针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面...针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面(time-varying metasurface,TVM)硬件约束的情况下,该方法利用单元状态会持续一段时间的性质,交错不同列单元的变化起始时间,在一个状态持续时间内获得了多个不同的响应。异步调控方法能够使TVM在受材料限制的情况下,等效增加虚拟多通道个数,提高DOA估计的精度。仿真结果验证了方法的有效性,相较于现有的同步调控方法,新方法在DOA估计性能上有了较大提升,能够逼近理论上的最优DOA估计结果。展开更多
受恶劣电磁环境和元器件老化等因素影响,多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达的天线阵元发生故障的概率增加,而阵元故障会严重降低目标波达方向(Direction of Arrival,DOA)估计性能。现有的大多数基于深度学习的DOA...受恶劣电磁环境和元器件老化等因素影响,多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达的天线阵元发生故障的概率增加,而阵元故障会严重降低目标波达方向(Direction of Arrival,DOA)估计性能。现有的大多数基于深度学习的DOA估计方法未能充分利用阵列模型的先验信息,导致其建立的映射关系极为复杂,从而使得网络拟合难度较大。为此,提出一种基于先验驱动残差注意力网络的阵元故障MIMO雷达DOA估计方法。首先,利用MIMO雷达协方差矩阵的双重Toeplitz先验特性,构建了基于先验驱动的残差注意力网络,并引入残差注意力块对协方差矩阵的特征进行加权处理,旨在学习阵元故障下存在数据缺失的协方差矩阵和完整协方差矩阵生成向量之间的映射关系。然后,根据残差注意力网络输出的生成向量估计值得到完整的协方差矩阵。最后,利用RD-ESPRIT(Reduced Dimension ESPRIT)算法估计目标DOA。仿真结果表明,所提算法在阵元故障下的DOA估计性能优于现有算法,在信噪比为15 dB时,其DOA估计精度比效果最好的现有算法提高了43.26%。展开更多
为了能够准确高效地对离格信号的波达方向(Direction of Arrival, DOA)进行估计,利用卷积神经网络来提取信号协方差矩阵中的深度特征信息,并采用改进型标签策略来确保网络的估计精度和效率。具体来说,通过带小数的标签来注释协方差矩阵...为了能够准确高效地对离格信号的波达方向(Direction of Arrival, DOA)进行估计,利用卷积神经网络来提取信号协方差矩阵中的深度特征信息,并采用改进型标签策略来确保网络的估计精度和效率。具体来说,通过带小数的标签来注释协方差矩阵构成的张量,并配合上改进后的二进制交叉熵损失函数来使得所提出的小数标签能够用于网络训练。针对DOA估计对应的多标签—多分类的问题,使用了包含6层结构的卷积神经网络的输出单元类别以及幅度来分别对离格信号的DOA整数部分与小数部分进行重构。通过与6种现有典型方法的均方根误差(Root Mean Square Error, RMSE)仿真对比,所提方法能够在信噪比为-10 dB的情况下保持着RMSE<0.5°的优秀表现。虽然无法在较少快拍下正常工作,但该方法在快拍数大于8的条件下仍然保持着RMSE<1°的表现性能。同时,在信号数量为5时,所提方法依然具有较高的估计稳定性,且计算速度能够达到毫秒级,用时明显低于其他方法。展开更多
动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡...动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡尔曼滤波的抗抖动DOA估计算法。首先,针对角度随机抖动导致的接收端数据非线性问题,提出了一种非线性误差分离方案,将接收数据中的抖动误差转化为易于分离的线性分量,便于后续的抖动分量滤除。其次,为了使接收数据与卡尔曼滤波算法相匹配,提出了一种异构码本循环方案,通过在长时间尺度上构建相同的DMA码字,以支持卡尔曼滤波算法利用累积的时间信息来识别和滤除抖动误差。最后,卡尔曼滤波处理后的数据通过原子范数方法恢复出稀疏信号,并采用基于Han kel矩阵分解的多信号分类(multiple signal classification,MUSIC)方法进行空间谱估计。仿真结果证实,在相同信噪比(signal-to-noise ratio,SNR)条件下,所提方案相较于传统的多次估计平均方案,估计精度提升了48%,估计结果更接近无抖动的理想状态。展开更多
星地通信背景下,P波段信号在穿越大气到达地面阵列的过程中,受到电离层效应的影响,其波达方向(Direction of Arrival,DOA)与极化角均发生改变,因此现有DOA-极化联合估计算法得到的估计值与真实值之间存在误差。为解决此问题,从DOA和极...星地通信背景下,P波段信号在穿越大气到达地面阵列的过程中,受到电离层效应的影响,其波达方向(Direction of Arrival,DOA)与极化角均发生改变,因此现有DOA-极化联合估计算法得到的估计值与真实值之间存在误差。为解决此问题,从DOA和极化角两个方面分别进行校正。首先考虑电离层折射效应,建立电离层信号传播模型,以此为基础提出俯仰角误差修正方法。其次针对电离层法拉第旋转(Faraday Rotation,FR)效应,分析法拉第旋转角(Faraday Rotation Angle,FRA)对信号极化的影响,根据地面目标散射过程,提出两种基于散射矩阵的FRA估计方法。通过仿真实验可知,所提方法可以准确计算P波段信号俯仰角修正值与FRA,在一定条件下,将俯仰角估计精度提高约0.1°,FRA估计精度提高近1°,从而实现DOA与极化角的校正。展开更多
为降低L型互质阵的无网格类矩阵重构方法的计算复杂度,提高低信噪比下的角度匹配成功概率,提出一种L型互质阵的低复杂度无网格二维波达方向(Direction of Arrival,DOA)估计方法。利用共轭增广方法,通过求解阵元间的互相关函数,实现x轴和...为降低L型互质阵的无网格类矩阵重构方法的计算复杂度,提高低信噪比下的角度匹配成功概率,提出一种L型互质阵的低复杂度无网格二维波达方向(Direction of Arrival,DOA)估计方法。利用共轭增广方法,通过求解阵元间的互相关函数,实现x轴和z轴互质阵的阵列虚拟扩展;依据矩阵形式的原子范数思想,通过解耦原子范数最小化方法,实现阵列插值;通过求根多重信号分类方法,得到各轴夹角的估计值;依据信号子空间和阵列流型矩阵的空间一致性,通过求解代价函数,实现角度匹配。为进一步降低计算复杂度,将矩阵形式的原子范数与酉变换相结合,通过实值解耦原子范数最小化方法,实现酉阵列插值。研究结果表明:所提方法一方面提高了DOA估计精度,降低了计算复杂度,提高了角度匹配成功概率;另一方面则通过牺牲部分DOA估计精度和阵列自由度,进一步降低了计算复杂度;通过仿真实验验证了该方法的可行性和优势。展开更多
针对主动声呐在水下环境对目标方位估计受低信噪比影响的问题,提出了一种基于分数阶傅里叶变换(Fractional Fourier Transform,FrFT)改进迭代自适应法的波达方向(Direction of Arrival,DOA)估计多波束声呐成像方法。首先对水听器收到的...针对主动声呐在水下环境对目标方位估计受低信噪比影响的问题,提出了一种基于分数阶傅里叶变换(Fractional Fourier Transform,FrFT)改进迭代自适应法的波达方向(Direction of Arrival,DOA)估计多波束声呐成像方法。首先对水听器收到的回波信号进行FrFT,通过FrFT预处理将宽带线性调频(Linear Frequency Modulation,LFM)信号变换为分数域的窄带信号,避免了交叉干扰项的影响;然后在FrFT域对LFM信号进行聚焦并对噪声进行抑制;最后在FrFT域内实现迭代自适应法,同时优化了功率谱估计方法以精确进行DOA估计。所提方法在低信噪比且不增加传感器阵元的情况下,相较于传统的DOA估计方法具有更好的估计精度与更小的均方根误差,可以显著提高成像效果。仿真结果表明,距离向的峰值旁瓣比可达到-13.364 dB,积分旁瓣比可达到-9.723 dB,方位向的峰值旁瓣比可达到-13.874 dB,积分旁瓣比可达到-10.034 dB。展开更多
文摘针对现有时间维度波达方向(direction of arrival,DOA)估计方案中,时间调控速率受限导致目标信号频谱混叠的问题,提出了一种基于异步调控的DOA估计方法,该方法能够有效提升调控速率,进而提升信号处理的信号带宽。在不改变时间调控超表面(time-varying metasurface,TVM)硬件约束的情况下,该方法利用单元状态会持续一段时间的性质,交错不同列单元的变化起始时间,在一个状态持续时间内获得了多个不同的响应。异步调控方法能够使TVM在受材料限制的情况下,等效增加虚拟多通道个数,提高DOA估计的精度。仿真结果验证了方法的有效性,相较于现有的同步调控方法,新方法在DOA估计性能上有了较大提升,能够逼近理论上的最优DOA估计结果。
文摘为了能够准确高效地对离格信号的波达方向(Direction of Arrival, DOA)进行估计,利用卷积神经网络来提取信号协方差矩阵中的深度特征信息,并采用改进型标签策略来确保网络的估计精度和效率。具体来说,通过带小数的标签来注释协方差矩阵构成的张量,并配合上改进后的二进制交叉熵损失函数来使得所提出的小数标签能够用于网络训练。针对DOA估计对应的多标签—多分类的问题,使用了包含6层结构的卷积神经网络的输出单元类别以及幅度来分别对离格信号的DOA整数部分与小数部分进行重构。通过与6种现有典型方法的均方根误差(Root Mean Square Error, RMSE)仿真对比,所提方法能够在信噪比为-10 dB的情况下保持着RMSE<0.5°的优秀表现。虽然无法在较少快拍下正常工作,但该方法在快拍数大于8的条件下仍然保持着RMSE<1°的表现性能。同时,在信号数量为5时,所提方法依然具有较高的估计稳定性,且计算速度能够达到毫秒级,用时明显低于其他方法。
文摘动态超表面天线(dynamic metasurface antenna,DMA)已成为空基平台波达方向(direction of ar rival,DOA)估计的优选技术,但其性能易受平台抖动的影响。针对空基平台在DOA估计中面临的角度随机抖动问题,提出了一种基于DMA异构码本循环卡尔曼滤波的抗抖动DOA估计算法。首先,针对角度随机抖动导致的接收端数据非线性问题,提出了一种非线性误差分离方案,将接收数据中的抖动误差转化为易于分离的线性分量,便于后续的抖动分量滤除。其次,为了使接收数据与卡尔曼滤波算法相匹配,提出了一种异构码本循环方案,通过在长时间尺度上构建相同的DMA码字,以支持卡尔曼滤波算法利用累积的时间信息来识别和滤除抖动误差。最后,卡尔曼滤波处理后的数据通过原子范数方法恢复出稀疏信号,并采用基于Han kel矩阵分解的多信号分类(multiple signal classification,MUSIC)方法进行空间谱估计。仿真结果证实,在相同信噪比(signal-to-noise ratio,SNR)条件下,所提方案相较于传统的多次估计平均方案,估计精度提升了48%,估计结果更接近无抖动的理想状态。
文摘为降低L型互质阵的无网格类矩阵重构方法的计算复杂度,提高低信噪比下的角度匹配成功概率,提出一种L型互质阵的低复杂度无网格二维波达方向(Direction of Arrival,DOA)估计方法。利用共轭增广方法,通过求解阵元间的互相关函数,实现x轴和z轴互质阵的阵列虚拟扩展;依据矩阵形式的原子范数思想,通过解耦原子范数最小化方法,实现阵列插值;通过求根多重信号分类方法,得到各轴夹角的估计值;依据信号子空间和阵列流型矩阵的空间一致性,通过求解代价函数,实现角度匹配。为进一步降低计算复杂度,将矩阵形式的原子范数与酉变换相结合,通过实值解耦原子范数最小化方法,实现酉阵列插值。研究结果表明:所提方法一方面提高了DOA估计精度,降低了计算复杂度,提高了角度匹配成功概率;另一方面则通过牺牲部分DOA估计精度和阵列自由度,进一步降低了计算复杂度;通过仿真实验验证了该方法的可行性和优势。
