主要讨论了利用雷达信号的波达方向(direction of arrival,DOA)参数对多部雷达的脉冲信号进行分组预分选的问题。为提高分类可靠性,提出了一种新的相似系数的计算方法,首次利用相似矩阵进行特征值分解的方法对大量脉冲的DOA参数进行聚类数目判断。经初步统计,当类内离散度与类间离散度差值在0.34以上时,最终的判别结论可信度接近并可能大于80%。在此基础上提出了以类别数目作为停止条件的层次聚类法,该算法简单易用,经过多组数据的试验,取得了较好的聚类效果。
多重信号分选(MUltiple SIgnal Classification,MUSIC)算法是波达方向(Direction-Of-Arrival,DOA)估计的最重要算法之一,但庞大的计算量使其工程实用性大打折扣。为降低MUSIC的计算量,该文基于子空间旋转(Subspace Rotation Technique,SRT)变换思想提出了一种高效改进算法,即SRT-MUSIC算法。SRT-MUSIC利用秩亏特性对噪声子空间矩阵按行分块并以旋转变换得到降维噪声子空间,进而基于该降维噪声子空间与导向矢量的正交性构造空间谱估计信号DOA。理论分析表明:SRT-MUSIC能有效避免空间谱搜索中的冗余运算,从而成倍降低算法的计算量。对于大阵元、少信号情况,所提算法计算效率优势更为明显。仿真实验证明了SRT-MUSIC的有效性和高效性。
为提高波达方向(Direction Of Arrival,DOA)的估计速度,该文基于子空间的正交性原理,利用噪声子空间及其共轭的交集进行奇异值分解(SVD)实现噪声子空间的降维,并基于降维噪声子空间与导向矢量及其共轭的双正交性提出一种2维阵列快速DOA估计算法。理论分析和仿真实验表明:该算法不受实际阵型的限制,能将传统MUSIC谱的角度范围压缩至原来的一半,从而将DOA估计的计算量降至传统方法的50%,并具有与MUSIC算法相当的角度分辨率。
