利用波达角及变化率对固定辐射源的无源定位

提出了一种利用波达方向角(包括方位角与俯仰角)及其变化率信息对固定辐射源进行单站无源定位的算法,对可观测性条件与定位误差的影响因素进行了分析,并将融入波达方向角变化率信息的EKF算法用于载机在航迹上的多次测量定位,并通过仿真将该算法与只测角定位算法进行了比较.     

双圆阵模式空间二维解相干

提出一种相干信号二维波达方向(Direction of Arrival,DOA)估计算法——模式空间波达方向矩阵(Mode-Space DOA Matrix,MS-DOAM)法。算法基于双圆阵,利用模式空间转换将圆阵转换为虚拟双平行线阵,计算虚拟线阵阵元间的互相关信息,构造两个等效协方差矩阵,进而构造波达方向矩阵,对该波达方向矩阵特征分解,利用得到的特征值与特征矢量求得入射信号的仰角和方位角。算法无需二维搜索,实现估计参数自动配对。仿真结果表明,算法在低信噪比和短快拍条件下,估计误差低于虚拟空间平移算法。     

改进的累量域波达方向矩阵法

构造了一种可以进行高分辨二维波达方向估计的累量域波达方向矩阵。利用该矩阵的特征值和特征向量 ,就可以求出信号源的方位角和俯仰角。同其它的波达方向矩阵法相比 ,放宽了对阵列结构的要求 ,提高了阵列孔径的利用率。同时 ,由于采用了累量来构造波达方向矩阵 ,因此新方法具有对高斯噪声的自然盲性。     

基于IMM滤波器的纯方位机动目标跟踪

针对无源纯方位跟踪中目标机动的问题,提出了一种基于交互式多模型的目标跟踪算法。该算法用伪量测变换估计器(PLE)将纯方位跟踪中非线性观测模型线性化,避免了计算雅克比行列式。机动目标跟踪中通过实时调整模型匹配概率,提高了滤波器对状态变化的跟踪能力。同时该算法实时修正观测噪声协方差,消除目标远离基阵时观测噪声对目标定位的影响。最后通过与MGEKF进行比较,Monte Carlo仿真结果验证了该算法的优越性。     

大方位失准角下基于多捷联解算的快速对准方法

传统线性误差模型无法直接应用于大方位失准角的情况,而达到小角度误差的粗对准往往需要较长时间,不可避免地延长了对准时间.针对以上问题,提出了一种基于方位角区间划分的多模型并行处理对准算法.给出了方位角区间划分的方法,各区间以其中心值为初始方位角独立运行捷联解算算法和卡尔曼滤波算法,并分两种滤波校正方式给出了最优导航结果的选取方法.数字仿真结果和转台摇摆试验验证了算法的有效性.     

基于四阶累积量的相干信号二维波达方向估计算法

提出了一种基于四阶累积量的相干信号二维波达方向(DOA)估计的算法--CSS算法.该算法利用双平行线阵的接收数据以及平滑技术构造了一个平滑的渡达方向矩阵,通过对其进行特征分解估计出空间相干信号的二维到达角.在色噪声环境下,该算法能够精确地估计空间相干信号的二维到达角,无需谱峰搜索,并且信号的二维参数能够自动配对.计算机仿真结果验证了算法的有效性.     

最小冗余线阵的DOA估计

波达方向(DOA)估计是智能天线技术研究热点之一.研究了最小冗余线阵的DOA估计问题.通过引入阵列冗余度,对非均匀线阵的阵元配置进行研究,在对MUSIC算法进行分析的基础上,利用Matlab对最小冗余线阵的DOA性能进行仿真,通过与均匀线阵进行对比,结果表明,在相同阵元数目的前提下,最小冗余线阵获得了较高的空间谱分辨力和较低的估计均方误差,提高了DOA估计性能.     

用于卫星干扰源定位的压缩感知DOA估计方法

针对传统测向方法的实际应用性能较差,提出一种基于压缩感知(CS)的卫星干扰源定位方法。根据干扰信号方位角的空间稀疏性,建立了压缩感知波达方向(DOA)估计模型。通过协方差矩阵的高阶幂逼近信号子空间和矩阵的共轭对称特征,利用高阶幂矩阵的主对角线下左下角列向量进行波达方向估计。仿真实验验证,该方法不需要已知干扰源数,具有较高的精度和较好的分辨力,且能满足对相干干扰信号的估计。对压缩感知DOA估计在卫星干扰源定位中的应用具有一定参考意义。     

基于联合对角化的远场相干信号波达方向估计

提出一种基于联合对角化的远场相干信号波达方向估计算法.利用阵元接收数据构造高阶累积量矩阵,通过矩阵联合对角化得到阵列广义流形矩阵的估计.利用阵列流形矩阵的矩阵特性及最小多项式的性质,消除联合对角化带来的顺序不确定性,得到波达方向的估计.该方法无需进行角度搜索,且能处理不同相干群内部分波达方向相同的情形.计算机仿真实验验...     

基于波达方向矩阵的矢量水听器方位频率联合估计

提出了一种新的基于单个矢量水听器的方位频率联合估计方法--波达方向矩阵法.利用矢量水听器的时延数据,构造了两个相同的子阵,通过对波达方向矩阵的特征分解,实现了对目标信号的波达方向估计,并同时得到了目标的频率特征.计算机仿真实验表明,该方法具有较好的估计精度.