论文部分内容阅读
信号波达方向(Direction of Arrival,DOA)是阵列信号处理所研究的核心问题。随着阵列信号处理理论的发展,多维参数估计成为了研究热点。常见的多维参数估计包含多维角度估计,DOA和频率联合估计,DOA和极化联合估计,多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达中离开角(Direction of Departure,DOD)和DOA联合估计等。将常用的谱峰搜索算法扩展到多维参数估计中,可实现多维参数的联合估计,但多维谱峰搜索的运算复杂度非常高,限制了这类算法的应用。因此,研究阵列参数估计中的降维算法具有理论价值和应用前景。本文的主要工作如下:(1)研究了均匀面阵中一种基于降维多重信号分类(Reduced-Dimension MUultiple SIgnal Classification,RD-MUSIC)的二维角度估计算法。该算法通过降维处理,只需一维局部谱峰搜索,相比于二维MUSIC(Two dimensional MUSIC,2D-MUSIC)算法降低了复杂度,且该算法角度估计性能非常接近于2D-MUSIC算法。(2)提出了均匀面阵中一种基于降维传播算子(Reduced-Dimension Propagator Method,RD-PM)的二维角度估计算法,该算法利用传播算子矩阵的旋转不变性进行初始估计,通过降维处理,采用一维局部谱峰搜索获取更为精确的估计值。该方法无需对接收信号协方差矩阵进行特征值分解,无需二维全局谱峰搜索,复杂度大大降低,并实现了估计参数的自动配对。(3)考虑了非均匀阵列MIMO雷达中二维角度估计问题,研究了一种降维PM算法实现的DOD和DOA联合估计方法。该算法将二维谱峰搜索简化为一维局部谱峰搜索,实现了自动配对的DOD和DOA联合估计。仿真结果显示,该算法估计性能优于广义ESPRIT算法,PM-like算法,ESPRIT-like算法,且非常接近于2D-PM算法。(4)提出了电磁矢量传感器MIMO雷达中一种基于降维MUSIC的DOD、DOA和极化联合估计算法。该算法利用借助旋转不变性估计信号参数(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)算法得到初始估计,再通过降维变换,避免了多维谱峰搜索,大大降低了复杂度。仿真结果显示该算法参数估计性能优于ESPRIT算法,平行因子(PARAllel FACtor,PARAFAC)算法,且具有参数自动配对的优点。