针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面...针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面(time-varying metasurface,TVM)硬件约束的情况下,该方法利用单元状态会持续一段时间的性质,交错不同列单元的变化起始时间,在一个状态持续时间内获得了多个不同的响应。异步调控方法能够使TVM在受材料限制的情况下,等效增加虚拟多通道个数,提高DOA估计的精度。仿真结果验证了方法的有效性,相较于现有的同步调控方法,新方法在DOA估计性能上有了较大提升,能够逼近理论上的最优DOA估计结果。展开更多
受恶劣电磁环境和元器件老化等因素影响,多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达的天线阵元发生故障的概率增加,而阵元故障会严重降低目标波达方向(Direction of Arrival,DOA)估计性能。现有的大多数基于深度学习的DOA...受恶劣电磁环境和元器件老化等因素影响,多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达的天线阵元发生故障的概率增加,而阵元故障会严重降低目标波达方向(Direction of Arrival,DOA)估计性能。现有的大多数基于深度学习的DOA估计方法未能充分利用阵列模型的先验信息,导致其建立的映射关系极为复杂,从而使得网络拟合难度较大。为此,提出一种基于先验驱动残差注意力网络的阵元故障MIMO雷达DOA估计方法。首先,利用MIMO雷达协方差矩阵的双重Toeplitz先验特性,构建了基于先验驱动的残差注意力网络,并引入残差注意力块对协方差矩阵的特征进行加权处理,旨在学习阵元故障下存在数据缺失的协方差矩阵和完整协方差矩阵生成向量之间的映射关系。然后,根据残差注意力网络输出的生成向量估计值得到完整的协方差矩阵。最后,利用RD-ESPRIT(Reduced Dimension ESPRIT)算法估计目标DOA。仿真结果表明,所提算法在阵元故障下的DOA估计性能优于现有算法,在信噪比为15 dB时,其DOA估计精度比效果最好的现有算法提高了43.26%。展开更多
为了能够准确高效地对离格信号的波达方向(Direction of Arrival, DOA)进行估计,利用卷积神经网络来提取信号协方差矩阵中的深度特征信息,并采用改进型标签策略来确保网络的估计精度和效率。具体来说,通过带小数的标签来注释协方差矩阵...为了能够准确高效地对离格信号的波达方向(Direction of Arrival, DOA)进行估计,利用卷积神经网络来提取信号协方差矩阵中的深度特征信息,并采用改进型标签策略来确保网络的估计精度和效率。具体来说,通过带小数的标签来注释协方差矩阵构成的张量,并配合上改进后的二进制交叉熵损失函数来使得所提出的小数标签能够用于网络训练。针对DOA估计对应的多标签—多分类的问题,使用了包含6层结构的卷积神经网络的输出单元类别以及幅度来分别对离格信号的DOA整数部分与小数部分进行重构。通过与6种现有典型方法的均方根误差(Root Mean Square Error, RMSE)仿真对比,所提方法能够在信噪比为-10 dB的情况下保持着RMSE<0.5°的优秀表现。虽然无法在较少快拍下正常工作,但该方法在快拍数大于8的条件下仍然保持着RMSE<1°的表现性能。同时,在信号数量为5时,所提方法依然具有较高的估计稳定性,且计算速度能够达到毫秒级,用时明显低于其他方法。展开更多
动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡...动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡尔曼滤波的抗抖动DOA估计算法。首先,针对角度随机抖动导致的接收端数据非线性问题,提出了一种非线性误差分离方案,将接收数据中的抖动误差转化为易于分离的线性分量,便于后续的抖动分量滤除。其次,为了使接收数据与卡尔曼滤波算法相匹配,提出了一种异构码本循环方案,通过在长时间尺度上构建相同的DMA码字,以支持卡尔曼滤波算法利用累积的时间信息来识别和滤除抖动误差。最后,卡尔曼滤波处理后的数据通过原子范数方法恢复出稀疏信号,并采用基于Han kel矩阵分解的多信号分类(multiple signal classification,MUSIC)方法进行空间谱估计。仿真结果证实,在相同信噪比(signal-to-noise ratio,SNR)条件下,所提方案相较于传统的多次估计平均方案,估计精度提升了48%,估计结果更接近无抖动的理想状态。展开更多
针对传统波达方向(Direction of Arrival,DOA)估计方法在低信噪比、少快拍数条件下表现性能差甚至失效的问题,提出了一种基于重构频域协方差矩阵的波达方位估计方法。该方法根据转化的频域信号进行共轭反向修正实现对噪声的抑制,构造出...针对传统波达方向(Direction of Arrival,DOA)估计方法在低信噪比、少快拍数条件下表现性能差甚至失效的问题,提出了一种基于重构频域协方差矩阵的波达方位估计方法。该方法根据转化的频域信号进行共轭反向修正实现对噪声的抑制,构造出了新的频域协方差矩阵,利用平均噪声子空间建立空间谱估计函数,通过谱峰搜索估计出信源的方位角。经仿真对比分析,所提改进方法可以识别多个相干信号,并且在低信噪比、少快拍数条件下仍然获得较好的方位估计性能,估计误差较传统算法降低2%~25%。展开更多
针对互耦效应和脉冲噪声并存环境下的波达方向(direction of arrival,DOA)估计问题,提出一种结合M估计与稀疏重构的算法。首先,为了消除互耦效应的影响,依据互耦矩阵的托普利兹结构进行恒等变形,得到了不含未知互耦系数的字典。随后,为...针对互耦效应和脉冲噪声并存环境下的波达方向(direction of arrival,DOA)估计问题,提出一种结合M估计与稀疏重构的算法。首先,为了消除互耦效应的影响,依据互耦矩阵的托普利兹结构进行恒等变形,得到了不含未知互耦系数的字典。随后,为了使算法能适应高斯噪声和不同强度的脉冲噪声,将位置得分函数表示为高斯位置得分函数和一系列非线性函数的线性组合,利用噪声样本估计线性组合系数从而建立损失函数。最后,采用迭代硬阈值算法进行稀疏重构,并通过改进信号更新策略提高正确收敛的概率。仿真结果表明,所提算法能有效抑制互耦效应和脉冲(高斯)噪声的干扰,同时相较已有算法在低信噪比、强脉冲特性下的性能有显著提升。展开更多
为提升相干信号波达方向(Direction of Arrival,DOA)估计性能,提出了一种稀疏阵列结构及其基于缺失纤维张量分解的信号处理方法。该阵列包含多个阵元组,每个阵元组内有两个间距为信号半波长的阵元,相邻阵元组间距相同且大于半波长,因此...为提升相干信号波达方向(Direction of Arrival,DOA)估计性能,提出了一种稀疏阵列结构及其基于缺失纤维张量分解的信号处理方法。该阵列包含多个阵元组,每个阵元组内有两个间距为信号半波长的阵元,相邻阵元组间距相同且大于半波长,因此该阵列同时具有大阵列孔径及多重不变性结构。利用阵列的多重不变性结构,提出基于张量的前后向空间平滑算法进行解相干预处理,得到一个等效的大孔径稀疏阵列且其入射信号不相关。通过填充虚拟阵元将稀疏阵列转换为相邻阵元间距为半波长的虚拟均匀线阵。对该虚拟线阵进行缺失纤维张量建模并利用缺失纤维张量分解完成信号DOA估计。分析表明,在物理阵元数相同的情况下,新阵列孔径相较均匀线阵扩大了约5倍,相比经典的互质阵列扩大了约1倍,因此具有更优的相干信号DOA估计精度和角分辨率性能。仿真结果证明了新方法的有效性。展开更多
针对现有二维波达方向(direction of arrival,DOA)估计方法对阵列接收信息利用不充分导致估计性能下降的问题,提出了一种平行互质阵列下对虚拟阵列插值的二维DOA估计方法。该方法通过对平行互质阵列扩展后的虚拟阵列进行插值,利用内插...针对现有二维波达方向(direction of arrival,DOA)估计方法对阵列接收信息利用不充分导致估计性能下降的问题,提出了一种平行互质阵列下对虚拟阵列插值的二维DOA估计方法。该方法通过对平行互质阵列扩展后的虚拟阵列进行插值,利用内插虚拟阵列的协方差矩阵与虚拟测量值之间的关系,提出一个关于等效虚拟测量向量的最小化问题,通过凸优化工具箱重构插值后的虚拟阵列协方差矩阵,结合酉变换和总体最小二乘方法进行DOA估计。仿真结果和湖上试验表明,该方法充分利用了非匀虚拟阵列中的所有虚拟阵元,提高了自由度和估计精度,具有有效性。展开更多
To tackle the challenges of intractable parameter tun-ing,significant computational expenditure and imprecise model-driven sparse-based direction of arrival(DOA)estimation with array error(AE),this paper proposes a de...To tackle the challenges of intractable parameter tun-ing,significant computational expenditure and imprecise model-driven sparse-based direction of arrival(DOA)estimation with array error(AE),this paper proposes a deep unfolded amplitude-phase error self-calibration network.Firstly,a sparse-based DOA model with an array convex error restriction is established,which gets resolved via an alternating iterative minimization(AIM)algo-rithm.The algorithm is then unrolled to a deep network known as AE-AIM Network(AE-AIM-Net),where all parameters are opti-mized through multi-task learning using the constructed com-plete dataset.The results of the simulation and theoretical analy-sis suggest that the proposed unfolded network achieves lower computational costs compared to typical sparse recovery meth-ods.Furthermore,it maintains excellent estimation performance even in the presence of array magnitude-phase errors.展开更多
A polynomial-rooting based fourth-order cumulant algorithm is presented for direction-of-arrival（DOA） estimation of second-order fully noncircular source signals, using a uniform linear array（ULA）. This algorithm ...A polynomial-rooting based fourth-order cumulant algorithm is presented for direction-of-arrival（DOA） estimation of second-order fully noncircular source signals, using a uniform linear array（ULA）. This algorithm inherits all merits of its spectralsearching counterpart except for the applicability to arbitrary array geometry, while reducing considerably the computation cost.Simulation results show that the proposed algorithm outperforms the previously developed closed-form second-order noncircular ESPRIT method, in terms of processing capacity and DOA estimation accuracy, especially in the presence of spatially colored noise.展开更多
多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算...多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel矩阵并施加Schatten-p范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。展开更多
在传统测向方法中,测向精度正比于阵列孔径,因此布阵空间与测向精度的矛盾性成为电子侦察系统在无人机等平台应用的主要工程约束之一。为实现空间受限下的高精度测向,提出一种通过协方差矩阵重构阵列接收数据的波达方向(Direction of Ar...在传统测向方法中,测向精度正比于阵列孔径,因此布阵空间与测向精度的矛盾性成为电子侦察系统在无人机等平台应用的主要工程约束之一。为实现空间受限下的高精度测向,提出一种通过协方差矩阵重构阵列接收数据的波达方向(Direction of Arrival,DOA)方法。结合均匀线阵的结构特点以及导向矢量Vandermonde矩阵与协方差Toeplitz矩阵的矩阵特征,通过重构阵列数据接收模型,实现阵列孔径的拓展,可在布阵空间不变的条件下显著提升阵列的测向精度。仿真结果表明,这种基于协方差数据重构的DOA方法实用有效,可作为传统DOA技术的前处理手段,提升算法性能及处理增益。展开更多
文摘针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面(time-varying metasurface,TVM)硬件约束的情况下,该方法利用单元状态会持续一段时间的性质,交错不同列单元的变化起始时间,在一个状态持续时间内获得了多个不同的响应。异步调控方法能够使TVM在受材料限制的情况下,等效增加虚拟多通道个数,提高DOA估计的精度。仿真结果验证了方法的有效性,相较于现有的同步调控方法,新方法在DOA估计性能上有了较大提升,能够逼近理论上的最优DOA估计结果。
文摘为了能够准确高效地对离格信号的波达方向(Direction of Arrival, DOA)进行估计,利用卷积神经网络来提取信号协方差矩阵中的深度特征信息,并采用改进型标签策略来确保网络的估计精度和效率。具体来说,通过带小数的标签来注释协方差矩阵构成的张量,并配合上改进后的二进制交叉熵损失函数来使得所提出的小数标签能够用于网络训练。针对DOA估计对应的多标签—多分类的问题,使用了包含6层结构的卷积神经网络的输出单元类别以及幅度来分别对离格信号的DOA整数部分与小数部分进行重构。通过与6种现有典型方法的均方根误差(Root Mean Square Error, RMSE)仿真对比,所提方法能够在信噪比为-10 dB的情况下保持着RMSE<0.5°的优秀表现。虽然无法在较少快拍下正常工作,但该方法在快拍数大于8的条件下仍然保持着RMSE<1°的表现性能。同时,在信号数量为5时,所提方法依然具有较高的估计稳定性,且计算速度能够达到毫秒级,用时明显低于其他方法。
文摘动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡尔曼滤波的抗抖动DOA估计算法。首先,针对角度随机抖动导致的接收端数据非线性问题,提出了一种非线性误差分离方案,将接收数据中的抖动误差转化为易于分离的线性分量,便于后续的抖动分量滤除。其次,为了使接收数据与卡尔曼滤波算法相匹配,提出了一种异构码本循环方案,通过在长时间尺度上构建相同的DMA码字,以支持卡尔曼滤波算法利用累积的时间信息来识别和滤除抖动误差。最后,卡尔曼滤波处理后的数据通过原子范数方法恢复出稀疏信号,并采用基于Han kel矩阵分解的多信号分类(multiple signal classification,MUSIC)方法进行空间谱估计。仿真结果证实,在相同信噪比(signal-to-noise ratio,SNR)条件下,所提方案相较于传统的多次估计平均方案,估计精度提升了48%,估计结果更接近无抖动的理想状态。
文摘针对传统波达方向(Direction of Arrival,DOA)估计方法在低信噪比、少快拍数条件下表现性能差甚至失效的问题,提出了一种基于重构频域协方差矩阵的波达方位估计方法。该方法根据转化的频域信号进行共轭反向修正实现对噪声的抑制,构造出了新的频域协方差矩阵,利用平均噪声子空间建立空间谱估计函数,通过谱峰搜索估计出信源的方位角。经仿真对比分析,所提改进方法可以识别多个相干信号,并且在低信噪比、少快拍数条件下仍然获得较好的方位估计性能,估计误差较传统算法降低2%~25%。
文摘针对互耦效应和脉冲噪声并存环境下的波达方向(direction of arrival,DOA)估计问题,提出一种结合M估计与稀疏重构的算法。首先,为了消除互耦效应的影响,依据互耦矩阵的托普利兹结构进行恒等变形,得到了不含未知互耦系数的字典。随后,为了使算法能适应高斯噪声和不同强度的脉冲噪声,将位置得分函数表示为高斯位置得分函数和一系列非线性函数的线性组合,利用噪声样本估计线性组合系数从而建立损失函数。最后,采用迭代硬阈值算法进行稀疏重构,并通过改进信号更新策略提高正确收敛的概率。仿真结果表明,所提算法能有效抑制互耦效应和脉冲(高斯)噪声的干扰,同时相较已有算法在低信噪比、强脉冲特性下的性能有显著提升。
文摘为提升相干信号波达方向(Direction of Arrival,DOA)估计性能,提出了一种稀疏阵列结构及其基于缺失纤维张量分解的信号处理方法。该阵列包含多个阵元组,每个阵元组内有两个间距为信号半波长的阵元,相邻阵元组间距相同且大于半波长,因此该阵列同时具有大阵列孔径及多重不变性结构。利用阵列的多重不变性结构,提出基于张量的前后向空间平滑算法进行解相干预处理,得到一个等效的大孔径稀疏阵列且其入射信号不相关。通过填充虚拟阵元将稀疏阵列转换为相邻阵元间距为半波长的虚拟均匀线阵。对该虚拟线阵进行缺失纤维张量建模并利用缺失纤维张量分解完成信号DOA估计。分析表明,在物理阵元数相同的情况下,新阵列孔径相较均匀线阵扩大了约5倍,相比经典的互质阵列扩大了约1倍,因此具有更优的相干信号DOA估计精度和角分辨率性能。仿真结果证明了新方法的有效性。
文摘针对现有二维波达方向(direction of arrival,DOA)估计方法对阵列接收信息利用不充分导致估计性能下降的问题,提出了一种平行互质阵列下对虚拟阵列插值的二维DOA估计方法。该方法通过对平行互质阵列扩展后的虚拟阵列进行插值,利用内插虚拟阵列的协方差矩阵与虚拟测量值之间的关系,提出一个关于等效虚拟测量向量的最小化问题,通过凸优化工具箱重构插值后的虚拟阵列协方差矩阵,结合酉变换和总体最小二乘方法进行DOA估计。仿真结果和湖上试验表明,该方法充分利用了非匀虚拟阵列中的所有虚拟阵元,提高了自由度和估计精度,具有有效性。
基金supported by the National Natural Science Foundation of China(62301598).
文摘To tackle the challenges of intractable parameter tun-ing,significant computational expenditure and imprecise model-driven sparse-based direction of arrival(DOA)estimation with array error(AE),this paper proposes a deep unfolded amplitude-phase error self-calibration network.Firstly,a sparse-based DOA model with an array convex error restriction is established,which gets resolved via an alternating iterative minimization(AIM)algo-rithm.The algorithm is then unrolled to a deep network known as AE-AIM Network(AE-AIM-Net),where all parameters are opti-mized through multi-task learning using the constructed com-plete dataset.The results of the simulation and theoretical analy-sis suggest that the proposed unfolded network achieves lower computational costs compared to typical sparse recovery meth-ods.Furthermore,it maintains excellent estimation performance even in the presence of array magnitude-phase errors.
基金supported by the National Natural Science Foundation of China(617020986170209961331019)
文摘A polynomial-rooting based fourth-order cumulant algorithm is presented for direction-of-arrival（DOA） estimation of second-order fully noncircular source signals, using a uniform linear array（ULA）. This algorithm inherits all merits of its spectralsearching counterpart except for the applicability to arbitrary array geometry, while reducing considerably the computation cost.Simulation results show that the proposed algorithm outperforms the previously developed closed-form second-order noncircular ESPRIT method, in terms of processing capacity and DOA estimation accuracy, especially in the presence of spatially colored noise.
文摘多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel矩阵并施加Schatten-p范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。
文摘在传统测向方法中,测向精度正比于阵列孔径,因此布阵空间与测向精度的矛盾性成为电子侦察系统在无人机等平台应用的主要工程约束之一。为实现空间受限下的高精度测向,提出一种通过协方差矩阵重构阵列接收数据的波达方向(Direction of Arrival,DOA)方法。结合均匀线阵的结构特点以及导向矢量Vandermonde矩阵与协方差Toeplitz矩阵的矩阵特征,通过重构阵列数据接收模型,实现阵列孔径的拓展,可在布阵空间不变的条件下显著提升阵列的测向精度。仿真结果表明,这种基于协方差数据重构的DOA方法实用有效,可作为传统DOA技术的前处理手段,提升算法性能及处理增益。
