极化敏感线阵波达方向角和极化参数联合估计运算量大的问题,本文提出了模值约束降维Root-MUSIC算法。 该算法通过对波达方向角和极化参数进行剥离,先采用Root-MUSIC算法进行DOA估计,然后根据模值约束条件构造代价函数,通过闭合式解求出极化参数估计。与传统MUSIC算法相比,该算法避免了谱峰搜索,大大提高了运算效率。与ESPRIT算法相比,该算法避免了参数配对问题。计算机仿真结果验证了该算法的正确性,且具有较高的成功率与精确度。在两目标信号入射角度接近时,也能够很好的分辨出两信号。      

三正交分离式极化敏感阵列的波达方向估计

该文研究了分离式极化敏感阵列(SS-PSA)的多目标波达方向(DOA)估计问题。首先建立三正交分离式极化敏感均匀稀疏阵列的信号模型;接着利用阵列的旋转不变性采用ESPRIT算法计算出多值模糊DOA估计;利用该模糊DOA估计值对分离式极化天线进行空间相移的补偿,然后利用共点式极化天线之间的多维角度结构求出对应的虚拟DOA估计;最后通过提取多值模糊估计值和对应虚拟估计值之差的最小范数得到多目标的DOA估计。该文所提阵列采用分离式极化天线代替传统共点式极化天线,降低了阵列的互耦影响;采用稀疏阵列结构有效地扩展了阵列的物理孔径,大大提高了DOA估计精度。计算机仿真结果证明了该算法对分离式极化天线DOA估计的有效性和高精度性。     

互质阵中基于降维求根的波达角估计算法

该文提出互质阵中基于降维求根的波达角(DOA)估计算法。互质阵包含两个稀疏均匀线性子阵,拥有互质的阵元间距和阵元数目。该算法基于子阵间的互协方差,利用较长子阵中的旋转不变性扩展较短子阵的虚拟孔径。然后通过矩阵分块构造噪声子空间,并将来自两个子阵的2维参数估计问题降维为1维求根问题,获得自动配对的2维模糊参数估计。最后由这2维模糊参数可恢复出两组参数,根据互质性从两组参数估计的交集中可以获得无模糊的高分辨率DOA估计。相比互质阵中的联合多重信号分类(MUSIC)算法和联合旋转不变技术(ESPRIT)算法,该算法无需特征分解,复杂度低,但可获得更精确的DOA估计,处理更多的信源,并且对色噪声有更强的鲁棒性。多个仿真结果均验证了所提算法的有效性。     

均匀阵列下二维TLS-ESPRIT改进算法的研究

通过对均匀阵列下二维TLS-ESPRIT算法的研究,将一维ESPRIT改进算法推广到二维领域,在二排平面均匀直线阵模型中使用同一排几何阵列构造两个子阵列,即将阵元为M的阵列够造成由前M-1个阵元构成的子阵列和后M-1个阵元构成的子阵列,从而增加了阵列的有效孔径,提高了信源波达方向的估计精度,并通过MATLAB仿真,给出了不同信噪比情况下,改进算法与原算法的性能比较,证实了该算法的有效性。     

Conjugate ESPRIT (C-SPRIT)

In this paper, we present an algorithm to estimate the direction of the arrival angles (DOAs) from noncoherent one-dimensional (1-D) signal sources such as binary phase shift keying (BPSK) and M-ary amplitude shift keying (MASK). The proposed algorithm can provide a more precise DOA estimation and can detect more signals than well-known classical subspace-methods MUSIC and ESPRIT for the 1-D signals. The complexity is the same as that of ESPRIT since the proposed algorithm uses the same array geometry and subarray processing that ESPRIT does. The main differences between the proposed algorithm and the ESPRIT algorithm are as follows: 1) the number of overlapping array elements between two subarrays is equal to M in the proposed algorithm, while in ESPRIT the maximum number of overlapping elements is M-1, where M denotes the total number of array elements, and 2) the proposed algorithm employs the conjugate of rotation matrix (CRM) /spl Phi//sup */ while ESPRIT uses /spl Phi/ with no conjugate for the second subarray geometry.     

一种均匀圆阵子阵干扰抑制DOA估计算法

常规空间谱估计算法在强干扰背景下往往无法正确估计弱信号的来波方向。针对此问题,本文提出了一种均匀圆阵子阵干扰抑制波达方向估计算法。将整个阵列划分为若干个子阵,利用提出的最小二乘波束形成算法分别对子阵波束加权以抗干扰,加权后的子阵可以看作是一个‘有向阵元’,将它们组成一个新的虚拟阵列,再进行超分辨谱估计。该方法通过子阵波束形成抑制强干扰,子阵输出中消除了强干扰分量,因此能够实现弱信号波达方向的正确估计,同时弱信号到达角估计的成功概率也得到了提高。最后计算机仿真实验验证了本文算法的有效性和正确性。