论文部分内容阅读
稳健测向算法的研究是信号处理方向的一个重要分支,尤其是近几年在无人驾驶,雷达,医学成像等方面起到了至关重要的作用。传统的测向算法大多是基于子空间类算法,但是这些算法在低信噪比（Signal-to-Noise-Ratio,SNR）或者有限快拍数的情况下,很难进行稳健的目标角度估计,而且当信号之间是相干时,大多数子空间类算法的估计性将会面临下降甚至于失效。近些年,压缩感知（Compressed sensing,CS）理论逐渐得到发展,稀疏恢复理论被人们所研究并加以利用,其相对于子空间类算法可以很好的适应现实中恶劣的测向环境。同时由于阵列天线间电磁场的干扰,阵元之间会存在未知互耦效应,破坏了传统的阵列接收数据模型结构。因此,本文将研究在未知互耦条件下,基于均匀线性阵列（Uniform Linear Array,ULA）以及单基地MIMO雷达背景下的稳健测向算法。首先介绍了阵列信号模型及矩阵分析的基础概念,并详细介绍了基于子空间类测向算法步骤和原理;然后介绍了稀疏恢复的基础知识和一些代表性算法;最后利用MATLAB仿真实验,分析了此类算法的估计性能。其次,针对天线阵元间存在未知互耦效应问题,提出了基于数据域的稳健阵列测向算法。给出了未知互耦条件下通过参数化互耦导向矩阵构建的块结构表示接收数据模型,详细研究了稳健的重加权块稀疏恢复阵列测向算法;最后通过仿真实验验证了所提出算法在未知互耦效应存在条件下的稳健DOA估计性能。然后针对基于数据域的稳健阵列测向算法存在的缺陷,提出了多种基于协方差域的稳健阵列测向算法。首先介绍了协方差矩阵的稀疏表示形式及1l-SRACV算法;然后针对块稀疏矩阵不仅存在块稀疏性也存在秩稀疏性,提出了重加权1l范数最小化算法及重加权核范数最小化算法;并为了进一步提高接收数据信息的利用率,将加权子空间拟合思想与稀疏恢复结合,提出了基于加权子空间拟合的块稀疏恢复算法;最后通过仿真分析及性能比较,验证了所提出算法的优越性。最后,我们将上述技术引入到单基地MIMO雷达中,提出了一种单基地MIMO雷达重加权块稀疏重构算法。该算法通过参数化互耦发射-接收导向矩阵构建MIMO雷达接收数据模型,然后通过加权矩阵的构造,将MIMO雷达的DOA估计问题转化为加权块稀疏恢复问题。此算法同样避免了未知互耦的影响及阵列孔径的损失,从而提高了单基地MIMO雷达在未知互耦误差下的DOA估计性能。