传统均匀圆阵波达方向(direction of arrival,DOA)估计算法要求天线数目多于目标数量,易受阵列的通道不一致性影响。针对此问题,引入阵列基线旋转这一思想对多目标进行测向。通过旋转两天线阵列基线,并以固定的时间延迟对阵元的接收数据进行采样,相当于利用有限的两个阵元对目标进行多位置观测,增加了阵元的利用率,提高了DOA估计的测向精度。计算机仿真实验表明,该算法采用两阵元就可以实现多目标测向,其测向性能与基于均匀5元圆阵的传统多重信号分类算法相当,具有对多通道间相位不一致鲁棒性强的优点。
提出了一种基于双旋转单偶极子阵列的联合谱参数估计算法.通过旋转阵元及修正极化多重信号分类(multiple signal classification,MUSIC)算法中谱函数的导向矢量,便能实现用两阵元进行多目标测向,回避了传统算法中要求信号源个数小于阵元数的问题.仿真结果表明:在小快拍数、低信噪比的影响下,该算法在测向性能上优于阵元数为6的极化空间谱估计算法,且所用通道数少,可降低成本.该算法所述的单偶极子阵列可用任意极化敏感天线单元或组合进行构造,可移植性较强.
为了校正阵元间的互耦误差,提高波达方向(direction of arrival,DOA)估计算法的性能,针对均匀圆阵,提出一种互耦自校正的级联估计方法。首先利用互耦矩阵的结构特点,从构成互耦矩阵的每个互耦系数入手,重新表示阵列流形;然后利用变换矩阵,构造目标函数,求解线性约束下目标函数最小时所对应的互耦矩阵;最后由互耦矩阵校正阵列流形,进行谱峰搜索,得到入射信号DOA,实现互耦自校正。该算法不需要多维循环迭代,对DOA和互耦矩阵的估计精度较高,计算机仿真和实际测向系统测试验证了该方法的有效性。
当阵列天线存在互耦效应时,传统多重信号分类(MUltiple SIgnal Classification,MUSIC)算法的测向性能急剧下降。为了有效估计阵列互耦矩阵(MCM)与入射信号的波达方向(Direction Of Arrival,DOA),该文提出一种阵列互耦矩阵与波达方向的级联估计方法。利用互耦矩阵的结构特点,变换阵列流形,实现对互耦矩阵与DOA的解耦合。求解线性约束下的二次优化问题,利用谱峰搜索,得到阵列互耦矩阵和入射信号DOA,完成互耦误差自校正。通过计算机仿真验证了该文方法估计性能的有效性和优越性。
