基于MUSIC算法的球面共形阵DOA估计

由于球面共形天线阵所具有的特殊性质,使得其利用经典MUSIC算法进行DOA估计时,导向矢量与噪声子空间不正交,算法性能受到较大影响。在考虑各阵元接收某信号强度不一致的同时,根据子阵内阵元相似度高这一特点,对基于子阵分割的有向阵元MUSIC算法在球面共形阵上进行了DOA估计仿真实验,结果表明:该方法应用于球面共形阵,可以快速准确地估计出多个信号的DOA。     

基于共形天线阵的免搜索来波方向估计算法研究

运算量大,受阵列拓扑结构限制是传统基于子空间分解的来波方向(DOA)估计算法的主要问题,这些问题大大限制了其在实际工程中的应用。针对共形天线阵的特殊性,结合实际的共形阵,研究了几种可以应用于任意阵列结构的免搜索DOA估计算法,并比较了这些算法在共形阵上的性能。理论分析和数值仿真表明:在一定条件下这些算法均可在共形阵上取得较优的估计性能。     

圆柱共形缝隙阵

给出用圆弧弯波导耦合馈电的圆柱共形阵设计原理，重点是弯波导与扇面形直波导列之间的耦合孔列计算。耦合孔列同时控制辐波导的激励强度和补偿由于柱面缝隙射线程长度不等所引的相位差。     

柱面共形阵列天线盲极化波达方向估计算法

针对柱面共形阵列天线的单曲率特点,建立了柱面共形阵列天线的快拍数据模型,基于高分辨波达方向（DOA）估计的子空间原理与秩损理论,结合合理的阵元排列结构设计,将信源极化状态、俯仰角以及方位角去耦合,通过参数的一维搜索与方程求解,实现了信源极化状态未知条件下的2D DOA估计。针对相干信源情况,推导了柱面共形阵列天线的解相干算法,最终提出了适用于独立和相干信源的柱面共形阵列天线盲极化DOA估计算法。该算法估计精度高,计算量小,且无需参数配对。计算机仿真实验验证了所提算法的有效性。     

MUSIC算法在柱面共形天线阵DOA估计中的应用研究

由于柱面共形天线阵所具有的特殊性质,使得其在利用经典MUSIC算法进行DOA估计时,性能会受到较大影响.通过将柱面共形阵划分为多个子阵的方法,可以有效地解决此类问题.仿真结果表明,该方法能应用于柱面共形阵的DOA估计,并容易推广到任意曲面共形阵.     

共形阵列幅相误差校正快速算法

基于子空间的联合迭代算法可以实现对空间信源方位和阵列幅相误差参数的联合估计。当对共形阵列进行幅相误差校正时,由于其空域导向矢量不具有Vander monde结构,导致快速高分辨空间谱估计方法无法直接应用,而利用2维谱峰搜索实现空间方位估计的运算量较大,限制了算法在共形阵列上的应用。针对此问题,该文提出一种借助虚拟阵列实现共形阵列幅相误差校正的新方法。该方法利用虚拟阵列的特殊结构快速实现对信源的DOA估计,省去了谱峰搜索过程,因而运算复杂度低,便于工程实现。理论分析和仿真结果验证了所提算法的有效性,可为共形阵列的工程应用提供参考。     

基于迭代自适应方法的柱面共形阵2D DOA估计

针对柱面共形阵的二维波达方向(2D DOA)估计问题,提出一种基于迭代自适应方法的柱面共形阵2D DOA估计算法。首先,通过欧拉旋转变换公式将柱面共形阵全局直角坐标系变换为单元局部直角坐标系,建立柱面共形天线阵列流型;然后,将感兴趣区域内信号源所有可能存在的位置通过划分二维网格的形式来表示,利用迭代自适应算法(IAA)估计出每个潜在位置对应的信号源能量;最后,绘制能量谱图,谱峰对应的方位角和俯仰角即为二维波达方向的估计值。理论分析与仿真实验证明,所提算法不需要额外的参数匹配,简化了估算步骤,在短快拍的情况下可以实现柱面共形阵的2D DOA估计。     

基于Y形阵的空时二维波达方向估计

提出了一种适用于Y形阵的空时二维波达方向估计方法,在低信噪比下实现了无模糊的二维波达方向估计。该方法利用了Y形阵的特性,具有较好的稳定性和较小的估计方差。仿真结果证明了本方法的有效性。     

机载柱形共形阵低空风切变风速估计方法

针对机载柱形共形阵气象雷达在探测低空风切变时,有用信号会受到强地杂波影响的问题,提出了一种机载柱形共形阵体制下的低空风切变风速估计方法。该方法首先从柱形共形阵特殊阵列流型引起杂波抑制困难的本质原因出发,利用空域角频率补偿法对各个距离单元的回波数据进行补偿,获得多个独立同分布(Independent and Identically Distributed, IID)的样本后估计杂波协方差矩阵,然后构造适用于低空风切变目标的空时自适应(Space-Time Adaptive Processing, STAP)处理器,在自适应抑制地杂波的同时积累风切变信号,最终实现风场速度的精确估计。仿真结果表明,该方法可有效实现地杂波的抑制并精确地估计风速。     

机翼共形阵列的阵元位置估计方法

研究机翼共形阵列存在共形表面变形下的阵元位置估计问题。在获取观察区域距离-多普勒图像基础上,首先采用子空间跟踪方法估计给定距离-多普勒单元数据的主特征矢量;然后利用最小二乘方法拟合不同多普勒通道主特征矢量的绝对相位特性来获得相位中心的初估计;最后结合机翼共形表面的变形模型,在采用整体最小二乘方法拟合形变参数基础上得到相位中心的最终估计结果。仿真结果表明该算法不需要辅助校正源,能获得优于十分之一波长的相位中心位置估计精度,满足高分辨率空间谱估计要求。     

柱面共形阵列信源方位与极化状态的联合估计算法

针对柱面共形极化敏感阵列的结构特点建立了其导向矢量模型,以此为基础实现了信源方位与极化状态的联合估计。根据旋转不变子空间思想估计俯仰角和子空间原理、秩损理论,通过对阵列流形矩阵进行特定的形式变换,将其中隐含的信源方位信息与极化信息\     

基于四阶累积量的共形阵列波达方向估计算法

由于共形天线阵列流形的多极化特性（Polarization Diversity）,共形阵列天线的信源方位估计需要与信源的极化状态联合进行。分析总结共形阵列天线波达方向（DOA）估计特点的基础上,针对窄带远场非高斯独立信源,提出了一种共形阵列天线盲极化DOA估计算法。该算法利用四阶累积量对阵列口径的扩展性,结合旋转不变子空间（ESPRIT）算法,在信源极化状态未知条件下实现了共形阵列天线的高分辨DOA估计。所提算法的方位估计不需要天线单元方向图以及信源极化状态的任何信息,适用于多种常用共形载体（锥面、柱面以及球面共形载体）,具有较为广泛的应用环境。以柱面共形阵列天线DOA估计为例,详细推导了算法机理,给出了算法步骤,计算机Monte Carlo仿真实验验证了所提算法的有效性。     

极化分集下的共形阵列波达方向估计

提出了一种基于双馈源共形阵列的极化分集信号盲极化波达方向(Direction of Arrival,DOA)估计方法.通过投影和旋转变换,分析并给出了双馈源共形阵列下正交极化分集信号的等效导向矢量,将信号空间划分为两个正交极化信号子空间,实现了正交极化信号的盲极化分离.在此基础上给出了基于多重信号分类(Multiple Signal Classification,MUSIC)的极化信号的DOA估计算法.该算法无需估计极化参数,能够实现任意共形阵列对正交极化分集信号的DOA估计,最大估计信号数目能够超过阵元个数.仿真实验验证了该算法具有很好的估计性能.     

基于虚拟阵列的非圆信号DOA估计

针对传统的子空间类波达方向（Direction of Arrival,DOA）估计算法只适用于入射信号个数少于天线数的局限性,利用现代通信系统中常用的非圆信号实值特性,提出了一种虚拟阵列多重信号分类法（Virtual Array Based Multiple Signal Classification,VA-MUSIC）。该方法通过对阵列输出信号进行共轭重构和合并,获得虚拟阵列来增加阵列的有效孔径。更进一步,结合空间平滑技术有效地解决了相干信号的DOA估计问题。与传统的MUSIC算法相比,新算法不仅可以增加最大可估计信源数,而且在DOA估计精度、信号源角分辨能力等方面均有明显的优势。计算机仿真验证了该算法的有效性和优越性。     

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。     

基于改进典范分解的嵌套阵列DOA估计

摘 要：为了避免在对嵌套阵列做DOA估计时进行空域峰值搜索,将典范分解应用于嵌套阵列,通过单次奇异值分解、双线性映射和张量分解得到阵列导向量矩阵和入射角。但现有典范分解算法只适用于无噪条件,通过两次奇异值分解改进了该算法,使其在无噪和有噪条件下均适用。仿真结果表明：在相同信噪比、快拍数情况下,基于改进典范分解的嵌套阵列DOA估计算法相比MUSIC、空间平滑算法具有更好的估计性能和更少的运算时间。     

一种全向圆柱共形螺旋阵列天线

基于圆柱共形阵列天线的基本理论,提出了一种螺旋圆柱阵列天线,该阵列由两层沿圆柱外壁交错排列的螺旋单元组成,采用矩量法分析了天线的辐射特性。通过优化螺旋单元的个数及分布,得到最优的单层单元数N=18,层间距H=60 mm,使阵列天线在实现高增益的同时,在θ=90°平面上产生360度全向辐射,最大增益Gmax可达7.5 dBi,不圆度C<1.6 dB。     

短快拍条件下均匀矩形阵中的二维DOA估计

二维波达方向（Direction of Arrival,DOA）估计能获取比一维DOA估计更多的空间位置信息,但是二维多重信号分类(Multiple Signal Classification,MUSIC)、二维子空间旋转不变估计技术(Estimation Signal Parameter via Rotational Invariance Techniques,ESPRIT）等经典算法依赖于大量的快拍数据,当快拍数据不足时估计性能严重下降甚至失效。针对上述问题,将迭代自适应方法拓展到二维DOA估计,提出了一种适用于矩形面阵的二维DOA估计算法,首先利用加权最小二乘法估计出信号幅值,然后利用循环迭代技术对估计结果进行更新。由于每次估计结果均来自上一次迭代,而不依赖于快拍数据,因此该算法在短快拍条件下具有很高的估计精度和分辨率。仿真结果表明,在短快拍条件下,该算法具有优越的估计性能。