论文部分内容阅读
波达方向(Direction of Arrival,DOA)估计在通信、雷达等领域有重要理论研究意义和实际应用价值。均匀圆阵(Uniform Circular Array,UCA)因其特殊的阵列结构,既可以提供0?到360?方位角信息,又可以提供俯仰角信息,因此UCA成为一种非常重要的被动测向技术平台。UCA基于波束空间的求根类算法无需复杂的谱峰搜索,有计算复杂度低、估计精度高等优势,因而受到广泛关注和研究。但此类算法的工程应用还面临不少困难,算法的理想模型未考虑实际场景中的不利因素,例如阵元数有限、样本匮乏、存在互耦等非理想条件均能造成该类算法的波束转换(Beamspace Transformation,BT)过程产生较大误差,进而导致DOA估计性能下降。另外,UCA很难对某些复杂环境下的DOA进行有效估计,例如欠定DOA估计场景、非均匀噪声场景等。本文从算法和阵列设计角度出发,致力于保留UCA对二维DOA估计优势的同时研究符合实际应用的波达方向估计问题。首先,针对非理想因素导致BT过程产生的较大误差,本文提出估计精度更高的基于波束空间的改进算法,以提升估计性能并满足实时快速处理的工程需求;进一步,为了在复杂的工程应用环境下系统性的提升欠定DOA估计性能,本文用稀疏圆阵(Sparse Circular Array,SCA)作为DOA估计平台,利用阵列特性及优势实现并提升非理想场景下的欠定DOA估计性能。同时针对已有的SCA无法提供近似相同的方位角估计精度这一不足,本文设计了一种新的SCA,以去除这一不足带来的不利影响且可进一步减小互耦。本文具体的研究成果如下:首先,针对UCA基于波束空间的一维DOA估计问题,提出一种基于波束空间矩阵更新的DOA估计算法。为了消除阵元个数相对较少时由BT带来的误差,所提算法首先计算出波束空间协方差矩阵中由BT产生的残差项并将其去除,然后基于新的协方差矩阵用求根MUSIC算法估计DOA。性能分析和仿真表明所提算法可以有效提高DOA估计精度。进一步,在小样本且阵元数较少情形下,提出一种基于波束空间矩阵更新的求根MUSIC算法,该算法同时考虑了波束空间协方差矩阵中由BT产生的残差项和由样本匮乏产生的信号与噪声之间的相关项,分别计算出残差项和相关项,并在更新波束空间协方差矩阵时去除它们,从而提高DOA估计性能。本文对该算法进行了性能分析。与MUSIC算法相比,所提两种算法计算复杂度低,适合实时处理的应用场景。与已有的求根MUSIC算法相比,所提算法在阵元数较少、小样本数时具有更好的DOA估计性能。仿真结果验证了两种所提算法的有效性。其次,针对UCA基于波束空间的二维DOA估计问题,首先提出一种新的估计俯仰角的搜索方法,该方法避免了现有搜索类算法求解零空间过程中产生的误差,可以提高俯仰角估计精度。进一步,在存在互耦且阵元个数相对较少场景下提出了一种基于波束空间数据更新的二维DOA估计算法。该算法通过迭代更新波束空间数据,去除由BT产生的误差,达到同时提高方位角和俯仰角估计精度的目的,最后分析了算法的理论估计误差。一般只需要迭代一到两次,所提算法即可获得较好的估计结果。与已有的UCA秩损(Rank Reduction,RARE)算法相比,所提算法明显提高了估计精度。与二维MUSIC算法相比,所提算法计算复杂度低,且估计性能与二维MUSIC算法的性能接近。仿真结果验证了所提算法的有效性。最后,本文研究SCA基于差分共阵域的欠定DOA估计问题。先提出稀疏线阵基于差分共阵域伪数据集的DOA估计算法,利用差分共阵域中的重复项,为拥有更大孔径的虚拟线阵构造一个伪数据集,从而提高DOA估计性能。然后将稀疏线阵推广到SCA,针对嵌套稀疏圆阵(Nested Sparse Circular Array,NSCA),提出了一种基于差分共阵域矩阵填充的欠定DOA估计算法。该算法基于矩阵填充思想并充分利用圆阵的对称特性,构造出一个有更多自由度且无噪声的虚拟UCA的协方差矩阵,基于该协方差矩阵估计DOA以提高估计精度。以上两种所提算法均充分挖掘接收数据的协方差矩阵信息,并都适用于存在非均匀噪声的情况,理论分析和仿真实验表明所提算法具有较高的估计性能。最后,设计了互质稀疏圆阵(Coprime Sparse Circular Array,CSCA),该阵列既有所需阵元个数少的优点,又保留了圆阵可估计二维DOA的优势。理论分析显示,与已有的NSCA和超嵌套稀疏圆阵(Super Nested Sparse Circular Array,S-NSCA)相比,所提阵列可进一步减小互耦,并对任意方位角提供近似相同的估计精度,仿真验证了CSCA对一维和二维DOA估计的优势。