基于虚拟时间延迟阵元的极化敏感阵列的多参数联合估计
矢量传感器阵列MIMO雷达高精度二维DOA与极化联合估计
矢量传感器阵列MIMO雷达高精度二维DOA与极化联合估计梁浩;崔琛;余剑;郝天铎【期刊名称】《电子与信息学报》【年(卷),期】2016(038)010【摘要】该文采用矢量传感器配置下的十字型阵列MIMO雷达系统，提出一种新的2维高精度DOA与极化参数联合估计算法。
首先根据MIMO雷达虚拟阵列导向矢量的特点，通过降维矩阵的设计及回波数据的降维变换，将高维回波数据转换至低维信号空间；然后基于传播算子获得对应信号子空间的估计，利用收、发阵列阵元间长基线对应的旋转不变性和极化矢量中电场矢量和磁场矢量的叉积进行2维高精度DOA估计和解模糊处理，同时利用与阵列结构无关的极化域旋转不变性进行极化辅角和极化相位差的联合估计。
该矢量传感器MIMO雷达阵列可同时获取MIMO雷达的波形分集和矢量传感器的极化分集，无需额外增加阵元和硬件开销，能够有效扩展阵列孔径，提高参数估计性能；同时通过降维变换及传播算子，在获取信噪比增益的同时，能够实现2维高精度DOA和2维极化矢量的联合估计及参数的自动配对，有效降低数据处理维数和参数估计的运算复杂度；最后，仿真结果验证了理论分析的正确性和算法的有效性。
%In this paper, monostatic MIMO radar with cross array using electromagnetic vector antennas is utilized and a novel algorithm for fast Two Dimensional (2D) Direction Of Arrival (DOA) with high accuracy and polarization estimation is proposed. First, given the virtual steering vector of monostatic MIMO radar, a reduced-dimensional matrix is employed and the high dimensionalreceived data is transformed into a lower dimensional signal space via the reduced-dimensional transformation. Then the Propagator Method (PM) is utilized to estimate the corresponding signal subspace by linear operation. Second, rotational invariance relationships with long baseline in the proposed scheme and polarization vector cross product between the normalized electric vector and the normalized magnetic vector can be used to obtain the 2D DOA estimation with high accuracy and non-ambiguity. The polarization rotational invariance relationship, which is irrespective of array geometry, is utilized to estimate the auxiliary polarization angle and polarization phase difference. The proposed system, extending array aperture without increasing sensors and hardware costs, can obtain the waveform diversity offered by MIMO radar and the polarization diversity offered by vector sensor together and achieve better estimation performance. Meanwhile, through the reduced-dimensional and linear operation, the proposed algorithm, obtaining signal to ratio gain and joint estimation for 2D DOA with high accuracy and 2D polarization parameters with automatic pairing, can reduce the dimension of received data and the computational complexity of parameters estimation effectively. Lastly, simulation results verify the correctness of theoretical analysis and the effectiveness of proposed algorithm.【总页数】8页(P2437-2444)【作者】梁浩;崔琛;余剑;郝天铎【作者单位】合肥电子工程学院通信对抗系合肥 230037;合肥电子工程学院通信对抗系合肥 230037;合肥电子工程学院通信对抗系合肥 230037;合肥电子工程学院通信对抗系合肥 230037【正文语种】中文【中图分类】TN958【相关文献】1.双基地MIMO雷达二维DOD和二维DOA联合估计 [J], 许凌云;张小飞;许宗泽2.基于矢量传感器MIMO雷达的DOD DOA和极化联合估计算法 [J], 王克让;朱晓华;何劲3.干涉式矢量传感器MIMO雷达的DOD/DOA和极化联合估计 [J], 郑桂妹;杨明磊;陈伯孝;杨瑞兴4.基于阵列流型盲辨识的MIMO雷达二维DOD和二维DOA联合估计 [J], 陈显舟;杨旭;方海;白琳;陈周5.反辐射导引头对捷变频雷达信号的二维DOA和极化参数联合估计 [J], 刘正平因版权原因，仅展示原文概要，查看原文内容请购买。
时延估计算法
时延估计算法
时延估计算法是一种用于估计信号传输时延的方法。
它通常基于源距离接收阵的距离和方向，以及两个阵元间由于声程差而产生的到达时延差。
基本互相关时延估计方法的原理是，假设两个接收信号分别为$x_1(t)$和$x_2(t)$，其中$x_1(t)=s(t)+n_1(t)$，$x_2(t)=s(t-D)+n_2(t)$。
时延估计即估计其中的$D$值。
由于信号传播过程中引入了噪声$n$，所以对时延估计的问题进行研究时，其实是一个统计问题，研究的是一个随机信号分析。
时延估计中常使用最大似然估计，因为其具有无偏、有效和一致性三大性质。
而时延估计的最大似然估计经过推导可以发现其是一个相关器。
理论上在时刻$D$时，两阵元信号相似度最高，此时是相关器峰值位置。
我们在对两路信号作互相关之后再进行峰值检测即可得到时延$D$。
广义互相关时延估计方法的基本流程如下：首先对两路接收信号$x_1$和$x_2$作预滤波处理，然后对两路预处理输出信号$y_1$，$y_2$，求取互相关函数，称之为GCC函数，最后对GCC函数作峰值检测，对应的时间值即为时延估值$D$。
总的来说，时延估计算法在实际应用中受到了广泛的关注和应用，但在不同的应用场景中，需要根据实际情况选择合适的算法和参数配置。
矢量传感器阵列MIMO雷达高精度二维DOA与极化联合估计
矢量传感器阵列MIMO雷达高精度二维DOA与极化联合估计梁浩;崔琛;余剑;郝天铎【摘要】该文采用矢量传感器配置下的十字型阵列MIMO雷达系统，提出一种新的2维高精度DOA与极化参数联合估计算法。
首先根据MIMO雷达虚拟阵列导向矢量的特点，通过降维矩阵的设计及回波数据的降维变换，将高维回波数据转换至低维信号空间；然后基于传播算子获得对应信号子空间的估计，利用收、发阵列阵元间长基线对应的旋转不变性和极化矢量中电场矢量和磁场矢量的叉积进行2维高精度DOA估计和解模糊处理，同时利用与阵列结构无关的极化域旋转不变性进行极化辅角和极化相位差的联合估计。
该矢量传感器MIMO雷达阵列可同时获取MIMO雷达的波形分集和矢量传感器的极化分集，无需额外增加阵元和硬件开销，能够有效扩展阵列孔径，提高参数估计性能；同时通过降维变换及传播算子，在获取信噪比增益的同时，能够实现2维高精度DOA和2维极化矢量的联合估计及参数的自动配对，有效降低数据处理维数和参数估计的运算复杂度；最后，仿真结果验证了理论分析的正确性和算法的有效性。
%In this paper, monostatic MIMO radar with cross array using electromagnetic vector antennas is utilized and a novel algorithm for fast Two Dimensional (2D) Direction Of Arrival (DOA) with high accuracy and polarization estimation is proposed. First, given the virtual steering vector of monostatic MIMO radar, a reduced-dimensional matrix is employed and the high dimensional received data is transformed into a lower dimensional signal space via the reduced-dimensional transformation. Then the Propagator Method (PM) is utilized to estimate the corresponding signal subspace by linear operation.Second, rotational invariance relationships with long baseline in the proposed scheme and polarization vector cross product between the normalized electric vector and the normalized magnetic vector can be used to obtain the 2D DOA estimation with high accuracy and non-ambiguity. The polarization rotational invariance relationship, which is irrespective of array geometry, is utilized to estimate the auxiliary polarization angle and polarization phase difference. The proposed system, extending array aperture without increasing sensors and hardware costs, can obtain the waveform diversity offered by MIMO radar and the polarization diversity offered by vector sensor together and achieve better estimation performance. Meanwhile, through the reduced-dimensional and linear operation, the proposed algorithm, obtaining signal to ratio gain and joint estimation for 2D DOA with high accuracy and 2D polarization parameters with automatic pairing, can reduce the dimension of received data and the computational complexity of parameters estimation effectively. Lastly, simulation results verify the correctness of theoretical analysis and the effectiveness of proposed algorithm.【期刊名称】《电子与信息学报》【年(卷),期】2016(038)010【总页数】8页(P2437-2444)【关键词】MIMO雷达;矢量传感器阵列;高精度DOA估计;极化参量【作者】梁浩;崔琛;余剑;郝天铎【作者单位】合肥电子工程学院通信对抗系合肥 230037;合肥电子工程学院通信对抗系合肥 230037;合肥电子工程学院通信对抗系合肥 230037;合肥电子工程学院通信对抗系合肥 230037【正文语种】中文【中图分类】TN958多输入多输出(Multiple Input and Multiple Output, MIMO)雷达在目标检测、参数估计、杂波抑制等方面具有诸多优势[1,2]，已成为现代雷达发展趋势的综合体现，引起国内外学者的高度关注。
极化敏感阵列的无线定位算法
极化敏感阵列的无线定位算法
郭志强;徐丽娜
【期刊名称】《计算机仿真》
【年(卷),期】2012(29)12
【摘要】无线定位技术在营救等领域有着广泛的应用前景.提出一种新的基于极化敏感阵列的定位方法.新方法将极化敏感阵列天线由均匀线阵改进为均匀平面阵,利用ESPRIT方法实现二维到达角(方位角和仰角)以及首达路径的时延参数和极化参数的估计,进而利用参数实现无线定位.联合首达路径的时延参数以及方位角和仰角信息,可在三维空间确定目标,进而提高定位精度.在多径环境下仿真,仿真结果证明了算法的有效性且定位精度满足实际需要.改进方法适用于TDMA系统,可应用于手机用户定位、移动监护机器人定位等,特别是只有一个基站或接入点的定位.
【总页数】6页(P152-156,337)
【作者】郭志强;徐丽娜
【作者单位】吉林大学珠海学院广东珠海519000;吉林大学仪器科学与电气工程学院吉林长春130022;吉林大学珠海学院广东珠海519000
【正文语种】中文
【中图分类】TN911
【相关文献】
1.无线传感器网络中四元无线声阵列节点选择及目标定位算法 [J], 朱海洋;张合;马少杰;潘菡
2.基于遗传算法和加权质心算法的无线传感器网络定位算法 [J], 程丽玲;谭军
3.一种基于遗传算法与蚁群算法混合算法的r无线传感器网络定位算法 [J], 李杰;李振波;陈佳品
4.基于无线传感器网络的无线定位算法研究 [J], 周明江
5.一种基于多算法协同定位的蜂窝无线定位算法模型 [J], 崔晓坤;曾文权;尚韬因版权原因，仅展示原文概要，查看原文内容请购买。
稀疏阵列——精选推荐
基于稀疏重构的阵列信号多参数估计（田野）1.1 研究背景阵列信号处理研究的主要内容包括：（1）信源定位——估计空间信源到参考阵元的空间位置参数；（2）信源分离——估计空间各信源发射的信号波形；（3）信道估计——估计空间信源与接收阵列之间传输信道的参数；随着压缩感知理论体系的出现和不断完善，作为其核心理论的稀疏信号重构引起了国内外学者的广泛关注，从稀疏重构角度寻求解决或者规避传统信源参数估计方法存在的问题成为了一种新的可能途径。
因此，充分挖掘稀疏信号重构的潜在优势，探索基于稀疏重构的阵列信号参数估计方法特别是多参数联合估计方法，既是理论研究的深入发展，也是客观实际的迫切需要，具有重要的理论意义和实用价值。
在信源定位的信号模型中，通常假设在感兴趣的空域范围内只存在少数的点目标。
如果将整个感兴趣的空域范围内不存在目标的位置处看成是目标幅度为零，则不同位置对应的目标幅度就构成了一个稀疏信号，这种空域的稀疏性使得稀疏信号重构算法可以直接应用于阵列信号的参数估计。
1.3 论文主要内容及结构安排针对上述基于稀疏重构的信源参数估计方法的国内外研究现状，本文以鲁棒高效的阵列信号多参数估计为研究目标，以稀疏重构为数学工具，分别针对：1）远场源的DOA 和功率估计；2）远近场混合源的DOA 和距离估计；3）极化阵列下的远场源DOA、功率和极化参数估计等问题展开深入的研究，旨为克服现有基于稀疏重构的多参数估计方法中存在的估计偏差、计算量大、正则化参数选择不合理及需要信源数的先验信息等问题。
本文共分为六章，具体安排如下：第一章、概述了阵列信号参数估计的研究背景及研究意义，总结分析了稀疏重构在处理信源参数估计中的可行性和潜在优势，并结合近几年基于稀疏重构的信源参数估计的国内研究现状，探讨了已有方法中存在的待解决问题。
第二章、介绍压缩感知、稀疏重构的基本理论和代表性稀疏重构算法，并通过仿真分析与评价各稀疏重构算法在阵列信源参数估计中的适用性及优势。
基于稀疏阵列的电磁矢量传感器多输入多输出雷达高分辨角度和极化
PACS：43.60.Jn, 43.60.Cg, 84.40.Xb
DOI: 10.7498/aps.69.20191895
1 引 言
多输入多输出 (multiple-input multiple-output, MIMO) 雷达参数估计是当前研究的一个热点问 题, 相比于使用相关波形的常规相控阵雷达, 其通 过发射相互正交的信号波形能够实现高的角度 分辨率、灵活可控的波形设计以及阵列自由度的 提升升 [1−3]. 根据阵列的配置方式, MIMO 雷达可 分为利用空间多样性的统计 MIMO 雷达和利用波 形多样性的集中式 MIMO 雷达 [4]. 并且, 集中式 MIMO 雷达可以进一步地划分为单基地 MIMO 雷 达和双基地 MIMO 雷达. 其中, 单基地 MIMO 雷 达由于发射阵和接收阵距离较近, 相应的发射角
物 理 学 报 Acta Phys. Sin. Vol. 69, No. 7 (2020) 074302
基于稀疏阵列的电磁矢量传感器多输入多输出 雷达高分辨角度和极化参数联合估计*
谢前朋 潘小义† 陈吉源 肖顺平
(国防科技大学, 电子信息系统复杂电磁环境效应国家重点实验室, 长沙 410073)
(2019 年 12 月 15 日收到; 2020 年 2 月 2 日收到修改稿)
(direction-of-departure, DOD) 和接收角 (directionof-arrival, DOA) 是相同的; 而双基地 MIMO 雷达 由 于 发 射 阵 和 接 收 阵 相 距 较 远 , 其 DOD 和 DOA 是不同的. 本文主要针对双基地 MIMO 雷达 的角度参数估计展开研究.
基于降维Capon的双基地MIMO阵列目标DOD和DOA联合估计算法
基于降维Capon的双基地MIMO阵列目标DOD和DOA联合估计算法史文涛; 张群飞; 何成兵【期刊名称】《《西北工业大学学报》》【年(卷),期】2019(037)005【总页数】8页(P857-864)【关键词】双基地多输入多输出(MIMO)阵列; 发射角(DOD); 接收角(DOA); 泰勒级数展开; Capon【作者】史文涛; 张群飞; 何成兵【作者单位】西北工业大学航海学院陕西西安 710072【正文语种】中文【中图分类】TN911近年来,在多输入多输出(multiple-input multiple output,MIMO)通信技术的快速发展与成熟推动下,MIMO阵列技术也逐渐成为阵列信号处理学术界研究的热点,MIMO雷达和MIMO声呐(为叙述简洁,下文将MIMO雷达阵列和MIMO声呐阵列统称为MIMO阵列)也应运而生[1-5]。
与常规相控阵阵元发射相同波形信号并通过相位延迟来调整发射波束指向性不同,MIMO阵列的各阵元可发射不相关或互相正交的波形,并利用接收阵元来接收目标的回波信号。
回波信号均经过匹配滤波器处理,其效果相当于增加了虚拟阵元,增大了阵列的虚拟孔径,从而获得更多的自由度,具有可检测目标数目增多等较常规相控阵更好的性能。
根据收发阵列布阵方式的不同,MIMO阵列可分为分布式MIMO阵列(distributed MIMO array)和合置式MIMO阵列(co-located MIMO array)。
分布式MIMO阵列也被称为统计式MIMO阵列(statistical MIMO array)[6-7],其阵元间距较大,可通过远距离布置的发射和接收阵元满足空间分集,并从不同的角度观测目标以抑制目标闪烁来获得空间分集增益,从而提高系统的探测性能。
合置式MIMO阵列[8]主要分为单基地MIMO阵列(monostatic MIMO array)[9-10]和双基地MIMO阵列(bistatic MIMO array)[11-12]。