在多输入多输出(Multiple Input Multiple Output,MIMO)雷达系统的角度估计中,混入接收机的噪声通常被假设为均匀的。然而,实际场景下往往是非均匀噪声,使得噪声协方差矩阵是未知的。若直接应用传统的子空间估计算法,如二维多重信号分类...在多输入多输出(Multiple Input Multiple Output,MIMO)雷达系统的角度估计中,混入接收机的噪声通常被假设为均匀的。然而,实际场景下往往是非均匀噪声,使得噪声协方差矩阵是未知的。若直接应用传统的子空间估计算法,如二维多重信号分类(Two-dimensional Multiple Signal Classification,2D-MUSIC)算法,则会导致角度估计性能下降或算法失效,因此需要设计新的算法,用于估计噪声协方差矩阵,以求得噪声子空间。相对于迭代类处理算法而言,非迭代噪声子空间估计算法无需进行迭代计算,从而降低了计算复杂度。基于此,研究和分析了一种适用于非均匀噪声条件下的一维非迭代噪声子空间估计算法,并将其扩展至MIMO雷达二维角度估计。首先通过理论分析验证了该扩展的可行性,其次通过实验验证了其对目标的联合离开角(Direction of Departure,DOD)和到达角(Direction of Arrival,DOA)的估计具有较好的测角性能。展开更多
针对轮换迭代算法在混合互耦误差和幅相误差条件下存在估计精度不高的问题,提出了一种改进非迭代多重信号分类(improved non-iterative multiple signal classification,INI-MUSIC)算法.改进算法利用误差系数在均匀圆阵下的特殊性质和...针对轮换迭代算法在混合互耦误差和幅相误差条件下存在估计精度不高的问题,提出了一种改进非迭代多重信号分类(improved non-iterative multiple signal classification,INI-MUSIC)算法.改进算法利用误差系数在均匀圆阵下的特殊性质和矩阵向量转换定理,将幅相误差和互耦误差与波达方向(direction of arrival,DOA)估计角度分离,从而实现混合误差下的降维操作,进而通过重新构造代价谱峰函数对亏损的秩进行补偿,实现对DOA角度的估计和对误差系数的联合估计.此算法降低了混合误差条件下错误谱峰出现的概率,具有更好的二维DOA估计精度,工程应用价值更高.展开更多
文摘在多输入多输出(Multiple Input Multiple Output,MIMO)雷达系统的角度估计中,混入接收机的噪声通常被假设为均匀的。然而,实际场景下往往是非均匀噪声,使得噪声协方差矩阵是未知的。若直接应用传统的子空间估计算法,如二维多重信号分类(Two-dimensional Multiple Signal Classification,2D-MUSIC)算法,则会导致角度估计性能下降或算法失效,因此需要设计新的算法,用于估计噪声协方差矩阵,以求得噪声子空间。相对于迭代类处理算法而言,非迭代噪声子空间估计算法无需进行迭代计算,从而降低了计算复杂度。基于此,研究和分析了一种适用于非均匀噪声条件下的一维非迭代噪声子空间估计算法,并将其扩展至MIMO雷达二维角度估计。首先通过理论分析验证了该扩展的可行性,其次通过实验验证了其对目标的联合离开角(Direction of Departure,DOD)和到达角(Direction of Arrival,DOA)的估计具有较好的测角性能。
文摘针对轮换迭代算法在混合互耦误差和幅相误差条件下存在估计精度不高的问题,提出了一种改进非迭代多重信号分类(improved non-iterative multiple signal classification,INI-MUSIC)算法.改进算法利用误差系数在均匀圆阵下的特殊性质和矩阵向量转换定理,将幅相误差和互耦误差与波达方向(direction of arrival,DOA)估计角度分离,从而实现混合误差下的降维操作,进而通过重新构造代价谱峰函数对亏损的秩进行补偿,实现对DOA角度的估计和对误差系数的联合估计.此算法降低了混合误差条件下错误谱峰出现的概率,具有更好的二维DOA估计精度,工程应用价值更高.