基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR)。首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计。数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR (SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度。     

基于协方差矩阵重构的离网格DOA估计方法

针对稀疏表示模型中网格失配导致波达方向角(DOA)估计存在较大估计误差的问题,该文提出一种基于协方差矩阵重构的离网格(Off-Grid)DOA估计方法(OGCMR).首先,将DOA与网格点之间偏移量包含进所构建接收数据空域离散稀疏表示模型;而后基于重构信号协方差矩阵建立关于DOA估计的稀疏表示凸优化问题;再构建采样协方差矩阵估计误差凸模型,并将此凸集显式包含进稀疏表示模型以改善稀疏信号重构性能;最后采用交替迭代方法求解所得联合优化问题以获得网格偏移参数及离网格DOA估计.数值仿真表明,与传统多重信号分类(MUSIC)、L1-SVD及基于稀疏和低秩恢复的稳健MVDR(SLRD-RMVDR)等估计算法相比,所提算法具有较好的角度分辨力以及较高的DOA估计精度.     

宽带相关信号的二维DOA高分辨估计

研究利用导向最小方差(STMV)法实现了宽带相干信号的一维和二维高分辨DOA估计.与传统的最小方差无畸变响应(MVDR)法相比,STMV法更适于处理宽带信号.由于利用了导向协方差矩阵的时空统计特性,该方法比MVDR具有更高的空间分辨力和更好的稳健性.     

一种适用于小样本的迭代多重信号分类算法

当样本数不足时,由采样协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得多重信号分类(MUSIC)算法目标角度(DOA)估计性能下降。为了解决这个问题,该文提出了一种迭代算法通过校正信号子空间来提高MUSIC算法性能。该方法首先利用采样协方差矩阵特征分解得到的噪声子空间粗略估计目标角度;其次基于信源的稀疏性和导向矢量的低秩特性,由上一步得到的目标角度以及其邻域角度对应的导向矢量构造一个新的信号子空间;最后通过解一个优化问题来校正信号子空间。仿真结果表明,该算法有效地提高了子空间估计精度。基于新的信号子空间实现MUSIC DOA估计可以使得性能得到改善,且在低样本数下改善尤为明显。     

一种改进的MVDR相干信源DOA估计算法

最小方差无失真响应(MVDR)算法是一种经典的波束形成算法,同时也能实现DOA估计,但是其分辨力往往比较低.针对这一不足,提出了一种改进的MVDR相干信源DOA估计算法.该算法首先对阵列接收数据阵进行共轭重排构造出增广数据矩阵,然后利用奇异值分解(SVD)求出增广矩阵的伪逆,再用传统的MVDR算法进行DOA估计.仿真结果表明,与传统的MVDR算法和前后向空间平滑算法相比,在阵元数较少和快拍数较低的情况下,该算法具有更高的DOA估计精度和分辨力,因而是一种很好的相干信号DOA估计算法.     

基于矩阵补全的二阶统计量重构DOA估计方法

该文针对传统波达方向角(DOA)估计算法在非均匀噪声下角度估计精度差及分辨率低的问题,基于矩阵补全理论,提出一种二阶统计量域下加权L1(MC-WLOSRSS)稀疏重构DOA估计算法。首先,基于矩阵补全方法,引入弹性正则化因子将接收信号协方差矩阵重构为无噪声协方差矩阵;而后在二阶统计量域下通过矩阵求和平均将无噪声协方差矩阵多矢量问题转化为单矢量问题;最后利用稀疏重构加权L1范数实现DOA参数估计。数值仿真表明,与传统MUSIC, IL1-SRACV, L1-SVD子空间算法及稀疏重构加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好DOA估计性能,且在低信噪比条件下,亦具有较高估计精度和分辨力。     

基于虚拟孔径扩展的非均匀稀疏阵DOA估计

针对常规均匀线阵DOA估计中可估计信源数目不足的问题,提出了一种基于虚拟孔径扩展的非均匀稀疏阵DOA估计算法。该算法首先对非均匀稀疏阵接收信号协方差矩阵进行向量化处理,通过Khatri-Rao积运算得到新的协方差矩阵;然后利用任意阵列下的空间平滑算法恢复新协方差矩阵的秩;最后通过对新协方差矩阵进行特征值分解实现DOA估计。与传统MUSIC算法相比,该算法可以在阵元数目小于信源数目的条件下实现DOA估计,大大增加了可估计信源数目,同时在低信噪比、小快拍条件下仍能得到DOA估计结果。仿真结果证明了算法的有效性。     

基于协方差匹配SLO算法的MIMO雷达DOA估计

利用加权平滑l0范数(Smoothed l0, SL0)算法估计MIMO雷达目标DOA时,需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型,并利用信号和噪声子空间的正交性来构造加权向量。然而当存在相干信源时,MIMO雷达协方差矩阵的秩将退化,这会使得稀疏重构模型的误差较大以及无法正确区分信号和噪声子空间,导致加权SL0算法的DOA估计性能恶化。针对上述问题提出了一种基于协方差匹配SL0算法的MIMO雷达DOA估计方法。该方法利用协方差匹配准则重构出一个满秩的协方差矩阵,恢复MIMO雷达协方差矩阵的Toeplitz特性,并利用协方差逆矩阵的高阶幂来近似噪声子空间从而计算加权向量。仿真分析表明,该方法能够在无需预知信源数目的情况下有效地完成对相干信号的DOA估计。     

基于迭代超分辨的单快拍DOA估计方法

单快拍DOA估计方法可解决短时突发信号和相干信源背景下传统方法面临的秩亏损问题。本文提出一种基于迭代超分辨的单快拍DOA估计方法,利用迭代超分辨技术估计阵列的协方差矩阵,然后采用求根MUSIC算法实现对DOA的估计。该方法无需谱峰搜索,可在不损失阵列孔径的同时实现单快拍DOA估计。论文推导了基于最小方差无畸变响应原则的迭代超分辨技术,仿真分析了空间角度划分、迭代次数、信噪比等参数对DOA分辨的正确率和估计精度的影响,与已有方法的对比结果验证了本文方法的有效性。      

基于空频域稀疏表示的宽频段DOA估计

该文提出一种基于空频域稀疏表示的宽频段波达方向(DOA)估计方法,解决稀疏表示方法在宽带接收机对窄带信号的频率和角度估计中的难题。用空间频率代替频率和方位角的 2 维组合构建过完备字典,字典的长度仅相当于窄带信号DOA估计的字典长度,却能覆盖整个无模糊频段,大大降低了稀疏分解的计算量。该方法首先在频域估计信号的准确频率,根据频域峰值的位置构建频域峰值协方差矩阵。对频域峰值协方差矩阵进行特征分解,利用主特征向量建立稀疏模型估计信号的DOA。算法在低信噪比下具有较高的估计精度,仿真实验和分析验证了该文方法的正确性和有效性。     

A new method to compensate clutter range dependence for forward looking airborne radars

The clutter direction-Doppler curves are not aligned on the near range bins for forward looking airborne radar. As a result, the performance of clutter suppression by Space-Time Adaptive Processing (STAP) degrades greatly because of the clutter range dependence. To deal with this problem, a new compensated method is proposed in this paper. The method rebuilds the clutter covariance matrix based on spatial high resolution Minimum Variance Distortionless Response (MVDR) spectrum, and then finds a matrix to transform the covariance matrix of short-range gate to the referred far-range gate. The method can compensate the clutter range dependence well. The simulation results show validity of the method.     

一种稳健超增益波束形成方法

最小方差无失真响应(MVDR)的基本原理是让它感兴趣方位的信号无失真通过,而使得波束输出噪声方差最小。本文提出一种圆阵稳健超增益波束形成方法,在各向同性噪声场中,当阵元间距小于半个波长时,其性能远远优于传统的波束形成器;同时,采用白噪声增益约束(white noise gain constraint,WNC)算法来提高超增益波束形成受随机误差扰动影响的鲁棒性。仿真验证算法的有效性。     

基于LCMV的两种干扰抑制算法对比分析

为了对比分析线性约束最小方差(LCMV)准则下的功率倒置(PI)算法和最小方差无失真响应(MVDR)算法的综合抗干扰性能,建立天线阵列接收信号模型。理论分析了LCMV准则以及PI和MVDR算法原理和特点。从对扩频信号捕获和信号载波相位的影响2个方面对比分析了2种抗干扰算法的性能,并利用Matlab对分析结果进行验证及进一步分析,得出MVDR算法抗干扰性能优于PI算法,对卫星导航领域的抗干扰的工程实践有一定的指导和借鉴意义。     

Adaptive MIMO radar target parameter estimation with Kronecker-product structured interference covariance matrix

Multiple-Input Multiple-Output (MIMO) radar with colocated antennas has an increased target parameter estimation performance, but at the cost of increased computational complexity. This paper first presents the conditions required for the interference covariance matrix (ICM) of colocated MIMO radar to take a special structure, namely a Kronecker product of some sub-ICMs, and then proves that based on this ICM structure, the conventional Minimum Variance Distortionless Response (MVDR) algorithm can be reformulated into a combination of three estimation algorithms all of much smaller scales, such that the computational complexity is decreased significantly. However, this ICM structure can be destroyed by inactive scattering sources, whose influence is studied via numerical experiments. It is found that inactive point scatterers can still be suppressed by adaptive algorithms relying on the ICM structure, on condition that the number is fewer than that of receiving antennas.     

基于频谱幅度起伏特性的微弱信号检测方法研究

该文将非线性后置处理思想引入至最小方差无失真响应(MVDR)的空间能量谱计算中,并给出其实现方法,即最终空间能量谱通过将各窄带阵列输出结果取倒数并求和得到,它不需要阵列噪声和目标信号的任何先验信息,只要阵列噪声的频谱在频段间的幅度起伏大于目标信号的频谱幅度起伏,该方法就能取得较常规处理方法更好的信号检测性能。根据最优信号检测理论,初步验证了非线性后置处理方法的性能,并利用仿真和实际数据进一步检验了其有效性,分析结果表明:非线性后置处理方法的处理增益较常规方法提高约3.5dB-4dB。     

非均匀噪声背景下混合信号DOA估计算法

针对非均匀噪声背景下非相关信源与相干信源并存时波达方向(DOA)估计问题，提出了基于迭代最小二乘和空间差分平滑的混合信号DOA估计算法。首先，该算法利用迭代最小二乘方法得到噪声协方差矩阵估计，然后对数据协方差矩阵进行“去噪”处理，利用子空间旋转不变技术实现非相关信源DOA估计；其次，基于空间差分法消除非相关信号并构造新矩阵进行前后向空间平滑，利用求根MUSIC算法估计相干信源DOA。相比于传统算法，该算法能估计更多的信源数，在低信噪比情况下DOA估计性能更优越。仿真实验结果验证了该算法的有效性。      

基于双迭代MVDR波束形成的MIMO-OTHR多模扩展多普勒杂波抑制算法

针对多模传播引起的扩展多普勒杂波影响天波超视距雷达对低可探测慢速舰船目标检测性能的问题,该文在新一代多输入多输出天波超视距雷达系统下,利用双迭代最小方差无失真响应(MVDR)波束形成器抑制多模扩展多普勒杂波。考虑到时间叉排线性调频连续波MIMO天波雷达和慢时间相位编码MIMO天波雷达在有限相干积累时间内的训练样本数有限,且训练样本中包含主选模式期望信号,该文利用阻塞矩阵进行数据预处理,减小训练样本中的主选模式期望信号影响,并将LN×1维“发射-接收”2维权矢量优化分解为L×1维发射权矢量和N×1维接收权矢量,通过双迭代计算恢复出的2维MVDR权矢量来抑制多模扩展多普勒杂波,减小了计算量和样本需求。理论分析和仿真验证了算法的有效性。