共形阵列天线能够实现天线阵列与载体外表面共形,从而具有低雷达散射截面积(Radar Cross Section,RCS)、强隐蔽性、大波束扫描范围等优点,在很多领域都具有广泛的应用前景。共形阵列结构复杂,各个天线单元方向图和极化特性不一致,传统平面阵列下的绝大多数波达方向估计(Direction of Arrival,DOA)方法不再适用。而双极化天线由于能够对天线的两个极化分量进行独立收发信号,相比于传统共形阵,具有更强的极化信息处理能力。因此,基于双极化共形阵列下的DOA和极化参数估计具有非常重要的研究意义。本文针对双极化共形阵下的DOA和极化参数的估计问题展开研究。论文的主要内容包括:首先,论文在平面阵列模型的基础上,分析并构建了双极化共形阵列的信号模型。其次,论文提出了一种基于双极化共形阵的多重信号分类(Dual Polarization Multiple Signal Classification,DP-MUSIC)算法。每个极化信号都被分解为两个正交的极化分量信号,且这两个正交分量信号被看作是来自于同一个方向不同极化的一对相干信号。本文将极化参数建模为这两个正交分量的等效相干系数。在此基础上,利用解相干的方法实现了极化信息和角度信息的去耦合问题。然后,利用DP-MUSIC算法对来波信号的DOA和极化参数进行估计。再利用极化参数的估计值对DOA进行二次估计,极大地提高了DOA的估计精度。最后,论文提出了一种基于双极化共形阵的空间-极化多波束参数估计算法。双极化共形阵有较强的极化信息处理能力,可以形成覆盖空间域和极化域的多波束。这些波束包含角度和极化信息,并且每个波束仅接收特定方向和极化状态的信号,因此不同的角度和极化状态有不同的响应分布,可以利用该特性来估计信号的DOA和极化参数。在该算法中,来波信号的DOA和极化参数的估计彼此之间没有关联,可以同时对它们进行估计。
针对雷达、水声探测和无线通信等应用领域中无源定位的广泛应用,以及存在复杂的近场(Near-Field,NF)和远场(Far-Field,FF)复合现象,传统的信源定位模型简单、没有解析解且运算复杂、阵列布置较严格、模型近似、远场信源和近场信源信息难以分离等问题,本文基于共点正交磁环偶极子(Co-centered Orthogonal Loop and Dipole,COLD)阵列和多信号分类(Multiple Signal Classification,MUSIC)方法分别提出了近场参数和混合场参数估计算法,并通过数字和半实物仿真验证了算法的有效性,具体研究内容如下:
针对现有的近场信源定位算法采用如菲涅耳近似等简化模型,导致定位精度差等问题,本文提出了一种在非近似的信源—阵列传播模型下定位多个近场电磁源的算法NA-NFSL(None Approximation-NF Source Localization),该算法利用线性(不需要均匀)COLD阵列测量的数据,定义了三个累积矩阵来构造两个矩阵束,然后,将两个矩阵束的广义特征值的大小与它们的相位相结合,提取出信源的到达方向(Direction of Angle,DOA)和距离估计值,该算法使用一组从幅度中获得的粗估计值来解决从相位中获得的模糊估计集,并且不需要预先估计DOA—距离参数的情况下对极化参数进行了估计,在不需要限制阵列间距在四分之一波长内的同时,具有解析解,避免了复杂的迭代运算;
提出了一种基于非近似模型的混合场信源定位算法NA-HFSL(None Approximation-Hybrid Field Source Localization),来实现远场信源和近场信源的混合定位,包括FF-MUSIC和NF-MUSIC估计,并分别用于远场信源和近场信源定位,在估计过程中,利用Capon空间谱重建了一个纯近场协方差矩阵,该算法只需要多次一维谱搜索,并且不涉及任何高维迭代优化、高阶累积量和参数配对的计算,与现有的基于空间相位因子的二阶泰勒级数近似(菲涅耳近似)的算法不同,该算法适用于空间相位因子的任意阶展开,此外,该算法不要求均匀阵列,适用于非均匀阵列等应用;
针对现有远近场混合信源定位算法大多基于菲涅耳近似来简化信源-阵列几何模型,导致模型近似误差等问题,本文基于非近似的空间模型,利用线性COLD阵列,提出了一种新的远场信源和近场信源的混合定位算法FS-HFSL(Field Separation-based Hybrid Field Source Localization),证明了偶极子协方差矩阵和磁环协方差矩阵的求和与源极化参数无关,利用该特性,提出了一个MUSIC伪谱用于联合DOA和距离估计,同时,利用旋转不变性技术(Estimating Signal Parameter Via Rotational Invariance Techniques,ESPRIT)原理估计信号参数,得到了一组粗略的DOA和距离估计值来启动MUSIC算法搜索,大大提高了计算效率,与现有的算法相比,该算法避免了信源-阵列模型与菲涅耳近似之间的不匹配所造成的系统误差。
利用信号源、收发天线以及信号采集处理设备,设计了一个混合场环境模拟实验系统,并使用该系统验证了本文所提三种远近场信源定位算法的有效性,以及能适用于非等间隔布置的线性阵列的优势和特点。
综上,本文基于MUSIC算法和COLD阵列分别提出了的近场信源和混合场信源定位方法,所提的算法模型准确、计算效率高、不存在模型近似误差问题,并适用于非等间隔的线性阵列排布,可以为混合场信源被动定位算法的工程应用提供较好的理论指导。
针对实际工程应用中导向矢量模型存在不可避免的模型误差的问题,提出了基于模型误差的极化敏感阵列的波达方向(direction of arrival,DOA)参数和极化参数联合估计算法——信号子空间匹配(signal subspace matching,SSM)算法,推导了算法...
详细信息
针对实际工程应用中导向矢量模型存在不可避免的模型误差的问题,提出了基于模型误差的极化敏感阵列的波达方向(direction of arrival,DOA)参数和极化参数联合估计算法——信号子空间匹配(signal subspace matching,SSM)算法,推导了算法的代价函数,为了减小算法的计算量,给出了SSM迭代解。与传统的极化多重信号分类(multiple signal classification,MUSIC)算法和确定性最大似然(deterministic maximum likelihood,DML)算法进行了对比仿真实验。仿真实验结果表明,所提算法具有较优异的参数估计性能,且具有切实的工程应用价值。
与传统标量阵列相比,由矢量传感器构成的极化敏感阵列,可以获取和利用极化信息,从而可以使测向系统具有较好的抗相位模糊能力、抗干扰能力和估计精度等。经国内外学者多年的研究,许多经典空间谱估计算法被成功移植于极化敏感阵列中使用,但此类算法均需要理想的阵列流形结构作为前提条件。在实际测向系统中,由于阵元位置的扰动、天线方向图误差和各通道电磁特性不一致引起的阵列幅相误差以及阵元间的互耦效应会导致算法精度下降。因此,本文针对极化敏感阵列中存在的幅相误差和互耦误差进行建模分析,提出相对应的误差校正算法,实现对信号参数和误差系数的联合估计。主要研究内容如下:针对阵元间存在的互耦误差问题,对均匀圆阵进行建模分析,在降维多重信号分类(Reduction Dimensionality Multiple Signal Classification,RD-MUSIC)算法的基础上,提出了基于模值约束的互耦误差级联估计算法。首先利用均匀圆阵互耦误差矩阵的复对称带状Toeplitz特性,进行矩阵变换;然后基于矩阵的秩亏原理,将信号参数与未知的互耦系数分离,进而通过两次谱峰搜索得到信号参数;最后通过模值约束条件将互耦系数估计出来。利用对过渡矩阵进行筛选的方式,解决了所提算法在低信噪比、小快拍数测向环境下,互耦系数估计精度较低的问题。仿真结果验证了所提算法可以实现对信号参数和互耦系数的高精度估计,并且显著降低了计算复杂度。针对实际测向中存在的阵列幅相误差问题,分别对均匀线阵和二维L阵进行建模分析,提出了基于最小二乘法的幅相误差与信号参数联合估计算法。利用子阵间的旋转不变特性,结合最小二乘法的思想进行数学推导;通过幅相特性一致的辅助阵元,将目标最小化问题转化为线性约束条件下的解优化问题,进而得到阵列的幅相误差系数;最后得到入射信号的波达方向估计(Direction of Arrival,DOA)和极化参数。该算法可以在多信源入射时,实现对信号参数和幅相误差系数的同时估计,并且不需要进行多维谱峰搜索、循环迭代运算以及收敛门限的选取,大大降低了计算量和存储量,可以满足实际工程中对于实时性的要求。仿真结果验证了所提算法的有效性。
暂无评论