互耦误差下MIMO雷达低仰角估计方法

针对互耦误差下多输入多输出（multiple input multiple output, MIMO）雷达的低仰角估计的问题,提出一种目标角度估计的自校准算法。首先分析了收发阵列同时存在互耦误差时的多径回波信号模型,然后利用均匀线阵互耦矩阵的特点对互耦误差下的阵列导向矢量进行变换,最后基于子空间原理推导出目标角度的搜索函数,同时给出多径衰减系数和收发阵列互耦矩阵的计算表达式。推导了各参数的任意无偏估计的Cramer-Rao界（Cramer-Rao bound, CRB）。算法在未知互耦矩阵和存在相干多径信号的情况下可直接进行参数估计,不需要辅助校准源和迭代处理。仿真结果分析了算法估计性能与信噪比、快拍数的关系并与CRB进行了比较。     

基于矩阵重构的非相干分布源参数估计方法

针对现有非相干分布源参数估计算法计算量大等问题,提出了一种新的DOA和角度扩展估计算法.该算法利用空间频率近似模型下的非相干分布源协方差矩阵的结构特点.协方差矩阵可分为相位信息矩阵和幅度信息矩阵.对相位信息矩阵进行重构,对重构后的协方差矩阵利用MUSIC等传统方法即可实现DOA的估计;对幅度信息矩阵的各主次对角线上的元素均进行平滑得到幅度信息平滑向量,估计得到的DOA代入幅度信息中即可得到角度扩展的估计,从而实现非相干分布源DOA和角度扩展分离估计.计算机仿真验证了算法的性能.     

单基地MIMO雷达低复杂度求根MUSIC角度估计方法

针对单基地多输入多输出(multiple input multiple output,MIMO)雷达波达方向(direction of arrival,DOA)估计问题,该文提出一种低复杂度的实值求根多重信号分类(multiple signal classification, MUSIC)方法。该方法首先通过降维变换降低接收数据的维数,利用酉变换将复值数据协方差矩阵实值化,然后构造基于酉MUSIC的求根多项式,采用保角映射将复系数多项式映射为实系数多项式,最后通过求解该实系数多项式的根来得到目标的DOA估计。该方法不需要进行谱峰搜索,所涉及的特征值分解和多项式求根运算均只在实数域进行,在大大降低算法运算复杂度的同时可以获得更好的角度估计性能。仿真结果验证了所提算法的有效性。     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次，利用张量填充技术对无噪协方差矩阵进行恢复。然后，利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

基于改进三线性分解的单基地十字阵MIMO雷达二维角度估计

研究单基地十字阵多输入多输出(multiple-input multiple-output,MIMO)雷达中目标二维角度参数估计的问题。已有的算法往往忽略了信源矩阵中的类Vandermonde结构,而这种特殊的结构可以提升参数估计精度。基于均匀线形阵列(uniform linear array,ULA)的中心对称特性和目标参数矩阵中的类Vandermonde结构,提出一种基于改进的三线性分解的二维角度估计算法。首先利用酉变换的方法构造阵列增广输出矩阵,再将二维角度估计与三线性模型相联系。由于增广输出使得阵列的虚拟孔径增大,因而本文所提算法的参数估计精度要优于传统三线性估计算法。此外,本文提及的改进算法不需进行谱峰搜索及奇异值分解,并且能对估计的二维目标角度自动配对,最后的仿真结果验证了本文算法的有效性。     

基于矢量重构的双基地MIMO雷达相干多目标定位

提出了一种基于目标信息矢量重构的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达相干信源角度估计方法。利用目标信息矢量中的元素,构造出解相干处理的通用块Hankel矩阵。证明了该矩阵的秩为总目标数时矩阵行数和列数所应满足的条件,并基于奇异值分解求解出信号和噪声子空间,然后利用ESPRIT算法获得角度的估计值。同时,给出了直接数据提取法和特征矢量提取法来获得目标的信息矢量。仿真实验表明：本文算法能够有效地估计出相干信源的收发角度,且实现自动配对;当兼顾角度估计精度和算法的复杂度时,应满足块Hankel矩阵的行数不大于列数;在低信噪比下,本文算法的估计精度优于空间平滑算法,且特征矢量提取法的估计精度优于直接数据提取法。     

非均匀线阵MIMO雷达的多目标定位方法

提出一种非均匀线阵多输入多输出（multiple input multiple output, MIMO）雷达的多目标定位方法。该方法基于阵列内插技术,构造一个内插矩阵对非均匀线阵MIMO雷达进行处理,满足虚拟均匀线阵MIMO雷达的特性,推导出虚拟均匀线阵MIMO雷达的信号子空间,最后利用旋转不变信号参数估计技术（estimating signal parameter via rotational invariance techniques, ESPRIT）对目标方位角度进行估计。其优点是突破ESPRIT算法对阵元配置的要求,且有效增加了阵元数目(实为虚拟阵元),提高了方位角分辨率。仿真结果表明,该算法增加了MIMO雷达探测目标数,角度估计精度接近克拉美罗界根。同时,所估计的二维方位角参数自动配对,不需要额外的配对运算,计算量小。     

基于L型阵列MIMO雷达的DOA矩阵方法

首先提出一种基于波达方向（direction of arrival, DOA）矩阵思想的L型阵列多输入多输出（multiple input multiple output, MIMO）雷达二维角度估计方法。通过将L型阵列MIMO雷达所产生的二维虚拟平面阵列划分为两个子阵,并构造估计矩阵以实现二维角度估计。在此基础上,针对角度兼并问题,进一步提出联合对角化DOA矩阵方法。该方法通过构造4个子阵,并采用联合对角化方法估计目标二维角度。该方法在保持原DOA矩阵法无需二维谱峰搜索和参数配对等优点的基础上避免了角度兼并问题,能够减少阵列孔径损失,有效提高阵元利用率和角度估计精度。仿真实验验证了所提方法的有效性。     

弹道式再入目标跟踪方法对比分析

地基雷达对弹道式再入目标进行滤波跟踪时主要存在两个导致滤波误差增大的不确定因素,一是弹道系数未知,二是不可准确确定过程噪声协方差矩阵。为此,采用交互式多模型无敏滤波（iterative multiple model unscented filter, IMM UF）算法对弹道式再入目标进行跟踪,选取不同的弹道系数初值和过程噪声协方差矩阵构成合适的模型集合进行了仿真分析,并将其滤波结果与扩展卡尔曼滤波（extended Kalman filter, EKF）和无敏滤波（unscented filter, UF）的滤波结果进行了对比分析,同时还分析比较了IMM UF和自治多模型（autonomous multiple model, AMM）UF算法的跟踪滤波性能。从仿真结果可以看出,采用的IMM UF算法和相应的模型集合可以在先验信息缺少的情况实现对弹道式再入目标更高精度的跟踪。     

基于改进MUSIC算法的散射中心参数提取及RCS重构

随着隐身技术的发展，雷达目标的边缘绕射等逐渐取代镜面散射成为主要的散射源，因此基于几何绕射理论（geometric theory of diffraction，GTD）的散射中心模型对隐身目标电磁散射特性的描述要比衰减指数和模型更为精确。显然，准确估计出GTD散射中心参数对刻画目标散射特性犹为重要。针对经典多重信号分类（multiple signal classification，MUSIC）法仅利用目标原始回波数据、参数估计精度不高这一问题，提出一种改进的MUSIC算法对散射参数估计提取。改进的MUSIC算法通过对原始回波数据取共轭，构建新的总协方差矩阵，有效利用了目标原始回波数据的共轭信息。仿真结果表明，与经典MUSIC算法相比，改进的MUSIC算法参数估计精度更高，雷达散射截面重构拟合程度更好，且运算量增加不大，可有效提取出隐身目标的散射中心。     

任意阵列双基地MIMO雷达的半实值MUSIC 目标DOD和DOA联合估计

实值处理具有降低高自由度多输入多输出(multiple input multiple output,MIMO)雷达角度估计大计算量的优势。但受制于阵列的共轭对称性,对于任意阵列结构的双基地MIMO雷达发射角(direction of departure, DOD)和接收角(direction of arrival, DOA)联合估计,若不做附加的预处理则无法实现实值操作,故将常规阵列实值处理的多重信号分类(multiple signal classification, MUSIC)超分辨算法推广至任意阵列结构的双基地MIMO雷达。首先根据MIMO雷达的导向矢量共轭与镜像的对等性,提取接收信号协方差矩阵的实部,并对其进行特征分解得到“目标加倍”的信号子空间及其应对的噪声子空间;然后利用Kronecker积的特性对其进行降维处理,得到搜索区域减半的一维半实值域MUSIC谱,取出目标DOD真值与其镜像代入降维Capon算法来剔除虚拟峰值得到目标DOD估计真值;最后利用特征矢量得到模糊DOA估计值,采用方向余弦差最小范数方法得到目标DOA无模糊估计值。本文算法估计性能与一维搜索复数域MUSIC相当,计算量约降50%,且能够实现DOD和DOA的自动配对。仿真结果证明了该算法的有效性。     

基于迭代连续匹配追踪的高频地波雷达单次快拍DOA估计方法

高频地波超视距雷达在一个相参积累时间内只能获得空域的单次快拍,在单次快拍条件下进行波达方向估计常常性能很差。针对该问题,本文以压缩感知理论为基础,并根据目标信号在探测方位分布的稀疏性,提出单次快拍下目标方位估计方法。该方法首先利用稀疏变换字典将位于连续方位空间的目标信号变换到满足稀疏条件的离散网格点上;然后采用正交匹配追踪方法获得粗略的方位信息;最后根据迭代最小二乘连续匹配追踪算法得到目标的精确方位。理论分析与仿真证明,该方法可以提高在单次快拍下对低信噪比相干信号的方位估计精度,并且完全适用于阵元数较少的小规模高频地波雷达系统。     

基于噪声特征向量重构的地波雷达单次快拍超分辨算法

高频地波雷达在一个相参积累时间内通常只能得到频域一次快拍,利用其直接进行波达方向估计性能较差。针对这一问题,在分析时、频域协方差矩阵特征分解后差异的基础上,在频域采用降维方法估计协方差矩阵。根据频域目标信噪比相对较大的特点,利用最大特征值对应的信号特征向量构造原始的数据矩阵,并对该矩阵进行奇异值分解得到新的噪声子空间,进而构造出新的噪声特征向量,最后利用该噪声特征向量进行方位角估计。仿真和实测数据分析验证了算法的有效性,相比降维Toeplitz算法和前后向空间平滑算法有着更高的分辨力和估计精度。     

双基地MIMO雷达二维方位角及多普勒频率联合估计

提出了一种新的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达二维方位角及多普勒频率联合估计算法。该算法基于m-Capon方法将目标波离方向(direction of departure, DOD)与波达方向(direction of arrival, DOA)相“去耦”,得出了对目标DOD和DOA的估计;然后,在对目标二维方位角的估计的基础上,算法可进一步估计出目标的多普勒频率。因此,其估计出的目标二维方位角与多普勒频率可自动配对。该算法无需预判目标数及对数据协方差矩阵特征值分解,且对目标二维方位角与多普勒频率的联合估计不涉及高维的非线性优化搜索,具有较小的计算量。此外,该算法可适用于发射和接收阵列为任意阵列结构的双基地MIMO雷达系统。计算机仿真结果证明了本文方法的正确性和可行性。     

单次快拍波达方向矩阵法

提出了一种新的基于阵列系统单次快拍数据的相干信源二维波达方向(direction of arrival, DOA)快速估计方法--单次快拍波达方向矩阵法(single snapshot DOA matrix method, SS-DOAM)。该方法保持了原DOA矩阵法无需二维谱峰搜索和参数配对的优点,利用阵列系统结构特点,构建单次快拍数据矩阵,通过对单次快拍波达方向矩阵进行特征分解,解决了二维DOA估计问题并实现了相干信源完全解相干。由于该算法只利用一次快拍数据,不需要快拍累计和进行相关运算,计算复杂度大幅降低,适用于对二维DOA估计实时性要求高的应用背景。针对单快拍算法在低信噪比时估计误差较大的问题,进一步提出了利用同相数据叠加来改善估计精度的对策。仿真结果证明了该方法的有效性。     

一种不依赖超参数的稀疏信号单快拍DOA估计方法

基于传感器阵列输出模型的稀疏重构, 研究了利用单快拍数据进行相干信号波达方向(direction-of-arrival, DOA)估计的问题。定义一个干扰协方差矩阵作为权矩阵, 通过加权最小二乘(weighted least squares, WLS)准则的迭代自适应求解, 实现单快拍DOA高精度估计算法, 简称WLS-IAE算法。详细分析了算法的计算复杂度, 并与经典的稀疏估计类算法进行比较。结果表明作为一种稀疏表示类估计方法, WLS-IAE算法不仅保持了在低信噪比、单快拍、信号相干、信号DOA角度间隔小等非理想条件下的良好估计性能, 而且无需选取超参数, 计算复杂度更低, 具有更强的实时性, 适用于快变目标信号DOA的实时跟踪测量, 具备潜在的工程实用价值。仿真实验验证了提出算法的有效性。     

基于冗余阵元优化的双基地嵌套MIMO雷达目标DOD和DOA联合估计方法

针对传统双基地嵌套多输入多输出(multiple input multiple output, MIMO)雷达进行目标参数估计时精度差、角度分辨率低和自由度低等问题, 提出了一种基于利用虚拟冗余阵元的重建Toeplitz矩阵算法对目标的波离方向角(direction of departure, DOD)和波达方向角(direction of arrival, DOA)开展参数估计的方法。首先, 将两个嵌套阵列空间分置后分别形成双基地MIMO雷达的接收阵列和发射阵列, 阵列经处理后的虚拟接收信号存在大量冗余虚拟阵元。其次, 将冗余虚拟阵元对应的协方差数值进行平均处理替代原值, 形成新的虚拟接收信号。然后,通过利用两个选择矩阵在虚拟接收阵列和虚拟发射阵列中分别构建空间平滑子阵的方法重构Toeplitz矩阵, 来重组虚拟接收信号。最后, 利用常规子空间类算法对等效虚拟信号开展空间谱估计, 实现DOD和DOA的相互匹配, 所提算法在估计性能和自由度性能方面与其他算法对比效果更好。     

用一次快拍数据实现二维完全解相干和解互耦

针对相干信源背景和考虑二维阵列互耦效应时的二维波达方向(direction of arrival, DOA)快速估计问题,提出了一种只利用一次快拍数据即可实现二维完全解相干和解互耦的快速算法--互耦效应下的单次快拍波达方向矩阵(single snapshot DOA matrix method in the presence of mutual coupling, MC-SS-DOAM)法。该算法仅利用特殊阵列的单次快拍数据构造等效的接收数据协方差矩阵,避免了传统算法需要多次快拍累积的弊端,将其分解后得到了具有对角阵形式的等效信号协方差矩阵,因此实现了完全解相干,此时互耦系数已经从阵列流型矩阵中剥离,归入至对角元素中,即实现了完全解互耦。文中进一步对互耦系数可能导致的二维盲角进行了分析。仿真结果表明,该算法能够完全实现解互耦和解相干,且仅利用一次快拍的本文算法二维估计性能接近50次快拍的DOAM算法,明显优于40次快拍的DOAM算法。     

基于改进型PASTd双基地MIMO雷达角度跟踪算法

针对双基地多输入多输出(multiple input multiple output,MIMO)雷达目标角度跟踪问题,提出了一种改进型紧缩投影近似子空间跟踪(projection approximation subspace tracking deflation,PASTd)算法。PASTd算法性能较好,被大量应用于双基地MIMO雷达角度跟踪中,但是PASTd算法不能跟踪相同发射角(direction of departure,DOD)或接收角(direction of arrival,DOA)的目标,并且无法实现不同时刻同一目标角度的自动关联。改进PASTd算法首先给出了目标角度自动关联算法,且能够实现收发角度的自动配对。然后利用估计出的收发角度,得到此时的收发联合导向矢量。最后用收发联合导向矢量更新PASTd算法估计出的特征矢量,作为下一时刻跟踪算法的初始矢量。改进算法克服了PASTd算法的不足,能够成功跟踪相同角度的目标,并且实现了目标收发角度自动配对和关联。仿真结果验证了理论分析的有效性。